CN109416803A - 通过对话界面提供销售信息和见解的方法和系统 - Google Patents
通过对话界面提供销售信息和见解的方法和系统 Download PDFInfo
- Publication number
- CN109416803A CN109416803A CN201780041891.7A CN201780041891A CN109416803A CN 109416803 A CN109416803 A CN 109416803A CN 201780041891 A CN201780041891 A CN 201780041891A CN 109416803 A CN109416803 A CN 109416803A
- Authority
- CN
- China
- Prior art keywords
- natural language
- businessman
- transaction
- response
- transaction data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06311—Scheduling, planning or task assignment for a person or group
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/22—Indexing; Data structures therefor; Storage structures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/242—Query formulation
- G06F16/243—Natural language query formulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/3331—Query processing
- G06F16/334—Query execution
- G06F16/3344—Query execution using natural language analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
- G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
- G06F40/295—Named entity recognition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/30—Semantic analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q20/00—Payment architectures, schemes or protocols
- G06Q20/08—Payment architectures
- G06Q20/10—Payment architectures specially adapted for electronic funds transfer [EFT] systems; specially adapted for home banking systems
- G06Q20/102—Bill distribution or payments
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q20/00—Payment architectures, schemes or protocols
- G06Q20/08—Payment architectures
- G06Q20/20—Point-of-sale [POS] network systems
- G06Q20/209—Specified transaction journal output feature, e.g. printed receipt or voice output
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q20/00—Payment architectures, schemes or protocols
- G06Q20/38—Payment protocols; Details thereof
- G06Q20/40—Authorisation, e.g. identification of payer or payee, verification of customer or shop credentials; Review and approval of payers, e.g. check credit lines or negative lists
- G06Q20/401—Transaction verification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/04—Inference or reasoning models
Abstract
描述了一种提供对关于企业绩效的自然语言查询的响应的方法和系统。该方法和系统处理来自多个数据源的包括由企业生成的信息的数据,并分析该数据以提供关于如何确定如何改善企业绩效的可操作建议。使用自然语言查询允许没有企业智能背景的商家容易地获得这些见解。
Description
相关申请的交叉引用
本申请要求于2016年7月6日提交的美国非临时申请No.62/358,638和于2017年5月18日提交的美国非临时申请62/507,890的权益和优先权。上述申请的全部公开内容通过引用并入本文。
技术领域
本公开涉及用于响应于用户提出的对话问题向客户提供销售信息和见解的方法和系统。
背景技术
小型企业拥有大量存储在各种地点的关于其客户、供应链以及其日常运营的其它方面的信息。例如,已被清算转发到支付处理器的交易数据条目和支付交易可以包括与小型企业的操作优化相关的有价值信息。此外,还存在可以帮助阐明外部条件与小型企业的绩效变化之间的因果关系的其它信息来源。另外,小型企业通常具有存储在商家服务器中可以包括尚未被转发到支付处理器的支付和购买的一些信息,或者包括客户支付首选项和客户递送或提货首选项的其它类型的信息。可以从这些信息中提取的数据的示例包括市场份额数据。于2014年9月26日提交的标题为“Method and System for IdentifyingMerchant Market Shares Based on Purchase Data”的美国专利申请No.14/498,194描述了一种从企业可获得的信息中获得市场份额数据的方法,并且该申请通过引用被整体并入本文。
虽然信息的这种语料库(corpus)由典型的小型企业生成,但小型企业通常无法获得资源来分析该信息,以导出小型企业可以用于改善其绩效的有用信息。即使小型企业有资源来分析该信息并导出有用的信息,用于导出有用信息的技术也是特定于解释大量各种类型的信息,并且可能不在典型小型企业拥有者的技能范围内。因此,存在其中需要非常特定的技能集来从由典型企业生成的信息中适当地提取可操作信息的技术问题。
因此,存在这样的需要:通过对话界面提供销售信息和其它见解来解决这一技术问题,使得小型企业拥有者可以轻松分析大量可用信息并导出可以用于改善小型企业的绩效的有用信息。对话界面特别有用,因为小型企业拥有者不需要知道导出有用信息所需的特定技术领域术语,而只需提交自然语言查询来确定如何改善其小型企业的绩效。因此,通过提供易于使用的、允许从由典型企业生成的信息中提取可操作信息的界面来解决技术问题。
发明内容
本公开提供了一种向自然语言查询提供响应的方法,该方法包括从商家接收自然语言查询,商家与商家标识符相关联;处理自然语言查询以导出至少一个意图和至少一个实体;检索多个交易数据条目,每个交易数据条目包括与具有与商家相关联的商家标识符的支付交易相关联的交易数据;识别与所述导出的至少一个意图或至少一个实体对应的所述多个交易数据条目的集合;使用至少一个分析模型基于所述多个交易数据条目的集合计算对自然语言查询的响应;基于计算出的响应生成对自然语言查询的自然语言响应;以及发送生成的自然语言响应。
该方法还可以包括从至少一个外部数据源检索与导出的所述至少一个意图或至少一个实体相关联的多个外部信息,以及识别与导出的所述至少一个意图或至少一个实体对应的多个外部信息的集合。计算出的响应还基于所述多个外部信息的集合。当导出的所述至少一个意图包括用于监视所述多个交易数据条目的调度任务时,调度任务具有至少一个触发阈值,其中识别出的多个交易数据条目的集合基于触发阈值来更新,并且其中计算出的响应基于触发阈值和更新后的识别出的多个交易的集合来更新。当导出的意图是请求解释生成的自然语言响应时,发送至少一个分析模型。该方法还可以包括检索另外的多个交易数据条目,其中每个交易数据条目包括与不具有与商家相关联的商家标识符的支付交易相关联的交易数据。计算出的响应还可以基于另外的多个外部信息。计算出的响应可以从另外的多个外部信息中移除识别信息。至少一个数据源包括在商家服务器上执行的商家会计软件。导出的至少一个意图包括绩效度量、比较度量、时间帧和目标用户之一。
本公开还提供了一种提供对自然语言查询的响应的系统,该系统包括计算设备,被配置为将由商家创建的自然语言查询输入到界面中;以及处理服务器。处理服务器包括:接收设备,被配置为接收被输入到由商家正在使用的计算设备中的自然语言查询,其中商家与商家标识符相关联;自然语言处理器,被配置为导出至少一个意图和至少一个实体;查询模块,被配置为检索多个交易数据条目,其中每个交易数据条目包括与具有与商家相关联的商家标识符的支付交易相关联的交易数据,并且还被配置为识别与导出的至少一个意图或至少一个实体对应的多个交易数据条目的集合。处理服务器还包括:计算模块,被配置为使用至少一个分析模型基于多个交易数据条目的集合来计算对自然语言查询的响应;自然语言响应模块,被配置为基于计算出的响应生成对自然语言查询的自然语言响应;以及发送设备,被配置为发送生成的自然语言响应。
查询模块还被配置为从至少一个外部数据源检索与导出的至少一个意图或至少一个实体相关联的多个外部信息,并识别与导出的至少一个意图或至少一个实体对应的多个外部信息的集合。计算模块还被配置为基于多个外部信息的集合来计算响应。当自然语言处理器导出的意图包括用于监视多个交易数据条目的调度任务时,调度任务具有至少一个触发阈值,其中查询模块基于触发阈值更新识别出的多个交易数据条目的集合,并且计算模块基于触发阈值和更新后的识别出的多个交易的集合来更新计算出的响应。当接收设备从商家的计算设备接收解释生成的自然语言响应的请求时,并且当自然语言处理器确定导出的意图是请求解释生成的自然语言响应时,发送设备发送由计算模块用来生成所生成的自然语言响应所基于的响应的至少一个分析模型。查询模块还被配置为检索另外多个交易数据条目,其中每个交易数据条目包括与不具有与商家相关联的商家标识符的支付交易相关联的交易数据,并且其中计算模块计算出的响应还基于另外多个外部信息。查询模块还被配置为从另外的多个交易数据条目中移除识别信息。至少一个数据源包括在商家服务器上执行的商家会计软件。导出的至少一个意图包括绩效度量、比较度量、时间帧和目标用户之一。
