CN111651555B - 业务处理方法、系统和计算机可读存储介质 - Google Patents
业务处理方法、系统和计算机可读存储介质 Download PDFInfo
- Publication number
- CN111651555B CN111651555B CN202010307910.XA CN202010307910A CN111651555B CN 111651555 B CN111651555 B CN 111651555B CN 202010307910 A CN202010307910 A CN 202010307910A CN 111651555 B CN111651555 B CN 111651555B
- Authority
- CN
- China
- Prior art keywords
- service
- processing
- constraint condition
- matched
- parameters
- 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
- 238000003672 processing method Methods 0.000 title abstract description 10
- 238000012545 processing Methods 0.000 claims abstract description 334
- 238000000034 method Methods 0.000 claims abstract description 48
- 230000008569 process Effects 0.000 claims abstract description 17
- 238000012216 screening Methods 0.000 claims abstract description 9
- 238000004590 computer program Methods 0.000 claims description 13
- 230000015654 memory Effects 0.000 claims description 10
- 239000013598 vector Substances 0.000 description 43
- 230000007246 mechanism Effects 0.000 description 8
- 238000004364 calculation method Methods 0.000 description 7
- 238000004422 calculation algorithm Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 238000011156 evaluation Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000035515 penetration Effects 0.000 description 4
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 238000012512 characterization method Methods 0.000 description 2
- 230000006835 compression Effects 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 239000003999 initiator Substances 0.000 description 2
- 238000007476 Maximum Likelihood Methods 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012854 evaluation process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000006403 short-term memory Effects 0.000 description 1
- 230000003238 somatosensory effect Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
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
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/04—Trading; Exchange, e.g. stocks, commodities, derivatives or currency exchange
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/205—Parsing
- G06F40/216—Parsing using statistical methods
-
- 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
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/049—Temporal neural networks, e.g. delay elements, oscillating neurons or pulsed inputs
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Business, Economics & Management (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Finance (AREA)
- Biophysics (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- Computing Systems (AREA)
- Accounting & Taxation (AREA)
- Molecular Biology (AREA)
- Evolutionary Computation (AREA)
- Biomedical Technology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Technology Law (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- Probability & Statistics with Applications (AREA)
- Databases & Information Systems (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
公开了一种业务处理方法、系统和计算机可读存储介质。通过获取业务处理请求，所述业务处理请求包括待处理业务的业务参数、第一约束条件和第二约束条件，根据业务参数和第一约束条件确定多个匹配的业务处理方案，并调用各业务处理方案对应的处理模型和数据源对待处理业务进行处理以各业务处理方案对应的处理结果，根据第二约束条件对处理结果进行筛选以获取匹配的处理结果并输出。由此，可以对模糊目标的业务进行处理以获取符合条件的业务处理方案和处理结果，减小业务的风险率。
Description
技术领域
本发明涉及数据处理技术领域，尤其涉及一种业务处理方法、系统和计算机可读存储介质。
背景技术
同一市场下的业务往往包括多种类型，例如，在冲销估值业务中，主要包括外汇期权、外汇掉期、货币掉期和利率互换等。其中，冲销是指由交易的参与机构或金融中介发起，通过在交易双方或多方之间根据起息日、对手方、交易方向及交易金额对交易以交易压缩方式提前终止交易的行为。冲销估值是指对待冲销交易在估值时刻基于特定的模型及曲线计算出的存续合约价值。
现有技术中的一种业务处理方法为对实现业务过程所需执行的每一阶段处理逻辑进行封装得到组件，进而根据各业务实现过程所需的组件，建立业务与组件对应关系，在确定待执行的目标业务之后，查询业务与组件对应关系，获取与目标业务对应的各目标组件，执行获取的各目标组件即可实现目标业务。
但是，现有技术中业务处理方法只能对确定目标的业务进行处理，同时业务的处理结果比较单一，在一些场合下具有较高的风险率。
发明内容
有鉴于此,本发明实施例的目的在于提供一种业务处理方法、系统和计算机可读存储介质，可以对模糊目标的业务进行处理以获取符合条件的业务处理方案和处理结果，减小业务的风险率。
第一方面，本发明实施例提供了一种业务处理方法，所述方法包括：
获取业务处理请求，所述业务处理请求包括待处理业务的业务参数、第一约束条件和第二约束条件，其中，所述业务参数包括构成所述待处理业务的基本要素，所述第一约束条件为所述待处理业务预定的处理模型和数据源，所述第二约束条件为对处理结果预定的满足条件；
根据所述业务参数和第一约束条件确定多个匹配的业务处理方案，所述业务处理方案包括进行业务处理的处理模型和数据源；
分别根据各业务处理方案调用对应的处理模型和数据源对所述待处理业务进行处理以获取各业务处理方案对应的处理结果；以及
根据所述第二约束条件对所述处理结果进行筛选以获取匹配的处理结果并输出。
优选地，所述第一约束条件包括第一对象的第一约束条件和第二对象的第一约束条件；
其中，根据所述业务参数和第一约束条件确定多个匹配的业务处理方案包括：
根据所述业务参数确定对应的业务类型；
获取所述业务类型对应的业务处理方案集合，所述业务处理方案集合包括多个业务处理方案；以及
根据所述业务参数、第一对象的第一约束条件和第二对象的第一约束条件在所述业务处理方案集合中确定多个匹配的业务处理方案。
优选地，所述业务参数包括业务类型标识；
根据所述业务参数确定对应的业务类型包括：
根据所述业务类型标识确定所述业务类型。
优选地，所述方法还包括：
检测所述业务类型标识；以及
响应于所述业务类型标识为空，生成对应的处理结果并发送。
优选地，根据所述业务参数、第一对象的第一约束条件和第二对象的第一约束条件在所述业务处理方案集合中确定多个匹配的业务处理方案包括：
获取所述业务处理方案集合中的多个业务处理方案对应的第一文本，所述第一文本为业务处理方案中的业务参数、处理模型和数据源按照预定规则转换成的文本；
将所述待处理业务的业务参数和第一约束条件按照预定规则转换为对应的第二文本；
计算所述第一文本和所述第二文本的文本相似度；以及
根据所述文本相似度在所述业务处理方案集合中确定多个匹配的业务处理方案。
优选地，所述方法还包括：
根据所述匹配的业务处理方案对所述待处理业务的业务参数的完整性进行检测；以及
响应于所述待处理业务的业务参数不完整，生成对应的处理结果并发送。
第二方面，本发明实施例提供了一种业务处理系统，所述系统包括：
终端设备，被配置为接收用户输入的业务处理请求，所述业务处理请求包括待处理业务的业务参数、第一约束条件和第二约束条件，其中，所述业务参数包括构成所述待处理业务的基本要素，所述第一约束条件为所述待处理业务预定的处理模型和数据源，所述第二约束条件为对处理结果预定的满足条件；以及
服务器，包括存储器和处理器，所述存储器用于存储一条或多条计算机程序指令，其中，所述一条或多条计算机程序指令被所述处理器执行以实现如下步骤：
获取业务处理请求；
根据所述业务参数和第一约束条件确定多个匹配的业务处理方案，所述业务处理方案包括进行业务处理的处理模型和数据源；
分别根据各业务处理方案调用对应的处理模型和数据源对所述待处理业务进行处理以获取各业务处理方案对应的处理结果；以及
根据所述第二约束条件对所述处理结果进行筛选以获取匹配的处理结果并输出。
优选地，所述第一约束条件包括第一对象的第一约束条件和第二对象的第一约束条件；
其中，根据所述业务参数和第一约束条件确定多个匹配的业务处理方案包括：
根据所述业务参数确定对应的业务类型；
获取所述业务类型对应的业务处理方案集合，所述业务处理方案集合包括多个业务处理方案；以及
根据所述业务参数、第一对象的第一约束条件和第二对象的第一约束条件在所述业务处理方案集合中确定多个匹配的业务处理方案。
优选地，根据所述业务参数、第一对象的第一约束条件和第二对象的第一约束条件在所述业务处理方案集合中确定多个匹配的业务处理方案包括：
获取所述业务处理方案集合中的多个业务处理方案对应的第一文本，所述第一文本为业务处理方案中的业务参数、处理模型和数据源按照预定规则转换成的文本；
将所述待处理业务的业务参数和第一约束条件按照预定规则转换为对应的第二文本；
计算所述第一文本和所述第二文本的文本相似度；以及
根据所述文本相似度在所述业务处理方案集合中确定多个匹配的业务处理方案。
第三方面，本发明实施例提供了一种计算机可读存储介质，其上存储计算机程序指令，所述计算机程序指令在被处理器执行时实现如第一方面所述的方法。
本发明实施例的技术方案通过获取业务处理请求，所述业务处理请求包括待处理业务的业务参数、第一约束条件和第二约束条件，根据业务参数和第一约束条件确定多个匹配的业务处理方案，并调用各业务处理方案对应的处理模型和数据源对待处理业务进行处理以各业务处理方案对应的处理结果，根据第二约束条件对处理结果进行筛选以获取匹配的处理结果并输出。由此，可以对模糊目标的业务进行处理以获取符合条件的业务处理方案和处理结果，减小业务的风险率。
附图说明
通过以下参照附图对本发明实施例的描述，本发明的上述以及其它目的、特征和优点将更为清楚，在附图中：
图1是本发明实施例的业务处理系统的示意图；
图2是本发明实施例的服务器的结构示意图；
图3是本发明实施例的服务器获取处理结果的流程图；
图4是本发明实施例的服务器确定多个匹配的业务处理方案的流程图；
图5是本发明实施例的业务处理方案的示意图；
图6是本发明实施例的服务器确定多个匹配的业务处理方案的流程图；
图7是本发明实施例的电子设备的示意图。
具体实施方式
以下基于实施例对本发明进行描述，但是本发明并不仅仅限于这些实施例。在下文对本发明的细节描述中，详尽描述了一些特定的细节部分。对本领域技术人员来说没有这些细节部分的描述也可以完全理解本发明。为了避免混淆本发明的实质，公知的方法、过程、流程、元件和电路并没有详细叙述。
此外，本领域普通技术人员应当理解，在此提供的附图都是为了说明的目的，并且附图不一定是按比例绘制的。
同时，应当理解，在以下的描述中，“电路”是指由至少一个元件或子电路通过电气连接或电磁连接构成的导电回路。当称元件或电路“连接到”另一元件或称元件/电路“连接在”两个节点之间时，它可以是直接耦接或连接到另一元件或者可以存在中间元件，元件之间的连接可以是物理上的、逻辑上的、或者其结合。相反，当称元件“直接耦接到”或“直接连接到”另一元件时，意味着两者不存在中间元件。
除非上下文明确要求，否则在说明书的“包括”、“包含”等类似词语应当解释为包含的含义而不是排他或穷举的含义；也就是说，是“包括但不限于”的含义。
在本发明的描述中，需要理解的是，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性。此外，在本发明的描述中，除非另有说明，“多个”的含义是两个或两个以上。
图1是本发明实施例的业务处理系统的示意图。如图1所示，本发明实施例的业务系统包括至少一个终端设备1和至少一个服务器2。其中，终端设备1用于获取用户输入的业务处理请求，并将所述业务处理请求发送至服务器2。服务器A2用于对所述业务处理请求进行处理以获取对应的处理结果并发送至终端设备1。
可选地，所述终端设备1可以通过手机、平板电脑、笔记本计算机、台式电脑或其它电子设备等实现。
可选地，所述服务器2可以通过本地服务器或云服务器实现。进一步地，服务器2可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
进一步地，服务器2对待处理业务进行处理以获取处理结果。其中，服务器2的结构可参照图2，包括输入模块21、匹配模块22、计算模块23、处理模型模块24、数据源模块25和筛选模块26。其中，输入模块21用于接收终端设备1的业务处理请求，所述业务处理请求包括待处理业务的业务参数、第一约束条件和第二约束条件，其中，所述业务参数包括构成所述待处理业务的基本要素，所述第一约束条件为所述待处理业务预定的处理模型和数据源，所述第二约束条件为对处理结果预定的满足条件。匹配模块22用于根据所述业务参数和第一约束条件确定多个匹配的业务处理方案，所述业务处理方案包括进行业务处理的处理模型和数据源。计算模块23用于根据业务处理方案的处理模型在处理模型模块24中调用对应的处理模型，并根据业务处理方案的数据源在数据源模块25中调用对应的数据源，根据处理模型和数据源对业务进行处理以获取各业务处理方案对应的处理结果。筛选模块26用于根据第二约束条件对所述处理结果进行筛选以获取匹配的处理结果并输出到终端设备1。
在本实施例中，各个模块提供接口供上层调用，保持相对独立性，可单独或组合对外提供服务。
进一步地，服务器2获取处理结果的方法可参照图3，包括如下步骤：
步骤S100、获取业务处理请求。
在本实施例中，所述业务处理请求包括待处理业务的业务参数、第一约束条件和第二约束条件，其中，所述业务参数包括构成所述待处理业务的基本要素，所述第一约束条件为所述待处理业务预定的处理模型和数据源，所述第二约束条件为对处理结果预定的满足条件。
可选地，所述第一约束条件包括第一对象的第一约束条件和第二对象的第一约束条件。其中，第一对象和第二对象为参与业务的两个机构。
步骤S200、根据所述业务参数和第一约束条件确定多个匹配的业务处理方案，所述业务处理方案包括进行业务处理的处理模型和数据源。
进一步地，根据所述业务参数和第一约束条件确定多个匹配的业务处理方案如图4所示，包括如下步骤：
步骤S210、根据所述业务参数确定对应的业务类型。
在本实施例中，所述业务参数包括业务类型标识，服务器根据所述业务类型标识确定所述业务类型。
进一步地，服务器2在接收到业务处理请求后，解析所述业务处理请求以获取业务参数，检测所述业务参数中是否包括业务类型标识，响应于所述业务类型标识为空，生成对应的处理失败的结果并发送至终端设备，响应于业务参数中包括业务类型标识，进入步骤S220。
步骤S220、获取所述业务类型对应的业务处理方案集合。
在本实施例中，所述业务处理方案集合包括多个业务处理方案。
进一步地，假设上述确定的业务类型可支持的处理模型包括第一处理模型241和第二处理模型242，可支持的数据源包括第一数据源251和第二数据源252，业务处理方案集合可参照图5。如图5所示，业务处理方案集合包括4个业务处理方案，其中，第一业务处理方案为使用第一处理模型241和第一数据源251，第二业务处理方案为使用第一处理模型241和第二数据源252，第三业务处理方案为使用第二处理模型242和第一数据源251，第四业务处理方案为使用第二处理模型242和第二数据源252。
应理解，图5中的业务处理方案仅示出对应的处理模型和数据源，但由于各业务处理方案的处理模型和数据源不同，执行各业务处理方案所需要的业务参数也不相同，由此，业务处理方案中实际上还包括对应的业务参数。
步骤S230、根据所述业务参数、第一对象的第一约束条件和第二对象的第一约束条件在所述业务处理方案集合中确定多个匹配的业务处理方案。
在本实施例中，第一对象和第二对象为参与所述业务的两个机构。
应理解，本实施例以业务中包括两个对象为例进行说明，但本实施例的业务处理方法同样适用于只包括一个对象业务，以及，包括三个或三个以上对象的业务。
进一步地，根据所述业务参数、第一对象的第一约束条件和第二对象的第一约束条件在所述业务处理方案集合中确定多个匹配的业务处理方案如图6所示，包括如下步骤：
步骤S231、获取所述业务处理方案集合中的多个业务处理方案对应的第一文本。
在本实施例中，所述第一文本为业务处理方案中的业务参数、处理模型和数据源按照预定规则转换成的文本。
步骤S232、将所述待处理业务的业务参数和第一约束条件按照预定规则转换为对应的第二文本。
步骤S233、计算所述第一文本和所述第二文本的文本相似度。
进一步地，计算所述第一文本和所述第二文本的文本相似度包括如下步骤：
步骤S2331、通过预定的文本表示方法获取第一文本的第一向量。
进一步地，预定的文本表示方法可以是现有的各种文本表示方法，例如TF-IDF(term frequency–inverse document frequency，逆文本频率指数)算法、CBOW(Continuous Bag-Of-Words，连续词袋)算法、Skip-gram(Continuous Skip-gram，连续跳跃)算法、ELMo(Embedding from Language Models，语言模型嵌入算法)和GloVe(Globalvectors for word representation，词表征的全局向量)算法等。
进一步地，TF-IDF是一种统计方法，用以评估一字词对于一个文件集或一个语料库中的其中一份文件的重要程度。字词的重要性随着它在文件中出现的次数成正比增加，但同时会随着它在语料库中出现的频率成反比下降。将所有文本中的词作为坐标，对应词的词频作为在该坐标上的值，即可将文本按词频转换成词向量。
进一步地，CBOW模型是通过目标词的上下文的词预测目标词。具体的做法是，设定词向量的维度d，对所有的词随机初始化为一个d维的向量，然后要对上下文所有的词向量编码得到一个隐藏层的向量，通过这个隐藏层的向量预测目标词。例如，词汇表中一个有V个不同的词，就是隐藏层d维的向量乘以一个W矩阵转化为一个V维的向量，然后做一个分类器进行分类。
进一步地，Skip-gram模型与CBOW模型的原理相似，它的输入是目标词，先是将目标词映射为一个隐藏层向量，根据这个向量预测目标词上下文两个词。
进一步地，EMLo算法模型使用的是一个双向的LSTM(长短期记忆网络，LongShort-Term Memory)语言模型，由一个前向和一个后向语言模型构成，目标函数就是取这两个方向语言模型的最大似然。在预训练好这个语言模型之后，ELMo就是根据预定的公式来用作词表示。也即，ELMo利用预训练好的双向语言模型，然后根据具体输入从该语言模型中可以得到上下文依赖的当前词表示(对于不同上下文的同一个词的表示是不一样的)。
进一步地，GloVe模型是一个基于全局词频统计的词表征工具，它可以把一个词表达成一个由实数组成的向量，这些向量捕捉到了单词之间一些语义特性，比如相似性、类比性等。
由此，即可获取第一文本的第一向量。
步骤S2332、通过预定的文本表示方法获取第一文本的第一向量。
在本实施例中，通过与步骤S2331类似的步骤可第二文本的第二向量。
步骤S2333、根据所述第一向量和所述第二向量计算文本相似度。
在本实施例中，确定文本相似度可以为计算所述第一向量和所述第二向量的的欧式距离、曼哈顿距离或余弦相似度等。
进一步地，欧式距离又称欧几里得距离或欧几里得度量(Euclidean Metric)，以空间为基准的两点之间最短距离。对于k维的第一文本向量Vp(x11，x12，…，x1k)和第二文本向量Vq(x21，x22，…，x2k)，其欧式距离的计算公式为：
其中，D1为所述第一文本向量和第二文本向量的欧式距离，x1i为所述第一文本向量的第i个元素，x2i为所述第二文本向量的第i个元素。
进一步地，曼哈顿距离又称马氏距离(Manhattan distance)，对于k维的第一文本向量Vp(x11，x12，…，x1k)和第二文本向量Vq(x21，x22，…，x2k)，其曼哈顿距离的计算公式为：
其中，D2为所述第一文本向量和第二文本向量的曼哈顿距离，x1i为所述第一文本向量的第i个元素，x2i为所述第二文本向量的第i个元素。
进一步地，余弦距离也称为余弦相似度，是用向量空间中两个向量夹角的余弦值作为衡量两个个体间差异的大小的度量。通过两个向量的夹角的余弦值表征两个向量相似度。对于k维的第一文本向量Vp(x11，x12，…，x1k)和第二文本向量Vq(x21，x22，…，x2k)，其余弦距离的计算公式为：
其中，D3为所述第一文本向量和第二向量的曼哈顿距离，x1i为所述第一向量的第i个元素，x2i为所述第二文本向量的第i个元素。
应理解，本发明实施例计算相似度的方法并不限于上述列举的三种方式，其它计算相似度的方法也可适用。
步骤S234、根据所述文本相似度在所述业务处理方案集合中确定多个匹配的业务处理方案。
在本实施例中，通过上述步骤可获取待处理业务与各业务处理方案的文本相似度，根据所述文本相似度在所述业务处理方案集合中确定多个匹配的业务处理方案。
可选地，可以通过设置文本相似度阈值获取确定多个匹配的业务处理方案。将高于所述文本相似度阈值的业务处理方案确定为匹配的业务处理方案。以图5中的业务处理方案为例进行说明，第一对象的第一约束条件为支持的处理模型为第一处理模型241和第二处理模型242，支持的数据源为第一数据源251和第二数据源252，第二对象的第一约束条件为支持的处理模型为第一处理模型241，支持的数据源为第一数据源251和第二数据源252。通过步骤S234得到的匹配的业务处理方案为第一业务处理方案和第二业务处理方案。
步骤S300、分别根据各业务处理方案对应的处理模型和数据源对所述待处理业务进行处理以各业务处理方案对应的处理结果。
在本实施例中，通过上述步骤确定匹配的业务处理方案后，对于每一个匹配的业务处理方案，调用该业务处理方案对应的处理模型和数据源对所述待处理业务进行处理以获取该业务处理方案对应的处理结果。
进一步地，为了提高匹配的业务处理方案对业务处理的成功率和可靠性，在步骤S300之前，本发明实施例的方法还包括：
步骤S300′、根据所述匹配的业务处理方案对所述待处理业务的业务参数的完整性进行检测，响应于所述待处理业务的业务参数不完整，生成对应的处理结果并发送。响应于所述待处理业务具有完整的业务参数，执行步骤S300。
由此，在业务参数不完整时，可以对用户进行提示，并补充缺失的业务参数，提高对业务处理的成功率和可靠性。
步骤S400、根据所述第二约束条件对所述处理结果进行筛选以获取匹配的处理结果并输出。
在本实施例中，通过上述步骤计算得到多个匹配的业务处理方案对应的处理结果后，根据第二约束条件对所述处理结果进行筛选以获取匹配的处理结果并输出。
可选地，所述第二约束条件为处理结果最优。
进一步地，假设通过步骤S234得到的匹配的业务处理方案为第一业务处理方案和第二业务处理方案，通过步骤S300，第一业务处理方案的处理结果为m，第二业务处理方案的处理结果为n，且m优于n。此时，通过第二约束条件进行筛选后得到的匹配的业务处理方案为第一业务处理方案。
在一个可选的实现方式中，服务器将所述第一业务处理方案处理结果发生至终端设备。
在另一个可选的实现方式中，服务器将所述第一业务处理方案对应的处理模型和数据源以及处理结果一同发生至终端设备。
本发明实施例通过获取业务处理请求，所述业务处理请求包括待处理业务的业务参数、第一约束条件和第二约束条件，根据业务参数和第一约束条件确定多个匹配的业务处理方案，并调用各业务处理方案对应的处理模型和数据源对所述待处理业务进行处理以各业务处理方案对应的处理结果，根据第二约束条件对处理结果进行筛选以获取匹配的处理结果并输出。由此，可以对模糊目标的业务进行处理以获取符合条件的业务处理方案和处理结果，减小业务的风险率。
在一个具体的实施例中，本发明实施例的业务处理方法可应用在冲销估值业务中。具体地，冲销是指由交易的参与机构或金融中介发起，通过在交易双方或多方之间根据起息日、对手方、交易方向及交易金额对交易以交易压缩方式提前终止交易的行为。冲销估值是指对待冲销交易在估值时刻基于特定的模型及曲线计算出的存续合约价值。
进一步地，在冲销估值业务中，业务类型主要包括外汇期权、外汇掉期、货币掉期和利率互换等。
在本实施例中，用户通过终端设备的输入装置(鼠标、键盘、触摸屏等)输入业务处理请求，所述业务处理请求包括待处理业务的业务参数、第一约束条件和第二约束条件。
进一步地，业务参数包括业务类型和交易要素。进一步地，以外汇掉期的冲销估值业务为例进行说明，其中，业务类型为外汇掉期，交易要素为包括：发起方、报价方、成交日、即期利率、交易货币、对应货币、交易方向和金额、近端交易和远端交易等。
在一个可选的实现方式中，用户需要发起冲销估值业务请求时，在终端设备的输入界面输入对应的业务类型，终端设备根据输入类型获取对应的参数界面，用户根据参数界面的提示输入对应的交易要素。
在本实施例中，第一约束条件所述待处理业务预定的处理模型和数据源。具体地，在外汇掉期的冲销估值业务中，包括发起方a和报价方b两个机构，a机构的第一约束条件为a机构认可的处理模型和数据源，b机构的第一约束条件为b机构认可的处理模型和数据源。
在本实施例中，数据源可以是业务处理系统所支持的数据源，也可以是用户选择的其它信息商提供的数据源。在数据源其它信息商提供的数据源时，用户只需要在系统中添加对应的构件即可，系统通过调用对应接口使用该构件。
在本实施例中，第二约束条件为对处理结果预定的满足条件。
进一步地，假设a机构认可彭博(金融信息服务商)和路透(金融信息服务商)的数据源，且认可ISDA(国际掉期与衍生工具协会，International Swaps and DerivativesAssociation)和CFETS(中国外汇交易中心，China Foreign Exchange Trade System)的估值处理模型。且，b机构也认可彭博和路透的数据源，且认可ISDA和CFETS的估值处理模型。那么，服务器获取的匹配的业务处理方案有四种，分别为(彭博，ISDA)、(彭博、CFETS)、(路透，ISDA)和(路透，CFETS)。其中，对于(p，q)，p表示该业务处理方案对应的数据源，q表示业务处理方案对应的处理模型。
在本实施例中，对于每一个业务处理方案，调用对应的处理模型和数据源对估值业务进行处理。具体地，数据源为曲线数据(例如利率曲线等)，处理模型为估值计算模型，用于根据交易要素和曲线数据获取估值结果。
进一步地，处理模型的估值方法可采用现有的各种估值方法。
在本实施例中，服务器得到估值结果后，将对应的业务处理方案和对应的估值结果发送给终端设备，以供用户参考。
进一步地，服务器还可以根据第二约束条件对多个业务处理方案的估值结果进行筛选，将估值结果最优的一个或多个业务处理方案和对应的估值结果发送给终端设备。
本实施例通过将多种不同类型的冲销估值业务整合在一起，使得用户可以做同一系统下进行多种不同类型的冲销估值，实现冲销估值的统一计算，当出现新的交易品种冲销估值需求时，应用系统仅需通过API(Application Programming Interface，应用程序接口)将数据输入构件，构件本身无需重新开发，在此冲销估值引擎上配置修改即可，缩短应用版本建设时间，减小多个系统的维护和开发成本。同时，可以实现冲销估值的统一管理，如冲销估值模型发生扩展时，只需扩展对应的模型库，无需维护分散的交易品种估值代码，降低风险的同时也便于管理。而且，可以支持基于不同的模糊类业务(例如本场次冲销比例高，冲销总金额高，冲销参与机构数多，覆盖的期限范围广等)，转换为区间数对目标进行描述，构建出不同的待冲销交易估值组合，为后续冲销奠定基础。
本实施例通过获取业务处理请求，所述业务处理请求包括待处理业务的业务参数、第一约束条件和第二约束条件，根据业务参数和第一约束条件确定多个匹配的业务处理方案，并调用各业务处理方案对应的处理模型和数据源对所述待处理业务进行处理以各业务处理方案对应的处理结果，根据第二约束条件对处理结果进行筛选以获取匹配的处理结果并输出。由此，可以对模糊目标的业务进行处理以获取符合条件的业务处理方案和处理结果，减小业务的风险率。
图7是本发明实施例的电子设备的示意图。图7所示的电子设备为通用数据处理装置，其包括通用的计算机硬件结构，其至少包括处理器71和存储器72。处理器71和存储器72通过总线73连接。存储器72适于存储处理器71可执行的指令或程序。处理器71可以是独立的微处理器，也可以是一个或者多个微处理器集合。由此，处理器71通过执行存储器72所存储的指令，从而执行如上所述的本发明实施例的方法流程实现对于数据的处理和对于其它装置的控制。总线73将上述多个组件连接在一起，同时将上述组件连接到显示控制器74和显示装置以及输入/输出(I/O)装置75。输入/输出(I/O)装置75可以是鼠标、键盘、调制解调器、网络接口、触控输入装置、体感输入装置、打印机以及本领域公知的其他装置。典型地，输入/输出装置75通过输入/输出(I/O)控制器76与系统相连。
本领域的技术人员应明白，本发明的实施例可提供为方法、装置(设备)或计算机程序产品。因此，本发明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，本发明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读存储介质(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。
本发明是参照根据本申请实施例的方法、装置(设备)和计算机程序产品的流程图来描述的。应理解可由计算机程序指令实现流程图中的每一流程。
这些计算机程序指令可以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，该指令装置实现流程图一个流程或多个流程中指定的功能。
也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中指定的功能的装置。
以上所述仅为本发明的优选实施例，并不用于限制本发明，对于本领域技术人员而言，本发明可以有各种改动和变化。凡在本发明的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (6)
1.一种业务处理方法，其特征在于，所述方法包括：
获取业务处理请求，所述业务处理请求包括待处理业务的业务参数、第一约束条件和第二约束条件，其中，所述业务参数包括构成所述待处理业务的基本要素，所述第一约束条件为所述待处理业务预定的处理模型和数据源，所述第二约束条件为对处理结果预定的满足条件，所述第一约束条件包括第一对象的第一约束条件和第二对象的第一约束条件；
根据所述业务参数和第一约束条件确定多个匹配的业务处理方案，所述业务处理方案包括进行业务处理的处理模型和数据源；
分别根据各业务处理方案对应的处理模型和数据源对所述待处理业务进行处理以获取各业务处理方案对应的处理结果；以及
根据所述第二约束条件对所述处理结果进行筛选以获取匹配的处理结果并输出；
其中，根据所述业务参数和第一约束条件确定多个匹配的业务处理方案包括：
根据所述业务参数确定对应的业务类型；
获取所述业务类型对应的业务处理方案集合，所述业务处理方案集合包括多个业务处理方案；以及
根据所述业务参数、第一对象的第一约束条件和第二对象的第一约束条件在所述业务处理方案集合中确定多个匹配的业务处理方案；
其中，根据所述业务参数、第一对象的第一约束条件和第二对象的第一约束条件在所述业务处理方案集合中确定多个匹配的业务处理方案包括：
获取所述业务处理方案集合中的多个业务处理方案对应的第一文本，所述第一文本为业务处理方案中的业务参数、处理模型和数据源按照预定规则转换成的文本；
将所述待处理业务的业务参数和第一约束条件按照预定规则转换为对应的第二文本；
计算所述第一文本和所述第二文本的文本相似度；以及
根据所述文本相似度在所述业务处理方案集合中确定多个匹配的业务处理方案。
2.根据权利要求1所述的方法，其特征在于，所述业务参数包括业务类型标识；
根据所述业务参数确定对应的业务类型包括：
根据所述业务类型标识确定所述业务类型。
3.根据权利要求2所述的方法，其特征在于，所述方法还包括：
检测所述业务类型标识；以及
响应于所述业务类型标识为空，生成对应的处理结果并发送。
4.根据权利要求1所述的方法，其特征在于，所述方法还包括：
根据所述匹配的业务处理方案对所述待处理业务的业务参数的完整性进行检测；以及
响应于所述待处理业务的业务参数不完整，生成对应的处理结果并发送。
5.一种业务处理系统，其特征在于，所述系统包括：
终端设备，被配置为接收用户输入的业务处理请求，所述业务处理请求包括待处理业务的业务参数、第一约束条件和第二约束条件，其中，所述业务参数包括构成所述待处理业务的基本要素，所述第一约束条件为所述待处理业务预定的处理模型和数据源，所述第二约束条件为对处理结果预定的满足条件，所述第一约束条件包括第一对象的第一约束条件和第二对象的第一约束条件；以及
服务器，包括存储器和处理器，所述存储器用于存储一条或多条计算机程序指令，其中，所述一条或多条计算机程序指令被所述处理器执行以实现如下步骤：
获取业务处理请求；
根据所述业务参数和第一约束条件确定多个匹配的业务处理方案，所述业务处理方案包括进行业务处理的处理模型和数据源；
分别根据各业务处理方案调用对应的处理模型和数据源对所述待处理业务进行处理以获取各业务处理方案对应的处理结果；以及
根据所述第二约束条件对所述处理结果进行筛选以获取匹配的处理结果并输出；
其中，所述第一约束条件包括第一对象的第一约束条件和第二对象的第一约束条件；
其中，根据所述业务参数和第一约束条件确定多个匹配的业务处理方案包括：
根据所述业务参数确定对应的业务类型；
获取所述业务类型对应的业务处理方案集合，所述业务处理方案集合包括多个业务处理方案；以及
根据所述业务参数、第一对象的第一约束条件和第二对象的第一约束条件在所述业务处理方案集合中确定多个匹配的业务处理方案；
其中，根据所述业务参数、第一对象的第一约束条件和第二对象的第一约束条件在所述业务处理方案集合中确定多个匹配的业务处理方案包括：
获取所述业务处理方案集合中的多个业务处理方案对应的第一文本，所述第一文本为业务处理方案中的业务参数、处理模型和数据源按照预定规则转换成的文本；
将所述待处理业务的业务参数和第一约束条件按照预定规则转换为对应的第二文本；
计算所述第一文本和所述第二文本的文本相似度；以及
根据所述文本相似度在所述业务处理方案集合中确定多个匹配的业务处理方案。
6.一种计算机可读存储介质，其上存储计算机程序指令，其特征在于，所述计算机程序指令在被处理器执行时实现如权利要求1-4中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010307910.XA CN111651555B (zh) | 2020-04-17 | 2020-04-17 | 业务处理方法、系统和计算机可读存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010307910.XA CN111651555B (zh) | 2020-04-17 | 2020-04-17 | 业务处理方法、系统和计算机可读存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111651555A CN111651555A (zh) | 2020-09-11 |
| CN111651555B true CN111651555B (zh) | 2023-11-03 |
Family
ID=72346635
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010307910.XA Active CN111651555B (zh) | 2020-04-17 | 2020-04-17 | 业务处理方法、系统和计算机可读存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111651555B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112784155A (zh) * | 2020-12-31 | 2021-05-11 | 北京橙色云科技有限公司 | 匹配服务方的方法、装置以及存储介质 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103207912A (zh) * | 2013-04-15 | 2013-07-17 | 武汉理工大学 | 基于属性多层关联的服务资源组合智能推荐方法和系统 |
| CN109542428A (zh) * | 2018-10-16 | 2019-03-29 | 平安普惠企业管理有限公司 | 业务处理方法、装置、计算机设备和存储介质 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2008079325A1 (en) * | 2006-12-22 | 2008-07-03 | Hartford Fire Insurance Company | System and method for utilizing interrelated computerized predictive models |
-
2020
- 2020-04-17 CN CN202010307910.XA patent/CN111651555B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103207912A (zh) * | 2013-04-15 | 2013-07-17 | 武汉理工大学 | 基于属性多层关联的服务资源组合智能推荐方法和系统 |
| CN109542428A (zh) * | 2018-10-16 | 2019-03-29 | 平安普惠企业管理有限公司 | 业务处理方法、装置、计算机设备和存储介质 |
Non-Patent Citations (1)
| Title |
|---|
| 张轼坤 ; 沈峰 ; 高列宁 ; 周云康 ; .基于词向量的国际业务实时推理模型.信息技术与网络安全.2019,(05),全文. * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111651555A (zh) | 2020-09-11 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109636607B (zh) | 基于模型部署的业务数据处理方法、装置和计算机设备 | |
| CN110443274B (zh) | 异常检测方法、装置、计算机设备及存储介质 | |
| KR102201919B1 (ko) | 랜덤 포레스트 모델의 훈련 방법, 전자장치 및 저장매체 | |
| TWI693527B (zh) | 位置資訊的處理方法及裝置 | |
| US11392894B2 (en) | Systems and methods for intelligent field matching and anomaly detection | |
| CN109564575A (zh) | 使用机器学习模型来对图像进行分类 | |
| WO2021068563A1 (zh) | 样本数据处理方法、装置、计算机设备及存储介质 | |
| CN111814910B (zh) | 异常检测方法、装置、电子设备及存储介质 | |
| CN108388512B (zh) | 数据处理方法和服务器 | |
| WO2019061664A1 (zh) | 电子装置、基于用户上网数据的产品推荐方法及存储介质 | |
| CN112231592A (zh) | 基于图的网络社团发现方法、装置、设备以及存储介质 | |
| CN110750658A (zh) | 一种媒体资源的推荐方法、服务器及计算机可读存储介质 | |
| US20230004979A1 (en) | Abnormal behavior detection method and apparatus, electronic device, and computer-readable storage medium | |
| CN113538154B (zh) | 风险对象的识别方法、装置、存储介质和电子设备 | |
| US20230368028A1 (en) | Automated machine learning pre-trained model selector | |
| CN111611390B (zh) | 一种数据处理方法及装置 | |
| CN113190562A (zh) | 一种报表生成方法、装置及电子设备 | |
| CN110245684B (zh) | 数据处理方法、电子设备和介质 | |
| CN111651555B (zh) | 业务处理方法、系统和计算机可读存储介质 | |
| CN114139630A (zh) | 姿态识别方法、装置、存储介质和电子设备 | |
| CN114189818A (zh) | 消息发送方法、装置、服务器及存储介质 | |
| CN111738290B (zh) | 图像检测方法、模型构建和训练方法、装置、设备和介质 | |
| CN111552829B (zh) | 用于分析图像素材的方法和装置 | |
| CN110717037A (zh) | 对用户分类的方法和装置 | |
| CN115686495A (zh) | 应用的生成方法、装置和服务器 |
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 |