CN110827038A - 账户权限的管理方法和设备 - Google Patents

账户权限的管理方法和设备 Download PDF

Info

Publication number
CN110827038A
CN110827038A CN201910962635.2A CN201910962635A CN110827038A CN 110827038 A CN110827038 A CN 110827038A CN 201910962635 A CN201910962635 A CN 201910962635A CN 110827038 A CN110827038 A CN 110827038A
Authority
CN
China
Prior art keywords
account
type
lemmas
events
transaction
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
Application number
CN201910962635.2A
Other languages
English (en)
Inventor
筴硕
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Alipay Hangzhou Information Technology Co Ltd
Original Assignee
Alipay Hangzhou Information Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Alipay Hangzhou Information Technology Co Ltd filed Critical Alipay Hangzhou Information Technology Co Ltd
Priority to CN201910962635.2A priority Critical patent/CN110827038A/zh
Publication of CN110827038A publication Critical patent/CN110827038A/zh
Pending legal-status Critical Current

Links

Images

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
    • G06Q20/00—Payment architectures, schemes or protocols
    • G06Q20/38—Payment protocols; Details thereof
    • G06Q20/42—Confirmation, e.g. check or permission by the legal debtor of payment
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/044—Recurrent networks, e.g. Hopfield networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G06N3/084—Backpropagation, e.g. using gradient descent
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Accounting & Taxation (AREA)
  • Biomedical Technology (AREA)
  • Data Mining & Analysis (AREA)
  • Strategic Management (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Finance (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • General Business, Economics & Management (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Computer Security & Cryptography (AREA)
  • Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)

Abstract

本说明书实施例公开了账户权限的管理方法和账户权限的管理设备。本说明书的一个实施例提供的账户权限的管理方法，包括：从账户名称中提取关键词，将提取出的关键词与关键词库中的关键词进行匹配；如果匹配成功，确定账户属于第一类账户；如果匹配不成功，检测账户的历史交易事件是否满足预设的条件；如果满足，确定账户属于第一类账户；如果不满足，对账户的历史交易事件中的预设类型的交易事件的备注信息进行命名实体识别，以确定账户是否属于第一类账户；以及，如果账户属于第一类账户，禁止关闭账户的第一权限。本说明书的一个实施例提供的账户权限的管理方法，用于提供精细化的权限管理。

Description

账户权限的管理方法和设备
技术领域
本说明书涉及电子支付技术领域，更具体地，涉及账户权限的管理方法和账户权限的管理设备。
背景技术
随着电子支付技术的迅猛发展，用户已经越来越习惯通过银行平台或者第三方支付平台进行在线支付操作。
出于账户安全的考虑，这些电子支付平台会对用户的账户进行监控，当发现账户存在一定的风险时，例如存在被盗用的风险时，平台需要实施一些权限管控措施来保障相关账户的资金不受损害、不被用于实施非法行为等。为了更好地对账户权限进行管控，需要提供精细化的权限管理方案。
发明内容
本说明书公开的实施例提供管理账户权限的新方案。
根据本说明书公开的第一方面，提供了账户权限的管理方法，包括以下步骤：
从账户名称中提取关键词，将提取出的关键词与关键词库中的关键词进行匹配；如果匹配成功，确定所述账户属于第一类账户；
如果匹配不成功，检测所述账户的历史交易事件是否满足预设的条件；如果满足，确定所述账户属于第一类账户；
如果不满足，对所述账户的历史交易事件中的预设类型的交易事件的备注信息进行命名实体识别，以确定所述账户是否属于第一类账户；以及，
如果所述账户属于第一类账户，禁止关闭所述账户的第一权限。
可选地或者优选地，从账户名称中提取关键词包括：
对所述账户名称进行分词处理得到多个词元；
对所述账户的词元的任意组合进行权重分析，以过滤掉不重要的词元；
将剩余的词元作为提取出的关键词。
可选地或者优选地，所述预设的条件包括下列任一或者任意组合：
所述账户的历史交易事件中的预设类型的交易事件的总件数与所述账户的历史交易事件的总件数的比值达到预设的阈值；
所述账户的历史交易事件中的预设类型的交易事件的总交易金额与所述账户的历史交易事件的总交易金额的比值达到预设的阈值；
所述账户的历史交易事件中的预设类型的交易事件的货品数量达到预设的阈值。
可选地或者优选地，所述账户为企业账户，所述第一权限为退款权限，所述预设的条件包括：
所述账户的历史交易事件中的退款事件的总件数与所述账户的历史交易事件的总件数的比值达到预设的阈值；或者，
所述账户的历史交易事件中的付款事件的总交易金额与所述账户的历史交易事件的总交易金额的比值达到预设的阈值并且所述账户的历史交易事件中的付款事件的货品数量达到预设的阈值。
可选地或者优选地，对所述账户的历史交易事件中的预设类型的交易事件的备注信息进行命名实体识别，以确定所述账户是否属于第一类账户，包括：
对所述预设类型的交易事件的备注信息进行特征提取，获得所述备注信息的词元的向量化的特征，所述备注信息的词元的向量化的特征包括表征词元的词性的特征、表征词元的权重的特征、以及表征词元与前后相邻词元的关联程度的特征；
对所述预设类型的交易事件的备注信息的词元组合进行概率预测，将概率最大的词元组合作为所述预设类型的交易事件的标签；所述词元组合中至少包括一个词元；
将所述预设类型的交易事件的标签与标签库中的标签进行匹配，如果匹配成功，确定所述账户属于第一类账户。
可选地或者优选地，通过双向长短时记忆循环神经网络模型对所述预设类型的交易事件的备注信息进行特征提取；
通过条件随机场网络模型对所述预设类型的交易事件的备注信息的词元组合进行概率预测。
可选地或者优选地，所述账户为企业账户，所述第一权限为退款权限；
通过双向长短时记忆循环神经网络-条件随机场网络联合模型对所述账户的历史交易事件中的预设类型的交易事件的备注信息进行命名实体识别；
所述双向长短时记忆循环神经网络-条件随机场网络联合模型是利用训练集和测试集进行半监督训练得到，所述训练集包括退款事件的样本数据和转账事件的样本数据，所述测试集只包括退款事件的样本数据。
根据本说明书公开的第二方面，提供了账户权限的管理设备，包括：
账户类别识别模块，用于从账户名称中提取关键词，将提取出的关键词与关键词库中的关键词进行匹配；如果匹配成功，确定所述账户属于第一类账户；如果匹配不成功，检测所述账户的历史交易事件是否满足预设的条件；如果满足，确定所述账户属于第一类账户；如果不满足，对所述账户的历史交易事件中的预设类型的交易事件的备注信息进行命名实体识别，以确定所述账户是否属于第一类账户；
权限管理模块，用于如果所述账户属于第一类账户，禁止关闭所述账户的第一权限。
可选地或者优选地，从账户名称中提取关键词包括：
对所述账户名称进行分词处理得到多个词元；
对所述账户的词元的任意组合进行权重分析，以过滤掉不重要的词元；
将剩余的词元作为提取出的关键词。
可选地或者优选地，对所述账户的历史交易事件中的预设类型的交易事件的备注信息进行命名实体识别，以确定所述账户是否属于第一类账户，包括：
对所述预设类型的交易事件的备注信息进行特征提取，获得所述备注信息的词元的向量化的特征，所述备注信息的词元的向量化的特征包括表征词元的词性的特征、表征词元的权重的特征、以及表征词元与前后相邻词元的关联程度的特征；
对所述预设类型的交易事件的备注信息的词元组合进行概率预测，将概率最大的词元组合作为所述预设类型的交易事件的标签；所述词元组合中至少包括一个词元；
将所述预设类型的交易事件的标签与标签库中的标签进行匹配，如果匹配成功，确定所述账户属于第一类账户。
根据本说明书公开的第三方面，提供了账户权限的管理设备，包括处理器和存储器；所述存储器中存储有指令，所述指令被所述处理器执行时，实现前述任一项所述的账户权限的管理方法。
通过以下参照附图对本说明书的示例性实施例的详细描述，本说明书的实施例的特征及其优点将会变得清楚。
附图说明
被结合在说明书中并构成说明书的一部分的附图示出了本说明书的实施例，并且连同其说明一起用于解释本说明书实施例的原理。
图1是本说明书一个实施例提供的电子支付系统的框图。
图2是本说明书一个实施例提供的账户权限的管理方法的框图；
图3是本说明书一个实施例提供的从账户名称中提取关键词的流程图；
图4是本说明书一个实施例提供的对备注信息进行命名实体识别的流程图；
图5是本说明书一个实施例提供的BiLSTM-CRF模型的结构的示意图；
图6是本说明书一个实施例提供的BiLSTM-CRF模型的训练方式的示意图；
图7是本说明书一个实施例提供的账户权限的管理设备的框图；
图8是本说明书一个实施例提供的账户权限的管理设备的框图。
具体实施方式
现在将参照附图来详细描述本说明书的各种示例性实施例。
以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本说明书实施例及其应用或使用的任何限制。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步讨论。
<电子支付系统>
图1是本说明书实施例提供的电子支付系统的框图。如图1所示，该电子系统包括第三方支付平台的服务器101和海量用户的终端设备103。该电子系统还可以包括网络银行平台，非银行支付机构网络支付清算平台(以下简称网联平台)。第三方支付平台、网络银行平台、网联平台、终端设备103之间可以通过网络102通信连接。
第三方支付平台的服务器101的配置可以包括但不限于：处理器1011、存储器1012、接口装置1013、通信装置1014、输入装置1015、输出装置1016。处理器1011可以包括但不限于中央处理器CPU、微处理器MCU等。存储器1012可以包括但不限于ROM(只读存储器)、RAM(随机存取存储器)、诸如硬盘的非易失性存储器等。接口装置1013可以包括但不限于USB接口、串行接口、并行接口等。通信装置1014例如能够进行有线通信或无线通信，具体地可以包括WiFi通信、蓝牙通信、2G/3G/4G/5G通信等。输入装置1015包括但不限于键盘、鼠标、触摸屏、麦克风等。输出装置1016包括但不限于显示屏、扬声器等。服务器101的配置也可以仅包括上述装置中的部分装置。
网络银行平台的服务器和网联平台的服务器的配置可以参考第三方支付平台的服务器101的配置，这里不再赘述。
终端设备103例如可以是安装有智能操作系统(例如安卓、IOS、Windows、Linux等系统)的电子设备，包括但不限于便携式电脑、台式计算机、手机、平板电脑等。终端设备103的配置包括但不限于处理器1031、存储器1032、接口装置1033、通信装置1034、GPU(Graphics Processing Unit，图像处理器)1035、显示装置1036、输入装置1037、扬声器1038、麦克风1039、以及相机1030。处理器1031包括但不限于中央处理器CPU、微处理器MCU等。存储器1032包括但不限于ROM(只读存储器)、RAM(随机存取存储器)、诸如硬盘的非易失性存储器等。接口装置1033包括但不限于USB接口、串行接口、并行接口等。通信装置1034例如能够进行有线通信或无线通信，具体地可以包括WiFi通信、蓝牙通信、2G/3G/4G/5G通信等。GPU 1035用于对图像进行处理。显示装置1036包括但不限于液晶屏、触摸屏等。输入装置1037包括但不限于键盘、鼠标、触摸屏等。终端设备103的配置也可以仅包括上述装置中的部分装置。
应用于本说明书的一个实施例中，用户可以通过终端设备103搭载的第三方支付APP(application，应用)实现对第三方支付账户的操作，例如实现付款、转账、退款的操作。终端设备103运行第三方支付APP的过程中，可以与第三方支付平台的服务器101进行交互。第三方支付平台在实现用户的需求时，可以与网络银行平台、网联平台进行交互。
应用于本说明书的一个实施例中，用户可以通过终端设备103搭载的网络银行APP实现对网络银行账户的操作，例如实现付款、转账、退款的操作。终端设备103运行网络银行APP的过程中，可以与网络银行平台的服务器进行交互。
图1所示的电子支付系统仅仅是说明性的并且绝不意味着对本说明书实施例、其应用或使用的任何限制。本领域技术人员应当理解，尽管前面描述了平台的服务器和终端设备的多个装置，但是，本说明书实施例可以仅涉及其中的部分装置。例如，平台的服务器可以只涉及处理器、存储器以及通信装置，终端设备可以只涉及处理器、存储器、通信装置、显示屏以及扬声器。本领域技术人员可以根据本说明书实施例所公开的方案设计指令。指令如何控制处理器进行操作，是本领域公知技术，故在此不再详细描述。
<账户权限的管理方法>
本说明书的一个实施例提供的账户权限的管理方法，可以由第三方支付平台的服务器实施，以对用户的第三方支付账户进行管理。
本说明书的另一个实施例提供的账户权限的管理方法，可以由网络银行的服务器实施，以对用户的网络银行账户进行管理。
参照图2说明本说明书的一个实施例提供的账户权限的管理方法，该账户权限的管理方法包括以下步骤：
202、确定用户的账户是否属于第一类账户。
从账户名称中提取关键词，将提取出的关键词与关键词库中的关键词进行匹配。
如果提取出的关键词与关键词库中的关键词匹配成功，确定账户属于第一类账户。
如果提取出的关键词与关键词库中的关键词匹配不成功，进一步检测账户的历史交易事件是否满足预设的条件。
如果账户的历史交易事件满足预设的条件，确定账户属于第一类账户。
如果账户的历史交易事件不满足预设的条件，进一步对账户的历史交易事件中的预设类型的交易事件的备注信息进行命名实体识别，以确定账户是否属于第一类账户。
204、如果账户属于第一类账户，禁止关闭账户的第一权限。
本实施例的基本构思是：对于第一类账户来说，第一权限是非常重要的；当账户发生风险，平台方决定要对第一类账户的权限进行限制时，可以不对第一权限进行限制，第一类账户的用户仍然可以对账户进行与第一权限相关的操作。也就是说，第一类账户与第一权限预先形成了绑定关系，不对第一账户的第一权限进行限制。这里的第一权限仅仅是示意性的，第一权限可以仅包括一个权限，也可以包括几个权限。例如，对于酒店类公司账户来说，经常需要退回住宿者的押金，那么退款权限对于这一类用户来说就是非常重要的，当酒店类公司账户出现风险时，平台在决定要对其进行权限管控时，不要关闭账户的退款权限，可以关闭账户的其它权限。
用户的账户的名称、账户的历史交易事件、账户的历史交易事件的备注信息都有可能能够体现用户的主营业务和/或账户的常用操作。因此，可以根据这些信息判断用户的账户是否属于第一类账户。
在步骤202中，对账户进行识别，确定账户是否属于第一类账户，可以通过递进的方式实现。具体地，首先通过账户的名称判断账户是否属于第一类账户。如果根据账户的名称无法判断出账户是否属于第一类账户，进一步根据账户的历史交易事件判断账户是否属于第一类账户。如果根据账户的历史交易事件无法判断出账户是否属于第一类账户，进一步根据预设类型的历史交易事件的备注信息判断账户是否属于第一类账户。
根据账户的名称判断账户是否属于第一类账户，包括：从账户名称中提取关键词，将提取出的关键词与关键词库中的关键词进行匹配。如果从账户名称中提取的关键词和关键词库中的任一个关键词一致，则匹配成功，该账户属于第一类账户。关键词库中的关键词，可以通过对大量的已确定为第一类账户的账户名称进行统计分析得到，也可以人为设定。
在一个实施例中，参考图3所示，从账户名称中提取关键词包括：
402、对账户名称进行分词处理得到多个词元。可以通过任意分词算法对账户名称进行分词处理，本实施例对此不做限定。
404、对账户的词元的任意组合进行权重分析，以过滤掉不重要的词元。在一个具体的例子中，对账户的词元的任意组合进行TF-IDF权重分析，以过滤掉不重要的词元。TF-IDF(term frequency–inverse document frequency，词频-逆向文档频率)算法是一种用于信息检索与数据挖掘的加权算法。TF的意思是词频(Term Frequency)，IDF的意思是逆文本频率指数(Inverse Document Frequency)，该算法的核心思想是字词的重要性随着它在文件中出现的次数成正比增加，但同时会随着它在总语料库中出现的频率成反比下降。例如，对账户的词元的任意组合进行TF-IDF权重分析，过滤掉企业账户名称中普遍存在的“有限公司”、“某某市”这样的不重要词元。
406、将剩余的词元作为提取出的关键词。
如果匹配不成功，根据账户的名称无法判断出账户是否属于第一类账户，进一步根据账户的历史交易事件判断账户是否属于第一类账户。
在一个实施例中，检测账户的历史交易事件是否满足预设的条件，如果账户的历史交易事件满足预设的条件，判定该账户为第一类型账户。
在一个实施例中，预设的条件可以包括下列条件任一或者任意组合：
条件1：账户的历史交易事件中的预设类型的交易事件的总件数与账户的历史交易事件的总件数的比值达到预设的阈值。
条件2：账户的历史交易事件中的预设类型的交易事件的总交易金额与账户的历史交易事件的总交易金额的比值达到预设的阈值。
条件3：账户的历史交易事件中的预设类型的交易事件的货品数量达到预设的阈值。
条件1，条件2，条件3中的预设类型的交易事件以及阈值是根据第一类账户的总体的实际应用情况设定的，可能是相同类型的交易事件或者不同类型的交易事件。
如果账户的历史交易事件不满足预设的条件，无法判定该账户是否为第一类型账户，则进一步根据账户的历史交易事件中的预设类型的交易事件的备注信息判断账户是否为第一类型账户。
参考图4所示，在一个实施例中，根据账户的历史交易事件中的预设类型的交易事件的备注信息判断账户是否为第一类型账户，是对账户的历史交易事件中的预设类型的交易事件的备注信息进行命名实体识别，以确定账户是否属于第一类账户，具体包括：
602、对预设类型的交易事件的备注信息进行特征提取，获得备注信息的词元的向量化的特征，备注信息的词元的向量化的特征包括表征词元的词性的特征、表征词元的权重的特征、以及表征词元与前后相邻词元的关联程度的特征。
在一个实施例中，可以通过双向长短时记忆循环神经网络(Bi-directionalLongShort-Term Memory网络，简称为Bi-LSTM网络或者BiLSTM网络)对预设类型的交易事件的备注信息进行特征提取，利用BiLSTM网络进行特征提取时，会在向前和向后两个方向推算，能够得到表征词元与前后相邻词元的关联程度的特征。
604、对预设类型的交易事件的备注信息的词元组合进行概率预测，将概率最大的词元组合作为预设类型的交易事件的标签；词元组合中至少包括一个词元。
在一个实施例中，通过条件随机场网络(Conditional Random Field网络，简称为CRF网络)对预设类型的交易事件的备注信息的词元组合进行概率预测。
606、将预设类型的交易事件的标签与标签库中的标签进行匹配，如果匹配成功，确定账户属于第一类账户。
标签库中的标签，可以通过对大量的已确定为第一类账户的账户的预设类型的交易事件的备注信息进行统计分析得到，也可以是人为设定的。
本说明书的一个实施例提供的账户权限的管理方法，具有实时性，可以在发生风险时，在线识别该账户是否属于第一类账户，如果该账户是否属于第一类账户，不要关闭该账户的第一权限。
本说明书的一个实施例提供的账户权限的管理方法，可以将属于第一类账户的账户加入到第一类账户数据库中，当平台方发现某个账户存在风险需要对该账户的权限进行管控时，查询该账户是否存在于第一类账户数据库中，如果该账户存在于第一类账户数据库中，可以不要关闭该账户的第一权限。
本说明书的一个实施例提供的账户权限的管理方法，为平台方提供了精细化的权限管理方案。利用本说明书的一个实施例提供的账户权限的管理方法，平台方可以对其用户的账户进行精细化的权限管控，从而大大降低了对用户的打扰率。利用本说明书的一个实施例提供的账户权限的管理方法，平台方可以对其用户的账户进行精细化的权限管控，避免引起用户不满。
<例子>
下面以一个具体的例子来说明上述实施例提供的账户权限的管理方法中，确定用户的账户是否属于第一类账户的过程。
在这个例子中，账户为企业账户。在本说明书的一个实施例中，企业账户是相对于个人账户而言，除个人账户以外的账户都属于企业账户。
对于某些企业账户来说，退款功能是其日常经营的重要组成部分，这部分企业的账户都属于第一类账户，这种第一类账户又可以称之为退款高需求类账户。对于退款高需求类账户，对应的第一权限为退款权限。例如对于酒店，经常需要退回住宿押金。对于医院，可能需要退回患者的住院押金。对于培训机构，需要退回未用完的学费。对于电商，当买家退货时，需要向买家退回货款。对于票务服务商，当买家退票时，需要向买家退回购票款。对于租赁类企业，经常需要向用户退回设备押金。这些企业的账户都属于退款高需求类账户。
在账户出现风险时，常规情况下，平台方关闭账户的退款功能可以有效的保护用户自有资金不受损害。但对于退款高需求类账户，如果关闭账户的退款权限，将会引起企业日常经营无法进行，极容易引发舆情和用户投诉。因此，平台方需要将退款高需求类账户识别出来，避免关闭其退款权限。
将退款高需求类账户识别出来，可以通过以下三个维度实现。
第一维度：
抽取有过退款行为的企业账户，可以发现退款这一行为集中在酒店类、零售电商、航旅类、票务类、培训机构、医院类和租赁类企业账户上。这些企业账户很多都在账户名称上有显著特征，例如某某旅店有限公司，某某市妇幼保健院，某某票务代理有限公司。根据这些退款集中的企业的账户名称，建立关键词数据库，关键词库中的关键词例如包括“学校”、“票务”、“租车”、“医院”、“保健院”等等。关键词库中的关键词，还可以通过对大量的已人为确定为退款高需求类账户的账户名称进行统计分析得到，也可以人为设定。
对于未知的企业账户，对其账户名称中的关键词进行提取，再与关键词库中的关键词进行匹配，就可以判断出该账户是否属于退款高需求类账户。具体地，首先通过分词算法对账户名称进行分词处理，得到账户名称的词元。然后对账户的词元的任意组合进行TF-IDF权重分析，过滤掉账户名称中普遍存在的“有限公司”、“某某市”这样的不重要词元。剩下的词元都是重要词元，将剩余的词元作为提取出的关键词，到关键词库中进行匹配。例如剩下的词元可能是“医院”，关键词库中的关键词包括“医院”，则匹配成功，该账户为退款高需求类账户。
第二维度：
通过对账户名称进行关键词匹配，已经将大部分的医院类、学校类、酒店类、租赁类和票务类公司识别出来了，但是对于一些名称比较新颖独特的企业，无法仅通过名字判断其是否属于退款高需求类账户。因此，对于匹配不成功的情况，进一步检测账户的历史交易事件是否满足预设的条件，如果满足，确定所述账户属于退款高需求类账户。
在一个实施例中，预设的条件包括：账户的历史交易事件中的退款事件的总件数与账户的历史交易事件的总件数的比值达到预设的阈值。即，如果账户的历史交易事件中，退款事件的占比很高，说明账户属于退款高需求类账户。
在另一个实施例中，预设的条件包括：账户的历史交易事件中的付款事件的总交易金额与账户的历史交易事件的总交易金额的比值达到预设的阈值并且账户的历史交易事件中的付款事件的货品数量达到预设的阈值。即，如果账户的历史交易事件中，购买货品支出的金额的占比很高并且购买的货品数量很多，远超过企业自用需要的数量，说明账户所属的企业为中间销售商，该账户属于退款高需求类账户。
上述两个实施例中的阈值可以根据退款高需求类账户的总体的实际情况设定的，这里不做限定
第三维度：
对于如果账户的历史交易事件不满足预设的条件，无法确定账户是否属于退款高需求类账户的情况，进一步地，利用账户的历史交易事件中的退款事件的备注信息判断账户是否属于退款高需求类账户。
对于退款高需求类账户的企业，当需要退款或者退回押金时，其备注信息往往具有共同性，例如备注信息为“学费退款”、“住宿费”、“押金退还”、“住院押金”、“退房费”等等。因此，可以利用退款事件的备注信息判断账户是否属于退款高需求类账户。
在一个实施例中，可以预先对大量的已确定为退款高需求类账户的退款事件的备注信息进行统计分析，得到退款事件的标签，形成标签库。在另一个实施例中，可以人为设定标签库中的标签。
在一个具体的例子中，利用双向长短时记忆循环神经网络-条件随机场网络联合模型(Bi-directionalLong Short-Term Memory&Conditional Random Field模型，简称为BiLSTM-CRF模型)对账户的历史交易事件中的退款事件的备注信息进行命名实体识别，以确定所述账户是否属于退款高需求类账户。命名实体识别是自然语言处理中信息提取的一种方式，可以定位到自然语言文本中设定好的类别实体，例如时间、地点、人物、事件、货币信息等。
参考图5说明使用BiLSTM-CRF模型进行命名实体识别的一个例子：
将退款事件的备注信息进行分词，得到备注信息的词元W1，W2，W3，W4，W5。
将备注信息的词元W1，W2，W3，W4，W5输入到BiLSTM-CRF模型中，首先通过BiLSTM网络进行特征提取，得到词元的向量化的特征，包括表征词元的词性的特征、表征词元的权重的特征、以及表征词元与前后相邻词元的关联程度的特征，图5中的具体数字就是词元的向量化的特征的示例。
然后将备注信息的词元的向量化的特征输入到CRF网络中，通过CRF网络对备注信息的任意词元组合进行概率预测，得到预测结果，将概率最大的词元组合作为退款事件的标签输出。
然后，利用退款事件的标签与标签库中的标签进行匹配。如果账户的退款事件的标签和标签库中的任一个关键词一致，则匹配成功，该账户属于退款高需求类账户。
下面参照图6说明得到上述BiLSTM-CRF模型的训练过程。BiLSTM-CRF模型是利用训练集和测试集进行半监督训练得到，训练集包括有标签的退款事件的样本数据和有标签的转账事件的样本数据，测试集只包括无标签的退款事件的样本数据。利用训练集对于基础的BiLSTM-CRF模型训练，再利用测试集对模型进一步调参，得到最终的BiLSTM-CRF模型。
退款事件的样本数量相对较少，其备注信息往往是“退款”或者“转账”，而转账事件的备注信息也往往是“转账”，由于退款事件和转账事件的备注信息差异很小，对训练结果的影响也比较小。因此，可以利用有标签的退款事件的样本数据和有标签的转账事件的样本数据对模型进行初步训练。然后，利用无标签的退款事件的样本数据对模型调参，获得比较准确的最终模型。
在这个例子中，基于企业账户自身的数据，利用机器学习等方法，对是否适用关闭退款功能做出系统性地适用性判断。
本说明书的一个实施例提供的账户权限的管理方法，针对企业本身性质进行关闭退款权限的区分。本说明书的一个实施例提供的账户权限的管理方法，具有高准确性。
<账户权限的管理设备>
图7是本说明书的一个实施例提供的账户权限的管理设备900的示意图，该管理设备900用于对用户的账户权限进行管理，该管理设备900包括账户类别识别模块901和权限管理模块902。
账户类别识别模块901，用于从账户名称中提取关键词，将提取出的关键词与关键词库中的关键词进行匹配；如果匹配成功，确定账户属于第一类账户；如果匹配不成功，检测账户的历史交易事件是否满足预设的条件；如果满足，确定账户属于第一类账户；如果不满足，对账户的历史交易事件中的预设类型的交易事件的备注信息进行命名实体识别，以确定账户是否属于第一类账户；
权限管理模块902，用于如果账户属于第一类账户，禁止关闭账户的第一权限。
账户类别识别模块901和权限管理模块902可以由具有处理功能的装置实现，例如由中央处理器、微型处理器实现。
在一个实施例中，从账户名称中提取关键词包括：
对账户名称进行分词处理得到多个词元；
对所述账户的词元的任意组合进行权重分析，以过滤掉不重要的词元；
将剩余的词元作为提取出的关键词。
在一个实施例中，预设的条件包括下列任一或者任意组合：
账户的历史交易事件中的预设类型的交易事件的总件数与账户的历史交易事件的总件数的比值达到预设的阈值；
账户的历史交易事件中的预设类型的交易事件的总交易金额与账户的历史交易事件的总交易金额的比值达到预设的阈值；
账户的历史交易事件中的预设类型的交易事件的货品数量达到预设的阈值。
在一个实施例中，对账户的历史交易事件中的预设类型的交易事件的备注信息进行命名实体识别，以确定账户是否属于第一类账户，包括：
对预设类型的交易事件的备注信息进行特征提取，获得备注信息的词元的向量化的特征，备注信息的词元的向量化的特征包括表征词元的词性的特征、表征词元的权重的特征、以及表征词元与前后相邻词元的关联程度的特征；
对预设类型的交易事件的备注信息的词元组合进行概率预测，将概率最大的词元组合作为预设类型的交易事件的标签；词元组合中至少包括一个词元；
将预设类型的交易事件的标签与标签库中的标签进行匹配，如果匹配成功，确定账户属于第一类账户。
在一个实施例中，通过双向长短时记忆循环神经网络模型对预设类型的交易事件的备注信息进行特征提取。
在一个实施例中，通过条件随机场网络模型对预设类型的交易事件的备注信息的词元组合进行概率预测。
在一个实施例中，账户为企业账户，第一权限为退款权限，预设的条件包括：
账户的历史交易事件中的退款事件的总件数与账户的历史交易事件的总件数的比值达到预设的阈值。
在一个实施例中，账户为企业账户，第一权限为退款权限，预设的条件包括：
账户的历史交易事件中的付款事件的总交易金额与账户的历史交易事件的总交易金额的比值达到预设的阈值并且账户的历史交易事件中的付款事件的货品数量达到预设的阈值。
在一个实施例中，账户为企业账户，第一权限为退款权限；
通过双向长短时记忆循环神经网络-条件随机场网络联合模型对账户的历史交易事件中的预设类型的交易事件的备注信息进行命名实体识别；
双向长短时记忆循环神经网络-条件随机场网络联合模型是利用训练集和测试集进行半监督训练得到，训练集包括退款事件的样本数据和转账事件的样本数据，测试集只包括退款事件的样本数据。
本说明书的一个实施例提供的账户权限的管理设备，可以是平台方的服务器。本说明书的一个实施例提供的账户权限的管理设备，为平台方提供了精细化的权限管理方案。利用本说明书的一个实施例提供的账户权限的管理设备，平台方可以对其用户的账户进行精细化的权限管控，从而大大降低了对用户的打扰率。利用本说明书的一个实施例提供的账户权限的管理设备，平台方可以对其用户的账户进行精细化的权限管控，避免引起用户不满。
<账户权限的管理设备>
图8是本说明书的一个实施例提供的账户权限的管理设备800的示意图，该管理设备800用于对用户的账户权限进行管理，该管理设备800包括存储器802和处理器801。
存储器802存储有计算机程序，所述计算机程序被处理器801执行时实现前述任一项实施例公开的账户权限的管理方法。
本说明书的一个实施例提供的账户权限的管理设备，可以是平台方的服务器。本说明书的一个实施例提供的账户权限的管理设备，为平台方提供了精细化的权限管理方案。利用本说明书的一个实施例提供的账户权限的管理设备，平台方可以对其用户的账户进行精细化的权限管控，从而大大降低了对用户的打扰率。利用本说明书的一个实施例提供的账户权限的管理设备，平台方可以对其用户的账户进行精细化的权限管控，避免引起用户不满。
<计算机可读介质>
本说明书实施例还提供了一种计算机可读介质，其上存储有计算机程序，当计算机程序被处理器执行时实现前述任一项实施例公开的账户权限的管理方法。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置、设备实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
本说明书的实施例可以是系统、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质，其上载有用于使处理器实现本说明书实施例的各个方面的计算机可读程序指令。
计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身，诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如，通过光纤电缆的光脉冲)、或者通过电线传输的电信号。
这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备，或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令，并转发该计算机可读程序指令，以供存储在各个计算/处理设备中的计算机可读存储介质中。
用于执行本说明书的实施例操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码，所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等，以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中，通过利用计算机可读程序指令的状态信息来个性化定制电子电路，例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA)，该电子电路可以执行计算机可读程序指令，从而实现本说明书实施例的各个方面。
这里参照根据本说明书实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本说明书实施例的各个方面。应当理解，流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合，都可以由计算机可读程序指令实现。
这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器，从而生产出一种机器，使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时，产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中，这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作，从而，存储有指令的计算机可读介质则包括一个制造品，其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。
也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上，使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤，以产生计算机实现的过程，从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。
附图中的流程图和框图显示了根据本说明书的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分，所述模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。对于本领域技术人员来说公知的是，通过硬件方式实现、通过软件方式实现以及通过软件和硬件结合的方式实现都是等价的。
以上已经描述了本说明书的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术的技术改进，或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。

Claims (11)

1.一种账户权限的管理方法，包括以下步骤：
从账户名称中提取关键词，将提取出的关键词与关键词库中的关键词进行匹配；如果匹配成功，确定所述账户属于第一类账户；
如果匹配不成功，检测所述账户的历史交易事件是否满足预设的条件；如果满足，确定所述账户属于第一类账户；
如果不满足，对所述账户的历史交易事件中的预设类型的交易事件的备注信息进行命名实体识别，以确定所述账户是否属于第一类账户；以及，
如果所述账户属于第一类账户，禁止关闭所述账户的第一权限。
2.根据权利要求1所述的方法，从账户名称中提取关键词包括：
对所述账户名称进行分词处理得到多个词元；
对所述账户的词元的任意组合进行权重分析，以过滤掉不重要的词元；
将剩余的词元作为提取出的关键词。
3.根据权利要求1所述的方法，所述预设的条件包括下列任一或者任意组合：
所述账户的历史交易事件中的预设类型的交易事件的总件数与所述账户的历史交易事件的总件数的比值达到预设的阈值；
所述账户的历史交易事件中的预设类型的交易事件的总交易金额与所述账户的历史交易事件的总交易金额的比值达到预设的阈值；
所述账户的历史交易事件中的预设类型的交易事件的货品数量达到预设的阈值。
4.根据权利要求1所述的方法，所述账户为企业账户，所述第一权限为退款权限，所述预设的条件包括：
所述账户的历史交易事件中的退款事件的总件数与所述账户的历史交易事件的总件数的比值达到预设的阈值；或者，
所述账户的历史交易事件中的付款事件的总交易金额与所述账户的历史交易事件的总交易金额的比值达到预设的阈值并且所述账户的历史交易事件中的付款事件的货品数量达到预设的阈值。
5.根据要求1所述的方法，对所述账户的历史交易事件中的预设类型的交易事件的备注信息进行命名实体识别，以确定所述账户是否属于第一类账户，包括：
对所述预设类型的交易事件的备注信息进行特征提取，获得所述备注信息的词元的向量化的特征，所述备注信息的词元的向量化的特征包括表征词元的词性的特征、表征词元的权重的特征、以及表征词元与前后相邻词元的关联程度的特征；
对所述预设类型的交易事件的备注信息的词元组合进行概率预测，将概率最大的词元组合作为所述预设类型的交易事件的标签；所述词元组合中至少包括一个词元；
将所述预设类型的交易事件的标签与标签库中的标签进行匹配，如果匹配成功，确定所述账户属于第一类账户。
6.根据权利要求5所述的方法，通过双向长短时记忆循环神经网络模型对所述预设类型的交易事件的备注信息进行特征提取；
通过条件随机场网络模型对所述预设类型的交易事件的备注信息的词元组合进行概率预测。
7.根据权利要求1所述的方法，所述账户为企业账户，所述第一权限为退款权限；
通过双向长短时记忆循环神经网络-条件随机场网络联合模型对所述账户的历史交易事件中的预设类型的交易事件的备注信息进行命名实体识别；
所述双向长短时记忆循环神经网络-条件随机场网络联合模型是利用训练集和测试集进行半监督训练得到，所述训练集包括退款事件的样本数据和转账事件的样本数据，所述测试集只包括退款事件的样本数据。
8.一种账户权限的管理设备，包括：
账户类别识别模块，用于从账户名称中提取关键词，将提取出的关键词与关键词库中的关键词进行匹配；如果匹配成功，确定所述账户属于第一类账户；如果匹配不成功，检测所述账户的历史交易事件是否满足预设的条件；如果满足，确定所述账户属于第一类账户；如果不满足，对所述账户的历史交易事件中的预设类型的交易事件的备注信息进行命名实体识别，以确定所述账户是否属于第一类账户；
权限管理模块，用于如果所述账户属于第一类账户，禁止关闭所述账户的第一权限。
9.根据权利要求8所述的设备，从账户名称中提取关键词包括：
对所述账户名称进行分词处理得到多个词元；
对所述账户的词元的任意组合进行权重分析，以过滤掉不重要的词元；
将剩余的词元作为提取出的关键词。
10.根据权利要求8所述的设备，对所述账户的历史交易事件中的预设类型的交易事件的备注信息进行命名实体识别，以确定所述账户是否属于第一类账户，包括：
对所述预设类型的交易事件的备注信息进行特征提取，获得所述备注信息的词元的向量化的特征，所述备注信息的词元的向量化的特征包括表征词元的词性的特征、表征词元的权重的特征、以及表征词元与前后相邻词元的关联程度的特征；
对所述预设类型的交易事件的备注信息的词元组合进行概率预测，将概率最大的词元组合作为所述预设类型的交易事件的标签；所述词元组合中至少包括一个词元；
将所述预设类型的交易事件的标签与标签库中的标签进行匹配，如果匹配成功，确定所述账户属于第一类账户。
11.一种账户权限的管理设备，包括处理器和存储器；所述存储器中存储有指令，所述指令被所述处理器执行时，实现权利要求1-7任一项所述的方法。
CN201910962635.2A 2019-10-11 2019-10-11 账户权限的管理方法和设备 Pending CN110827038A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910962635.2A CN110827038A (zh) 2019-10-11 2019-10-11 账户权限的管理方法和设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910962635.2A CN110827038A (zh) 2019-10-11 2019-10-11 账户权限的管理方法和设备

Publications (1)

Publication Number Publication Date
CN110827038A true CN110827038A (zh) 2020-02-21

Family

ID=69549192

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910962635.2A Pending CN110827038A (zh) 2019-10-11 2019-10-11 账户权限的管理方法和设备

Country Status (1)

Country Link
CN (1) CN110827038A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112596647A (zh) * 2020-12-21 2021-04-02 百度在线网络技术（北京）有限公司 用于输出信息的方法、装置、设备、存储介质、程序
CN117764731A (zh) * 2023-12-20 2024-03-26 苏州区盟链数字科技有限公司 基于数字人民币结算系统的处理方法及平台

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105427166A (zh) * 2015-11-13 2016-03-23 中国建设银行股份有限公司 一种银行账户类型的检测方法及系统
CN106651382A (zh) * 2015-10-27 2017-05-10 阿里巴巴集团控股有限公司 一种业务操作所属业务类别的识别方法及装置
CN108122163A (zh) * 2017-11-14 2018-06-05 阿里巴巴集团控股有限公司 基于互联网信贷的风险监控方法、装置及设备
CN109872232A (zh) * 2019-01-04 2019-06-11 平安科技（深圳）有限公司 涉及非法所得合法化行为的账户分类方法、装置、计算机设备及存储介质
CN110032622A (zh) * 2018-11-28 2019-07-19 阿里巴巴集团控股有限公司 关键词确定方法、装置、设备及计算机可读存储介质

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106651382A (zh) * 2015-10-27 2017-05-10 阿里巴巴集团控股有限公司 一种业务操作所属业务类别的识别方法及装置
CN105427166A (zh) * 2015-11-13 2016-03-23 中国建设银行股份有限公司 一种银行账户类型的检测方法及系统
CN108122163A (zh) * 2017-11-14 2018-06-05 阿里巴巴集团控股有限公司 基于互联网信贷的风险监控方法、装置及设备
CN110032622A (zh) * 2018-11-28 2019-07-19 阿里巴巴集团控股有限公司 关键词确定方法、装置、设备及计算机可读存储介质
CN109872232A (zh) * 2019-01-04 2019-06-11 平安科技（深圳）有限公司 涉及非法所得合法化行为的账户分类方法、装置、计算机设备及存储介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
翟社平等: "基于BILSTM_CＲF 的知识图谱实体抽取方法", 《计算机应用与软件》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112596647A (zh) * 2020-12-21 2021-04-02 百度在线网络技术（北京）有限公司 用于输出信息的方法、装置、设备、存储介质、程序
CN117764731A (zh) * 2023-12-20 2024-03-26 苏州区盟链数字科技有限公司 基于数字人民币结算系统的处理方法及平台
CN117764731B (zh) * 2023-12-20 2024-06-07 苏州区盟链数字科技有限公司 基于数字人民币结算系统的处理方法及平台

Similar Documents

Publication Publication Date Title
Cumbley et al. Is “big data” creepy?
US10467631B2 (en) Ranking and tracking suspicious procurement entities
Huebner et al. What people like in mobile finance apps: An analysis of user reviews
US20220382997A1 (en) Assessing complexity of dialogs to streamline handling of service requests
CN111210335B (zh) 用户风险识别方法、装置及电子设备
US11869030B1 (en) Systems and methods for electronic payment using loyalty rewards
CN110827033A (zh) 信息处理方法、装置及电子设备
US20190279228A1 (en) Suspicious activity report smart validation
CN113393306A (zh) 产品推荐方法、装置、电子设备及计算机可读介质
CN111598122A (zh) 数据校验方法、装置、电子设备和存储介质
CN110827038A (zh) 账户权限的管理方法和设备
US11188967B2 (en) Systems and methods for using keywords extracted from reviews
CN110689426A (zh) 一种风险识别方法、装置、电子设备及存储介质
US20170103059A1 (en) Method and system for preserving sensitive information in a confidential document
US20220027876A1 (en) Consolidating personal bill
EP3819852A1 (en) Systems and methods for using keywords extracted from reviews
CN113962817B (zh) 异常人员识别方法及装置、电子设备和存储介质
CN111767936A (zh) 地址相似性的检测方法和装置
CA3134673C (en) Methods and systems for generating search results
CN115482094A (zh) 一种业务处理方法、装置、电子设备及计算机可读介质
CN110163482B (zh) 确定活动方案的安全方案数据的方法、终端设备及服务器
Roseli et al. FACTORS INFLUENCING CONSUMERS’PERCEPTION TOWARDS MOBILE PAYMENT USAGE IN MALAYSIA
CN112825174A (zh) 诉讼预判的方法、装置、系统及计算机存储介质
CN111767728A (zh) 短文本分类方法、装置、设备以及存储介质
Dange et al. Decentralized Fundraising Application Using Blockchain

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20200221

RJ01 Rejection of invention patent application after publication