附图说明
图1描绘了用于通过对话界面提供销售信息和见解的系统。
图2描绘了处理服务器。
图3描绘了用于通过对话界面提供销售信息和见解的方法。
图4描述了用于通过对话界面提供销售信息和见解的过程。
图5图示了用于通过对话界面提供销售信息和见解的方法。
图6图示了用于提供主动警报作为自然语言响应的方法。
图6描绘了交易处理系统和用于处理支付交易的过程。
图7描绘了计算机系统体系架构。
具体实施方式
专业术语
支付网络–用于在给定时间段期间通过使用现金替代品针对数千、数百万甚至数十亿交易来转移货币的系统或网络。支付网络可以使用各种不同的协议和程序,以便处理各种类型的交易的货币转移。可以经由支付网络执行的交易可以包括产品或服务购买、信用购买、借记交易、资金转移、账户取款等。支付网络可以被配置为经由现金替代品(其可以包括支付卡、信用证、支票、交易账户等)执行交易。被配置为作为支付网络执行的网络或系统的示例包括由等运营的网络或系统。本文使用术语“支付网络”既可以指作为实体的支付网络,又可以指物理支付网络,诸如包括支付网络的装备、硬件和软件。
支付轨道-与在支付交易的处理中使用的支付网络、以及支付网络和与支付网络互连的其它实体之间的交易消息和其它类似数据的通信相关联的基础设施,支付网络在给定时间段期间处理数千、数百万甚至数十亿的交易。支付轨道可以由用于建立支付网络以及支付网络与其它相关联实体(诸如金融机构、网关处理器等)之间的互连的硬件组成。在一些情况下,支付轨道也可以(诸如经由包括支付轨道的通信硬件和设备的特殊编程)受软件影响。例如,支付轨道可以包括为了交易消息的路由而专门配置的专门配置的计算设备,交易消息可以是经由支付轨道电子发送的特殊格式化的数据消息,如下面更详细讨论的。
交易账户–可以用于为交易提供资金的金融账户,诸如支票账户、储蓄账户、信用账户、虚拟支付账户等。交易账户可以与消费者相关联,消费者可以是任何合适类型的与支付账户相关联的实体,其可以包括个人、家庭、公司、集团、政府实体等。在一些情况下,交易账户可以是虚拟的,诸如由操作的账户等。
商家-提供用于由另一个实体(诸如消费者或另一个商家)购买的产品(例如,商品和/或服务)的实体。商家可以是消费者、零售商、批发商、制造商或者可以提供用于购买的产品的任何其它类型的实体,如对于相关领域技术人员来说显而易见的。在一些情况下,商家可能对提供用于购买的商品和/或服务有特殊知识。在其它情况下,商家可能没有或不需要关于所提供的产品的任何特殊知识。在一些实施例中,单个交易中涉及的实体可以被视为商家。在一些情况下,如本文所使用的,术语“商家”可以指商家实体的装置或设备。
发行方-为受益人设立(例如,开立)信用证或信用额度,并根据信用证或信用额度中指定的金额兑现受益人提取的汇票的实体。在许多情况下,发行方可以是授权开立信贷额度的银行或其它金融机构。在一些情况下,任何可以向受益人扩展信贷额度的实体可以被视为发行方。由发行方开立的信用额度可以以支付账户的形式表示,并且可以由受益人通过使用支付卡来提取。发行方还可以向消费者提供如对于相关领域技术人员来说将显而易见的附加类型的支付账户,诸如借记账户、预付账户、电子钱包账户、储蓄账户、支票账户等,并且可以向消费者提供用于访问和/或利用这种账户的物理或非物理部件,诸如借记卡、预付卡、自动柜员机卡、电子钱包、支票等。
用于通过对话界面提供销售信息和见解的系统
图1描绘了用于通过对话界面提供销售信息和见解的系统100。系统100包括处理服务器102,其考虑来自商家104的自然语言查询106。商家104可以将自然语言查询106输入到计算设备中,计算设备是诸如智能电话、平板计算机、膝上型计算机、个人计算机或与处理服务器102通信的类似设备(例如,智能电视、可穿戴设备)。
自然语言查询106允许商家104以对话方式与处理服务器102交互。这对于不熟悉可能对销售信息执行的分析类型的企业拥有者特别有用。其中可以构建自然语言查询106的对话方式的示例包括“上周五我的销售是多少?”和“我今年的销售与去年相比如何?”。虽然查询不需要以与这些示例相同的方式构建并且不需要具有特定语法或模式,但是这里考虑的系统100能够从商家通过自然语言处理输入的查询106中提取相关意图和实体。在细节级别上,这可以有许多方法完成,诸如在于2002年3月13日提交的标题为“Dynamic naturallanguage understanding”的美国专利No.7,216,073中所公开的。
向商家104呈现界面,通过该界面,他们可以输入其自然语言查询106。可以向商家104呈现类似于通过诸如Facebook Google 和的各种消息传递系统可用的那种聊天界面。在其它实施例中,可以向商家104呈现定制的聊天界面,该聊天界面例如在提供销售信息和见解的服务提供商的网页上提供。例如,商家104可以访问安全网站并将自然语言查询输入到文本方框中。特别是,当利用各种消息传送系统时,商家104可能看起来像与消息传送系统的另一个用户交互,但实际上是与处理服务器102交互。自然语言查询106的输入可以通过使用键盘、通过语音识别、或通过键盘和语音识别的组合进行。其它类型的输入也可以用于生成自然语言查询106。在利用例如语音识别的一些实施例中,商家语音的识别和语音到自然语言查询106的翻译发生在商家104的计算设备处。例如,商家104的计算设备可以利用键盘来进行查询的文本输入,并且商家的计算设备也可以呈现用于输入查询的语音识别界面。在任一情况下,商家104的计算设备通过导出至少一个意图和至少一个实体将输入转换为适合于处理服务器102的自然语言查询106。意图可以是绩效度量、比较度量、时间帧或查询的目标。当给出自然语言查询106“本月我的销售趋势与我的竞争对手相比如何”时,该短语的意图可以是“我的销售”(查询的目标)、“本月”(时间帧)和“与我的竞争对手相比”(绩效的衡量)。
与自然语言查询106相关联的是与商家104相关联的商家标识符。处理服务器102使用商家标识符从交易数据库210和支付数据库206中检索适当的信息。通过使用商家标识符,由处理服务器102提供的自然语言响应108被专门裁剪为仅揭示商家104被授权的信息。例如,通过将商家标识符与自然语言查询106相关联,商家104被阻止输入诸如“我的竞争对手ACME公司上周的销售情况如何?”这样的查询。这防止将机密信息暴露于其它商家104。但是,处理服务器102可以接受某些查询,其中自然语言响应108包括不能直接归属于特定竞争者的信息。一个这样的示例自然语言查询106是“与我的竞争对手相比,本月我的销售趋势如何?”
使用从自然语言查询106导出的意图和实体以及商家标识符,处理服务器102从交易数据库210中检索多个交易数据条目212,其中每个交易数据条目212包括与来自商家104的支付数据库206的支付交易208相关联的交易数据。例如,这种类型的信息通常在处理商家104和消费者之间的支付的支付处理器中找到。例如,处理服务器102可以通过使用商家标识符从交易数据库210和支付数据库206请求该信息。这有助于确保所生成的自然语言响应108仅包括商家104被授权的信息。更具体而言,当从支付处理器的交易数据库210中检索包括与来自支付处理器的支付数据库206的支付交易208相关联的交易数据的多个交易数据条目212时,与另一个商家标识符相关联的信息将不会对处理服务器102可用。通过防止这种可用性,确保了其它商家的机密性以及其它商家的信息的机密性。可以采用其它技术来进一步确保商家不能直接访问其它商家的信息。但是,其它商家的信息可以由处理服务器102以聚合和匿名的方式提供。
使用从自然语言查询106导出的意图和实体,处理服务器102还可以访问处理服务器102可用的附加数据库226,以扩展可以响应的查询的数量。外部数据源110包括支付网络112、商家系统114和处理服务器102可用的其它数据源116。当自然语言查询106提供其中外部数据源110可以提供对查询106负责的信息的意图或实体时,访问这样的附加数据库226。
通常,附加数据库226包含专有的或者不能以其它方式免费供公众使用的信息。因此,在图2中描绘的处理服务器102的实施例中,附加数据库226被描绘为处理服务器102的一部分。处理服务器102包括附加数据库226的实施例可以定期地从数据提供商接收对数据库226的更新或以其它方式接收对附加数据库226中包含的信息的更新。在一些其它实施例中,处理服务器102安全地访问来自未包含在处理服务器102内的附加数据库226的信息。更具体而言,在这样的实施例中,来自附加数据库226的信息由处理服务器102通过接收设备202接收。虽然在该示例中描述的附加数据库226不需要包含机密信息,但是这里描述的系统和方法100也考虑了可能包括要匿名的信息的附加数据库226。当利用这些类型的附加数据库226时,采取保护措施以确保其它商家和其它个体的机密性以及其它商家和个体的信息的机密性,但是如上所述,这些信息可以以聚合和匿名的方式提供。
使用从自然语言查询106导出的意图和实体,处理服务器102还可以访问外部数据源110,包括支付网络112、商家系统114和对处理服务器102可用的其它数据源116。当自然语言查询106提供其中外部数据源110可以提供对查询106负责的信息的意图或实体时,访问这样的外部数据源110。例如,自然语言查询106“我的销售是否受下雨影响?”可能导致处理服务器102访问其它数据源116,诸如公开可用的天气数据库。虽然在该示例中描述的外部数据源110不需要商家标识符,但是这里描述的系统和方法100还考虑了需要商家标识符来向处理服务器102提供信息的外部数据源110。当需要商家标识符来访问外部数据源110时,类似的保护措施确保其它商家的机密性和其它商家的信息的机密性,但如上所述,这些信息可以以聚合和匿名的方式提供。
通过包括访问附加数据库226和外部数据源110的能力,这里公开的系统和方法100增加了它能够向其提供自然语言响应106的自然语言查询106的数量。例如,自然语言查询106“我的客户群的平均收入是多少?”可以使处理服务器102访问附加数据库226或外部数据源110,以便收集到足够的信息来提供适当的自然语言响应108。给定以上示例自然语言查询106,系统100可以确定示例自然语言查询106具有确定平均收入的意图以及商家104客户群的实体。然后,处理服务器102访问包含与街道地址相关联的平均收入信息的附加数据库226,并将该信息与对商家104可用的客户群信息进行比较,使得自然语言查询106接收到响应。
在其它数据源的另一个特定示例中,处理服务器102可以访问商家服务器114以获得尚未在诸如支付网络112、支付数据库206或交易数据库210的其它来源中可用的信息。例如,商家104可以使用商家服务器114上的商家会计软件来存储来自销售的没有被发送到支付网络112、支付数据库206或交易数据库210的信息,诸如客户支付首选项和客户递送或提货首选项。处理服务器102通过使用诸如应用编程接口(API)的标准访问技术从商家服务器114访问该信息。通过访问这样的信息,商家104可以创建自然语言查询106,该自然语言查询106访问仅通过商家系统114上的商家会计软件可获得的信息。例如,自然语言查询106可以是“我的客户中有多少偏好在我们提供服务之前预付?”
