CN111341041B - 一种支付方式确定方法、装置、系统及设备 - Google Patents
一种支付方式确定方法、装置、系统及设备 Download PDFInfo
- Publication number
- CN111341041B CN111341041B CN202010117871.7A CN202010117871A CN111341041B CN 111341041 B CN111341041 B CN 111341041B CN 202010117871 A CN202010117871 A CN 202010117871A CN 111341041 B CN111341041 B CN 111341041B
- Authority
- CN
- China
- Prior art keywords
- data
- payment
- fitness
- index
- terminal equipment
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07G—REGISTERING THE RECEIPT OF CASH, VALUABLES, OR TOKENS
- G07G1/00—Cash registers
- G07G1/0009—Details of the software in the checkout register, electronic cash register [ECR] or point of sale terminal [POS]
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本说明书实施例提供一种支付方式确定方法、装置、系统及设备。方案包括:获取目标用户的终端设备发送的、由所述终端设备确定的多种支付方式的第一适用度指标,再获取在云端计算得到的多种支付方式对应的多个第二适用度指标;根据第一适用度指标以及第二适用度指标确定多种支付方式的排序信息,将排序信息反馈给终端设备,终端设备接服务器反馈的排序信息,并根据排序信息对多种支付方式进行排序。
Description
技术领域
本说明书一个或多个实施例涉及计算机技术领域,尤其涉及一种支付方式确定方法、装置、系统及设备。
背景技术
目前,随着线上支付业务的不断拓展,支付不再仅仅依赖于电脑或手机终端支付APP,支持支付业务的平台越来越多。这对支付鉴权也提出了更高的要求。
现有技术中,通过用户自己手动设置支付方式的方法来满足不同场景下的支付付款,但是,现有技术中的方法,支付方式一旦设定,就是固定的,想用其他支付方式必须重新设置、或者在用户设置的支付方式用不了的情况下,也必须重新设置支付方式,会用户体验不好,比如,在不同终端设备上进行支付时,用户对于支付鉴权产品有不同的需求:在家庭电脑、工作电脑上往往倾向于使用传统的支付密码配合键盘输入,绝大部分用户极少使用电脑配置的指纹功能或摄像头功能;在手机、平板电脑等移动设备上,由于往往会录本地指纹、本地面容信息等,此时,在支付中倾向于使用已录入本机的生物信息进行鉴权。
因此,需要提供一种更可靠的支付方式确定方案。
发明内容
有鉴于此,本说明书一个或多个实施例提供了一种支付方式确定方法、装置、系统及设备,用于在不同的应用场景中为用户提供适用的支付方式,以提高用户体验,进而提高用户的支付效率。
为解决上述技术问题,本说明书实施例是这样实现的:
本说明书实施例提供的一种支付方式确定方法,所述方法应用于服务器,包括:
获取目标用户的终端设备发送的多种支付方式的第一适用度指标,所述第一适用度指标是由所述终端设备确定的,一个所述第一适用度指标用于表示一种支付方式对于所述终端设备的第一适用程度;
获取所述多种支付方式对应的多个第二适用度指标;一个所述第二适用度指标用于表示一种支付方式对于所述终端设备的第二适用程度;所述第二适用度指标是根据使用所述终端设备的用户的数据在云端计算得到的;
根据所述第一适用度指标以及所述第二适用度指标确定多种支付方式的排序信息。
本说明书实施例提供的一种支付方式确定方法,所述方法应用于终端设备,包括:
获取终端设备的终端数据;
对所述终端数据进行处理,得到多种支付方式的第一适用度指标,一个所述第一适用度指标用于表示一种支付方式对于所述终端的第一适用程度;
将所述第一适用度指标发送至服务器;
接收所述服务器反馈的排序信息;所述排序信息用于指示所述终端根据所述排序信息对所述多种支付方式进行排序;所述排序信息是所述服务器根据所述第一适用度指标以及第二适用度指标得到的;一个所述第二适用度指标用于表示一种支付方式对于所述终端设备的第二适用程度;所述第二适用度指标是所述服务器根据使用所述终端设备的用户的数据在云端计算得到的;
根据所述排序信息对所述多种支付方式进行排序。
本说明书实施例提供的一种支付方式确定装置,所述装置应用于服务器,包括:
第一适用度指标获取模块,用于获取目标用户的终端设备发送的多种支付方式的第一适用度指标,所述第一适用度指标是由所述终端设备确定的,一个所述第一适用度指标用于表示一种支付方式对于所述终端设备的第一适用程度;
第二适用度指标获取模块,用于获取所述多种支付方式对应的多个第二适用度指标;一个所述第二适用度指标用于表示一种支付方式对于所述终端设备的第二适用程度;所述第二适用度指标是根据使用所述终端设备的用户的数据在云端计算得到的;
排序信息确定模块,用于根据所述第一适用度指标以及所述第二适用度指标确定多种支付方式的排序信息。
本说明书实施例提供的一种支付方式确定装置,所述装置应用于服务端,包括:
终端数据获取模块,用于获取终端设备的终端数据;
第一适用度指标确定模块,用于对所述终端数据进行处理,得到多种支付方式的第一适用度指标,一个所述第一适用度指标用于表示一种支付方式对于所述终端的第一适用程度;
发送模块,用于将所述第一适用度指标发送至服务器;
接收模块,用于接收所述服务器反馈的排序信息;所述排序信息用于指示所述终端根据所述排序信息对所述多种支付方式进行排序;所述排序信息是所述服务器根据所述第一适用度指标以及第二适用度指标得到的;一个所述第二适用度指标用于表示一种支付方式对于所述终端设备的第二适用程度;所述第二适用度指标是所述服务器根据使用所述终端设备的用户的数据在云端计算得到的;
排序模块,用于根据所述排序信息对所述多种支付方式进行排序。
本说明书实施例提供的一种支付方式确定系统,包括:
服务器和终端设备;
所述服务器用于获取目标用户的终端设备发送的多种支付方式的第一适用度指标,所述第一适用度指标是由所述终端设备确定的,一个所述第一适用度指标用于表示一种支付方式对于所述终端设备的第一适用程度;
获取所述多种支付方式对应的多个第二适用度指标;一个所述第二适用度指标用于表示一种支付方式对于所述终端设备的第二适用程度;所述第二适用度指标是根据使用所述终端设备的用户的数据在云端计算得到的;
根据所述第一适用度指标以及所述第二适用度指标确定多种支付方式的排序信息;
所述终端设备用于获取终端设备的终端数据;
对所述终端数据进行处理,得到多种支付方式的第一适用度指标,一个所述第一适用度指标用于表示一种支付方式对于所述终端的第一适用程度;
将所述第一适用度指标发送至服务器;
接收所述服务器反馈的排序信息;所述排序信息用于指示所述终端根据所述排序信息对所述多种支付方式进行排序;所述排序信息是所述服务器根据所述第一适用度指标以及第二适用度指标得到的;一个所述第二适用度指标用于表示一种支付方式对于所述终端设备的第二适用程度;所述第二适用度指标是所述服务器根据使用所述终端设备的用户的数据在云端计算得到的;
根据所述排序信息对所述多种支付方式进行排序。
本说明书实施例提供的一种支付方式确定设备,所述设备为服务器,包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够:
获取目标用户的终端设备发送的多种支付方式的第一适用度指标,所述第一适用度指标是由所述终端设备确定的,一个所述第一适用度指标用于表示一种支付方式对于所述终端设备的第一适用程度;
获取所述多种支付方式对应的多个第二适用度指标;一个所述第二适用度指标用于表示一种支付方式对于所述终端设备的第二适用程度;所述第二适用度指标是根据使用所述终端设备的用户的数据在云端计算得到的;
根据所述第一适用度指标以及所述第二适用度指标确定多种支付方式的排序信息。
本说明书实施例提供的一种支付方式确定设备,所述设备为终端设备,包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够:
获取终端设备的终端数据;
对所述终端数据进行处理,得到多种支付方式的第一适用度指标,一个所述第一适用度指标用于表示一种支付方式对于所述终端的第一适用程度;
将所述第一适用度指标发送至服务器;
接收所述服务器反馈的排序信息;所述排序信息用于指示所述终端根据所述排序信息对所述多种支付方式进行排序;所述排序信息是所述服务器根据所述第一适用度指标以及第二适用度指标得到的;一个所述第二适用度指标用于表示一种支付方式对于所述终端设备的第二适用程度;所述第二适用度指标是所述服务器根据使用所述终端设备的用户的数据在云端计算得到的;
根据所述排序信息对所述多种支付方式进行排序。
本说明书实施例提供的一种计算机可读介质,其上存储有计算机可读指令,所述计算机可读指令可被处理器执行以实现一种支付方式确定方法。
本说明书一个实施例实现了能够达到以下有益效果:通过获取目标用户的终端设备发送的终端设备确定的多种支付方式的第一适用度指标;获取云端计算得到的多种支付方式对应的多个第二适用度指标;根据所述第一适用度指标以及所述第二适用度指标确定多种支付方式的排序信息。本方案通过结合终端设备以及云端确定的多种支付方式的适用度指标,确定最终的支付方式,能够根据用户使用的支付终端设备的设备信息以及当前应用环境信息,自动分析得到适用于当前应用场景的支付方式,以保证用户在不自行设置支付方式的情况下,也能够获得适用于当前应用环境的支付方式,提高用户的支付体验,进而提高用户的支付效率。
附图说明
此处所说明的附图用来提供对本说明书一个或多个实施例的进一步理解,构成本说明书一个或多个实施例的一部分,本说明书的示意性实施例及其说明用于解释本说明书一个或多个实施例,并不构成对本说明书一个或多个实施例的不当限定。在附图中:
图1为本说明书实施例1提供的一种支付方式确定方法的流程示意图;
图2为本说明书实施例2提供的另一种支付方式确定方法的流程示意图;
图3为本说明书实施例提供的一种支付方式确定方法的具体实现流程框架示意图;
图4为本说明书实施例提供的对应于图1的一种支付方式确定装置的结构示意图;
图5为本说明书实施例提供的对应于图2的一种支付方式确定装置的结构示意图;
图6为本说明书实施例提供的一种支付方式确定设备的结构示意图。
具体实施方式
为使本说明书一个或多个实施例的目的、技术方案和优点更加清楚,下面将结合本说明书具体实施例及相应的附图对本说明书一个或多个实施例的技术方案进行清楚、完整地描述。显然,所描述的实施例仅是本说明书的一部分实施例,而不是全部的实施例。基于本说明中的实施例,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他实施例,都属于本说明书一个或多个实施例保护的范围。
支付鉴权产品可以指的是:基于第三方电子支付的特性,为了避免冒用、盗用、欺诈、赌博等各类违规违法行为的发生,在交易确认支付的过程中,需要核实支出方与所使用资金账户的对应关系,即核验资金账户为本人使用,常见的支付鉴权方式,比如:用户自主设定的支付密码、本机录入的指纹、本机录入的面容、云端比对的刷脸、OTP短信(ne-timePassword,也称动态口令)等等。
已有的确定支付方式的方法中,用户设置的支付方式具有长期性,例如用户开通指纹支付、刷脸支付,此后的支付都会按照用户设置的支付方式进行支付。然而,在不同场景下的支付鉴权的需求是多变的,比如:白天/黑夜、工作/下班、雨雪/晴天、密集人群/稀疏环境下,用户对于支付方式的需求都有可能是不相同的。例如,外卖骑手、建筑施工人员在工作期间,由于戴手套等原因很难使用指纹或者密码进行支付,而更倾向于使用免于按键、更加快捷的刷脸验证。又如,许多用户非常喜爱快捷的刷脸验证,但由于2D摄像头的设备限制,导致在昏暗的环境中,刷脸验证不易于验证通过等,无法满足在不同的应用场景中用户对于支付方式的需求。
当然,在实际应用中,除了保证用户的支付体验外,还需要保证用户的支付安全,如果仅追求支付过程中快速便捷的体验,在任何条件(包括非安全条件)下,都给用户使用通过率最高的支付鉴权产品,则难以有效保障用户的账户安全。此外,随着时代的发展与进步,国家对于用户隐私数据的采集和使用出台了越来越多的法律法规,用户自身的隐私保护意识也在不断提高,对于过量采集使用数据的应用程序会产生负面情绪。
因此,针对上述情况,本方案提供的技术方案能够同时满足所有用户在各类设备上的支付鉴权需求,也能保障用户的隐私安全性。
以下结合附图,详细说明本说明书各实施例提供的技术方案。
实施例1
图1为本说明书实施例1提供的一种支付方式确定方法的流程示意图。从程序角度而言,本实施例的流程的执行主体可以为搭载于应用服务器的程序。
如图1所示,该流程可以包括以下步骤:
步骤102:获取目标用户的终端设备发送的多种支付方式的第一适用度指标,所述第一适用度指标是由所述终端设备确定的,一个所述第一适用度指标用于表示一种支付方式对于所述终端设备的第一适用程度。
在已有的支付方式推荐方法中,通常是从支付平台的云端服务器中获取到相关数据,由云端服务器通过获取的数据进行数据的存储、传输、计算,全部的运行过程都在云端服务器上进行,给云端服务器造成了巨大的压力。特别是在各类营销、促销活动期间,云端系统的压力可能飙升到极限,随着用户的持续增加,支付业务量级的不断提升,仅仅使用云端服务器的能力不能够很好地支撑业务需求。因此,可以将部分的运算过程交由终端设备来运行,服务器可以直接使用终端设备运行得到的结果。上述步骤中,服务器可以直接获取终端发送的多种支付方式的第一适用度指标,以便进行后续的运算。
其中,目标用户可以指的是需要系统为其显示支付方式的用户,比如:用户A需要进行支付,此时系统可以在用户A的终端设备上显示支付方式,用户A为目标用户。
终端设备可以指的是用户用于完成支付的实体设备,包括但不限于智能手机、电脑、智能手表、平板电脑以及物联网支付设备等。
支付方式可以表示的是用户在支付过程中,系统为其提供的支付鉴权产品,除了前面提到的本机录入的指纹、本机录入的面容、云端比对的刷脸、OTP短信(ne-timePassword,也称动态口令)之外,还可以包括OTP邮箱验证、银行卡验证、扫码、声纹以及眼纹等各类产品。
适用度指标可以表示的用于目标用户的终端设备在当前环境中,各种支付方式对于终端设备的适用程度,当然,除此之外,适用度指标可以表示各种支付方式针对目标用户的终端设备在当前环境中的通过概率。
需要说明的是,第一适用度指标可以是具体的分数值,比如:80分、90分等。也可以是百分比,比如:80%、90%等。还可以是其他能够表示适用度的其他指标,本说明书实施例对此不进行具体限定。另外,第一适用度指标可以包括多个分数,分别对应每种支付方式,具体地,一种支付方式对于一个终端设备在当前环境中的适用程度可以用一个适用度指标进行表示。
步骤104:获取所述多种支付方式对应的多个第二适用度指标;一个所述第二适用度指标用于表示一种支付方式对于所述终端设备的第二适用程度;所述第二适用度指标是根据使用所述终端设备的用户的数据在云端计算得到的。
服务器除了获取步骤102中终端设备发送的第一适用度指标之外,还可以获取服务器中计算得到的多种支付方式对应的多个第二适用度指标。
前面步骤中的第一适用度指标是终端时终端设备根据自身设备中存储的数据计算得到的。本步骤中的第二适用度指标可以是云端根据云端存储的云端数据计算得到的。
第二适用度指标是一个二元判断指标,表示支付方式适用或不适用。也可以是具体的数值,比如:可以是各种支付方式对应的通过率。
步骤106:根据所述第一适用度指标以及所述第二适用度指标确定多种支付方式的排序信息。
排序信息可以表示各种支付方式的具体排列顺序。也可以作为排序依据的其他信息,比如:分数值,按照分数值的大小进行排序。
结合终端设备根据自身设备中存储的数据确定的第一适用度指标和云端计算得到的第二适用度指标,对多种支付方式进行分析,以确定多种支付方式的排序信息。
