本发明属于计算机技术领域，尤其涉及一种还款方法、计算机可读存储介质及终端设备。
背景技术：
随着社会经济的不断发展，用户越来越意识到个人信用的重要性，通过各种方式不断地提升自己的信用等级。在当前的信用评估体系中，按时还款是一个重要的评估指标，如果出现多次未能按时还款的不良记录，将会极大影响用户的信用等级。
为了避免用户因各种原因导致的忘记还款的情况的发生，通常会要求用户设置一个或多个默认的用于还款的储蓄账户，在还款的最后时限前，自动从这些储蓄账户中扣除应还金额。这样的还款方案虽然可以避免还款超期的情况，但是由于用户的每个储蓄账户可能都有自己独特的用处，该还款方案很可能会从某些储蓄账户中提取较多的金额进行还款，从而导致这些储蓄账户中的余额无法满足用户的正常使用需求，造成了较差的用户体验。
技术实现要素：
有鉴于此，本发明实施例提供了一种还款方法、计算机可读存储介质及终端设备，以解决现有的还款方案很可能会从某些账户中提取较多的金额进行还款，从而导致这些账户中的余额无法满足用户的正常使用需求，造成了较差的用户体验的问题。
本发明实施例的第一方面提供了一种还款方法，可以包括：
获取目标用户在当前的还款周期内的还款总额以及所述目标用户可用于还款的各个储蓄账户的账号；
从所述目标用户可用于还款的各个储蓄账户中任意选取一个尚未计算过可用还款额的储蓄账户作为当前储蓄账户；
确定与所述当前储蓄账户的账号对应的目标银行的服务器；
向所述目标银行的服务器发送查询请求；
接收所述目标银行的服务器反馈的响应消息，并从所述响应消息中获取所述当前储蓄账户的余额以及指定时间段内的历史支出账单；
根据所述历史支出账单计算所述当前储蓄账户在下一个还款周期内的预期支出额；
根据所述当前储蓄账户的余额和所述当前储蓄账户在下一个还款周期内的预期支出额计算所述当前储蓄账户的可用还款额；
返回执行所述从所述目标用户可用于还款的各个储蓄账户中任意选取一个尚未计算过预期支出额的储蓄账户作为当前储蓄账户的步骤及其后续步骤，直至所述目标用户可用于还款的各个储蓄账户均被计算过所述可用还款额为止；
根据所述还款总额和各个所述储蓄账户的可用还款额确定还款方案。
本发明实施例的第二方面提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机可读指令，所述计算机可读指令被处理器执行时实现如下步骤：
获取目标用户在当前的还款周期内的还款总额以及所述目标用户可用于还款的各个储蓄账户的账号；
从所述目标用户可用于还款的各个储蓄账户中任意选取一个尚未计算过可用还款额的储蓄账户作为当前储蓄账户；
确定与所述当前储蓄账户的账号对应的目标银行的服务器；
向所述目标银行的服务器发送查询请求；
接收所述目标银行的服务器反馈的响应消息，并从所述响应消息中获取所述当前储蓄账户的余额以及指定时间段内的历史支出账单；
根据所述历史支出账单计算所述当前储蓄账户在下一个还款周期内的预期支出额；
根据所述当前储蓄账户的余额和所述当前储蓄账户在下一个还款周期内的预期支出额计算所述当前储蓄账户的可用还款额；
返回执行所述从所述目标用户可用于还款的各个储蓄账户中任意选取一个尚未计算过预期支出额的储蓄账户作为当前储蓄账户的步骤及其后续步骤，直至所述目标用户可用于还款的各个储蓄账户均被计算过所述可用还款额为止；
根据所述还款总额和各个所述储蓄账户的可用还款额确定还款方案。
本发明实施例的第三方面提供了一种还款终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机可读指令，所述处理器执行所述计算机可读指令时实现如下步骤：
获取目标用户在当前的还款周期内的还款总额以及所述目标用户可用于还款的各个储蓄账户的账号；
从所述目标用户可用于还款的各个储蓄账户中任意选取一个尚未计算过可用还款额的储蓄账户作为当前储蓄账户；
确定与所述当前储蓄账户的账号对应的目标银行的服务器；
向所述目标银行的服务器发送查询请求；
接收所述目标银行的服务器反馈的响应消息，并从所述响应消息中获取所述当前储蓄账户的余额以及指定时间段内的历史支出账单；
根据所述历史支出账单计算所述当前储蓄账户在下一个还款周期内的预期支出额；
根据所述当前储蓄账户的余额和所述当前储蓄账户在下一个还款周期内的预期支出额计算所述当前储蓄账户的可用还款额；
返回执行所述从所述目标用户可用于还款的各个储蓄账户中任意选取一个尚未计算过预期支出额的储蓄账户作为当前储蓄账户的步骤及其后续步骤，直至所述目标用户可用于还款的各个储蓄账户均被计算过所述可用还款额为止；
根据所述还款总额和各个所述储蓄账户的可用还款额确定还款方案。
本发明实施例与现有技术相比存在的有益效果是：本发明实施例首先获取目标用户在当前的还款周期内的还款总额以及所述目标用户可用于还款的各个储蓄账户的账号，然后通过与目标银行的服务器进行交互，获得储蓄账户的余额以及指定时间段内的历史支出账单，根据所述历史支出账单计算储蓄账户在下一个还款周期内的预期支出额，从而可以根据储蓄账户的余额和储蓄账户在下一个还款周期内的预期支出额计算储蓄账户的可用还款额，由于该可用还款额是通过用户的历史支出行为对其后续的支出行为做出的预测，可以较准确的反映用户的支出模式，因此根据所述还款总额和各个所述储蓄账户的可用还款额确定的还款方案也会比较符合用户的习惯，使得还款后各个储蓄账户中的余额仍可满足用户的正常使用需求，大大提升了用户体验。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。
图1为本发明实施例中一种还款方法的一个实施例流程图；
图2为本发明实施例中使用的神经网络模型的示意图；
图3为本发明实施例中一种还款装置的一个实施例结构图；
图4为本发明实施例中一种还款终端设备的示意框图。
具体实施方式
为使得本发明的发明目的、特征、优点能够更加的明显和易懂，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，下面所描述的实施例仅仅是本发明一部分实施例，而非全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
请参阅图1，本发明实施例中一种还款方法的一个实施例可以包括：
步骤s101、获取目标用户在当前的还款周期内的还款总额以及所述目标用户可用于还款的各个储蓄账户的账号。
一般地，所述还款周期可以为一个月，在初始借款时，可以由所述目标用户自行设置或者由服务器默认设置一个日期作为每个月的最后还款日，两个连续的最后还款日之间的时间段即为一个完整的还款周期。例如，若所述目标用户设置15日作为最后还款日，则1月16日至2月15日为一个还款周期，2月16日至3月15日为一个还款周期，……，以此类推。
所述目标用户可用于还款的各个储蓄账户的账号可以由所述目标用户自行添加或删除，优选地，在添加新的账号时，需要所述目标用户授权对其账户的查询权限。
在本实施例中，可以在指定的数据库中存储用户的欠款数据以及可用于还款的各个储蓄账户的账号，在临近最后还款日，尚未收到所述目标用户的还款时，则从该数据库中获取其在当前的还款周期内的还款总额以及可用于还款的各个储蓄账户的账号。
步骤s102、从所述目标用户可用于还款的各个储蓄账户中任意选取一个尚未计算过可用还款额的储蓄账户作为当前储蓄账户。
步骤s103、确定与所述当前储蓄账户的账号对应的目标银行的服务器。
本实施例中，可以通过在人民银行网银跨行系统中查询所述当前储蓄账户的账号，从而确定与其对应的目标银行的服务器。
步骤s104、向所述目标银行的服务器发送查询请求。
具体地，可以通过所述人民银行网银跨行系统向所述目标银行的服务器发送查询请求，在该查询请求中，包括对所述当前储蓄账户的余额以及指定时间段内的历史支出账单的查询。
步骤s105、接收所述目标银行的服务器反馈的响应消息，并从所述响应消息中获取所述当前储蓄账户的余额以及指定时间段内的历史支出账单。
步骤s106、根据所述历史支出账单计算所述当前储蓄账户在下一个还款周期内的预期支出额。
首先，构造如下的所述当前储蓄账户在所述指定时间段内的各个还款周期的支出额序列：
h＝{h1,h2,...,ht,...,ht}
其中，1≤t≤t，t为所述支出额序列的长度，ht为第t个还款周期的支出额且
一般地，所述指定时间段可以为一年，则所述支出额序列的长度t＝12。
然后，使用所述支出额序列对预设的神经网络模型进行训练，得到训练好的神经网络模型。
具体地，本实施例中采用如图2所示的神经网络模型结构，根据如下的各式依次选取所述支出额序列中的取值对所述神经网络模型进行训练，确定出所述神经网络模型中的各个神经单元参数：
it＝σ(ht-1ui+xtwi)
ft＝σ(ht-1uf+xtwf)
ot＝σ(ht-1uo+xtwo)
ht＝ottanh(ct)
其中，xt为第t个还款周期的序列号，it为预设的第一单元输出，ft为预设的第二单元输出，ot为预设的第三单元输出，
在该神经网络模型中，整个处理过程由三部分组成：即输入门处理、遗忘门处理和输出门处理。
其中，遗忘门是以上一还款周期的输出ht-1和本次还款周期的输入xt为输入的sigmoid函数，为ct-1中的每一项产生一个在[0,1]内的值，来控制上一还款周期的记忆状态被遗忘的程度。输入门和一个tanh函数
可以看出，通过图2所示的结构中的状态结构缓存以往还款周期的支出额信息，并且通过输入门、遗忘门以及输出门对历史支出额信息进行维护，从而实现了长距离历史信息的有效缓存。
通过使用构造的所述支出额序列对该神经网络模型进行训练，可以得到各个还款周期之间支出额的传递关系，也即得到各门的开合状况以及u、w等参数。
最后，通过所述训练好的神经网络模型计算所述当前储蓄账户在下一个还款周期内的预期支出额。
步骤s107、根据所述当前储蓄账户的余额和所述当前储蓄账户在下一个还款周期内的预期支出额计算所述当前储蓄账户的可用还款额。
例如，可以通过下式计算所述当前储蓄账户的可用还款额：
account＝balance-expenses
其中，account为所述当前储蓄账户的可用还款额，balance为所述当前储蓄账户的余额，expenses为所述当前储蓄账户在下一个还款周期内的预期支出额。
优选地，为了保证一定的余量，还可以通过下式计算所述当前储蓄账户的可用还款额：
account＝balance-expenses-margin
其中，margin为预设的余量值。
步骤s108、判断所述目标用户可用于还款的各个储蓄账户是否均被计算过所述可用还款额。
若还存在未被计算过所述可用还款额的储蓄账户，则返回执行步骤s102，若所述目标用户可用于还款的各个储蓄账户均被计算过所述可用还款额，则执行步骤s109。
步骤s109、根据所述还款总额和各个所述储蓄账户的可用还款额确定还款方案。
具体地，首先将满足下列条件的可用还款额最大的前m个储蓄账户确定为当前还款账户：
然后，根据下式确定各个所述当前还款账户的还款额：
account′m＝accountm，1≤m<m
其中，account′m为按照可用还款额从大到小的顺序排列在第m位上的储蓄账户的还款额。
进一步地，在步骤s109之后，所述还款方案还可以包括：
将所述还款方案发送至所述目标用户的终端上，并接收所述目标用户通过所述终端对所述还款方案的反馈信息。
所述目标用户在接收到所述还款方案后，若符合其预期，则可在终端上对该还款方案进行确认，此时终端的反馈信息为确认信息，若不符合其预期，则可在终端上对该还款方案进行修改，例如，修改还款的储蓄账户或者修改某个储蓄账户的还款额等等，得到修改后的还款方案，此时终端的反馈信息为方案修改信息。
若所述反馈信息为确认信息，则按照所述还款方案进行还款；
若所述反馈信息为方案修改信息，则提取所述方案修改信息中修改后的还款方案，并按照所述修改后的还款方案进行还款。
综上所述，本发明实施例首先获取目标保险理赔事件的事件类型，然后根据所述事件类型确定对所述目标保险理赔事件进行评估所需的评估维度，并获取所述目标保险理赔事件在确定的各个评估维度上的查勘信息，最后确定与所述事件类型对应的预设的神经网络模型，并使用所述神经网络模型对所述查勘信息进行处理，得到所述目标保险理赔事件的风险评估值。由于采用神经网络模型替代人工评估，避免了人为因素的干扰，所得结果更加客观，而且所述神经网络模型是使用机器学习算法对大量的特定事件类型的真实样本训练得到的且考虑到了多个评估维度上的查勘信息，考虑更加全面，对特定事件类型的针对性更强，大大提高了评估结果的准确率。
应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。
对应于上文实施例所述的一种还款方法，图3示出了本发明实施例提供的一种还款装置的一个实施例结构图。
本实施例中，一种还款装置可以包括：
用户信息获取模块301，用于获取目标用户在当前的还款周期内的还款总额以及所述目标用户可用于还款的各个储蓄账户的账号；
当前储蓄账户确定模块302，用于从所述目标用户可用于还款的各个储蓄账户中任意选取一个尚未计算过可用还款额的储蓄账户作为当前储蓄账户；
银行服务器确定模块303，用于确定与所述当前储蓄账户的账号对应的目标银行的服务器；
查询请求发送模块304，用于向所述目标银行的服务器发送查询请求；
响应消息接收模块305，用于接收所述目标银行的服务器反馈的响应消息，并从所述响应消息中获取所述当前储蓄账户的余额以及指定时间段内的历史支出账单；
预期支出额计算模块306，用于根据所述历史支出账单计算所述当前储蓄账户在下一个还款周期内的预期支出额；
可用还款额计算模块307，用于根据所述当前储蓄账户的余额和所述当前储蓄账户在下一个还款周期内的预期支出额计算所述当前储蓄账户的可用还款额；
还款方案确定模块308，用于根据所述还款总额和各个所述储蓄账户的可用还款额确定还款方案。
进一步地，所述预期支出额计算模块可以包括：
支出额序列构造单元，用于构造如下的所述当前储蓄账户在所述指定时间段内的各个还款周期的支出额序列：
h＝{h1,h2,...,ht,...,ht}
其中，1≤t≤t，t为所述支出额序列的长度，ht为第t个还款周期的支出额且
模型训练单元，用于使用所述支出额序列对预设的神经网络模型进行训练，得到训练好的神经网络模型；
预期支出额计算单元，用于通过所述训练好的神经网络模型计算所述当前储蓄账户在下一个还款周期内的预期支出额。
进一步地，所述模型训练单元可以包括：
神经单元参数确定子单元，用于根据如下的各式依次选取所述支出额序列中的取值对所述神经网络模型进行训练，确定出所述神经网络模型中的各个神经单元参数：
it＝σ(ht-1ui+xtwi)
ft＝σ(ht-1uf+xtwf)
ot＝σ(ht-1uo+xtwo)
ht＝ottanh(ct)
其中，xt为第t个还款周期的序列号，it为预设的第一单元输出，ft为预设的第二单元输出，ot为预设的第三单元输出，
进一步地，所述还款方案确定模块可以包括：
当前还款账户确定单元，用于将满足下列条件的可用还款额最大的前m个储蓄账户确定为当前还款账户：
还款额确定单元，用于根据下式确定各个所述当前还款账户的还款额：
account′m＝accountm，1≤m<m
其中，account′m为按照可用还款额从大到小的顺序排列在第m位上的储蓄账户的还款额。
进一步地，所述还款装置还可以包括：
还款方案发送模块，用于将所述还款方案发送至所述目标用户的终端上；
反馈信息接收模块，用于接收所述目标用户通过所述终端对所述还款方案的反馈信息；
第一还款模块，用于若所述反馈信息为确认信息，则按照所述还款方案进行还款；
第二还款模块，用于若所述反馈信息为方案修改信息，则提取所述方案修改信息中修改后的还款方案，并按照所述修改后的还款方案进行还款，所述修改后的还款方案为所述目标用户对所述还款方案进行修改后得到的。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的装置，模块和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
图4示出了本发明实施例提供的一种还款终端设备的示意框图，为了便于说明，仅示出了与本发明实施例相关的部分。
在本实施例中，所述还款终端设备4可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。该还款终端设备4可包括：处理器40、存储器41以及存储在所述存储器41中并可在所述处理器40上运行的计算机可读指令42，例如执行上述的还款方法的计算机可读指令。所述处理器40执行所述计算机可读指令42时实现上述各个还款方法实施例中的步骤，例如图1所示的步骤s101至s109。或者，所述处理器40执行所述计算机可读指令42时实现上述各装置实施例中各模块/单元的功能，例如图3所示模块301至308的功能。
示例性的，所述计算机可读指令42可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器41中，并由所述处理器40执行，以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机可读指令段，该指令段用于描述所述计算机可读指令42在所述还款终端设备4中的执行过程。
所述处理器40可以是中央处理单元(centralprocessingunit，cpu)，还可以是其它通用处理器、数字信号处理器(digitalsignalprocessor，dsp)、专用集成电路(applicationspecificintegratedcircuit，asic)、现场可编程门阵列(field-programmablegatearray，fpga)或者其它可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器41可以是所述还款终端设备4的内部存储单元，例如还款终端设备4的硬盘或内存。所述存储器41也可以是所述还款终端设备4的外部存储设备，例如所述还款终端设备4上配备的插接式硬盘，智能存储卡(smartmediacard,smc)，安全数字(securedigital,sd)卡，闪存卡(flashcard)等。进一步地，所述存储器41还可以既包括所述还款终端设备4的内部存储单元也包括外部存储设备。所述存储器41用于存储所述计算机可读指令以及所述还款终端设备4所需的其它指令和数据。所述存储器41还可以用于暂时地存储已经输出或者将要输出的数据。
在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干计算机可读指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(rom，read-onlymemory)、随机存取存储器(ram，randomaccessmemory)、磁碟或者光盘等各种可以存储计算机可读指令的介质。
以上所述实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。