然后,处理服务器102识别交易数据条目212的集合,并且如果需要,则识别来自外部数据源110和/或附加数据库226的附加信息的集合。处理服务器102依赖于导出的意图和/或导出的实体来识别交易数据条目212的集合以及来自外部数据源110和/或附加数据库226的外部信息的集合。通过识别这些集合,处理服务器102减少了必须被处理以使用至少一个分析模型基于交易数据条目计算对自然语言查询的响应的信息量。为了生成响应,采用至少一个分析模型通过对信息集合执行计算来处理信息集合以导出有用信息,
在一些实施例中,处理服务器102可以响应于自然语言查询106提供对未来绩效的预测。例如,从自然语言查询106导出的意图可以是对商家104的未来绩效的预测的请求。例如,自然语言查询106可以是“星期五晚上我应预期多少客户?”或“下周我最忙的一天是哪一天?”。处理服务器102可以从自然语言查询106中导出意图,并且如上所述,基于交易数据和其它数据源116,预测商家104的未来绩效以回答商家的自然语言查询106。例如,处理服务器102可以查看随着时间推移每个星期五晚上商家104处的客户数量,以得到星期五晚上客户的平均数量,并且将即将到来的星期五晚上与过去的星期五进行比较(例如,月份中的时间、月份、具体日期、天气等),并预测商家104应预期的下个星期五的客户数量。然后,处理服务器102可以在提供给商家104的响应中使用预测。
为了以对话方式向商家104提供响应,由处理服务器102从响应中生成自然语言响应108。然后以类似于接收到自然语言查询106的方式将自然语言响应108提供给商家104。更具体而言,商家104通过其进入自然语言查询106的界面被用于提供自然语言响应108。在一些实施例中,自然语言查询106可以以周期性的方式或延迟的方式提供给商家104,使得商家104批准使用系统100的备用界面来提供自然语言响应108。可以提供其它类型的自然语言查询106,诸如具有带触发阈值的计划任务的自然语言查询106。这样的自然语言查询106可以是“如果今天的销售比历史值低20%那么向我发送消息”。在这样的自然语言查询106的情况下,处理服务器102监视相关数据库和/或数据源,使得当满足触发阈值时,提供自然语言响应108。例如,商家104可以通过与需要考虑大量信息的Google Hangouts机器人交互来提交自然语言查询106。因此,商家104可以通过SMS消息批准接收自然语言响应108。作为另一个示例,商家104可以通过请求“如果今天的销售比历史值低20%那么向我发送文本消息”来使用Google Hangouts提交自然语言查询106。无论使用何种界面,自然语言响应108都被发送使得商家104可以考虑包含在自然语言响应108中的信息。自然语言响应108由商家104正在使用的计算设备接收。在一些实施例中,由备用设备接收自然语言响应108,诸如通过语音电话呼叫方式的语音自然语言响应。
在一些实施例中,处理服务器102可以被配置为向商家104提供自然语言响应108作为主动警报,诸如在其中不可以提交自然语言查询106的情况下。例如,处理服务器102可以基于商家104的当前状态,诸如关于商家104的市场绩效和商家104的客户群的人口分布两者的当前状态,利用交易数据和其它数据源116来识别度量。处理服务器102可以将这些度量与商家104、一个或多个相关商家、商家104的市场行业、包括商家104的地理区域等的先前绩效进行比较。如果商家104的当前度量与比较的度量相差预期阈值(例如,一个或多个标准偏差、百分比等),则处理服务器102可以向商家104提供主动警报。主动警报可以是由处理服务器102生成的自然语言响应108,其包括商家的当前状态以及商家的当前状态和比较的(一个或多个)度量之间的差异。
例如,商家104可以继续开展业务并且可以不提交自然语言查询106。处理服务器102可以监视商家104的当前绩效,并且可以识别当商家的绩效偏离其历史绩效的情况。在这样的情况下,处理服务器102可以生成自然语言响应108以提供给商家104。例如,处理服务器102可以识别商家104的市场人口分布之一的变化并提供自然语言响应108声明“看起来在3个月前,您30%的客户是年龄在25岁到35岁之间的女性。但本月,她们产生的业务少于您业务的5%。您应该对她们使用广告以使她们回来”。在一些情况下,当商家绩效优于过去或可比较的度量时,处理服务器102也可以提供主动警报。例如,主动警报的自然语言响应108可以声明“您的销售上周增加了10%以上。这比您的竞争对手好50%左右”。
商家104考虑的自然语言响应108可以包括系统100认为对理解计算出的响应有用的音频、图形、文本或其它类型的信息。例如,计算出的响应可以是从交易数据条目导出的每年销售增加。在这样的计算出的响应的情况下,自然语言响应108可以包括从交易数据条目导出的年销售增长的图形表示,使得可以有助于商家104的考虑。
在至少一些情况下,商家104可能期望理解响应于自然语言查询106而提供自然语言响应108的原因。当商家104提供期望生成响应108的原因的自然语言查询106时,系统100提供包含在用于计算自然响应所基于的响应108的分析模型中的推理。
在一些实施例中,处理服务器102可以利用人工智能(AI)。处理服务器102可以使用AI来识别用于包括在自然语言响应108中的度量,包括用于基于商家104、相关商家、商家104的市场行业、包括商家104的地理区域等的历史数据来识别对未来绩效的预测的度量。关于将AI用于预测模型和识别未来绩效预测的附加数据可以在于2015年11月14日提交的标题为“Method of Operating Artificial Intelligence Machines to ImprovePredictive Model Training and Performance”的美国专利申请No.14/941,586中找到,该申请通过引用被整体并入本文。AI可以被配置为识别预测,以及识别用于包含在自然语言响应108中的主动警报。在一些情况下,AI可以基于商家反馈和其它数据来改进智能。例如,商家104可以提供关于主动警报的有效性的反馈,AI可以使用该反馈来改进提供给商家104的警报。在另一个示例中,AI可以分析交易数据和接收到的与提供给商家104的先前预测相关的其它数据,诸如以确定这种预测的有效性,以用于改进未来的预测。例如,AI可以提供商家104在给定夜晚将具有的客户数量的预测、可以分析商家104在该夜晚具有的实际客户数量,并且可以使用这样的数据(例如,预测的接近程度、预测是否高于或低于实际量等)并使用该数据来改进AI以用于未来的预测。
处理服务器
图2图示了系统100中的处理服务器102的实施例。对于相关领域的技术人员来说显而易见的是,图2中示出的处理服务器102的实施例仅作为说明提供,并且可能不是穷举处理服务器102的适于执行本文讨论的功能的所有可能配置。例如,图7中示出并在下面更详细讨论的计算机系统700可以是处理服务器102的合适配置。
处理服务器102可以包括接收设备202。接收设备202可以被配置为经由一个或多个网络协议在一个或多个网络上接收数据。在一些实施例中,接收设备202可以被配置为通过支付轨道接收数据,诸如使用与支付网络116相关联的用于发送包括敏感金融数据和信息的交易消息的专门配置的基础设施。在一些情况下,接收设备202还可以被配置为经由替代网络(诸如互联网)从票务实体106、计算设备110、支付网络116和其它实体接收数据。在一些实施例中,接收设备202可以由多个设备组成,诸如用于通过不同网络接收数据的不同接收设备,诸如用于通过支付轨道接收数据的第一接收设备和用于通过互联网接收数据的第二接收设备。接收设备202可以接收电子发送的数据信号,其中数据可以被叠加或以其它方式被编码在数据信号上并且经由接收设备202接收数据信号来解码、解析、读取或以其它方式获得。在一些情况下,接收设备202可以包括解析模块,用于解析接收到的数据信号以获得叠加在其上的数据。例如,接收设备202可以包括解析器程序,该解析器程序被配置为接收并将接收到的数据信号变换为用于由处理设备执行的功能的可用输入,以执行本文描述的方法和系统。
接收设备202可以被配置为接收由商家104使用的计算设备电子发送的数据信号,该信号可能被叠加或以其它方式被编码有数据。例如,自然语言查询106将由接收设备202接收。自然语言查询106可以包括,例如,由商家104呈现的实际查询的文本等效物、由商家104呈现的实际查询的预处理等效物、或其组合。在一些实施例中,自然语言查询106可以包括指示至少一个意图和至少一个实体的数据。在其它实施例中,自然语言查询106可以包括需要额外处理以导出至少一个意图和至少一个实体的数据。接收设备202还可以被配置为接收由数据提供商电子发送的数据信号,这些数据信号用于包含在附加数据库226、外部数据源110(诸如支付网络112、商家系统114和其它公开可用数据源)中的信息,诸如历史天气报告、地理信息和其它适合进一步处理的信息。在一些实施例中,接收设备202还可以被配置为接收用于存储在处理服务器102中的数据,如下面更详细讨论的,诸如接收到的自然语言查询106、从外部数据源110先前检索到的不需要被刷新的数据,以及由处理服务器102接收到的其它信息。
处理服务器102还可以包括通信模块204。通信模块204可以被配置为在处理服务器102的模块、引擎、数据库、存储器和其它组件之间发送用于执行本文所讨论的功能的数据。通信模块204可以由一个或多个通信类型组成并且利用用于在计算设备内通信的各种通信方法。例如,通信模块204可以由总线、接触引脚连接器、导线等组成。在一些实施例中,通信模块204还可以被配置为在处理服务器102的内部组件和处理服务器102的外部组件(诸如外部连接的数据库、显示设备、输入设备等)之间进行通信。处理服务器102还可以包括处理设备。处理设备可以被配置为执行本文讨论的处理服务器102的功能,如对于相关领域的技术人员来说将显而易见的。在一些实施例中,处理设备可以包括专门被配置为执行处理设备的一个或多个功能的多个引擎和/或模块,和/或由其组成,诸如查询模块214、计算模块216、响应生成模块218、自然语言处理器224和自然语言生成器226。如本文所使用的,术语“模块”可以是被特别编程为接收输入、使用输入执行一个或多个处理并提供输出的软件或硬件。基于本公开,由各种模块执行的输入、输出和处理对于本领域技术人员来说将是显而易见的。
处理服务器102包括包含支付交易208的支付数据库206和包含交易数据条目212的交易数据库210。这些支付交易208和交易数据条目212与至少一个商家标识符相关联,使得仅提供商家104有权获得的支付交易208和交易数据条目212。这种机密性的实施可以在支付交易208、支付数据库206、交易数据条目212、交易数据库210或查询模块214处发生。在一些实施例中,机密性的实施在多个级别发生以提供可靠的机密性。
处理服务器102可以包括查询模块214。查询模块214可以被配置为对数据库206、210执行查询以识别信息集合。更具体而言,查询模块214可以检索多个数据条目并识别满足某些标准的多个条目的集合,以减少在计算响应时必须考虑的数据量。查询模块214可以接收一个或多个数据值或查询串,并且可以在指示的数据库206、210上基于其执行查询字符串以识别存储在其中的信息。然后,查询模块214可以根据需要将识别出的信息集合输出到处理服务器102的适当引擎或模块。查询模块214可以例如在支付数据库206上执行查询以识别与具有商家标识符的商家104相关的支付交易208。查询模块214也可以在交易数据库210上执行查询,诸如以识别与具有商家标识符的商家104相关的交易数据条目212。在一些实施例中,查询模块214可以关于特定趋势或交易监视数据库206、210。例如,查询模块214可以监视数据库206、210以确定该天的销售是否低于历史销售。查询模块214也可以利用从自然语言查询106获得的至少一个范围和实体来执行查询。
查询模块214也可以对外部数据源110和附加数据库226执行查询。查询模块214可以采用任何适当的API从外部数据源110和附加数据库226获得期望信息。更具体而言,查询模块214可以检索多个数据条目并识别满足某些标准的多个条目的集合,以减少在计算响应时必须考虑的数据量。某些外部数据源110和附加数据库226可以包含可能向商家104揭示其无权获得的信息的信息。例如,支付网络112可以基于地理地点提供对支付交易的访问。从支付网络112获得的包括商家标识符的信息将被查询模块214修改,以确保商家104仅获得其有权获得的信息。
处理服务器102也可以包括计算模块216。计算模块216可以被配置为执行关于处理服务器102执行本文讨论的功能的确定。计算模块216可以接收指令作为输入、可以基于指令执行确定,并且根据分析模型将计算的结果输出到处理服务器102的另一个模块或引擎。在一些情况下,计算模块216可以接收用于在计算中作为输入的数据。在其它情况下,计算模块216可以被配置为例如通过指示查询模块214执行相应的查询获得用于在计算中使用的数据。计算模块216可以被配置为根据分析模型计算响应于自然语言查询106的有用信息。计算模块216也可以使用在整体中执行的多个分析模型来执行响应于自然语言查询106的计算。在一些实施例中,计算模块216可以执行计算以识别特定趋势或交易。例如,计算模块216可以执行计算以确定该天的销售是否低于历史销售。在一些实施例中,计算模块216还可以被配置为执行诸如可以用于主动警报的与自然语言查询106无关的计算,诸如用于识别商家104或其它商家的度量、市场行业、市场人口分布等。
处理服务器102还包括自然语言响应模块218。自然语言响应模块218基于计算模块216的计算结果生成自然语言响应108。自然语言响应108是对商家104的自然语言查询106的对话响应。在一些实施例中,基于商家104的自然语言查询106、由查询模块214做出的查询以及由计算模块216做出的计算,自然语言响应模块218生成要提供给商家104的自然语言响应108。