图1中的方法,通过获取目标用户的终端设备发送的终端设备确定的多种支付方式的第一适用度指标;获取云端计算得到的多种支付方式对应的多个第二适用度指标;根据所述第一适用度指标以及所述第二适用度指标确定多种支付方式的排序信息。本方案通过结合终端设备以及云端确定的多种支付方式的适用度指标,确定最终的支付方式,能够根据用户使用的支付终端设备的设备信息以及当前应用环境信息,自动分析得到适用于当前应用场景的支付方式,以保证用户在不自行设置支付方式的情况下,也能够获得适用于当前应用环境的支付方式,提高用户的支付体验,进而提高用户的支付效率;本方案既能保证用户对于支付鉴权方式拥有选择和排序的能力,还实现支付业务全场景统一设置,避免用户在各个开关之间纠结;另外,通过终端来计算第一适用度指标,不需要将终端设备上存储的隐私数据传输给服务器,可以保证用户信息的隐私安全,还能有效缓解数据回传以及数据存储对于服务器的运行压力。
基于图1的方法,本说明书实施例还提供了该方法的一些具体实施方案,下面进行说明。
在实际应用中,第二适用度指标的确定方法可以采用以下方法实现:
所述获取所述多种支付方式对应的多个第二适用度指标之前,还可以包括:
获取云端存储的云端数据;所述云端数据包括使用所述终端设备的全量用户的用户数据以及所述目标用户的基本画像数据;
根据所述云端数据计算所述多种支付方式对应的多个第二适用度指标。
具体地,获取云端存储的云端数据时,可以包括以下步骤:
确定所述目标用户的终端设备的设备信息;
根据所述设备信息获取所述在服务器上使用所述终端设备的全量用户的操作历史数据以及所述全量用户的用户画像数据,所述操作历史数据至少包括曾使用的支付方式;
获取所述目标用户的基本画像数据,所述基本画像数据包括所述目标用户的资产信息、信用信息和/或购买偏好。
全量用户可以指的是在支付应用平台上,与目标用户使用相同终端设备进行支付的除目标用户外的全部注册用户。
需要说明的是,云端存储的云端数据与终端设备存储的终端数据不同,一般在终端设备上仅存储某个用户在该台终端设备上的操作数据、该用户的数据以及该设备的数据;而云端存储的可以是所有注册用户的数据,包括所有注册用户的基本画像数据,所有注册用户使用的全部终端设备的设备数据以及所有用户使用终端设备进行的历史操作数据等。
具体地,云端数据可以包括全量用户的历史操作用户数据以及所述目标用户的基本画像数据,其中,历史操作数据可以包括该用户在支付平台中进行过的交易数据,如:具体的交易类型、交易金额、交易时使用的终端设备的设备型号、交易时选择的支付方式以及每种支付方式的通过效率等数据。用户的基础画像数据可以包括用户的基本身份数据、用户的资产数据、信用数据、购买偏好等等。
在确定目标用户的终端设备对应的支付方式时,可以根据目标用户的终端设备的设备类型分析使用该设备类型的其他用户在支付时使用的支付方式,来确定为目标用户显示的支付方式类型。具体地,可以包括:
根据所述全量用户对应的操作历史数据、所述全量用户的用户画像数据以及所述目标用户的基本画像数据采用强化学习模型进行更新迭代,确定每种支付方式对于所述终端设备的第二适用度指标。
需要说明的是,这里采集的基本画像数据可以用于核实目标用户的身份。
强化学习是机器学习的一个分支,强调如何基于环境行动进行学习,无特定的数据,只有奖励信号;奖励信号不一定实时,大部分情况滞后;且强化学习研究的不是独立同分布的数据,更多的是时间序列的数据;当前的行为影响后续的分布。在本方案中,云端存储的用户的特征会不断的变化,用户所使用的终端设备也在不断新增,终端设备随着时间的变化对于各种支付方式的通过率也在发生变化。此时,可以采用具有自适应能力的强化学习模型,不断使用最新采集的数据进行模型自动更新训练,采用训练完成的模型,输出各种支付方式的通过率。
根据全量用户对应的操作历史数据、所述全量用户的用户画像数据以及所述目标用户的基本画像数据,可以确定出全量用户中使用目标用户的终端设备型号支付过的用户,根据使用过终端设备进行支付的用户使用的支付方式以及这些用户的基本画像特征以及目标用户的画像特征,采用强化学习模型可以确定各种支付方式对应的适用度指标。
比如:目标用户A使用某品牌X型号手机进行支付,此时,可以从云端存储的数据中确定使用某品牌X型号手机进行支付的所有用户的相关信息,其中,可以确定使用某品牌X型号手机的其他用户采用的支付方式数据,根据该支付方式数据确定支付方式的适用度指标为:刷脸支付适用、指纹支付适用、密码支付适用,此时,可以认为这三种支付方式可能满足目标用户选用支付方式的偏好。
可选的,所述根据所述第一适用度指标以及所述第二适用度指标确定多种支付方式的排序信息,具体可以包括:
根据所述第一适用度指标,确定多种支付方式的排序;
根据所述第二适用度指标,确定所述多种支付方式中的不适用方式;
将所述不适用方式从所述排序中删除,得到更新后的排序,生成排序信息。
具体地,可以结合以下例子对上述方法步骤进行说明:
例如:第一适用度指标为各种支付方式对应的适用度分数,分别为:指纹支付90分、刷脸支付85分、密码支付70分、短信验证45分。根据第一适用度确定多种支付方式的排序为:指纹支付>刷脸支付>密码支付。第二适用度指标为二元判断指标,分别为:指纹支付适用、刷脸支付不适用,密码支付适用,此时,可以将刷脸支付从排序中删除,得到更新后的排序信息为指纹支付>密码支付。
在实际应用中,生成排序信息之后,还可以将所述排序信息发送至所述终端设备。终端设备可以根据排序信息为目标用户显示支付方式。
当然,在实际应用中,确定多种支付方式的排序信息时,具体实现过程也可以根据实际应用场景进行设置,比如:当第一适用度指标表示各种支付方式对应的具体分数,第二适用度指标表示各种支付方式的通过率时,可以采用加权求和的方式对两个适用度指标进行计算,得到各种支付方式对应的最终适用度分数,然后根据最终适用度分数进行排序,得到排序信息。对此,本说明书实施例对此不进行具体限定。
实施例2
图2为本说明书实施例2提供的另一种支付方式确定方法的流程示意图。从程序角度而言,本实施例的流程的执行主体可以为搭载于应用服务器的程序。
如图2所示,该流程可以包括以下步骤:
步骤202:获取终端设备的终端数据。
终端数据,具体可以包括:所述终端的设备数据、传感器数据以及环境数据。其中,设备数据可以包括设备的型号,传感器中具有陀螺仪,通过陀螺仪可以确定用户与手机之间的距离、也可以确定当前终端设备处于横屏状态还是竖屏状态等,因此传感器数可以据包括目标用户与所述终端设备之间的距离数据和/或终端设备的姿态数据等。环境数据可以包括终端设备所处的位置数据、亮度数据和/或温湿度数据等。
这里提到的目标用户、终端设备与实施例1中相同,此处不再赘述。
终端数据可以指的是存储在终端设备中的数据。
步骤204:对所述终端数据进行处理,得到多种支付方式的第一适用度指标,一个所述第一适用度指标用于表示一种支付方式对于所述终端的第一适用程度。
第一适用度指标的表示含义与实施例1中的相同。第一适用度指标可以是终端设备根据自身存储的终端数据确定的。
步骤206:将所述第一适用度指标发送至服务器。
终端确定出第一适用度指标之后,可以将第一适用度指标发送给服务器,由服务器对第一适用度指标进行后续的处理。
步骤208:接收所述服务器反馈的排序信息;所述排序信息用于指示所述终端根据所述排序信息对所述多种支付方式进行排序;所述排序信息是所述服务器根据所述第一适用度指标以及第二适用度指标得到的;一个所述第二适用度指标用于表示一种支付方式对于所述终端设备的第二适用程度;所述第二适用度指标是所述服务器根据使用所述终端设备的用户的数据在云端计算得到的。
服务器接收到第一适用度指标之后,可以结合服务器确定的第二适用度指标对各种支付方式进行分析,得到排序信息。
步骤210:根据所述排序信息对所述多种支付方式进行排序。
上述方法,终端通过对获取的终端数据进行处理,得到多种支付方式的第一适用度指标,并将第一适用度指标发送至服务器;接收所述服务器反馈的、根据第一适用度指标以及第二适用度指标得到的排序信息;根据排序信息对多种支付方式进行排序。通过结合终端设备以及云端确定的多种支付方式的适用度指标,确定最终的支付方式,能够根据用户使用的支付终端设备的设备信息以及当前应用环境信息,自动分析得到适用于当前应用场景的支付方式,以保证用户在不自行设置支付方式开关的情况下,也能够获得适用于当前应用环境的支付方式,提高用户的支付体验,进而提高用户的支付效率;本方案既能保证用户对于支付鉴权方式拥有选择和排序的能力,还实现支付业务全场景统一设置,避免用户在各个开关之间纠结;另外,通过终端来计算第一适用度指标,不需要将终端设备上存储的隐私数据传输给服务器,可以保证用户信息的隐私安全,还能有效缓解数据回传以及数据存储对于服务器的运行压力。
基于图2的方法,本说明书实施例2还提供了该方法的一些具体实施方案,下面进行说明。
得到排序信息,对排序信息进行排序之后,还可以包括:
按照所述排序的顺序在所述终端设备上显示多种支付方式。
根据排序的顺序可以在终端设备上按照排序的顺序依次显示多种支付方式。
在实际应用场景中,在对终端数据进行处理时,具体可以包括:采用可解释神经网络模型对所述终端数据进行处理。
可解释神经网络模型(eXtreme Neural Network,简称XNN),是一种超大规模离散流式DNN算法框架,该网络包含三个重要组成部分:投影层、子网络、组合层。XNN可以直接解释模型如何使用输入特征进行预测。可解释神经网络提供加性索引模型的替代公式作为结构化神经网络。内置了解释机制,这有助于解释和理解模型内部过程以及该模型学到的函数。
所述设备数据包括所述终端设备上的机型数据;所述采用可解释神经网络模型对所述终端数据进行处理,具体可以包括:
根据所述设备数据和所述环境数据计算所述终端设备的属性特征,所述属性特征包括所述终端设备所在的地理位置特征、设备特征以及所述终端设备周围的人员密集特征;
根据所述传感器数据确定所述终端设备的姿态特征;
将所述终端设备的属性特征以及所述姿态特征输入所述可解释神经网络模型中,得到多种支付方式对应的第一适用度指标。
终端设备的机型数据可以初步判断终端设备支持的支付方式,比如:通过终端设备的机型可以得知该机型是否已经支持刷卡或指纹、声纹等。
其中,根据所述设备数据和所述环境数据计算所述终端设备的属性特征,可以采用边缘计算的方法。
边缘计算(Edge computing):可以指在用户或数据源的物理位置或附近进行的计算,通过将计算服务靠近这些位置,用户能够得到更快速可靠的服务。比如:用户A在火车站进行支付,在支付过程中,此时,在该台设备的终端上通过电子围栏技术计算该台设备在当前情况下,周围存在多少个活跃的设备,通过活跃人数可以推断该用户A周围的人员密集程度,根据人员密集程度可以判断目标用户所处的场所,比如:超市、火车站、家庭或者工作场所等。
将所述终端设备的属性特征以及所述姿态特征输入所述可解释神经网络模型中时,设备的属性特征、姿态特征属于离散特征,这些离散特征可以组成组合特征,比如:人员密集程度与设备的姿态特征进行组合。环境中的亮度特征可以是连续特征。通过将这些特征输入到XNN模型中,对特征进行组合以及降维等处理,最终输出每种支付方式对应的第一适用度指标。
另外,在使用了本说明书实施例提供的方法,为目标用户显示支付方式之后,用户可能还会根据自己当前的喜好对支付方式进行切换支付方式。此时,为了减少用户手动切换支付方式的次数,可以增加智能切换的能力。具体地,如果系统发现用户存在切换的操作,可以监测预设时间段内用户进行切换操作对应的数据进行统计,根据统计的数据对支付方式的显示顺序进行调整,为用户设置优先支付方式。具体的,可以当用户将某一目标支付方式切换为首选支付方式的切换次数统计值大于设定数值时,将该目标支付方式设置为首选支付方式。比如:监测到用户在预设时间段内主动将生物支付的方式切换到密码支付的次数达到了预设阈值,此时,可以将显示给该用户的支付方式进行重新排序,将密码支付设置为优先支付方式。当然,在后续具体的交互界面中,用户也可以随时对支付方式再进行手动切换。
为了详细说明本说明书实施例提供的方法,可以结合以下附图来进行说明:
图3为本说明书实施例提供的一种支付方式确定方法的具体实现流程框架示意图,如图3所示:
本说明书实施例提供的方法中,鉴权排序预设是为了预设排序方式。具体包括:用户自主设置、系统引导设置以及营销拉动设置这三种预设方式。
在实际应用中,各个支付应用的目的都是拉取更多的用户,而对于新注册应用程序的用户或者很少使用该应用程序的用户来说,不存在历史数据或者历史数据极少,此时,无法根据历史数据很好地为用户推荐支付方式,此时,可以采用预设支付方式的方法,来保证这类用户的支付能够顺利进行。具体地,对上述三种设置方式进行说明:
1)用户自主设置可以表示用户自主设置支付方式顺序。比如:可以让用户在登录的界面上自行设置自己偏好的支付方式以及支付方式的顺序。
2)系统引导设置:根据用户历史使用的偏好和习惯,给用户推荐合适的支付顺序。这一方法可以是针对系统中存在该用户的历史数据时运行的。比如:用户之前设置过支付方式和/支付方式的顺序,此时,可以根据之前用户的设置以及用户使用过的支付方式对应的历史数据为用户推荐合适的支付方式或支付方式的顺序。
3)营销拉动设置:在新产品推广的过程中,通过营销活动引导用户优先使用正在推广的新产品。为了推广新产品,对于这类用户,可以为其推荐正在推广的新的支付方式。
通过上述的鉴权排序方式,可以为新用户提供相应的支付方式,保障新用户的支付顺利完成。
图3中在进行支付鉴权时,在一阶段主要是保障用户的支付体验,结合终端策略和云端策略。具体地,终端策略中,在进行特征采集时,可以采集设备的设备特征、传感器特征以及环境特征,根据这些信息可以采用边缘计算以及XNN模型进行计算,得到多种支付方式对应的第一适用度指标。云端策略中,特征采集时,采集的是用户历史支付特征、用户特征(比如:资产特征、信用特征等)以及设备特征,根据用户历史支付特征、用户特征以及设备特征采用强化学习模型可以确定多种支付方式的第二适用度指标,根据第一适用度指标和第二适用度指标可以确定链式输出的支付方式。
在支付鉴权的二阶段中,主要是控制风险。在支付应用的系统中,安全系统中通常还会存在风控系统,用于对交易进行风控识别和风险决策,风险识别时,可以用于识别出冒用、欺诈、赌博、违规、违禁、洗钱、骗贷骗保等风险交易。风险决策可以包括风险产品的PK策略、防重复策略、个性化管理策略以及全局管控策略等等,根据多种管控策略来选择最终显示给用户的支付方式,以减少风险交易的通过频率。比如:当风控系统识别某笔交易可能是洗钱交易时,可以根据多种风控策略为进行该交易的用户显示银行卡验证的支付方式,提示用户输入一张有效的银行卡相关信息,以确认用户的身份以及交易的安全性。具体地,可以采用以下方法进行实现:
获取当前交易的相关数据;
根据所述相关数据确定当前交易中的风险特征;
根据所述风险特征判断是否存在风险;
如果存在风险,确定出具体的风险类型;
根据确定出的风险类型选择支付方式。
如果存在多种风险类型,可以从各类风险对应的支付方式中,选择最为严格的支付方式,作为最终显示的支付方式。用户使用该支付方式进行核身校验。当然,在实际应用时,甚至可以要求同时验证多个支付方式,以保证支付的安全性。
基于同样的思路,本说明书实施例还提供了上述方法对应的装置。图4为本说明书实施例提供的对应于图1的一种支付方式确定装置的结构示意图。所述装置应用在服务器上。
如图4所示,该装置可以包括:
第一适用度指标获取模块402,用于获取目标用户的终端设备发送的多种支付方式的第一适用度指标,所述第一适用度指标是由所述终端设备确定的,一个所述第一适用度指标用于表示一种支付方式对于所述终端设备的第一适用程度;
第二适用度指标获取模块404,用于获取所述多种支付方式对应的多个第二适用度指标;一个所述第二适用度指标用于表示一种支付方式对于所述终端设备的第二适用程度;所述第二适用度指标是根据使用所述终端设备的用户的数据在云端计算得到的;
排序信息确定模块406,用于根据所述第一适用度指标以及所述第二适用度指标确定多种支付方式的排序信息
可选的,所述装置,还可以包括:
云端数据获取模块,用于获取云端存储的云端数据;所述云端数据包括使用所述终端设备的全量用户的用户数据以及所述目标用户的基本画像数据;
第二适用度指标计算模块,用于根据所述云端数据计算所述多种支付方式对应的多个第二适用度指标。
可选的,所述云端数据获取模块,具体可以包括:
设备信息确定单元,用于确定所述目标用户的终端设备的设备信息;
全量用户数据获取单元,用于根据所述设备信息获取所述在服务器上使用所述终端设备的全量用户的操作历史数据以及所述全量用户的用户画像数据,所述操作历史数据至少包括曾使用的支付方式;
目标用户的基本画像数据获取单元,用于获取所述目标用户的基本画像数据,所述基本画像数据包括所述目标用户的资产信息、信用信息和/或购买偏好。
可选的,所述第二适用度指标计算模块,具体可以包括:
第二适用度指标计算单元,用于根据所述全量用户对应的操作历史数据、所述全量用户的用户画像数据以及所述目标用户的基本画像数据采用强化学习模型进行更新迭代,确定每种支付方式对于所述终端设备的第二适用度指标。
可选的,所述排序信息确定模块406,具体可以包括:
排序单元,用于根据所述第一适用度指标,确定多种支付方式的排序;
不适用支付方式确定单元,用于根据所述第二适用度指标,确定所述多种支付方式中的不适用方式;
排序更新单元,用于将所述不适用方式从所述排序中删除,得到更新后的排序,生成排序信息。
可选的,所述装置,还可以包括:
发送模块,用于将所述排序信息发送至所述终端设备。
基于同样的思路,本说明书实施例还提供了上述方法对应的装置。图5为本说明书实施例提供的对应于图2的一种支付方式确定装置的结构示意图。所述装置应用在终端设备上。
如图5所示,该装置可以包括:
终端数据获取模块502,用于获取终端设备的终端数据;
第一适用度指标确定模块504,用于对所述终端数据进行处理,得到多种支付方式的第一适用度指标,一个所述第一适用度指标用于表示一种支付方式对于所述终端的第一适用程度;
发送模块506,用于将所述第一适用度指标发送至服务器;
接收模块508,用于接收所述服务器反馈的排序信息;所述排序信息用于指示所述终端根据所述排序信息对所述多种支付方式进行排序;所述排序信息是所述服务器根据所述第一适用度指标以及第二适用度指标得到的;一个所述第二适用度指标用于表示一种支付方式对于所述终端设备的第二适用程度;所述第二适用度指标是所述服务器根据使用所述终端设备的用户的数据在云端计算得到的;
排序模块510,用于根据所述排序信息对所述多种支付方式进行排序。
可选的,所述装置,还可以包括:
显示模块,用于按照所述排序的顺序在所述终端设备上显示多种支付方式。
可选的,所述终端数据,具体可以包括:所述终端的设备数据、传感器数据以及环境数据。
可选的,所述第一适用度指标确定模块504,具体可以包括:
处理单元,用于采用可解释神经网络模型对所述终端数据进行处理。
可选的,所述设备数据可以包括所述终端设备上的机型数据,所述传感器数据包括目标用户与所述终端设备之间的距离数据和/或所述终端设备的姿态数据,所述环境数据包括所述终端设备所处的位置数据、亮度数据和/或温湿度数据;
所述处理单元,具体可以用于:
根据所述设备数据和所述环境数据计算所述终端设备的属性特征,所述属性特征包括所述终端设备所在的地理位置特征、设备特征以及所述终端设备周围的人员密集特征;
根据所述传感器数据确定所述终端设备的姿态特征;
将所述终端设备的属性特征以及所述姿态特征输入所述可解释神经网络模型中,得到多种支付方式对应的第一适用度指标。
基于同样的思路,本说明书实施例还提供了上述方法对应的一种支付方式确定系统,可以包括:
服务器和终端设备;
所述服务器用于获取目标用户的终端设备发送的多种支付方式的第一适用度指标,所述第一适用度指标是由所述终端设备确定的,一个所述第一适用度指标用于表示一种支付方式对于所述终端设备的第一适用程度;
获取所述多种支付方式对应的多个第二适用度指标;一个所述第二适用度指标用于表示一种支付方式对于所述终端设备的第二适用程度;所述第二适用度指标是根据使用所述终端设备的用户的数据在云端计算得到的;
根据所述第一适用度指标以及所述第二适用度指标确定多种支付方式的排序信息;
所述终端设备用于获取终端设备的终端数据;
对所述终端数据进行处理,得到多种支付方式的第一适用度指标,一个所述第一适用度指标用于表示一种支付方式对于所述终端的第一适用程度;
将所述第一适用度指标发送至服务器;
接收所述服务器反馈的排序信息;所述排序信息用于指示所述终端根据所述排序信息对所述多种支付方式进行排序;所述排序信息是所述服务器根据所述第一适用度指标以及第二适用度指标得到的;一个所述第二适用度指标用于表示一种支付方式对于所述终端设备的第二适用程度;所述第二适用度指标是所述服务器根据使用所述终端设备的用户的数据在云端计算得到的;
根据所述排序信息对所述多种支付方式进行排序。
基于同样的思路,本说明书实施例还提供了上述方法对应的设备。图6为本说明书实施例提供的一种支付方式确定设备的结构示意图。如图6所示,当所述设备为服务器时,设备600可以包括:
至少一个处理器610;以及,
与所述至少一个处理器通信连接的存储器630;其中,
所述存储器630存储有可被所述至少一个处理器610执行的指令620,所述指令被所述至少一个处理器610执行。
所述指令可以使所述至少一个处理器610能够:
获取目标用户的终端设备发送的多种支付方式的第一适用度指标,所述第一适用度指标是由所述终端设备确定的,一个所述第一适用度指标用于表示一种支付方式对于所述终端设备的第一适用程度;
获取所述多种支付方式对应的多个第二适用度指标;一个所述第二适用度指标用于表示一种支付方式对于所述终端设备的第二适用程度;所述第二适用度指标是根据使用所述终端设备的用户的数据在云端计算得到的;
根据所述第一适用度指标以及所述第二适用度指标确定多种支付方式的排序信息。
或者,所述指令可以使所述至少一个处理器610能够:
获取终端设备的终端数据;
对所述终端数据进行处理,得到多种支付方式的第一适用度指标,一个所述第一适用度指标用于表示一种支付方式对于所述终端的第一适用程度;
将所述第一适用度指标发送至服务器;
接收所述服务器反馈的排序信息;所述排序信息用于指示所述终端根据所述排序信息对所述多种支付方式进行排序;所述排序信息是所述服务器根据所述第一适用度指标以及第二适用度指标得到的;一个所述第二适用度指标用于表示一种支付方式对于所述终端设备的第二适用程度;所述第二适用度指标是所述服务器根据使用所述终端设备的用户的数据在云端计算得到的;
根据所述排序信息对所述多种支付方式进行排序。
基于同样的思路,本说明书实施例还提供了上述方法对应的计算机可读介质。计算机可读介质上存储有计算机可读指令,当所述计算机可读指令被部署在服务器上时,所述计算机可读指令可被处理器执行以实现以下方法:
获取目标用户的终端设备发送的多种支付方式的第一适用度指标,所述第一适用度指标是由所述终端设备确定的,一个所述第一适用度指标用于表示一种支付方式对于所述终端设备的第一适用程度;
获取所述多种支付方式对应的多个第二适用度指标;一个所述第二适用度指标用于表示一种支付方式对于所述终端设备的第二适用程度;所述第二适用度指标是根据使用所述终端设备的用户的数据在云端计算得到的;
根据所述第一适用度指标以及所述第二适用度指标确定多种支付方式的排序信息。
当所述计算机可读指令被部署在服务器上时,所述计算机可读指令可被处理器执行以实现以下方法:
获取终端设备的终端数据;
对所述终端数据进行处理,得到多种支付方式的第一适用度指标,一个所述第一适用度指标用于表示一种支付方式对于所述终端的第一适用程度;
将所述第一适用度指标发送至服务器;
接收所述服务器反馈的排序信息;所述排序信息用于指示所述终端根据所述排序信息对所述多种支付方式进行排序;所述排序信息是所述服务器根据所述第一适用度指标以及第二适用度指标得到的;一个所述第二适用度指标用于表示一种支付方式对于所述终端设备的第二适用程度;所述第二适用度指标是所述服务器根据使用所述终端设备的用户的数据在云端计算得到的;
根据所述排序信息对所述多种支付方式进行排序。
在20世纪90年代,对于一个技术的改进可以很明显地区分是硬件上的改进(例如,对二极管、晶体管、开关等电路结构的改进)还是软件上的改进(对于方法流程的改进)。然而,随着技术的发展,当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此,不能说一个方法流程的改进就不能用硬件实体模块来实现。例如,可编程逻辑器件(Programmable Logic Device,PLD)(例如现场可编程门阵列(Field Programmable GateArray,FPGA))就是这样一种集成电路,其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字系统“集成”在一片PLD上,而不需要请芯片制造厂商来设计和制作专用的集成电路芯片。而且,如今,取代手工地制作集成电路芯片,这种编程也多半改用“逻辑编译器(logic compiler)”软件来实现,它与程序开发撰写时所用的软件编译器相类似,而要编译之前的原始代码也得用特定的编程语言来撰写,此称之为硬件描述语言(Hardware Description Language,HDL),而HDL也并非仅有一种,而是有许多种,如ABEL(Advanced Boolean Expression Language)、AHDL(Altera Hardware DescriptionLanguage)、Confluence、CUPL(Cornell University Programming Language)、HDCal、JHDL(Java Hardware Description Language)、Lava、Lola、MyHDL、PALASM、RHDL(RubyHardware Description Language)等,目前最普遍使用的是VHDL(Very-High-SpeedIntegrated Circuit Hardware Description Language)与Verilog。本领域技术人员也应该清楚,只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中,就可以很容易得到实现该逻辑方法流程的硬件电路。
控制器可以按任何适当的方式实现,例如,控制器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(Application Specific Integrated Circuit,ASIC)、可编程逻辑控制器和嵌入微控制器的形式,控制器的例子包括但不限于以下微控制器:ARC 625D、Atmel AT91SAM、Microchip PIC18F26K20以及Silicone Labs C8051F320,存储器控制器还可以被实现为存储器的控制逻辑的一部分。本领域技术人员也知道,除了以纯计算机可读程序代码方式实现控制器以外,完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件,而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至,可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
上述实施例阐明的系统、装置、模块或单元,具体可以由计算机芯片或实体实现,或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的,计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
为了描述的方便,描述以上装置时以功能分为各种单元分别描述。当然,在实施本说明书一个或多个实施例时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
本领域内的技术人员应明白,本说明书一个或多个实施例可提供为方法、系统、或计算机程序产品。因此,本说明书一个或多个实施例可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本说明书一个或多个实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本说明书一个或多个实施例是参照根据本说明书一个或多个实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现数据存储。数据可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的数据。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
本说明书一个或多个实施例可以在由计算机执行的计算机可执行指令的一般上下文中描述,例如程序模块。一般地,程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本说明书一个或多个实施例,在这些分布式计算环境中,由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中,程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
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,对于系统实施例而言,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。
以上所述仅为本说明书的实施例而已,并不用于限制本说明书一个或多个实施例。对于本领域技术人员来说,本说明书一个或多个实施例可以有各种更改和变化。凡在本说明书一个或多个实施例的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本说明书一个或多个实施例的权利要求范围之内。
Claims (16)
1.一种支付方式确定方法,所述方法应用于服务器,包括:
获取目标用户的终端设备发送的多种支付方式的第一适用度指标,所述第一适用度指标是由所述终端设备确定的,一个所述第一适用度指标用于表示一种支付方式对于所述终端设备的第一适用程度;所述第一适用度指标是根据所述目标用户的终端设备中存储的数据计算得到;
获取所述多种支付方式对应的多个第二适用度指标;一个所述第二适用度指标用于表示一种支付方式对于所述终端设备的第二适用程度;所述第二适用度指标是根据云端存储的使用所述终端设备的用户的数据在所述云端计算得到的;所述云端中存储有全量用户的基本画像数据以及所述全量用户使用的全部终端设备的设备数据以及历史操作数据;
根据所述第一适用度指标以及所述第二适用度指标确定多种支付方式的排序信息。
2.如权利要求1所述的方法,所述获取所述多种支付方式对应的多个第二适用度指标之前,还包括:
获取云端存储的云端数据;所述云端数据包括使用所述终端设备的全量用户的用户数据以及所述目标用户的基本画像数据;
根据所述云端数据计算所述多种支付方式对应的多个第二适用度指标。
3.如权利要求2所述的方法,所述获取云端存储的云端数据,具体包括:
确定所述目标用户的终端设备的设备信息;
根据所述设备信息获取在服务器上使用所述终端设备的全量用户的操作历史数据以及所述全量用户的用户画像数据,所述操作历史数据至少包括曾使用的支付方式;
获取所述目标用户的基本画像数据,所述基本画像数据包括所述目标用户的资产信息、信用信息和/或购买偏好。
4.如权利要求3所述的方法,所述根据所述云端数据计算所述多种支付方式对应的第二适用度指标,具体包括:
根据所述全量用户对应的操作历史数据、所述全量用户的用户画像数据以及所述目标用户的基本画像数据采用强化学习模型进行更新迭代,确定每种支付方式对于所述终端设备的第二适用度指标。
5.如权利要求1所述的方法,所述根据所述第一适用度指标以及所述第二适用度指标确定多种支付方式的排序信息,具体包括:
根据所述第一适用度指标,确定多种支付方式的排序;
根据所述第二适用度指标,确定所述多种支付方式中的不适用方式;
将所述不适用方式从所述排序中删除,得到更新后的排序,生成排序信息。
6.如权利要求1所述的方法,还包括:
将所述排序信息发送至所述终端设备。
7.一种支付方式确定方法,所述方法应用于终端,包括:
获取终端设备的终端数据;
对所述终端数据进行处理,得到多种支付方式的第一适用度指标,一个所述第一适用度指标用于表示一种支付方式对于所述终端设备的第一适用程度;所述第一适用度指标是根据目标用户的终端设备中存储的数据计算得到;
将所述第一适用度指标发送至服务器;
接收所述服务器反馈的排序信息;所述排序信息用于指示所述终端设备根据所述排序信息对所述多种支付方式进行排序;所述排序信息是所述服务器根据所述第一适用度指标以及第二适用度指标得到的;一个所述第二适用度指标用于表示一种支付方式对于所述终端设备的第二适用程度;所述第二适用度指标是所述服务器根据云端存储的使用所述终端设备的用户的数据在所述云端计算得到的;所述云端中存储有全量用户的基本画像数据以及所述全量用户使用的全部终端设备的设备数据以及历史操作数据;
根据所述排序信息对所述多种支付方式进行排序。
8.如权利要求7所述的方法,还包括:
按照所述排序的顺序在所述终端设备上显示多种支付方式。
9.如权利要求7所述的方法,所述终端数据,具体包括:所述终端设备的设备数据、传感器数据以及环境数据;
所述对所述终端数据进行处理,具体包括:采用可解释神经网络模型对所述终端数据进行处理。
10.如权利要求9所述的方法,所述设备数据包括所述终端设备上的机型数据,所述传感器数据包括目标用户与所述终端设备之间的距离数据和/或所述终端设备的姿态数据,所述环境数据包括所述终端设备所处的位置数据、亮度数据和/或温湿度数据;
所述采用可解释神经网络模型对所述终端数据进行处理,具体包括:
根据所述设备数据和所述环境数据计算所述终端设备的属性特征,所述属性特征包括所述终端设备所在的地理位置特征、设备特征以及所述终端设备周围的人员密集特征;
根据所述传感器数据确定所述终端设备的姿态特征;
将所述终端设备的属性特征以及所述姿态特征输入所述可解释神经网络模型中,得到多种支付方式对应的第一适用度指标。
11.一种支付方式确定装置,所述装置应用于服务器,包括:
第一适用度指标获取模块,用于获取目标用户的终端设备发送的多种支付方式的第一适用度指标,所述第一适用度指标是由所述终端设备确定的,一个所述第一适用度指标用于表示一种支付方式对于所述终端设备的第一适用程度;所述第一适用度指标是根据所述目标用户的终端设备中存储的数据计算得到;
第二适用度指标获取模块,用于获取所述多种支付方式对应的多个第二适用度指标;一个所述第二适用度指标用于表示一种支付方式对于所述终端设备的第二适用程度;所述第二适用度指标是根据云端存储的使用所述终端设备的用户的数据在所述云端计算得到的;所述云端中存储有全量用户的基本画像数据以及所述全量用户使用的全部终端设备的设备数据以及历史操作数据;
排序信息确定模块,用于根据所述第一适用度指标以及所述第二适用度指标确定多种支付方式的排序信息。
12.一种支付方式确定装置,所述装置应用于终端设备,包括:
终端数据获取模块,用于获取所述终端设备的终端数据;
第一适用度指标确定模块,用于对所述终端数据进行处理,得到多种支付方式的第一适用度指标,一个所述第一适用度指标用于表示一种支付方式对于所述终端设备的第一适用程度;所述第一适用度指标是根据目标用户的终端设备中存储的数据计算得到;
发送模块,用于将所述第一适用度指标发送至服务器;
接收模块,用于接收所述服务器反馈的排序信息;所述排序信息用于指示所述终端设备根据所述排序信息对所述多种支付方式进行排序;所述排序信息是所述服务器根据所述第一适用度指标以及第二适用度指标得到的;一个所述第二适用度指标用于表示一种支付方式对于所述终端设备的第二适用程度;所述第二适用度指标是所述服务器根据云端存储的使用所述终端设备的用户的数据在所述云端计算得到的;所述云端中存储有全量用户的基本画像数据以及所述全量用户使用的全部终端设备的设备数据以及历史操作数据;
排序模块,用于根据所述排序信息对所述多种支付方式进行排序。
13.一种支付方式确定系统,包括:
服务器和终端设备;
所述服务器用于获取目标用户的终端设备发送的多种支付方式的第一适用度指标,所述第一适用度指标是由所述终端设备确定的,一个所述第一适用度指标用于表示一种支付方式对于所述终端设备的第一适用程度;所述第一适用度指标是根据所述目标用户的终端设备中存储的数据计算得到;
获取所述多种支付方式对应的多个第二适用度指标;一个所述第二适用度指标用于表示一种支付方式对于所述终端设备的第二适用程度;所述第二适用度指标是根据云端存储的使用所述终端设备的用户的数据在所述云端计算得到的;所述云端中存储有全量用户的基本画像数据以及所述全量用户使用的全部终端设备的设备数据以及历史操作数据;
根据所述第一适用度指标以及所述第二适用度指标确定多种支付方式的排序信息;
所述终端设备用于获取所述终端设备的终端数据;
对所述终端数据进行处理,得到多种支付方式的第一适用度指标,一个所述第一适用度指标用于表示一种支付方式对于所述终端设备的第一适用程度;
将所述第一适用度指标发送至服务器;
接收所述服务器反馈的排序信息;所述排序信息用于指示所述终端设备根据所述排序信息对所述多种支付方式进行排序;所述排序信息是所述服务器根据所述第一适用度指标以及第二适用度指标得到的;一个所述第二适用度指标用于表示一种支付方式对于所述终端设备的第二适用程度;所述第二适用度指标是所述服务器根据使用所述终端设备的用户的数据在云端计算得到的;
根据所述排序信息对所述多种支付方式进行排序。
14.一种支付方式确定设备,所述设备为服务器,包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够:
获取目标用户的终端设备发送的多种支付方式的第一适用度指标,所述第一适用度指标是由所述终端设备确定的,一个所述第一适用度指标用于表示一种支付方式对于所述终端设备的第一适用程度;所述第一适用度指标是根据所述目标用户的终端设备中存储的数据计算得到;
获取所述多种支付方式对应的多个第二适用度指标;一个所述第二适用度指标用于表示一种支付方式对于所述终端设备的第二适用程度;所述第二适用度指标是根据云端存储的使用所述终端设备的用户的数据在所述云端计算得到的;所述云端中存储有全量用户的基本画像数据以及所述全量用户使用的全部终端设备的设备数据以及历史操作数据;
根据所述第一适用度指标以及所述第二适用度指标确定多种支付方式的排序信息。
15.一种支付方式确定设备,所述设备为终端设备,包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够:
获取所述终端设备的终端数据;
对所述终端数据进行处理,得到多种支付方式的第一适用度指标,一个所述第一适用度指标用于表示一种支付方式对于所述终端设备的第一适用程度;所述第一适用度指标是根据目标用户的终端设备中存储的数据计算得到;
将所述第一适用度指标发送至服务器;
接收所述服务器反馈的排序信息;所述排序信息用于指示所述终端设备根据所述排序信息对所述多种支付方式进行排序;所述排序信息是所述服务器根据所述第一适用度指标以及第二适用度指标得到的;一个所述第二适用度指标用于表示一种支付方式对于所述终端设备的第二适用程度;所述第二适用度指标是所述服务器根据云端存储的使用所述终端设备的用户的数据在所述云端计算得到的;所述云端中存储有全量用户的基本画像数据以及所述全量用户使用的全部终端设备的设备数据以及历史操作数据;
根据所述排序信息对所述多种支付方式进行排序。
16.一种计算机可读介质,其上存储有计算机可读指令,所述计算机可读指令可被处理器执行以实现权利要求1至10中任一项所述的支付方式确定方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010117871.7A CN111341041B (zh) | 2020-02-25 | 2020-02-25 | 一种支付方式确定方法、装置、系统及设备 |
PCT/CN2020/138171 WO2021169534A1 (zh) | 2020-02-25 | 2020-12-22 | 一种支付方式确定方法、装置、系统及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010117871.7A CN111341041B (zh) | 2020-02-25 | 2020-02-25 | 一种支付方式确定方法、装置、系统及设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111341041A CN111341041A (zh) | 2020-06-26 |
CN111341041B true CN111341041B (zh) | 2021-08-24 |
Family
ID=71187925
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010117871.7A Active CN111341041B (zh) | 2020-02-25 | 2020-02-25 | 一种支付方式确定方法、装置、系统及设备 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN111341041B (zh) |
WO (1) | WO2021169534A1 (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111341041B (zh) * | 2020-02-25 | 2021-08-24 | 支付宝(杭州)信息技术有限公司 | 一种支付方式确定方法、装置、系统及设备 |
CN112101953A (zh) * | 2020-09-28 | 2020-12-18 | 中国银行股份有限公司 | 一种利用最优支付链路的移动支付处理方法及系统 |
CN112328131A (zh) * | 2020-09-30 | 2021-02-05 | 北京每日优鲜电子商务有限公司 | 信息显示方法、装置、电子设备和计算机可读介质 |
CN114119010A (zh) * | 2022-01-28 | 2022-03-01 | 星河智联汽车科技有限公司 | 一种车内支付方式推荐方法、装置、设备及存储介质 |
Family Cites Families (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101695699B1 (ko) * | 2015-08-13 | 2017-01-23 | 엘지전자 주식회사 | 이동 단말기 및 그 이동 단말기의 제어 방법 |
US20180039989A1 (en) * | 2016-08-04 | 2018-02-08 | Bank Of America Corporation | Online transaction efficiency improvement system |
CN107403316A (zh) * | 2017-08-03 | 2017-11-28 | 广州爱九游信息技术有限公司 | 筛选支付方式的方法、装置、计算设备和存储介质 |
CN107818467A (zh) * | 2017-09-08 | 2018-03-20 | 深圳市金立通信设备有限公司 | 一种支付方法及终端 |
CN108154370B (zh) * | 2017-11-22 | 2021-09-14 | 中国银联股份有限公司 | 基于用户支付习惯的安全认证方法和设备 |
CN108399195A (zh) * | 2018-01-29 | 2018-08-14 | 阿里巴巴集团控股有限公司 | 支付渠道的推荐方法及装置 |
CN108960839B (zh) * | 2018-06-20 | 2021-04-23 | 创新先进技术有限公司 | 一种支付方法及装置 |
CN109191089B (zh) * | 2018-07-23 | 2021-05-25 | 福建天泉教育科技有限公司 | 移动端支付方式适配方法及其系统 |
CN109191090A (zh) * | 2018-07-27 | 2019-01-11 | 阿里巴巴集团控股有限公司 | 支付工具推荐方法、装置、设备及计算机可读存储介质 |
CN109255606A (zh) * | 2018-08-31 | 2019-01-22 | 阿里巴巴集团控股有限公司 | 默认支付工具的推荐方法、装置及支付终端 |
CN109242496A (zh) * | 2018-09-18 | 2019-01-18 | 北京三快在线科技有限公司 | 支付方式的预测方法、装置及计算机可读介质 |
CN111341041B (zh) * | 2020-02-25 | 2021-08-24 | 支付宝(杭州)信息技术有限公司 | 一种支付方式确定方法、装置、系统及设备 |
-
2020
- 2020-02-25 CN CN202010117871.7A patent/CN111341041B/zh active Active
- 2020-12-22 WO PCT/CN2020/138171 patent/WO2021169534A1/zh active Application Filing
Also Published As
Publication number | Publication date |
---|---|
CN111341041A (zh) | 2020-06-26 |
WO2021169534A1 (zh) | 2021-09-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111341041B (zh) | 一种支付方式确定方法、装置、系统及设备 | |
CN109064175B (zh) | 一种账户盗用风险防控方法及装置 | |
WO2019154115A1 (zh) | 一种资源转移监测方法及装置 | |
CN109255486B (zh) | 一种策略配置的优化方法及装置 | |
CN109118053B (zh) | 一种盗卡风险交易的识别方法和装置 | |
CN109087106A (zh) | 识别二次放号账户盗用的风控模型训练、风控方法、装置以及设备 | |
CN106685933A (zh) | 一种授权策略推荐及装置 | |
US20180225683A1 (en) | Systems and methods for tagging transactions with emotions | |
CN110032698A (zh) | 信息显示方法和装置、信息处理方法和装置 | |
CN109614414B (zh) | 一种用户信息的确定方法及装置 | |
CN106097043A (zh) | 一种信用数据的处理方法及服务器 | |
CN112801670B (zh) | 针对支付操作的风险评估方法及装置 | |
CN111325444B (zh) | 一种风险防控决策方法、装置、系统及设备 | |
CN109272320A (zh) | 基于用户行为特征的身份识别方法、装置及设备 | |
CN107392614B (zh) | 线下交易的实现方法和装置 | |
US20200074540A1 (en) | Debt resolution planning platform for accelerating charge off | |
CN110929799A (zh) | 用于检测异常用户的方法、电子设备和计算机可读介质 | |
CN109325845A (zh) | 一种金融产品智能推荐方法及系统 | |
JP6875521B2 (ja) | バイオメトリック特徴に基づくセキュリティ検証のための方法および装置 | |
CN112232947A (zh) | 贷中风险预测方法及装置 | |
CN112215613B (zh) | 一种密码验证方法、装置、设备及介质 | |
CN110276677A (zh) | 基于大数据平台的还款预测方法、装置、设备及存储介质 | |
CN110276178A (zh) | 一种基于身份验证的风险控制方法、装置及设备 | |
CN113344695B (zh) | 一种弹性风控方法、装置、设备和可读介质 | |
US11113757B1 (en) | Systems and methods for filtering digital content having a negative financial influence |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |