CN111754218A - 支付方式推荐方法和装置 - Google Patents
支付方式推荐方法和装置 Download PDFInfo
- Publication number
- CN111754218A CN111754218A CN202010607227.8A CN202010607227A CN111754218A CN 111754218 A CN111754218 A CN 111754218A CN 202010607227 A CN202010607227 A CN 202010607227A CN 111754218 A CN111754218 A CN 111754218A
- Authority
- CN
- China
- Prior art keywords
- payment
- target
- rate
- preset
- mode
- 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
- 238000000034 method Methods 0.000 title claims abstract description 151
- 238000012216 screening Methods 0.000 claims description 5
- 230000004044 response Effects 0.000 claims description 2
- 230000003993 interaction Effects 0.000 abstract description 7
- 239000002699 waste material Substances 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 17
- 238000003860 storage Methods 0.000 description 17
- 238000004590 computer program Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 9
- 238000012545 processing Methods 0.000 description 9
- 238000004364 calculation method Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 8
- 238000012790 confirmation Methods 0.000 description 6
- 238000012163 sequencing technique Methods 0.000 description 6
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 238000004140 cleaning Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 230000006399 behavior Effects 0.000 description 3
- 238000012423 maintenance Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 230000002596 correlated effect Effects 0.000 description 2
- 230000000875 corresponding effect Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000010200 validation analysis Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000001364 causal effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
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
- G06Q20/22—Payment schemes or models
- G06Q20/227—Payment schemes or models characterised in that multiple accounts are available, e.g. to the payer
-
- 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
- G06Q20/403—Solvency checks
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Accounting & Taxation (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Security & Cryptography (AREA)
- Finance (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本公开公开了一种支付方式推荐方法和装置。本公开实施例，通过确定目标时间窗口，根据目标时间窗口内的支付记录，计算每种目标支付方式的预设影响参数，将可用率不小于预设可用率阈值的目标支付方式作为候选支付方式，计算各候选支付方式的推荐率，向目标对象推荐所述候选支付方式。相对于传统的做法，本公开根据各候选支付方式的推荐率进行推荐，以便于用户能够优先选择到推荐率高的支付方式进行支付，使得选择的支付方式稳定性高，减少甚至避免重复支付操作带来的浪费网络资源的问题，并尽可能减少支付终端和后台之间的信息交互。
Description
技术领域
本公开涉及数据处理技术领域，特别涉及一种支付方式推荐方法和装置。
背景技术
当用户在使用非现金方式进行消费时，可以选择本行账户，他行绑定卡或即时通讯平台提供的支付方式进行支付。在用户支付时，传统的做法是系统将所有支付渠道的支付方式全部展示给用户，由用户根据主观意愿自行选择，这种做法多存在的问题是：由于用户无法提前感知支付方式的实际是否可用，通常会遇到支付失败的情况，在支付失败后需要重新发起支付，重复操作会带来支付终端和后台之间频繁重复的数据交互行为，消耗网络资源。
发明内容
本公开的目的是提供一种支付方式推荐的方法及相关装置。用于解决现有技术中未能合理的推荐支付方式，导致用户容易支付失败，且支付失败的基础上引发重复进行支付操作带来的增加支付终端和后台之间频繁重复的数据交互行为，且浪费网络资源的问题。
第一方面，本公开实施例提供了一种支付方式推荐方法，包括：
当接收到目标对象的支付请求时，若存在多种目标支付方式，则按照时间顺序依次确定出指定数量的目标时间窗口，所述目标时间窗口为记录的交易笔数不小于预设最低笔数的时间窗口；
根据所述指定数量的目标时间窗口内的支付记录，计算每种目标支付方式的预设影响参数，所述预设影响参数包括：可用率、支付平均超时率以及被选择比例；
将所述可用率不小于预设可用率阈值的目标支付方式作为候选支付方式，并基于各个所述候选支付方式的所述预设影响参数计算推荐率；
根据所述推荐率，向目标对象推荐所述候选支付方式。
第二方面，本公开实施例还提供了一种支付方式推荐的装置，包括：
时间窗口获取模块，用于当接收到目标对象的支付请求时，若存在多种目标支付方式，则按照时间顺序依次确定出指定数量的目标时间窗口，所述目标时间窗口为记录的交易笔数不小于预设最低笔数的时间窗口；
影响参数确定模块，用于根据所述指定数量的目标时间窗口内的支付记录，计算每种目标支付方式的预设影响参数，所述预设影响参数包括：可用率、支付平均超时率以及被选择比例；
推荐率确定模块，用于将所述可用率不小于预设可用率阈值的目标支付方式作为候选支付方式，并基于各个所述候选支付方式的所述预设影响参数计算推荐率；
推荐支付方式模块，用于根据所述推荐率，向目标对象推荐所述候选支付方式。
在一个实施例中，所述影响参数确定模块，包括：
交易状态识别单元，用于对每种目标支付方式，从所述目标支付方式的支付记录中获取同一笔交易的交易状态，并识别出交易状态为交易成功的每笔交易；
可用率确认单元，用于根据所述指定数量的目标时间窗口内的成功交易笔数和总交易笔数，确定单个时间窗口内的平均交易成功率作为所述目标支付方式的可用率。
在一个实施例中，所述可用率确认单元确定所述目标支付方式的可用率之前，针对每笔交易，若所述交易是由预设的非系统原因造成的交易失败，则所述交易确定为成功交易。
在一个实施例中，所述预设可用率阈值包括所述目标支付方式的历史可用率与预设阈值的差值。
在一个实施例中，所述推荐率模块计算推荐率之前，所述装置还包括规则集确认模块，用于对每种目标支付方式，根据预设的支付方式规则集，筛选并剔除不可用的目标支付方式。
在一个实施例中，所述规则集确认模块，用于确认当满足以下条件之一时，所述目标支付方式为不可用支付方式，否则所述目标支付方式为可用支付方式；
条件1：对每种目标支付方式，当所述目标支付方式的支付通道升级时，所述目标支付方式为不可用；
条件2：对每种目标支付方式，当所述目标支付方式处于支付限额状态时，所述目标支付方式为不可用；
条件3：对每种目标支付方式，当所述目标支付方式处于余额不足状态时，所述目标支付方式为不可用。
在一个实施例中，所述推荐率确定模块，具体用于：
通过预设可用率优先公式确定每种目标支付方式的所述推荐率，所述预设可用率优先公式如下：
或者，通过预设可用率和成本优先公式确定每种目标支付方式的所述推荐率，所述可用率和成本优先公式如下：
其中，g(i)表示所述候选支付方式i的推荐率，f(i)表示所述候选支付方式i的可用率，y(i)表示所述候选支付方式i的平均支付超时率，m(i)表示用户对所述候选支付方式i的被选择比例，
为所述候选支付方式i的预设权重，z(i)表示所述候选支付方式i的预设支付成本系数，所述预设支付成本系数与支付成本负相关。
在一个实施例中，当所述预设可用率优先公式和所述预设可用率和成本优先公式可选择使用时，在所述推荐率确定模块基于各个所述候选支付方式的所述预设影响参数计算推荐率之前，还用于：
对每种候选支付方式，比较所述候选支付方式的累计成本与成本阈值；若所述累计成本不高于所述成本阈值则采用所述基于可用率优先的方式计算所述候选支付方式的推荐率；若所述累计成本高于所述成本阈值则采用所述基于可用率和成本优先的方式计算所述候选支付方式的推荐率；
或者，
响应于对推荐率确定方式的选择指令，选择所述选择指令指示的方式确定所述候选支付方式的推荐率。
第三方面，本公开另一实施例还提供了一种电子设备，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执行本公开实施例提供的任一支付方式推荐方法。
第四方面，本公开另一实施例还提供了一种计算机存储介质，所述计算机存储介质存储有计算机程序，所述计算机程序用于使计算机执行本公开实施例提供的任一支付方式推荐方法。
本公开实施例，在获取支付记录时，筛选出多个符合要求的目标时间窗口内的支付记录，来保证基础数据的质量，然后采用这多个目标时间窗口内的支付记录，计算目标支付方式的影响参数，包括可用率、支付平均超时率以及被选择比例等。然后根据可用率筛选出较好的支付方式作为候选支付方法，再根据候选支付方式各自的影响参数确定出候选支付方式的推荐率，然后按照推荐率排序为目标对象推荐候选支付方式。相对于将所有支付渠道的支付方式全部展示给用户，本公开可以综合考量多方面的因素，如支付记录的质量、可用率、平均支付超时率以及用户的喜好(即支付方式的被选择比例)综合的为用户推荐候选支付方式，使得推荐的支付方式更能够满足目标用户的当前需求并结合了可用率和平均支付超时率来保证推荐的支付方式能够顺利的完成支付，进而减少用户由于支付失败而重复进行支付操作带来的增加支付终端和后台之间频繁重复的数据交互行为，且浪费网络资源的问题。
本公开的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本公开而了解。本公开的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
附图说明
为了更清楚地说明本公开实施例的技术方案，下面将对本公开实施例中所需要使用的附图作简单地介绍，显而易见地，下面所介绍的附图仅仅是本公开的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为根据本公开一个实施例的应用环境的示意图；
图2为根据本公开一个实施例的支付方式推荐流程示意图；
图3为根据本公开一个实施例的整体流程图；
图3a为根据本公开一个实施例的支付方式推荐时序图；
图3b为根据本公开一个实施例的数据清洗流程图；
图4为根据本公开一个实施例的支付方式推荐装置示意图；
图5为根据本公开一个实施例的支付方式推荐电子设备结构图。
具体实施方式
为进一步说明本公开实施例提供的技术方案，下面结合附图以及具体实施方式对此进行详细的说明。虽然本公开实施例提供了如下述实施例或附图所示的方法操作步骤，但基于常规或者无需创造性的劳动在方法中可以包括更多或者更少的操作步骤。在逻辑上不存在必要因果关系的步骤中，这些步骤的执行顺序不限于本公开实施例提供的执行顺序。方法在实际的处理过程中或者控制设备执行时，可以按照实施例或者附图所示的方法顺序执行或者并行执行。
显然，所描述的实施例仅仅是本公开一部分实施例，而不是全部的实施例。基于本公开中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本公开保护的范围。本公开实施例中术语“多个”是指两个或两个以上，其它量词与之类似应当理解，此处所描述的优选实施例仅用于说明和解释本公开，并不用于限定本公开，并且在不冲突的情况下，本公开的实施例及实施例中的特征可以相互组合。
当用户使用网络支付方式进行消费时，传统的支付方法存在的主要问题是用户通常会遇到支付失败的情况，在支付失败后需要重新发起支付，重复操作会带来支付终端和后台之间频繁重复的数据交互行为，消耗网络资源。有鉴于此，本公开提出了一种支付方式推荐的方法、装置、电子设备和存储介质，用于解决上述问题。
本公开的发明构思为：通过按照时间顺序依次确定出指定数量的目标时间窗口，根据指定数量的目标时间窗口内的支付记录，计算每种目标支付方式的预设影响参数，该预设影响参数包括：可用率、支付平均超时率以及被选择比例，将可用率不小于预设可用率阈值的目标支付方式作为候选支付方式，并基于各个候选支付方式的预设影响参数计算推荐率，根据计算所得的推荐率，向目标对象推荐所述候选支付方式。相对于传统的做法，本公开根据各个候选支付方式的推荐率进行推荐，以便于用户能够优先选择到可用率高的支付方式进行支付，能够有效减少甚至避免由于支付方式选择不当导致的重复支付操作。进而，减少甚至避免重复支付操作带来的浪费网络资源的问题，并尽可能减少支付终端和后台之间的信息交互。
进一步的，本公开中还进一步结合预设规则集，排除不可用的支付方式，使推荐的结果准确，进一步保证支付的成功进行。
下面结合附图对本公开实施例中的支付方式推荐方法进行详细说明。
参见图1，为根据本公开一个实施例的应用环境的示意图。
如图1所示，该应用环境中例如可以包括网络10、实时计算框架20、至少一种终端设备30、kafka系统40以及数据库50。其中：
kafka系统40用于将存储支付记录，并通过网络10将所存储的支付记录被主机20消费。
实时计算框架20通过网络10消费kafka系统40中存储的支付记录，并通过网络10调取数据库50中的历史数据，得到支付推荐方式，将支付推荐方式存入redis缓存，根据终端设备30的需求将支付推荐方式生成推荐列表并通过网络10发送给终端设备30。
在本公开中，为了能够实现支付方式推荐，通过实时计算框架技术能够获取目标支付方式的预设影响参数，然后根据目标支付方式的可用率、支付平均超时率以及被选择比例为用户推荐支付方法。也即，通过推荐高可用和高稳定性的支付方式来尽可能促成支付成功，进而减少用户由于支付失败而重复进行支付操作带来的增加支付终端和后台之间频繁重复的数据交互行为，且浪费网络资源的问题。
在图1所示的应用场景中，可以获取分布式架构系统中各数据中心节点中的支付记录，通过网络10将支付记录存储在kafka系统40中，kafka系统40中存储的支付记录通过网络10被实时计算框架20消费以获取目标支付方式的可用率、支付平均超时率以及被选择比例；然后根据多种目标支付方式的可用率、支付平均超时率以及被选择比例确定多种候选支付方式的推荐排序，并通过网络10，将推荐排序存储于redis缓存中，供终端设备30调用，以便于通过终端设备30完成向用户推荐支付方式。
本公开中的描述中仅就单个实时计算框架或kafka系统加以详述，但是本领域技术人员应当理解的是，示出的终端设备30、kafka系统40、实时计算框架20和数据库50旨在表示本公开的技术方案涉及的支付渠道、kafka系统、实时计算框架以及存储系统的操作。对单个实时计算框架和kafka系统加以详述至少为了说明方便，而非暗示对实时计算框架和kafka系统的数量、类型或是位置等具有限制。应当注意，如果向图示环境中添加附加模块或从其中去除个别模块，不会改变本公开的示例实施例的底层概念。另外，虽然为了方便说明而在图1中示出了从数据库50到实时计算框架20的双向箭头，但本领域技术人员可以理解的是，上述数据的收发也是需要通过网络10实现的。
需要说明的是，本公开实施例中的存储系统例如可以是缓存系统、也可以是硬盘存储、内存存储等等。
此外，本公开提出的支付推荐方法不仅适用于图1所示的轻应用，还适用于任何能够进行目标支付方式支付的装置，例如，手机支付软件。
图2示出了本公开一个实施例提供的支付方式推荐方法的流程示意图，包括：
步骤201：当接收到目标对象的支付请求时，若存在多种目标支付方式，则按照时间顺序依次确定出指定数量的目标时间窗口，所述目标时间窗口为记录的交易笔数不小于预设最低笔数的时间窗口；
需要说明的是，从当前时间开始向过去时间内截取各时间窗口内的支付记录时，为防止截取交易笔数过少导致所得结果不准确，故此本公开步骤201中预设每个时间窗口内需获取的最低交易笔数，每个时间窗口内的总交易笔数需要不低于预设的最低交易笔数，若未达到预设的最低交易笔数，需要顺延一个时间窗口取数。由此，可以保证候选计算的影响参数能够反映实际的情况。
步骤202：根据所述指定数量的目标时间窗口内的支付记录，计算每种目标支付方式的预设影响参数，所述预设影响参数包括：可用率、支付平均超时率以及被选择比例；
步骤203：将所述可用率不小于预设可用率阈值的目标支付方式作为候选支付方式，并基于各个所述候选支付方式的所述预设影响参数计算推荐率；
实施时，预设可用率阈值为目标支付方式的历史可用率与预设值的差值，若目标支付方式的当前可用率不小于预设可用率阈值，则该目标支付方式为候选支付方式。
步骤204：根据所述推荐率，向目标对象推荐所述候选支付方式；
实施时，可用所得到的各支付方式的推荐率降序排序，生成支付推荐表单展示给目标对象。
在一些可能的实施例中，对于每种目标支付方式，可以获取该目标支付方式的支付记录后，采用实时计算的方式获取该目标支付方式的可用率。为了能确定多种目标支付方式的推荐排序，本公开采用对多种目标支付方式的可用率进行处理，根据多种目标支付方式的预设影响参数并进一步结合预设规则集，来确定多种候选支付方式的推荐排序。下面，将对如何确定目标支付方式的可用率、如何使用预设支付方式规则集以及如何确定多种候选支付方式的推荐排序分别进行说明，包括以下三部分：
部分1：确定目标支付方式的可用率
首先，获取目标支付方式的支付记录；然后根据所述支付记录，确定所述目标支付方式的可用率。实施时，本公开提供如下两种实时获取目标支付方式的支付记录的实施方式，包括：
方式1：根据对分布式架构系统内各数据中心节点中各项支付数据进行采集，存储到kafka，故此，可从kafka中获取目标支付方式的支付记录。
方式2：考虑到采集数据时需多种接口，采用flume日志采集系统作为日志收集端更优于kafka。故此，本公开中还可以采用flume与kafka架构的方式，将flume用于日志收集端，kafka用于日志消费端，获取目标支付方式的支付记录。这种架构方式能够更适用于大量数据的存储。
需要说明的是，只要能够获取目标支付的支付记录的方法均适用于本公开实施例，本公开对此不作限定。
在一个实施例中，采用Spark实时计算框架，根据Spark Streaming框架来获取存储在kafka中的目标支付方式的支付记录，并将支付记录转换成DStream离散流进行处理。
其中，在采集到目标支付方式的支付记录后，针对每笔交易而言，从发起支付到支付结束可能会经历多种交易状态。例如发起支付状态、中间状态，支付成功/失败状态。故此，会由于实时的多次采集交易状态，导致同一笔交易得到多种交易状态。因此，本公开中在统计目标支付方式的可用率之前，可以先对该目标支付方式的支付记录进行数据清洗。数据清洗可包括两方面：
数据清洗1、如前文所述，由于同一笔交易可能会存在多种交易状态，本公开中，首先获取同一笔交易的相关记录，实施时，每笔交易有对应的标识，可按照交易的标识来识别同一笔交易流水。然后将同一笔交易的最新状态，确定为该笔交易的最终状态。那么根据每笔交易的最终状态，可提取出交易成功的每笔交易。
数据清洗2、有时候交易失败并非完全是交易渠道不稳定造成的，例如，余额不足导致交易失败，那么交易失败的原因和交易渠道的系统稳定性没有关系。故此，本公开中，针对每笔交易，若该交易是由预设的非系统原因造成的交易失败，则该交易确定为成功交易。
由此，针对每种目标支付方式，完成数据清洗之后，可以统计目标支付方式的可用率。实施时，可以统计指定时长内的平均交易成功率作为目标支付方式的可用率。
为便于统计可用率，可以预设目标时间窗口，例如可以定义每个目标时间窗口的时长作为预设单位时间。然后，获取多个目标时间窗口内的交易数据。针对每个时间窗口分别统计该时间窗口内的交易成功率。例如，一个目标时间窗口内，成功交易笔数为A，总交易笔数为B，则该目标时间窗口内的交易成功率为(A/B)。以此类推，单个时间窗口内的平均交易成功率可按如下公式(1)进行计算：
其中，f(n)表示单个时间窗口内的平均交易成功率，Si表示第i个目标时间窗口内成功交易的笔数，Ci表示第i个目标时间窗口内的总交易笔数，n表示截取的目标时间窗口数(n∈正整数)。
需要说明的是，实现实时计算功能的Spark Streaming框架可由具有类似功能的Flink、Storm框架代替。
此外，还需要说明的是该实时计算框架不仅限于计算目标支付方式的可用率，还包括统计和计算目标支付方式的其他影响参数，例如用户对目标支付方式的被选择比例，该被选择比例可以表示为预设单位时间内，用户对目标支付方式的使用次数与该时长内用户使用的所有支付方式的总数的比例，则目标支付方式的被选择比例可按如下公式(2)进行计算：
其中，Q(n)表示预设单位时间内目标支付方式的被选择比例，Se表示第e个时间窗口内用户采用目标支付方式的次数，Ce表示第e个时间窗口内用户所用的所有支付方式的总支付次数，n表示截取的时间窗口数(n∈正整数)。
当然，实施时，还可以采用支付时间距离当前时间的时长作为权重因子来确定被选择比例。例如，支付方式A共采用A1次，按时间排序构成的支付时间向量为A’，每次支付时间与当前时间的时长的倒数构成的权重向量为A”。那么用户对支付方式A的被选择比例可以为(A’*A”)/A1。这样，最近使用越频繁的支付方式将会喜好度更高。
其中，前述影响参数中的平均超时率可根据指定时长内超时交易的笔数和总交易笔数来确定；本公开超时交易指可能由于网络原因或支付渠道后台原因导致未在规定时间内完成相应的交易操作。
部分2：关于预设支付方式规则集
在一个实施例中，除了根据步骤203中的可用率来筛选候选支付方式，本公开中还可以根据其他的方式来进一步筛选候选支付方式。实施时，可预先根据影响支付方式的因素，创建预设支付方式规则集,步骤203中根据可用率筛选候选支付方式的方法也可以作为预设支付方式规则集的一部分，具体的预设支付方式规则集可如表1所示，包括：
表1
规则编号A0001：支付通道升级维护时，后台运维人员可以按照支付方式，预设不可用时间区间，不可用区间内该支付方式不可用；
规则编号A0002：预设可用率阈值，将存入数据库中的目标支付方式的历史可用率与该种支付方式的可用率对比，若历史可用率-可用率>预设可用率阈值则该支付方式不可用；
规则编号A0003：若用户该支付方式处于支付限额状态则该支付方式不可用；
规则编号A0004：若用户该支付方式处于余额不足状态则该支付方式不可用；
将支付通道升级维护规则、可用率规则、支付限额规则、支付余额规则以集合方式创建预设规则集A，用于确定多种目标支付方式的推荐排序，若A＝1时，表示为该支付方式可用，即该支付方式为候选支付方式；
若A＝0时，表示为该支付方式不可用；
其中，预设支付方式规则集A包括但不限于支付通道升级维护规则、可用率规则、支付限额规则、支付余额规则。
在通过预设支付方式筛选出候选支付方式之后，可以采用如下部分3描述的方法来确定各种候选支付方式的推荐率。
部分3：关于如何确定各候选支付方式的推荐率
本公开提供如下两种确定候选支付方式的推荐率的实施方式。
当存在多种候选支付方式时，对每种候选支付方式的影响参数进行获取，例如，该影响参数可包括上述的可用率、平均支付超时率及被选择比例，本公开中影响推荐率的影响参数还可以包括候选支付方式的预设权重及支付成本，其中：
平均超时率、被选择比例已在前文说明，这里不再赘述；
候选支付方式的预设权重用于校准由于用户转变喜好的支付方式，而最新喜好的支付方式由于使用次数少而导致最新喜好的支付方式相对之前喜好的支付方式的可用率低，难以反映真实情况的问题。实施时，预设权重可以和可用率以及被选择比例相关，用于二者相差较大对推荐率进行校准，预设权重可通过大数据分析得到不同候选支付方式的预设权重。此外，本公开还可以根据神经网络对用户支付方式的大数据进行学习，得到不同候选支付方式的预设权重；
支付成本可以根据实际需求设置参考的成本，例如硬件资源消耗成本，商家为每笔交易需要付出的货币成本等。
其中，候选支付方式的可用率、候选支付方式的被选择比例以及候选支付方式的预设权重均与推荐率正相关，平均支付超时率及候选支付方式的支付成本均与推荐率负相关。
为了进一步理解如何确定推荐率，本公开提供如下两种实施方式，包括：
方式1：通过预设可用率优先公式确定每种候选支付方式的推荐率：
根据所获取的候选支付方式的支付记录获得多种候选支付方式的可用率及影响参数；计算方式可如公式(3)所示：
其中，g(i)表示候选支付方式i的推荐率，,f(i)表示候选支付方式的可用率，y(i)表示候选支付方式的平均支付超时率，m(i)表示用户对候选支付方式的被选择比例，
为候选支付方式的预设权重，为用于校准f(i)和m(i)相差极大时的变量，A为通过预设支付方式规则集判断的支付方式可用，也即，目标支付方式为候选支付方式时，才采用公式(3)计算可用率；而当A＝0时表示i支付方式不可用，该支付方式推荐率为最低(实施时该最低推荐率可 设置为0)。
方式2：通过预设可用率和成本优先公式确定每种候选支付方式的推荐率：
本公开实施例中，在考虑多种候选支付方式的可用率基础上，考虑支付成本因素来进行推荐，计算方式可如公式(4)所示：
其中，g(i)表示所述候选支付方式i的推荐率，f(i)表示所述候选支付方式i的可用率，y(i)表示所述候选支付方式i的平均支付超时率，m(i)表示用户对所述候选支付方式i的被选择比例，
为所述候选支付方式i的预设权重，z(i)表示为候选支付方式i的支付成本占比率(其中支付成本越低，支付成本占比率越高)；A为采用公式(4)计算推荐率的前提条件，即目标支付方式为候选支付方式。另需说明，当A＝0时，表示i支付方式不可用时，该支付方式推荐率最低。
在一个实施例中，通过对每种候选支付方式，比较候选支付方式的累计成本与成本阈值；若累计成本不高于成本阈值则采用所述基于可用率优先的方式计算候选支付方式的推荐率；若该累计成本高于成本阈值则采用基于可用率和成本优先的方式计算所述候选支付方式的推荐率，该方式通过设定累计成本与成本阈值的比较判定，不仅保证了为用户提供可用率高的支付方式还减少用户选择支付成本高的支付方式，自动且有效的节约了支付成本。
在另一实施例中，可根据响应于对推荐率确定方式的选择指令，选择所述选择指令指示的方式确定所述候选支付方式的推荐率，该方式由人工提前录入选择指令，操作简单且便于随时更改计算推荐率的方式。
在一个实施例中，推荐排序可存储在redis缓存中，以便于用户发起支付时，可通过对客渠道从缓存中获取推荐排序；
其中，对客渠道包括但不限于手机支付软件、轻应用。
存储在redis缓存中的数据也可存储到具有类似功能的数据库或同类框架如Memcached中。
为便于理解本公开提供的支付方式推荐方法，下面结合图3进行说明。如图3所示，为本公开支付推荐的场景中包括kafka系统、实时计算框架SparkStreaming、数据库Hbase、redis缓存。其中，kafka系统用于从分布式架构系统中各数据中心节点获取的目标支付方式的支付记录；
实时计算框架SparkStreaming用于消费kafka系统中存储的数据，根据自身离散流Dstream将数据进行处理，得到目标支付方式的推荐率；
数据库Hbase用于存储历史支付记录、预设规则集等；
redis缓存用于存储从SparkStreaming中输出的推荐排序。
具体流程包括以下步骤：
在步骤301中，基于kafka系统消息推送方式订阅在分布式架构系统中各数据中心节点中的目标支付方式的支付记录，并将数据存储于kafka系统中；
在步骤302中，实时计算框架Spark Streaming消费存储于kafka系统中的支付记录。并将支付记录转换成DStream离散流进行处理。
在步骤303中：实时计算框架Spark Streaming获取目标支付方式的可用率、支付平均超时率以及被选择比例，并读取存储于数据库Hbase中的预设支付方式规则集判断目标支付方式可用时，根据前述预设关系计算候选支付方式的推荐率，否则，当目标支付方式不可用时将其推荐率设置为0。
在步骤304中，实时计算框架将多种候选支付方式按推荐率高低进行排序，并将排序结果存储于redis缓存。
对客渠道根据用户需求获取存储于redis缓存中的推荐排序，生成支付方式推荐表单给用户。
为便于理解本公开提供的支付方式推荐方法，本公开提供了支付方式推荐时序图，如图3a所示：
对客渠道发出支付请求后，数据实时采集器实时获取目标支付方式的支付记录，根据实时计算引擎得到多种支付方式的支付推荐排序，将得到的支付推荐排序存储于redis缓存中供对客渠道查询，支付推荐方式整体流程由VDI人工操作控制台进行7*24小时的检查维护。
数据实时采集器：获取在分布式架构系统中各数据中心节点中的目标支付方式的支付记录，将数据存储于kafka系统中。
实时计算引擎：采用实时计算框架SparkStreaming，通过消费存储于kafka系统中的目标支付方式的支付记录获取每种目标支付方式的可用率、支付平均超时率以及被选择比例；
根据每种目标支付方式的可用率、支付平均超时率以及被选择比例，并进一步结合规则引擎中的预设支付方式规则集来确定候选支付方式的推荐率，根据推荐率得到多种候选支付方式的推荐排序；
其中，预设支付方式规则集中的规则部分需根据Hbase数据库中存储的历史数据来确定支付方式推荐率，如规则A0002中，根据判定历史可用率、目标支付方式的可用率、预设可用率阈值之间的关系，确定目标支付方式是否可用。
智能推荐列表是由存储于redis缓存中的推荐排序，根据不同用户对支付方式的需求所生成的推荐表单。
对客渠道：包括但不限于手机支付软件，微程序，用于将根据不同用户需求的支付方式推荐表单展示给用户。
VDI人工操作控制台：采用VDI虚拟桌面基础架构技术，支持虚拟桌面，帮助人工对支付方式推荐整体流程进行监察维护，例如维护预设规则列表，变更计算推荐率的方式，例如选择成功率优先的计算方式，还是选择成功率结合支付成本的计算方式。
以根据实时计算的方法获取可用率的主要处理流程为例。本公开还提供了数据清洗流程图3b，如图所示：
事件输入消息队列是指以消息订阅的方式获取不同目标支付方式的支付记录；
Spark Streaming框架从kafka中消费存储的目标支付方式的支付记录，并将支付记录转换成DStream离散流进行数据清洗；
将清洗后的支付记录按照不同支付方式拆分后转换成子DStream离散流处理数据，即得到对每种目标支付方式的数据流。然后对每种支付方式的数据量进行转换处理，转换的目的是将处理数据流中一些可能会干扰获取支付方式影响参数的支付状态(如，余额不足导致交易失败，那么交易失败的原因和交易渠道的系统稳定性没有关系，该支付状态应转换为交易成功)；
根据处理后的支付方式数据得到目标支付方式的可用率、支付平均超时率以及被选择比例；根据目标支付方式的可用率、支付平均超时率以及被选择比例得到各候选支付方式的推荐率并存储到输出消息队列中，然后可基于输出消息队列的推荐率完成对不同候选支付方式的推荐排序。
基于相同的发明构思，本公开还提供一种支付方式推荐装置400，如图4所示，该装置包括：
时间窗口获取模块401，用于当接收到目标对象的支付请求时，若存在多种目标支付方式，则按照时间顺序依次确定出指定数量的目标时间窗口，所述目标时间窗口为记录的交易笔数不小于预设最低笔数的时间窗口；
影响参数确定模块402，用于根据所述指定数量的目标时间窗口内的支付记录，计算每种目标支付方式的预设影响参数，所述预设影响参数包括：可用率、支付平均超时率以及被选择比例；
推荐率确定模块403，用于将所述可用率不小于预设可用率阈值的目标支付方式作为候选支付方式，并基于各个所述候选支付方式的所述预设影响参数计算推荐率；
推荐支付方式模块404，用于根据所述推荐率，向目标对象推荐所述候选支付方式。
在一个实施例中，所述影响参数确定模块，包括：
交易状态识别单元，用于对每种目标支付方式，从所述目标支付方式的支付记录中获取同一笔交易的交易状态，并识别出交易状态为交易成功的每笔交易；
可用率确认单元，用于根据所述指定数量的目标时间窗口内的成功交易笔数和总交易笔数，确定单个时间窗口内的平均交易成功率作为所述目标支付方式的可用率。
在一个实施例中，所述可用率确认单元确定所述目标支付方式的可用率之前，针对每笔交易，若所述交易是由预设的非系统原因造成的交易失败，则所述交易确定为成功交易。
在一个实施例中，所述预设可用率阈值包括所述目标支付方式的历史可用率与预设阈值的差值。
在一个实施例中，所述推荐率模块计算推荐率之前，所述装置还包括规则集确认模块，用于对每种目标支付方式，根据预设的支付方式规则集，筛选并剔除不可用的目标支付方式。
在一个实施例中，所述规则集确认模块，用于确认当满足以下条件之一时，所述目标支付方式为不可用支付方式，否则所述目标支付方式为可用支付方式；
条件1：对每种目标支付方式，当所述目标支付方式的支付通道升级时，所述目标支付方式为不可用；
条件2：对每种目标支付方式，当所述目标支付方式处于支付限额状态时，所述目标支付方式为不可用；
条件3：对每种目标支付方式，当所述目标支付方式处于余额不足状态时，所述目标支付方式为不可用。
在一个实施例中，所述推荐率确定模块，具体用于：
通过预设可用率优先公式确定每种候选支付方式的所述推荐率，所述预设可用率优先公式如下：
或者，通过预设可用率和成本优先公式确定每种候选支付方式的所述推荐率，所述可用率和成本优先公式如下：
其中，g(i)表示所述候选支付方式i的推荐率，f(i)表示所述候选支付方式i的可用率，y(i)表示所述候选支付方式i的平均支付超时率，m(i)表示用户对所述候选支付方式i的被选择比例，
为所述候选支付方式i的预设权重，z(i)表示所述候选支付方式i的预设支付成本系数，所述预设支付成本系数与支付成本负相关。
在一个实施例中，当所述预设可用率优先公式和所述预设可用率和成本优先公式可选择使用时，在所述推荐率确定模块基于各个所述候选支付方式的所述预设影响参数计算推荐率之前，还用于：
对每种候选支付方式，比较所述候选支付方式的累计成本与成本阈值；若所述累计成本不高于所述成本阈值则采用所述基于可用率优先的方式计算所述候选支付方式的推荐率；若所述累计成本高于所述成本阈值则采用所述基于可用率和成本优先的方式计算所述候选支付方式的推荐率；
或者，
响应于对推荐率确定方式的选择指令，选择所述选择指令指示的方式确定所述候选支付方式的推荐率。
关于支付方式推荐中各操作的实施以及有益效果可参见前文方法中的描述，此处不再赘述。
在介绍了本公开示例性实施方式的支付方式推荐的方法和装置之后，接下来，介绍根据本公开的另一示例性实施方式的电子设备。
所属技术领域的技术人员能够理解，本公开的各个方面可以实现为系统、方法或程序产品。因此，本公开的各个方面可以具体实现为以下形式，即：完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等)，或硬件和软件方面结合的实施方式，这里可以统称为“电路”、“模块”或“系统”。
在一些可能的实施方式中，根据本公开的电子设备可以至少包括至少一个处理器、以及至少一个存储器。其中，存储器存储有程序代码，当程序代码被处理器执行时，使得处理器执行本说明书上述描述的根据本公开各种示例性实施方式的数据处理方法中的步骤。例如，处理器可以执行如数据处理方法中的步骤。
下面参照图5来描述根据本公开的这种实施方式的电子设备130。图5显示的电子设备130仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。
如图5所示，电子设备130以通用电子设备的形式表现。电子设备130的组件可以包括但不限于：上述至少一个处理器131、上述至少一个存储器132、连接不同系统组件(包括存储器132和处理器131)的总线133。
总线133表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器、外围总线、处理器或者使用多种总线结构中的任意总线结构的局域总线。
存储器132可以包括易失性存储器形式的可读介质，例如随机存取存储器(RAM)1321和/或高速缓存存储器1322，还可以进一步包括只读存储器(ROM)1323。
存储器132还可以包括具有一组(至少一个)程序模块1324的程序/实用工具1325，这样的程序模块1324包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。
电子设备130也可以与一个或多个外部设备134(例如键盘、指向设备等)通信，还可与一个或者多个使得用户能与电子设备130交互的设备通信，和/或与使得该电子设备130能与一个或多个其它电子设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口135进行。并且，电子设备130还可以通过网络适配器136与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器136通过总线133与用于电子设备130的其它模块通信。应当理解，尽管图中未示出，可以结合电子设备130使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理器、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
在一些可能的实施方式中，本公开提供的一种支付方式推荐方法的各个方面还可以实现为一种程序产品的形式，其包括程序代码，当程序产品在计算机设备上运行时，程序代码用于使计算机设备执行本说明书上述描述的根据本公开各种示例性实施方式的一种支付方式推荐方法中的步骤。
程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以是——但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、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)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
本公开的实施方式的用于支付方式推荐的程序产品可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码，并可以在电子设备上运行。然而，本公开的程序产品不限于此，在本文件中，可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、有线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本公开操作的程序代码，程序设计语言包括面向对象的程序设计语言—诸如Java、C++等，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户电子设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户电子设备上部分在远程电子设备上执行、或者完全在远程电子设备或服务端上执行。在涉及远程电子设备的情形中，远程电子设备可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户电子设备，或者，可以连接到外部电子设备(例如利用因特网服务提供商来通过因特网连接)。
应当注意，尽管在上文详细描述中提及了装置的若干单元或子单元，但是这种划分仅仅是示例性的并非强制性的。实际上，根据本公开的实施方式，上文描述的两个或更多单元的特征和功能可以在一个单元中具体化。反之，上文描述的一个单元的特征和功能可以进一步划分为由多个单元来具体化。
此外，尽管在附图中以特定顺序描述了本公开方法的操作，但是，这并非要求或者暗示必须按照该特定顺序来执行这些操作，或是必须执行全部所示的操作才能实现期望的结果。附加地或备选地，可以省略某些步骤，将多个步骤合并为一个步骤执行，和/或将一个步骤分解为多个步骤执行。
本领域内的技术人员应明白，本公开的实施例可提供为方法、系统、或计算机程序产品。因此，本公开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，本公开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。
本公开是参照根据本公开实施例的方法、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。
尽管已描述了本公开的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例做出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本公开范围的所有变更和修改。
显然，本领域的技术人员可以对本公开进行各种改动和变型而不脱离本公开的精神和范围。这样，倘若本公开的这些修改和变型属于本公开权利要求及其等同技术的范围之内，则本公开也意图包含这些改动和变型在内。
Claims (9)
1.一种支付方式推荐方法，其特征在于，所述方法包括：
当接收到目标对象的支付请求时，若存在多种目标支付方式，则按照时间顺序依次确定出指定数量的目标时间窗口，所述目标时间窗口为记录的交易笔数不小于预设最低笔数的时间窗口；
根据所述指定数量的目标时间窗口内的支付记录，计算每种目标支付方式的预设影响参数，所述预设影响参数包括：可用率、支付平均超时率以及被选择比例；
将所述可用率不小于预设可用率阈值的目标支付方式作为候选支付方式，并基于各个所述候选支付方式的所述预设影响参数计算推荐率；
根据所述推荐率，向目标对象推荐所述候选支付方式。
2.根据权利要求1所述的方法，其特征在于，所述根据所述指定数量的目标时间窗口内的支付记录，计算每种目标支付方式的可用率，包括：
对每种目标支付方式，从所述目标支付方式的支付记录中获取同一笔交易的交易状态，并识别出交易状态为交易成功的每笔交易；
根据所述指定数量的目标时间窗口内的成功交易笔数和总交易笔数，确定单个时间窗口内的平均交易成功率作为所述目标支付方式的可用率。
3.根据权利要求2所述的方法，其特征在于，所述根据所述指定数量的目标时间窗口内的成功交易笔数和总交易笔数，确定单个时间窗口内的平均交易成功率作为所述目标支付方式的可用率之前，所述方法还包括：
针对每笔交易，若所述交易是由预设的非系统原因造成的交易失败，则所述交易确定为成功交易。
4.根据权利要求1所述的方法，其特征在于，对每种目标支付方式，所述预设可用率阈值包括所述目标支付方式的历史可用率与预设阈值的差值。
5.根据权利要求1所述的方法，其特征在于，所述基于各个所述候选支付方式的所述预设影响参数计算推荐率之前，还包括：
对每种目标支付方式，根据预设的支付方式规则集，筛选并剔除不可用的目标支付方式。
6.根据权利要求5所述的方法，其特征在于，所述根据预设的支付方式规则集，筛选出不可用的目标支付方式，包括：
当满足以下条件之一时，所述目标支付方式为不可用支付方式，否则所述目标支付方式为可用支付方式；
条件1：对每种目标支付方式，当所述目标支付方式的支付通道升级时，所述目标支付方式为不可用；
条件2：对每种目标支付方式，当所述目标支付方式处于支付限额状态时，所述目标支付方式为不可用；
条件3：对每种目标支付方式，当所述目标支付方式处于余额不足状态时，所述目标支付方式为不可用。
7.根据权利要求1所述的方法，其特征在于，所述基于各个所述候选支付方式的所述预设影响参数计算推荐率，包括：
通过预设可用率优先公式确定每种候选支付方式的所述推荐率，所述预设可用率优先公式如下：
或者，通过预设可用率和成本优先公式确定每种候选支付方式的所述推荐率，所述预设可用率和成本优先公式如下：
其中，g(i)表示所述候选支付方式i的推荐率，f(i)表示所述候选支付方式i的可用率，y(i)表示所述候选支付方式i的平均支付超时率，m(i)表示用户对所述候选支付方式i的被选择比例，
为所述候选支付方式i的预设权重，z(i)表示所述候选支付方式i的预设支付成本系数，所述预设支付成本系数与支付成本负相关。
8.根据权利要求7所述的方法，其特征在于，当所述预设可用率优先公式和所述预设可用率和成本优先公式可选择使用时，所述基于各个所述候选支付方式的所述预设影响参数计算推荐率之前，还包括：
对每种候选支付方式，比较所述候选支付方式的累计成本与成本阈值；若所述累计成本不高于所述成本阈值则采用所述预设可用率优先公式计算所述候选支付方式的推荐率；若所述累计成本高于所述成本阈值则采用所述预设可用率和成本优先公式计算所述候选支付方式的推荐率；
或者，
响应于对推荐率确定方式的选择指令，选择所述选择指令指示的公式确定所述候选支付方式的推荐率。
9.一种支付方式推荐装置，其特征在于，所述装置包括：
时间窗口获取模块，用于当接收到目标对象的支付请求时，若存在多种目标支付方式，则按照时间顺序依次确定出指定数量的目标时间窗口，所述目标时间窗口为记录的交易笔数不小于预设最低笔数的时间窗口；
影响参数确定模块，用于根据所述指定数量的目标时间窗口内的支付记录，计算每种目标支付方式的预设影响参数，所述预设影响参数包括：可用率、支付平均超时率以及被选择比例；
推荐率确定模块，用于将所述可用率不小于预设可用率阈值的目标支付方式作为候选支付方式，并基于各个所述候选支付方式的所述预设影响参数计算推荐率；
推荐支付方式模块，用于根据所述推荐率，向目标对象推荐所述候选支付方式。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010607227.8A CN111754218A (zh) | 2020-06-29 | 2020-06-29 | 支付方式推荐方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010607227.8A CN111754218A (zh) | 2020-06-29 | 2020-06-29 | 支付方式推荐方法和装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111754218A true CN111754218A (zh) | 2020-10-09 |
Family
ID=72678074
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010607227.8A Pending CN111754218A (zh) | 2020-06-29 | 2020-06-29 | 支付方式推荐方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111754218A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113409036A (zh) * | 2021-06-29 | 2021-09-17 | 山东派盟网络科技有限公司 | 智能扫码支付设备、扫码支付方法及存储介质 |
| CN115296982A (zh) * | 2022-10-09 | 2022-11-04 | 云和恩墨(北京)信息技术有限公司 | 基于数据库的节点切换方法、装置、电子设备及存储介质 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20130339165A1 (en) * | 2012-06-18 | 2013-12-19 | Bank Of America Corporation | Payment vehicle recommendations based on payment rules |
| CN106022758A (zh) * | 2016-04-29 | 2016-10-12 | 北京小米移动软件有限公司 | 信息推荐方法和装置 |
| CN109447598A (zh) * | 2018-09-25 | 2019-03-08 | 平安科技（深圳）有限公司 | 支付数据处理方法、装置、计算机设备和存储介质 |
| CN110245935A (zh) * | 2019-05-06 | 2019-09-17 | 阿里巴巴集团控股有限公司 | 支付渠道推荐方法、装置及设备 |
-
2020
- 2020-06-29 CN CN202010607227.8A patent/CN111754218A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20130339165A1 (en) * | 2012-06-18 | 2013-12-19 | Bank Of America Corporation | Payment vehicle recommendations based on payment rules |
| CN106022758A (zh) * | 2016-04-29 | 2016-10-12 | 北京小米移动软件有限公司 | 信息推荐方法和装置 |
| CN109447598A (zh) * | 2018-09-25 | 2019-03-08 | 平安科技（深圳）有限公司 | 支付数据处理方法、装置、计算机设备和存储介质 |
| CN110245935A (zh) * | 2019-05-06 | 2019-09-17 | 阿里巴巴集团控股有限公司 | 支付渠道推荐方法、装置及设备 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113409036A (zh) * | 2021-06-29 | 2021-09-17 | 山东派盟网络科技有限公司 | 智能扫码支付设备、扫码支付方法及存储介质 |
| CN115296982A (zh) * | 2022-10-09 | 2022-11-04 | 云和恩墨(北京)信息技术有限公司 | 基于数据库的节点切换方法、装置、电子设备及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN101719082B (zh) | 虚拟化计算平台中应用请求调度的方法及其系统 | |
| US9508095B2 (en) | System and method for optimizing the selection of cloud services based on price and performance | |
| US20120239739A1 (en) | Apparatus, systems and methods for dynamic adaptive metrics based application deployment on distributed infrastructures | |
| US20140337532A1 (en) | Method and system for arbitraging computer resources in a cloud computing environment | |
| CN108923996B (zh) | 一种容量分析方法及装置 | |
| CN111045911B (zh) | 性能测试方法、性能测试装置、存储介质与电子设备 | |
| US7356584B2 (en) | Optimization of service provider load balancing | |
| CN103383655A (zh) | 用于在qos感知云中管理合并的工作负载的性能干扰模型 | |
| CN105335204A (zh) | 软件程序的灰度发布控制方法和灰度发布控制装置 | |
| CN110264171B (zh) | 分布式账单处理方法、装置、设备与计算机可读存储介质 | |
| CN111754218A (zh) | 支付方式推荐方法和装置 | |
| CN111585824B (zh) | 资源分发方法、装置、系统及电子设备 | |
| US20140136260A1 (en) | System and method for operational quality aware staffing requirements in service systems | |
| CN113485833B (zh) | 资源预测方法和装置 | |
| CN110618867A (zh) | 一种预测资源使用量的方法和装置 | |
| US8219368B1 (en) | Capacity modeling system | |
| CN110519317B (zh) | 一种数据传输方法以及设备 | |
| CN101495978B (zh) | 减少总线连接的消费者和产生者之间的消息流 | |
| CN116775205A (zh) | 云主机的资源扩缩容方法和装置 | |
| CN112258220B (zh) | 信息采集及分析方法、系统、电子设备和计算机可读介质 | |
| CN109992408B (zh) | 一种资源分配方法、装置、电子设备和存储介质 | |
| CN107844496B (zh) | 统计信息输出方法及装置 | |
| CN108268313A (zh) | 数据处理的方法和装置 | |
| US20230198949A1 (en) | Traffic pattern-based prediction of cloud firewall costs for optimal cloud firewall deployment | |
| CN117640386A (zh) | 网络切片资源自适应调整方法、装置、存储介质及电子设备 |
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 |