由自然语言响应模块218生成的自然语言响应108可以包括被认为对于促进商家104理解计算出的响应有用的音频、图形、文本或其它类型的信息。例如,计算出的响应可能是从交易数据条目导出的每年销售增加。在这样的计算出的响应的情况下,由自然语言响应模块218生成的自然语言响应108可以包括从交易数据条目导出的年销售增长的图形表示,使得可以有助于商家104的考虑。
当来自商家104的自然语言查询106寻求提供自然语言响应108的原因时,处理服务器102向商家104提供由计算模块216使用的分析模型,使得商家104可以对于为什么提供自然语言响应108有更好的理解。
处理服务器102也可以包括预测模块228。预测模块228可以被配置为为处理服务器102做出预测,作为本文讨论的处理服务器102的功能的一部分。预测模块228可以接收指令作为输入、可以基于指令做出预测,并且可以将预测输出到处理服务器102的另一个模块或引擎。在一些情况下,指令可以伴随有数据以供预测模块228在识别预测时使用。在其它情况下,预测模块228可以被配置为(例如,经由到查询模块214的指令)识别用于所请求的预测的数据。预测模块228可以在做出预测时使用一个或多个预测模型,其可以基于如由处理服务器102的模块和引擎分析的数据趋势来生成。在一些实施例中,预测模块228可以利用AI,诸如可以被存储在处理服务器102的存储器222中,用于识别预测。在一些情况下,预测模块228可以基于由此做出的预测的结果来更新预测模型,诸如通过将预测与由接收设备202接收到的与预测目标对应的数据进行比较。
处理服务器102还可以包括发送设备220。发送设备220可以被配置为经由一个或多个网络协议通过一个或多个网络发送数据。在一些实施例中,发送设备220可以被配置为通过支付轨道发送数据,诸如使用用于发送包括敏感财务数据和信息(诸如识别出的支付凭证)的交易消息的与支付网络116相关联的专门配置的基础设施。在一些情况下,发送设备220可以被配置为将数据发送到由商家104和外部数据源110(诸如支付网络112、商家系统114和其它数据源116)正在使用的计算设备。在一些实施例中,发送设备220可以由多个设备组成,诸如用于通过不同网络发送数据的不同发送设备,诸如用于通过支付轨道发送数据的第一发送设备和用于通过互联网发送数据的第二发送设备。发送设备220可以电子地发送叠加有可以由接收计算设备解析的数据的数据信号。在一些情况下,发送设备220可以包括一个或多个模块,用于将数据叠加、编码或以其它方式格式化为适合于发送的数据信号。
处理服务器102还可以包括存储器222。存储器222可以被配置为存储由处理服务器102在执行本文讨论的功能时使用的数据。存储器222可以被配置为使用合适的数据格式化方法和模式来存储数据,并且可以是任何合适类型的存储器,诸如只读存储器、随机存取存储器等。存储器222可以包括例如加密密钥和算法、通信协议和标准、数据格式化标准和协议、用于处理设备的模块和应用程序的程序代码、以及处理服务器102在执行本文公开的功能时可能适合使用的其它数据,如对于具有相关领域技术的人员将显而易见的。在一些实施例中,存储器222可以由关系数据库组成,或可以以其它方式包括关系数据库,该关系数据库利用结构化查询语言对存储在其中的结构化数据集进行存储、识别、修改、更新、访问等。
存储器222可以被配置为存储与AI相关联的数据以及用于其使用的预测模型。存储器222还可以被配置为存储度量,其中度量可以与商家绩效和/或市场人口分布相关。度量可以与时间和/或日期、地理地点、商家104、一个或多个相关商家、涉及商家104的商家行业等相关联。例如,度量可以包括在包括商家104的地理区域中涉及商家104的商家行业的市场绩效,或可能对商家104有用的任何其它度量,如对于相关领域的技术人员来说将显而易见的。
处理服务器102利用自然语言处理器224处理查询106并从查询106导出至少一个意图和至少一个实体。处理服务器102通过接收设备202接收自然语言查询106。直接从商家104或从商家104的计算设备(诸如智能电话)接收自然语言查询106。在一些实施例中,自然语言处理器224可以是专用于自然语言处理的计算机或计算机的网络。在这样的实施例中,专用于自然语言处理的计算机或计算机的网络与处理服务器102通信以服务于图2中描绘的自然语言处理器224的功能。自然语言处理器224使用可以基于统计推断的通用学习算法来通过对先前交互的语料库的分析来自动学习语言规则。可以采用多个机器学习算法类,包括使用实值权重的决策树和概率决策模型,使得可以导出关于自然语言查询106的预期含义的相对确定性。在一些实施例中,自然语言处理器224使用来自商家104的反馈来改进其对未来自然语言查询106的处理。在还有的另外的实施例中,人将审查商家104和系统100之间的交互并提供改进自然语言处理器224对未来自然语言查询106的处理的输入。在一些实施例中,将通用学习算法与硬编码规则集进行组合以进一步改进查询106的处理。
无论采用何种特定算法或算法的组合,自然语言处理器224都从自然语言查询106中提取至少一个意图和至少一个实体。自然语言处理器224将这样的意图和实体信息提供给例如查询模块214、计算模块216和自然语言响应模块218。由自然语言处理器224提供的这种信息提供了其它模块214、216、218执行其功能所需的信息。
通过对话界面提供销售信息和见解的方法
图3描绘了用于通过对话界面提供销售信息和见解的方法300。
在步骤302处,商家104通过向由计算设备呈现的界面提供输入来创建自然语言查询106。在步骤306处,处理服务器102从由商家104使用的计算设备接收自然语言查询106。这里,处理服务器102的接收设备202可以用于从由商家104使用的计算设备接收自然语言查询106。
在步骤308处,自然语言查询106由自然语言处理器224处理以导出意图和实体。可以采用基于统计推断的通用学习算法来导出自然语言查询106的意图和实体。可以采用多个机器学习算法类,包括使用实值权重的决策树和概率决策模型,使得可以导出关于自然语言查询106的预期含义的相对确定性。
该方法的步骤310使用处理服务器102的查询模块214从数据源检索数据条目,其中数据源包括支付数据库206、交易数据库210、附加数据库226和外部数据源110。更具体而言,步骤310检索多个数据条目并识别满足特定标准的多个条目的集合。在步骤310的执行期间,对支付数据库206的查询以识别与具有商家标识符的商家104相关的支付交易208可以与其它查询顺序地或并行地执行,其它查询诸如对交易数据库210进行查询以识别与具有商家标识符的商家104相关的交易数据条目212。此外,对附加数据库226或外部数据源110的查询可以与其它查询顺序地或并行地执行,使得数据条目如步骤320中所示被提供。外部数据源110可以包括例如商家服务器114上的商家账户软件。该方法的步骤312使用处理服务器102的查询模块214从支付数据库206、交易数据库210、附加数据库226和外部数据源110识别与导出的意图和实体对应的数据条目的集合。
该方法的步骤314基于与导出的意图和实体对应的数据条目的集合使用计算模块216计算响应。可以基于至少一个分析模型来进行计算的响应。计算模块216也可以使用在整体中执行的多个分析模型来执行响应于自然语言查询106的计算。在一些实施例中,计算模块216可以执行计算以识别特定趋势或交易。例如,计算模块216可以执行计算以确定该天的销售是否低于历史销售。在一些情况下,自然语言查询106可以请求预测。在这样的情况下,计算模块216可以利用预测模块228,预测模块228可以基于与导出的意图和实体对应的数据条目的集合利用一个或多个预测模型来识别商家104所请求的预测。
该方法的步骤316基于计算出的响应生成自然语言响应108。自然语言响应108可以包括系统100认为对理解计算出的响应有用的音频、图形、文本或其它类型的信息。例如,计算出的响应可以是从交易数据条目导出的每年的离散销售增加(例如,第1年销售增加5%,第2年销售增加3%等)。在这样的计算出的响应的情况下,由自然语言响应模块218生成的自然语言响应108可以包括从交易数据条目导出的年销售增长的图形表示,使得可以有助于商家104的考虑。当来自商家104的自然语言查询106寻求提供自然语言响应108的原因时,向商家104提供所使用的分析模型,使得商家104可以对于为什么提供自然语言响应108有更好的理解。
在步骤318处,将自然语言响应108发送到商家104正在使用的计算设备,然后在步骤304处由计算设备接收。采用处理服务器102的发送设备220以便发送自然语言响应108。在自然语言响应108包括预测的情况下,该过程还可以包括由处理服务器102的接收设备202从商家104或者在接收到的交易数据中接收反馈,该反馈可以由预测模块228用于更新在基于对应数据做出预测时使用的(一个或多个)预测模型。
通过对话界面提供销售信息和见解的过程
图4描绘了通过对话界面提供销售信息和见解的过程400。
在步骤402处,处理服务器102从由商家104正在使用的计算设备接收自然语言查询106。这里,可以采用处理服务器102的接收设备202从由商家104正在使用的计算设备接收自然语言查询106。
在步骤404处,处理服务器102使用自然语言处理器224处理自然语言查询。处理自然语言查询106以导出意图和实体。可以采用基于统计推断的通用学习算法来导出自然语言查询106的意图和实体。可以采用多个机器学习算法类,包括使用实值权重的决策树和概率决策模型,使得可以导出关于自然语言查询106的预期含义的相对确定性。
在步骤406和408处,处理服务器102使用查询模块214从数据源检索数据条目,数据源包括支付数据库206、交易数据库210、附加数据库226和外部数据源110。更具体而言,步骤406检索多个数据条目并识别满足特定标准的多个条目的集合。在步骤406的执行期间,对支付数据库206进行查询以识别与具有商家标识符的商家104相关的支付交易208可以其它查询顺序地或并行地执行,其它查询诸如对交易数据库210进行查询以识别与具有商家标识符的商家104相关的交易数据条目212。此外,对外部数据源110的查询可以与其它查询顺序地或并行地执行,使得提供数据条目。例如,外部数据源110可以包括商家服务器114上的商家账户软件。该方法的步骤408从支付数据库206、交易数据库210、附加数据库226和外部数据源110识别与导出的意图和实体对应的数据条目的集合。
在步骤410处使用处理服务器102的计算模块216基于与导出的意图和实体对应的数据条目的集合计算响应。可以基于至少一个分析模型计算响应。计算模块216也可以使用在整体中执行的多个分析模型来执行响应于自然语言查询106的计算。在一些实施例中,计算模块216可以执行计算以识别特定趋势或交易。例如,计算模块216可以执行计算以确定该天的销售是否低于历史销售。在其中请求预测的情况下,计算模块216可以请求预测模块228使用一个或多个预测模型基于导出的意图和实体来提供预测,在一些情况下,该一个或多个预测模型可以利用AI。
在步骤412使用处理服务器102的自然语言响应模块218生成自然语言响应108。自然语言响应108基于在步骤410处生成的计算出的响应。自然语言响应108可以包括系统100认为对理解计算出的响应有用的音频、图形、文本或其它类型的信息。例如,步骤410的计算出的响应可以是从交易数据条目导出的每年的离散销售增加(例如,第1年销售增加5%,第2年销售增加3%等)。在这样的计算出的响应的情况下,由自然语言响应模块218生成的自然语言响应108可以包括从交易数据条目导出的年销售增长的图形表示,使得可以有助于商家104的考虑。当来自商家104的自然语言查询106寻求提供自然语言响应108的原因时,向商家104提供所使用的分析模型,使得商家104可以对于为什么提供自然语言响应108有更好的理解。
然后,在步骤414处,将在步骤412生成的自然语言响应108发送到由商家104正在使用的计算设备。采用处理服务器102的发送设备220以便发送自然语言响应108。
通过对话界面提供销售信息和见解的示例性方法。
图5图示了用于通过对话界面提供销售信息和见解的方法500。
在步骤502处,从由商家104正在使用的计算设备接收自然语言查询106。商家104与商家标识符相关联,以确保商家104仅接收其有权获得的信息。商家104正在使用的计算设备提供通过其输入自然语言查询106的界面。
在步骤504处,自然语言查询106由处理服务器102的自然语言处理器224处理。自然语言处理器224从自然语言查询中导出至少一个意图和至少一个实体。意图可以是绩效度量、比较度量、时间帧或查询的目标。当给出自然语言查询106“本月我的销售趋势与我的竞争对手相比如何”时,该短语的意图可以是“我的销售”(查询的目标)、“本月”(时间帧)和“与我的竞争对手相比”(绩效的衡量)。
在步骤506和508处,由处理服务器102的查询模块214检索(步骤506)交易数据条目,并识别(步骤508)与至少一个意图或至少一个实体对应的交易数据条目的集合。更具体而言,步骤506涉及查询模块214对数据库206、210执行查询以检索与响应自然语言查询106相关的支付交易208和交易数据条目212。在步骤508处,查询模块214识别满足某些标准的数据集合,以减少计算响应时必须考虑的数据量。
在步骤510处,计算模块216计算对自然语言查询106的响应。响应基于由查询模块214检索到的交易数据条目的集合。响应也基于由计算模块216处理检索到的数据所使用的分析模型。当商家104请求特定自然语言响应108背后的原因时,将用于响应的分析模型提供给自然语言响应模块218以用于进一步处理。
在步骤512处,自然语言响应模块218基于计算出的响应生成对自然语言查询106的自然语言响应108。自然语言响应108是商家104对自然语言查询106的对话响应。在一些实施例中,基于商家104的自然语言查询106、由查询模块214做出的查询以及由计算模块216做出的计算,自然语言响应模块218生成要提供给商家104的自然语言响应108。由自然语言响应模块218生成的自然语言响应108可以包括被认为对于促进商家104理解计算出的响应有用的音频、图形、文本或其它类型的信息。例如,计算出的响应可能是从交易数据条目导出的每年销售增加。在这样的计算出的响应的情况下,由自然语言响应模块218生成的自然语言响应108可以包括从交易数据条目导出的年销售增长的图形表示,使得可以有助于商家104的考虑。当商家104请求特定自然语言响应108背后的原因时,自然语言响应模块218处理分析模型以促进商家104的消费。
在步骤514处,将生成的自然语言响应108发送到商家104正在使用的计算设备。商家104正在使用的计算设备接收生成的自然语言响应108并使用通过其接收自然语言查询106的相同界面呈现生成的自然语言响应108。在一些实施例中,商家104可能偏好通过另一个界面接收生成的自然语言响应108。
用于提供主动警报作为自然语言消息的示例性方法
图6图示了用于使用自然语言消息向商家提供关于商家度量的主动警报的方法600。
在步骤602中,多个交易数据条目(例如,交易数据条目212)可以被存储在处理服务器(例如,处理服务器102)的交易数据库(例如,交易数据库210)中,其中每个交易数据条目与涉及商家(例如,商家104)的支付交易相关,并且包括交易数据。在步骤604中,多个度量可以被存储在处理服务器的存储器(例如,存储器222)中,其中多个度量中的每个度量与以下中的至少一个相关:商家、包括商家的地理区域、相关商家,以及与商家相关的市场行业中的至少一个的商家绩效和市场人口分布。
在步骤606中,可以由处理服务器的计算模块(例如,计算模块216)至少基于存储在交易数据库中的一个或多个交易数据条目中包括的交易数据来识别商家的当前度量,其中当前度量与商家绩效或商家的市场人口分布相关,并且与存储在存储器中的多个度量之一相差至少预定阈值。在步骤608中,自然语言响应(例如,自然语言响应108)可以由处理服务器的自然语言响应模块(例如,自然语言响应模块218)生成,其中自然语言响应至少包括识别出的当前度量以及识别出的当前度量与多个度量之一之间的差异。在步骤610中,生成的自然语言响应可以由处理服务器的发送设备(例如,发送设备220)电子地发送到与商家相关联的计算系统。
支付交易处理系统和过程
图7图示了用于处理系统中的支付交易的交易处理系统和过程700,其可以包括在给定时段(例如,每小时、每天、每周等)期间处理数千、数百万甚至数十亿的交易。过程700和其中包括的步骤可以由上面讨论的系统100的一个或多个组件,诸如处理服务器102、商家104等执行。使用图7中示出并在下面讨论的系统和过程700的支付交易的处理可以利用支付轨道,该支付轨道可以由如下面讨论的实体特别配置和编程的用于执行过程700的步骤的计算设备和基础设施组成,包括交易处理服务器712,其可以与被配置为处理支付交易的一个或多个支付网络相关联。对于相关领域的技术人员来说将显而易见的是,相对于支付交易的处理中涉及的一个或多个步骤,过程700可以结合到上面讨论的图3-6中所示的过程中。此外,本文讨论的用于执行过程700的实体可以包括被配置为执行下面讨论的功能的一个或多个计算设备或系统。例如,商家706可以由一个或多个销售点设备、本地通信网络、计算服务器以及被配置为执行下面讨论的功能的其它设备组成。
在步骤720中,发行金融机构702可以向消费者704发行支付卡或其它合适的支付工具。发行金融机构可以是金融机构(诸如银行),或者监管和管理支付账户和/或用于与可用于向支付交易提供资金的支付账户一起使用的支付工具的其它合适类型的实体。消费者704可以具有与所发行的支付卡相关联的发行金融机构702的交易账户,使得当在支付交易中使用时,支付交易由相关联的交易账户提供资金。在一些实施例中,支付卡可以物理地发行给消费者704。在其它实施例中,支付卡可以是虚拟支付卡或以其他方式以电子格式供应给消费者704。
在步骤722中,消费者704可以将发行的支付卡呈现给商家706用于向支付交易提供资金。商家706可以是企业、另一个消费者、或者可以在与消费者704的支付交易中进行参与的任何实体。支付卡可以由消费者704通过向商家706提供物理卡、电子地发送(例如,经由近场通信、无线传输或其它合适的电子传输类型和协议)支付卡的支付细节、或经由第三方向商家706发起支付细节的发送来呈现。商家706可以接收支付细节(例如,经由电子传输、通过从物理支付卡读取它们等),支付细节可以包括至少与支付卡和/或相关联的交易账户相关联的交易账号。在一些情况下,支付细节可以包括一个或多个应用密码,其可以在处理支付交易时使用。
在步骤724中,商家706可以将交易细节输入到销售点计算系统中。交易细节可以包括由与支付卡相关联的消费者704提供的支付细节以及与交易相关联的附加细节,诸如交易金额、时间和/或日期、产品数据、报价数据、忠诚度数据、奖励数据、商家数据、消费者数据、销售点数据等。交易细节可以经由一个或多个输入设备(诸如被配置为扫描产品条形码的光学条形码扫描仪、被配置为接收由用户输入的产品代码的键盘等)输入到商家706的销售点系统中。商家销售点系统可以是专门配置的计算设备和/或专用计算设备,其旨在处理电子金融交易和与支付网络的通信(例如,经由支付轨道)。商家销售点系统可以是其上运行销售点系统应用的电子设备,其中应用使电子设备接收电子金融交易信息并将其传送到支付网络。在一些实施例中,商家706可以是电子商务交易中的在线零售商。在这样的实施例中,交易细节可以输入到购物车或用于在电子交易中存储交易数据的其它储存库中,如对于相关领域的技术人员将显而易见的。
在步骤726中,商家706可以将叠加有交易数据的数据信号电子地发送到网关处理器708。网关处理器708可以是被配置为从商家706接收用于格式化并发送到收单金融机构710的交易细节的实体。在一些情况下,网关处理器708可以与多个商家706和多个收单金融机构710相关联。在这种情况下,网关处理器708可以接收涉及各种商家的多个不同交易的交易细节,该交易细节可以被继续转发给适当的收单金融机构710。通过与多个收单金融机构710建立关系并具有使用支付轨道(诸如使用与用于提交、接收和检索数据的网关处理器708或金融机构相关联的应用编程接口)与金融机构通信的必要基础设施,网关处理器708可以充当商家706的中介,以能够经由单个通信信道和格式与网关处理器708进行支付交易,而无需维持与多个收单金融机构710和支付处理器以及与其相关联的硬件的关系。收单金融机构710可以是金融机构(诸如银行),或者监管和管理支付账户和/或用于与支付账户一起使用的支付工具的其它实体。在一些情况下,收单金融机构710可以管理商家706的交易账户。在一些情况下,单个金融机构可以既作为发行金融机构702又作为收单金融机构710运营。
从商家706发送到网关处理器708的数据信号可以叠加有支付交易的交易细节,该交易细节可以基于一个或多个标准来格式化。在一些实施例中,标准可以由网关处理器708解释,其可以使用唯一的专有格式来向/从网关处理器708传输交易数据。在其它实施例中,可以使用公共标准,诸如国际标准化组织的ISO 8783标准。标准可以指示可以包括的数据类型、数据的格式化、数据如何被存储和发送、以及用于将交易数据传输到网关处理器708的其它标准。
在步骤728中,网关处理器708可以解析交易数据信号以获得叠加在其上的交易数据,并且可以根据需要格式化交易数据。交易数据的格式化可以由网关处理器708基于网关处理器708的专有标准或与支付交易相关联的收单金融机构710来执行。专有标准可以指定包括在交易数据中的数据类型以及用于存储和传输数据的格式。收单金融机构710可以由网关处理器708使用交易数据来识别,诸如通过解析交易数据(例如,解构成数据元素)以获得其中包括的与收单金融机构710相关联的账户标识符。在一些情况下,网关处理器708然后可以基于识别出的收单金融机构710格式化交易数据,以便符合由收单金融机构710指定的格式化标准。在一些实施例中,识别出的收单金融机构710可以与支付交易中涉及的商家706相关联,并且在一些情况下,可以管理与商家706相关联的交易账户。
在步骤730中,网关处理器708可以将叠加有格式化交易数据的数据信号电子地发送到识别出的收单金融机构710。收单金融机构710可以接收数据信号并解析该信号以获得叠加在其上的格式化交易数据。在步骤732中,收单金融机构可以基于格式化交易数据生成对支付交易的授权请求。授权请求可以是根据一个或多个标准被格式化的特殊格式化交易消息,标准诸如ISO8783标准和由用于处理支付交易的支付处理器(诸如支付网络)解释的标准。授权请求可以是包括指示授权请求的消息类型指示符的交易消息,其可以指示支付交易中涉及的商家706正在请求支付或来自发行金融机构702的关于交易的支付承诺。授权请求可以包括多个数据元素,每个数据元素被配置为存储如在相关联的标准中解释的数据,诸如用于存储账号、应用密码、交易金额、发行金融机构702信息等的数据。
在步骤734中,收单金融机构710可以将授权请求电子地发送到交易处理服务器712以进行处理。交易处理服务器712可以由一个或多个计算设备组成,该一个或多个计算设备作为被配置为处理支付交易的支付网络的一部分。在一些实施例中,授权请求可以由收单金融机构710处的交易处理器或与收单金融机构相关联的其它实体发送。交易处理器可以是一个或多个计算设备,其包括多个通信信道,用于与交易处理服务器712通信,用于向交易处理服务器712和从交易处理服务器712传输交易消息和其它数据。在一些实施例中,与交易处理服务器712相关联的支付网络可以拥有或操作每个交易处理器,使得为了网络和信息安全,支付网络可以维持对向交易处理服务器712传送交易消息和从交易处理服务器712传送交易消息的控制。
在步骤736中,交易处理服务器712可以为支付交易执行增值服务。增值服务可以是由发行金融机构702指定的服务,其可以在处理支付交易时向发行金融机构702或消费者704提供附加价值。增值服务可以包括例如欺诈评分、交易或账户控制、账号映射、报价兑换、忠诚度处理等。例如,当交易处理服务器712接收到交易时,交易的欺诈评分可以基于其中包括的数据和一个或多个欺诈评分算法和/或引擎来计算。在一些情况下,交易处理服务器712可以首先识别与交易相关联的发行金融机构702,然后识别由发行金融机构702指示的要执行的任何服务。可以例如通过授权请求中包括的特定数据元素中包括的数据(诸如发行方标识号)来识别发行金融机构702。在另一个示例中,可以通过存储在授权请求中的主账号,诸如通过使用用于识别的主账号的一部分(例如,银行标识号)来识别发行金融机构702。
在步骤738,交易处理服务器712可以将授权请求电子地发送到发行金融机构702。在一些情况下,可以修改授权请求,或者由于交易处理服务器712执行增值服务而将附加数据包括在授权请求中或将附加数据与授权请求一起发送。在一些实施例中,授权请求可以被发送到位于发行金融机构702处的(例如,由交易处理服务器712拥有或操作的)交易处理器或与其相关联的可以将授权请求转发给发行金融机构702的实体。
在步骤740中,发行金融机构702可以授权交易账户对支付交易进行支付。授权可以基于交易账户的可用信用金额和支付交易的交易金额、交易处理服务器712提供的欺诈评分、以及对于相关领域的技术人员将显而易见的其它考虑。发行金融机构702可以修改授权请求以包括指示支付交易的批准(例如,或者如果要拒绝交易的话,则拒绝)的响应代码。发行金融机构702还可以修改交易消息的消息类型指示符,以指示交易消息被改变为授权响应。在步骤742中,发行金融机构702可以(例如,经由交易处理器)将授权响应发送到交易处理服务器712。
在步骤744中,交易处理服务器712可以将授权响应转发给收单金融机构710(例如,经由交易处理器)。在步骤746中,收单金融机构可以生成如在授权响应的响应代码中所指示的指示支付交易的批准或拒绝的响应消息,并且可以使用由网关处理器708解释的标准和协议将响应消息发送到网关处理器708。在步骤748中,网关处理器708可以使用适当的标准和协议将响应消息转发给商家706。在步骤770中,假设交易被批准,那么商家706可以将由消费者704购买的产品作为支付交易的一部分提供给消费者704。
在一些实施例中,一旦过程700完成,就可以执行从发行金融机构702到收单金融机构710的支付。在一些情况下,可以立即或在一个工作日内支付。在其它情况下,可以在一段时间之后并且响应于经由交易处理服务器712从收单金融机构710向发行金融机构702提交的清算请求进行支付。在这种情况下,对于多个支付交易的清算请求可以被聚合成单个清算请求,该单个清算请求可以由交易处理服务器712使用,以针对支付交易的结算识别要由谁以及向谁进行的总支付。
在一些情况下,系统还可以被配置为在其中通信路径可能不可用的情况下执行支付交易的处理。例如,如果发行金融机构不可用于执行交易账户的授权(例如,在步骤740中),则交易处理服务器712可以被配置为代表发行金融机构702执行交易的授权。这样的动作可以被称为“代替(stand-in)处理”,其中交易处理服务器“代替”作为发行金融机构702。在这种情况下,交易处理服务器712可以利用由发行金融机构702解释的规则来确定批准或拒绝支付交易,并且可以在步骤744中转发到收单金融机构710之前相应地修改交易消息。交易处理服务器712可以保留与交易处理服务器712代替的交易相关联的数据,并且可以一旦通信被重新建立,就将保留的数据发送到发行金融机构702。然后,发行金融机构702可以相应地处理交易账户以适应丢失通信的时间。
在另一个示例中,如果交易处理服务器712不可用于由收单金融机构710提交授权请求,则收单金融机构710处的交易处理器可以被配置为执行交易处理服务器712和发行金融机构702的处理。交易处理器可以包括适用于在基于其中包含的数据确定支付交易的批准或拒绝时使用的规则和数据。例如,发行金融机构702和/或交易处理服务器712可以对可以存储在交易处理器中并用于基于其确定支付交易的批准或拒绝的交易类型、交易金额等设置限制。在这种情况下,即使交易处理服务器712不可用,收单金融机构710也可以接收支付交易的授权响应,从而确保交易被处理并且即使在其中通信不可用的情况下也不会经历停机时间。在这种情况下,交易处理器可以存储支付交易的交易细节,一旦通信被重新建立,这些交易细节就可以被发送到交易处理服务器712(例如,并且从那里发送到相关联的发行金融机构702)。
在一些实施例中,交易处理器可以被配置为包括可以利用多个通信卡和/或设备的多个不同的通信信道与交易处理服务器712通信以发送和接收交易消息。例如,交易处理器可以由多个计算设备组成,每个计算设备具有连接到交易处理服务器712的多个通信端口。在这样的实施例中,交易处理器可以在将交易消息发送到交易处理服务器712时循环通过通信信道,以缓解网络拥塞并确保更快、更顺畅的通信。此外,在其中通信信道可能被中断或以其它方式不可用的情况下,可以由此提供备选通信信道,以进一步增加网络的正常运行时间。
在一些实施例中,交易处理器可以被配置为与其它交易处理器直接通信。例如,收单金融机构710处的交易处理器可以识别授权请求涉及不需要增值服务的发行金融机构702(例如,经由包括在交易消息中的银行标识号)。然后,收单金融机构710处的交易处理器可以将授权请求直接发送到发行金融机构702处的交易处理器(例如,在授权请求不通过交易处理服务器712的情况下),其中发行金融机构702可以相应地处理交易。
上面讨论的利用使用多个通信信道的多种通信方法,并且包括为在过程中的多个点处和系统中的多个位置处的支付交易提供故障安全的处理,以及即使在中断的情况下也确保通信成功到达其目的地的冗余的用于处理支付交易的方法,可以提供稳健的系统,该系统确保始终以最小的错误和中断成功处理支付交易。这种先进的网络及其基础设施和拓扑结构通常可以被称为“支付轨道”,其中交易数据可以从数百万个不同销售点处的商家提交到支付轨道,以通过基础设施路由到适当的交易处理服务器712用于处理。支付轨道可以是通用计算设备在没有专门的编程和/或配置的情况下可能无法正确地格式化或向轨道提交通信的轨道。通过专用的计算设备,计算设备可以被配置为将交易数据提交给适当的实体(例如,网关处理器708、收单金融机构710等)以使用该先进的网络进行处理,并且快速且高效地接收关于消费者704为支付交易提供资金的能力的响应。
计算机系统体系架构
图8图示了计算机系统800,其中本公开的实施例或其部分可以被实现为计算机可读代码。例如,图1的处理服务器可以使用硬件、软件、固件、其上存储有指令的非瞬态计算机可读介质或其组合在计算机系统800中实现,并且可以在一个或多个计算机系统或其它处理系统中实现。硬件、软件或其任意组合可以体现用于实现图3-7的方法的模块和组件。
如果使用可编程逻辑,那么这种逻辑可以在由可执行软件代码配置的商业上可用的处理平台上执行,以成为专用计算机或专用设备(例如,可编程逻辑阵列、专用集成电路等)。本领域普通技术人员可以认识到的是,所公开的主题的实施例可以用各种计算机系统配置来实践,包括多核多处理器系统、小型计算机、大型计算机、与分布式功能链接或集群的计算机、以及可以嵌入到几乎任何设备中的普及型或微型计算机。例如,可以使用至少一个处理器设备和存储器来实现上述实施例。
本文讨论的处理器单元或设备可以是单个处理器、多个处理器或其组合。处理器设备可以具有一个或多个处理器“核心”。如本文讨论的术语“计算机程序介质”、“非瞬态计算机可读介质”和“计算机可用介质”通常用于指有形介质,诸如可移除存储单元818、可移除存储单元822和安装在硬盘驱动器812中的硬盘。
根据这个示例计算机系统800描述了本公开的各种实施例。在阅读本说明书之后,相关领域的技术人员将认识到如何使用其它计算机系统和/或计算机体系架构来实现本公开。虽然操作可以被描述为顺序过程,但是一些操作实际上可以并行地、并发地和/或在分布式环境中执行,并且程序代码在本地或远程存储以供单个处理器或多个处理器机器访问。此外,在一些实施例中,可以重新布置操作的顺序而不脱离所公开的主题的精神。
处理器设备804可以是被专门配置为执行本文讨论的功能的专用或通用处理器设备。处理器设备804可以连接到通信基础设施806,诸如总线、消息队列、网络、多核消息传递方案等。网络可以是适于执行如本文公开的功能的任何网络,并且可以包括局域网(LAN)、广域网(WAN)、无线网络(例如,Wi-Fi)、移动通信网络、卫星网络、互联网、光纤、同轴电缆、红外线、射频(RF)或其任意组合。其它合适的网络类型和配置对于相关领域的技术人员将是显而易见的。计算机系统800还可以包括主存储器808(例如,随机存取存储器、只读存储器等),并且还可以包括辅助存储器810。辅助存储器810可以包括硬盘驱动器812和可移除存储驱动器814,诸如软盘驱动器、磁带驱动器、光盘驱动器、闪存等。
可移除存储驱动器814可以以众所周知的方式从可移除存储单元818读取和/或写入可移除存储单元818。可移除存储单元818可以包括可以由可移除存储驱动器814读取和写入其中的可移除存储介质。例如,如果可移除存储驱动器814是软盘驱动器或通用串行总线端口,那么可移除存储单元818可以分别是软盘或便携式闪存驱动器。在一个实施例中,可移除存储单元818可以是非瞬态计算机可读记录介质。
在一些实施例中,辅助存储器810可以包括用于允许计算机程序或其它指令被加载到计算机系统800中的替代部件,例如,可移除存储单元822和接口820。这种部件的示例可以包括程序盒和盒接口(例如,如在视频游戏系统中找到的)、可移除存储器芯片(例如,EEPROM、PROM等)和相关联的插座,以及其它可移除存储单元822和接口820,如对于相关领域的技术人员来说将显而易见的。
存储在计算机系统800中(例如,在主存储器808和/或辅助存储器810中)的数据可以存储在任何类型的合适的计算机可读介质上,诸如光学存储装置(例如,光盘、数字多功能光盘、蓝光光盘等)或磁带存储装置(例如,硬盘驱动器)。可以以任何类型的合适数据库配置,诸如关系数据库、结构化查询语言(SQL)数据库、分布式数据库、对象数据库等来配置数据。适合的配置和存储类型对于相关领域的技术人员将是显而易见的。
计算机系统800还可以包括通信接口824。通信接口824可以被配置为允许软件和数据在计算机系统800和外部设备之间传递。示例性通信接口824可以包括调制解调器、网络接口(例如,以太网卡)、通信端口等。经由通信接口824传递的软件和数据可以是信号的形式,其可以是电子的、电磁的、光学的或其它信号,如对于相关领域的技术人员来说将显而易见的。信号可以经由通信路径826行进,通信路径826可以被配置为承载信号并且可以使用电线、电缆、光纤、电话线、蜂窝电话链路、射频链路等来实现。
计算机系统800还可以包括显示器接口802。显示器接口802可以被配置为允许数据在计算机系统800和外部显示器830之间传递。示例性显示器接口802可以包括高清晰多媒体接口(HDMI)、数字视频接口(DVI)、视频图形阵列(VGA)等。显示器830可以是用于显示经由计算机系统800的显示器接口802发送的数据的任何合适类型的显示器,包括阴极射线管(CRT)显示器、液晶显示器(LCD)、发光二极管(LED)显示器、电容式触摸显示器、薄膜晶体管(TFT)显示器等。
计算机程序介质和计算机可用介质可以指存储器,诸如可以是存储器半导体(例如,DRAM等)的主存储器808和辅助存储器810。这些计算机程序产品可以是用于向计算机系统800提供软件的部件。计算机程序(例如,计算机控制逻辑)可以存储在主存储器808和/或辅助存储器810中。也可以经由通信接口824接收计算机程序。这样的计算机程序在被执行时可以使得计算机系统800能够实现本文讨论的本方法。特别地,计算机程序在被执行时可以使得处理器设备804能够实现由图3-7所示的方法,如本文所讨论的。因此,这样的计算机程序可以表示计算机系统800的控制器。在使用软件实现本公开的情况下,软件可以存储在计算机程序产品中并使用可移除存储驱动器814、接口820以及硬盘驱动器812或通信接口824加载到计算机系统800中。
处理器设备804可以包括被配置为执行计算机系统800的功能的一个或多个模块或引擎。每个模块或引擎可以使用硬件来实现,并且在一些情况下,也可以利用软件,诸如与存储在主存储器808或辅助存储器810中的程序代码和/或程序对应。在这种情况下,在由计算机系统800的硬件执行之前,程序代码可以由处理器设备804(例如,由编译模块或引擎)编译。例如,程序代码可以是用编程语言编写的源代码,其被转换成较低级语言,诸如汇编语言或机器代码,用于由处理器设备804和/或计算机系统800的任何附加硬件组件执行。编译的过程可以包括使用词法分析、预处理、解析、语义分析、语法导向转换、代码生成、代码优化、以及可能适合于将程序代码转换成适合于控制计算机系统800以执行本文公开的功能的较低级语言的任何其它技术。对于相关领域的技术人员将显而易见的是,这样的过程导致计算机系统800是被唯一编程以执行以上讨论的功能的专门配置的计算机系统800。
与本公开一致的技术提供了除了其它特征之外用于基于项目兑换的交易中的地点评分的系统和方法。虽然上面已经描述了所公开的系统和方法的各种示例性实施例,但是应该理解的是,它们仅仅是为了示例的目的而给出,而不是限制。它并非是详尽无遗的,并且不是将本公开限制于所公开的精确形式。鉴于上述教导,修改和变化是可能的,或者可以从本公开的实践中获得,而不脱离广度或范围。
Claims (22)
1.一种提供对自然语言查询的响应的方法,包括:
从商家接收自然语言查询,商家与商家标识符相关联;
处理自然语言查询以导出至少一个意图和至少一个实体;
检索多个交易数据条目,每个交易数据条目包括与具有与商家相关联的商家标识符的支付交易相关联的交易数据;
识别与导出的所述至少一个意图或所述至少一个实体对应的所述多个交易数据条目的集合;
使用至少一个分析模型基于所述多个交易数据条目的集合计算对自然语言查询的响应;
基于计算出的响应生成对自然语言查询的自然语言响应;以及
发送生成的自然语言响应。
2.如权利要求1所述的方法,还包括:
从至少一个外部数据源检索与导出的所述至少一个意图或所述至少一个实体相关联的多个外部信息;以及
识别与导出的所述至少一个意图或所述至少一个实体对应的多个外部信息的集合;
其中,计算出的响应还基于所述多个外部信息的集合。
3.如权利要求1所述的方法,其中,导出的所述至少一个意图包括用于监视所述多个交易数据条目的计划任务,所述计划任务具有至少一个触发阈值;
其中,识别出的所述多个交易数据条目的集合基于所述触发阈值而被更新;以及
其中,计算出的响应基于所述触发阈值和更新后的识别出的所述多个交易的集合而被更新。
4.如权利要求1所述的方法,其中,导出的意图是请求解释生成的自然语言响应;以及
发送所述至少一个分析模型。
5.如权利要求1所述的方法,还包括检索另外的多个交易数据条目,每个交易数据条目包括与不具有与商家相关联的商家标识符的支付交易相关联的交易数据。
6.如权利要求5所述的方法,其中,计算出的响应还基于另外的多个外部信息,计算出的响应从所述另外的多个外部信息中移除识别信息。
7.如权利要求2所述的方法,其中,所述至少一个数据源包括在商家服务器上执行的商家会计软件。
8.如权利要求1所述的方法,其中,导出的所述至少一个意图包括绩效度量、比较度量、时间帧和目标用户中的一个。
9.如权利要求1所述的方法,还包括:
识别与导出的所述至少一个意图相关的对未来绩效的预测,其中
所述自然语言响应包括对未来绩效的预测。
10.如权利要求9所述的方法,其中,对未来绩效的预测通过人工智能来识别。
11.一种提供对自然语言查询的响应的系统,包括:
计算设备,被配置为将由商家创建的自然语言查询输入到界面中;以及
处理服务器,包括:
接收设备,被配置为接收被输入到由商家正在使用的计算设备中的自然语言查询,所述商家与商家标识符相关联;
自然语言处理器,被配置为导出至少一个意图和至少一个实体;
查询模块,被配置为检索多个交易数据条目,每个交易数据条目包括与具有与商家相关联的商家标识符的支付交易相关联的交易数据,
所述查询模块还被配置为识别与导出的所述至少一个意图或所述至少一个实体对应的所述多个交易数据条目的集合;
计算模块,被配置为使用至少一个分析模型基于所述多个交易数据条目的集合来计算对自然语言查询的响应;
自然语言响应模块,被配置为基于计算出的响应生成对自然语言查询的自然语言响应;以及
发送设备,被配置为发送生成的自然语言响应。
12.如权利要求11所述的系统,其中,所述查询模块还被配置为:
从至少一个外部数据源检索与导出的所述至少一个意图或所述至少一个实体相关联的多个外部信息;
识别与导出的所述至少一个意图或所述至少一个实体对应的所述多个外部信息的集合;以及
其中,所述计算模块还被配置为基于所述多个外部信息的集合来计算响应。
13.如权利要求11所述的系统,其中,所述自然语言处理器导出的意图包括用于监视所述多个交易数据条目的计划任务,所述计划任务具有至少一个触发阈值;
其中,所述查询模块基于所述触发阈值更新识别出的所述多个交易数据条目的集合;以及
其中,所述计算模块基于所述触发阈值和更新后的识别出的所述多个交易的集合来更新计算出的响应。
14.如权利要求11所述的系统,其中,所述接收设备从商家的计算设备接收解释生成的自然语言响应的请求;
其中,所述自然语言处理器确定导出的意图是请求解释生成的自然语言响应;以及
其中,所述发送设备发送由所述计算模块用来生成所生成的自然语言响应所基于的响应的所述至少一个分析模型。
15.如权利要求11所述的系统,其中,所述查询模块还被配置为检索另外的多个交易数据条目,每个交易数据条目包括与不具有与商家相关联的商家标识符的支付交易相关联的交易数据;以及
其中,所述计算模块计算出的响应还基于另外的多个外部信息。
16.如权利要求15所述的系统,其中,所述查询模块还被配置为从所述另外的多个交易数据条目中移除识别信息。
17.如权利要求12所述的系统,其中,所述至少一个数据源包括在商家服务器上执行的商家会计软件。
18.如权利要求11所述的系统,其中,导出的所述至少一个意图包括绩效度量、比较度量、时间帧和目标用户中的一个。
19.如权利要求11所述的系统,还包括:
预测模块,被配置为识别与导出的所述至少一个意图相关的对未来绩效的预测,其中
所述自然语言响应包括对未来绩效的预测。
20.如权利要求19所述的系统,其中,对未来绩效的预测通过人工智能来识别。
21.一种用于提供主动警报作为自然语言消息的方法,包括:
在处理服务器的交易数据库中存储多个交易数据条目,每个交易数据条目与涉及商家的支付交易相关并且包括交易数据;
在处理服务器的存储器中存储多个度量,其中所述多个度量中的每个度量与以下中的至少一个相关:商家、包括商家的地理区域、相关商家以及与商家相关的市场行业中至少一个的商家绩效和市场人口分布;
由处理服务器的计算模块至少基于交易数据库中存储的一个或多个交易数据条目中包括的交易数据来识别商家的当前度量,其中,所述当前度量与商家的商家绩效或市场人口分布相关,并且与存储在存储器中的所述多个度量之一相差至少预定阈值;
由处理服务器的自然语言响应模块生成自然语言响应,所述自然语言响应至少包括识别出的当前度量以及识别出的当前度量与所述多个度量之一之间的差异;以及
由处理服务器的发送设备将生成的自然语言响应电子地发送到与商家相关联的计算系统。
22.一种用于提供主动警报作为自然语言消息的系统,包括:
处理服务器的交易数据库,被配置为存储多个交易数据条目,每个交易数据条目与涉及商家的支付交易相关并且包括交易数据;
处理服务器的存储器,被配置为存储多个度量,其中,所述多个度量中的每个度量与以下中的至少一个相关:商家、包括商家的地理区域、相关商家以及与商家相关的市场行业中至少一个的商家绩效和市场人口分布;
处理服务器的计算模块,被配置为至少基于存储在交易数据库中的一个或多个交易数据条目中包括的交易数据来识别商家的当前度量,其中,所述当前度量与商家的商家绩效或市场人口分布相关,并且与存储在存储器中的所述多个度量之一相差至少预定阈值;
处理服务器的自然语言响应模块,被配置为生成自然语言响应,所述自然语言响应至少包括识别出的当前度量以及识别出的当前度量与所述多个度量之一之间的差异;以及
处理服务器的发送设备,被配置为将生成的自然语言响应电子地发送到与商家相关联的计算系统。
Applications Claiming Priority (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201662358638P | 2016-07-06 | 2016-07-06 | |
US62/358,638 | 2016-07-06 | ||
US201762507890P | 2017-05-18 | 2017-05-18 | |
US62/507,890 | 2017-05-18 | ||
PCT/US2017/039404 WO2018009369A1 (en) | 2016-07-06 | 2017-06-27 | Method and system for providing sales information and insights through a conversational interface |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109416803A true CN109416803A (zh) | 2019-03-01 |
Family
ID=59325661
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201780041891.7A Pending CN109416803A (zh) | 2016-07-06 | 2017-06-27 | 通过对话界面提供销售信息和见解的方法和系统 |
Country Status (4)
Country | Link |
---|---|
US (1) | US10685301B2 (zh) |
CN (1) | CN109416803A (zh) |
SG (1) | SG11201811108YA (zh) |
WO (1) | WO2018009369A1 (zh) |
Families Citing this family (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017223522A1 (en) * | 2016-06-23 | 2017-12-28 | Mohammad Shami | Neural network systems and methods for generating distributed representations of electronic transaction information |
US10554654B1 (en) | 2017-05-31 | 2020-02-04 | Wells Fargo Bank, N.A. | Secure access for assisted transactions in an online banking system |
US10289915B1 (en) * | 2018-06-05 | 2019-05-14 | Eight Plus Ventures, LLC | Manufacture of image inventories |
US11157704B2 (en) | 2018-06-18 | 2021-10-26 | DataChat.ai | Constrained natural language processing |
US11423347B2 (en) | 2018-08-31 | 2022-08-23 | Kinaxis Inc. | Conversational business tool |
EP3627344A1 (en) | 2018-09-18 | 2020-03-25 | QlikTech International AB | Conversational analytics |
US11144542B2 (en) | 2018-11-01 | 2021-10-12 | Visa International Service Association | Natural language processing system |
US11676134B2 (en) | 2019-06-17 | 2023-06-13 | International Business Machines Corporation | Transaction interaction analysis and summarization |
US11354634B2 (en) | 2020-01-02 | 2022-06-07 | Bank Of America Corporation | System for layered digital resource distribution in an electronic network environment |
US20210374758A1 (en) * | 2020-05-26 | 2021-12-02 | Paypal, Inc. | Evaluating User Status Via Natural Language Processing and Machine Learning |
US11334223B1 (en) | 2021-04-14 | 2022-05-17 | DataChat.ai | User interface for data analytics systems |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS6249437A (ja) * | 1985-08-28 | 1987-03-04 | Toshiba Corp | 推論結果表示方式 |
US20090070158A1 (en) * | 2004-08-02 | 2009-03-12 | Schlumberger Technology Corporation | Method apparatus and system for visualization of probabilistic models |
CN101702731A (zh) * | 2009-10-28 | 2010-05-05 | 金蝶软件(中国)有限公司 | 信息显示方法、系统及相关设备 |
CN102567347A (zh) * | 2010-12-17 | 2012-07-11 | 上海宝钢商贸有限公司 | 高可视化数据管理系统 |
US20140101139A1 (en) * | 2012-10-04 | 2014-04-10 | Talvis Llc | Methods and devices for querying databases using aliasing tables on mobile devices |
CN104268428A (zh) * | 2014-10-14 | 2015-01-07 | 国家电网公司 | 一种用于指标计算的可视化配置方法 |
CN104627385A (zh) * | 2014-12-01 | 2015-05-20 | 中国民航大学 | 一种过程可视化决策诊断系统及其推理控制方法 |
US20150149243A1 (en) * | 2013-11-22 | 2015-05-28 | Mastercard International Incorporated | Method and system for distributing consumer analytics to a point of sale device |
US20160071017A1 (en) * | 2014-10-15 | 2016-03-10 | Brighterion, Inc. | Method of operating artificial intelligence machines to improve predictive model training and performance |
WO2016063433A1 (ja) * | 2014-10-21 | 2016-04-28 | 日本電気株式会社 | 推定結果表示システム、推定結果表示方法および推定結果表示プログラム |
Family Cites Families (25)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7725307B2 (en) * | 1999-11-12 | 2010-05-25 | Phoenix Solutions, Inc. | Query engine for processing voice based queries including semantic decoding |
EP1490790A2 (en) | 2001-03-13 | 2004-12-29 | Intelligate Ltd. | Dynamic natural language understanding |
US20050154769A1 (en) * | 2004-01-13 | 2005-07-14 | Llumen, Inc. | Systems and methods for benchmarking business performance data against aggregated business performance data |
US20050246275A1 (en) * | 2004-04-30 | 2005-11-03 | Nelson John R | Real-time FBO management method & system |
US8380594B2 (en) * | 2004-10-22 | 2013-02-19 | Itg Software Solutions, Inc. | Methods and systems for using multiple data sets to analyze performance metrics of targeted companies |
US20070143186A1 (en) * | 2005-12-19 | 2007-06-21 | Jeff Apple | Systems, apparatuses, methods, and computer program products for optimizing allocation of an advertising budget that maximizes sales and/or profits and enabling advertisers to buy media online |
US20090089217A1 (en) * | 2007-10-02 | 2009-04-02 | Kroutik Vladislav V | Method and Apparatus for Issue and Trade of Real Estate Options |
US8538915B2 (en) * | 2010-07-12 | 2013-09-17 | International Business Machines Corporation | Unified numerical and semantic analytics system for decision support |
US8898159B2 (en) * | 2010-09-28 | 2014-11-25 | International Business Machines Corporation | Providing answers to questions using logical synthesis of candidate answers |
CA2817131C (en) * | 2010-11-10 | 2014-08-26 | Rakuten, Inc. | Related-word registration device, information processing device, related-word registration method, program for related-word registration device, and recording medium |
US10276054B2 (en) * | 2011-11-29 | 2019-04-30 | Eresearchtechnology, Inc. | Methods and systems for data analysis |
US20130282436A1 (en) * | 2012-04-20 | 2013-10-24 | Martin Quinn | Methods and apparatus to manage marketing forecasting activity |
US9367607B2 (en) * | 2012-12-31 | 2016-06-14 | Facebook, Inc. | Natural-language rendering of structured search queries |
US20140258094A1 (en) * | 2013-03-11 | 2014-09-11 | Capital One Financial Corporation | Systems and methods for dynamically providing financial loan products |
US20140278744A1 (en) * | 2013-03-15 | 2014-09-18 | Mastercard International Incorporated | Systems and methods for recommending competitor sets |
US20150134420A1 (en) * | 2013-11-14 | 2015-05-14 | Mastercard International Incorporated | Method and system for providing merchant recommendation data using transaction data |
US9565305B2 (en) * | 2014-06-12 | 2017-02-07 | Sriram Chakravarthy | Methods and systems of an automated answering system |
US20160092895A1 (en) * | 2014-09-26 | 2016-03-31 | Mastercard International Incorporated | Method and system for identifying merchant market shares based on purchase data |
US20160125751A1 (en) * | 2014-11-05 | 2016-05-05 | International Business Machines Corporation | Answer management in a question-answering environment |
US20160132908A1 (en) * | 2014-11-11 | 2016-05-12 | Mastercard International Incorporated | Methods And Apparatus For Transaction Prediction |
US9542688B2 (en) * | 2015-03-10 | 2017-01-10 | Mastercard International Incorporated | Method and system for targeting small businesses |
US10776700B2 (en) * | 2015-09-10 | 2020-09-15 | Senseforth, Inc. | Method and system for automatic resolution of user queries |
US20170116621A1 (en) * | 2015-10-27 | 2017-04-27 | Mastercard International Incorporated | Method and system for predicting service provider performance based on industry data |
RU2718227C1 (ru) * | 2016-05-12 | 2020-03-31 | Мастеркард Интернэшнл Инкорпорейтед | Сеть связи и способ обработки споров по предвозвратному платежу |
CN109313756B (zh) * | 2016-06-15 | 2023-03-10 | 万事达卡国际公司 | 桥接的支付系统的交易流程和交易处理 |
-
2017
- 2017-06-27 SG SG11201811108YA patent/SG11201811108YA/en unknown
- 2017-06-27 CN CN201780041891.7A patent/CN109416803A/zh active Pending
- 2017-06-27 WO PCT/US2017/039404 patent/WO2018009369A1/en active Application Filing
- 2017-06-30 US US15/639,588 patent/US10685301B2/en active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS6249437A (ja) * | 1985-08-28 | 1987-03-04 | Toshiba Corp | 推論結果表示方式 |
US20090070158A1 (en) * | 2004-08-02 | 2009-03-12 | Schlumberger Technology Corporation | Method apparatus and system for visualization of probabilistic models |
CN101702731A (zh) * | 2009-10-28 | 2010-05-05 | 金蝶软件(中国)有限公司 | 信息显示方法、系统及相关设备 |
CN102567347A (zh) * | 2010-12-17 | 2012-07-11 | 上海宝钢商贸有限公司 | 高可视化数据管理系统 |
US20140101139A1 (en) * | 2012-10-04 | 2014-04-10 | Talvis Llc | Methods and devices for querying databases using aliasing tables on mobile devices |
US20150149243A1 (en) * | 2013-11-22 | 2015-05-28 | Mastercard International Incorporated | Method and system for distributing consumer analytics to a point of sale device |
CN104268428A (zh) * | 2014-10-14 | 2015-01-07 | 国家电网公司 | 一种用于指标计算的可视化配置方法 |
US20160071017A1 (en) * | 2014-10-15 | 2016-03-10 | Brighterion, Inc. | Method of operating artificial intelligence machines to improve predictive model training and performance |
WO2016063433A1 (ja) * | 2014-10-21 | 2016-04-28 | 日本電気株式会社 | 推定結果表示システム、推定結果表示方法および推定結果表示プログラム |
CN104627385A (zh) * | 2014-12-01 | 2015-05-20 | 中国民航大学 | 一种过程可视化决策诊断系统及其推理控制方法 |
Also Published As
Publication number | Publication date |
---|---|
US20180225608A9 (en) | 2018-08-09 |
SG11201811108YA (en) | 2019-01-30 |
WO2018009369A1 (en) | 2018-01-11 |
US10685301B2 (en) | 2020-06-16 |
US20180012163A1 (en) | 2018-01-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109416803A (zh) | 通过对话界面提供销售信息和见解的方法和系统 | |
US10783510B2 (en) | Method and system for POS enabled installments with eligibility check requirements | |
CN109002464B (zh) | 利用对话界面自动报告分析和分发建议的方法和系统 | |
US10540645B2 (en) | Method and system for facilitating installments in an electronic transaction | |
CN108780550A (zh) | 预先交易分期付款支付解决方案和分期付款模拟的方法和系统 | |
CN110892431B (zh) | 用于改进交易处理和路由的方法和系统 | |
US20230089001A1 (en) | Method and system for conversational input device with intelligent crowd-sourced options | |
CN109844790B (zh) | 通用控制账户活动的方法和系统 | |
US20160239853A1 (en) | Method and system for providing insights to merchants based on consumer transaction history | |
US10235725B2 (en) | Method and system for determining merchant gratuity values | |
CN109690592A (zh) | 用于浏览器集成的受控支付号码生成的方法和系统 | |
WO2018208416A1 (en) | Method and system of providing envelope budgeting using payment account transaction system | |
US20170178165A1 (en) | Method and system for generation of indices regarding neighborhood growth | |
US9801038B1 (en) | Method and system for emergency safety checks via payment systems | |
US20180144338A1 (en) | Method and system for controlled access and usage of payment credentials |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |