CN112435021A - 基于人工智能的交易请求处理方法、装置、设备和介质 - Google Patents

基于人工智能的交易请求处理方法、装置、设备和介质 Download PDF

Info

Publication number
CN112435021A
CN112435021A CN202011337916.8A CN202011337916A CN112435021A CN 112435021 A CN112435021 A CN 112435021A CN 202011337916 A CN202011337916 A CN 202011337916A CN 112435021 A CN112435021 A CN 112435021A
Authority
CN
China
Prior art keywords
transaction
payment
payment platform
target
channel configuration
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
CN202011337916.8A
Other languages
English (en)
Inventor
刘俊
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.)
Ping An Puhui Enterprise Management Co Ltd
Original Assignee
Ping An Puhui Enterprise Management 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 Ping An Puhui Enterprise Management Co Ltd filed Critical Ping An Puhui Enterprise Management Co Ltd
Priority to CN202011337916.8A priority Critical patent/CN112435021A/zh
Publication of CN112435021A publication Critical patent/CN112435021A/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
    • G06Q20/08—Payment architectures
    • G06Q20/085—Payment architectures involving remote charge determination or related payment systems
    • G06Q20/0855—Payment architectures involving remote charge determination or related payment systems involving a third party
    • 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
    • G06Q20/30—Payment architectures, schemes or protocols characterised by the use of specific devices or networks
    • G06Q20/32—Payment architectures, schemes or protocols characterised by the use of specific devices or networks using wireless devices
    • G06Q20/322—Aspects of commerce using mobile devices [M-devices]
    • 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

Landscapes

  • Business, Economics & Management (AREA)
  • Accounting & Taxation (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Strategic Management (AREA)
  • Finance (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Development Economics (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Technology Law (AREA)
  • Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)

Abstract

本申请涉及一种基于人工智能的交易请求处理方法、装置、设备和介质。所述方法包括：接收终端发送的交易请求；判断是否存在预设通道配置，所述预设通道配置是在判定存在故障支付平台时，获取所述故障支付平台对应的各个目标特征的比例，并基于所述比例确定待调整特征，对所述待调整特征的权重进行配置得到的；当存在预设通道配置时，则获取预先生成的交易路由模型；获取根据所述预设通道配置以及所述交易路由模型输出的支付平台的支付顺序；根据所述支付顺序依次选择对应的支付平台对所述交易请求进行处理。采用本方法能够保证交易正常进行。此外，本申请还涉及区块链技术，预设通道配置可存储于区块链中。

Description

基于人工智能的交易请求处理方法、装置、设备和介质
技术领域
本申请涉及人工智能技术领域，特别是涉及一种基于人工智能的交易请求处理方法、装置、设备和介质。
背景技术
随着计算机技术的发展，出现了很多不同的支付平台，例如支付宝、微信、快钱、壹钱包等。
为了满足支付业务高可用、提高代收付业务支付成功率、降低风险及成本等，大部分企业均会考虑接入多家第三方支付机构，以便在部分支付机构不可用时，可以有备用支付机构，以防止出现短期支付业务不可用的情况，降低风险，同时企业可以在多家支付机构下自行选择部分支付机构以节省支付成本。
因此，如何选择高效、低成本的支付平台成为一个急需解决的问题。
发明内容
基于此，有必要针对上述技术问题，提供一种能够保证交易正常进行，选择高效、低成本的支付平台的基于人工智能的交易请求处理方法、装置、设备和介质。
一种基于人工智能的交易请求处理方法，所述方法包括：
接收终端发送的交易请求；
判断是否存在预设通道配置，所述预设通道配置是在判定存在故障支付平台时，获取所述故障支付平台对应的各个目标特征的比例，并基于所述比例确定待调整特征，对所述待调整特征的权重进行配置得到的；
当存在预设通道配置时，则获取预先生成的交易路由模型；
获取根据所述预设通道配置以及所述交易路由模型输出的支付平台的支付顺序；
根据所述支付顺序依次选择对应的支付平台对所述交易请求进行处理。
在其中一个实施例中，所述判断是否存在预设通道配置之后，还包括：
当不存在预设通道配置时，则获取预先生成的交易路由模型；
获取所述交易路由模型所对应的支付顺序，并根据所述支付顺序依次选择对应的支付平台对所述交易请求进行处理。
在其中一个实施例中，所述交易路由模型的生成方式包括：
从支付平台提取交易记录；
提取所述交易记录中的交易特征；
对所述交易特征进行分组；
分别对每一组中的交易特征进行筛选得到对支付平台选择存在影响的目标特征；
配置各个目标特征对应的初始权重，并根据所配置的权重以及所述目标特征得到初始模型；
通过所述交易记录对所述初始模型进行训练得到各个目标特征对应的目标权重，并根据所述目标权重得到交易路由模型。
在其中一个实施例中，所述分别对每一组中的交易特征进行筛选得到对支付平台选择存在影响的目标特征之后，还包括：
计算每一所述目标特征对所述支付平台的选择的影响程度；
对每个支付平台对应的目标特征按照所述影响程度进行归一化处理，得到每个所述支付平台对应的目标特征的比例；
所述方法还包括：
监控各个支付平台的通道状态；
当存在通道状态为故障的支付平台时，则获取所述支付平台对应的目标特征的比例；
按照预设规则，并根据所述比例选取待调整特征，对所述待调整特征的权重进行修改。
在其中一个实施例中，所述方法还包括：
周期性从所述支付平台获取实时交易记录；
通过所述实时交易记录对所述交易路由模型进行更新。
一种基于人工智能的交易请求处理装置，所述装置包括：
接收模块，用于接收终端发送的交易请求；
判断模块，用于判断是否存在预设通道配置，所述预设通道配置是在判定存在故障支付平台时，获取所述故障支付平台对应的各个目标特征的比例，并基于所述比例确定待调整特征，对所述待调整特征的权重进行配置得到的；
交易路由模型获取模块，用于当存在预设通道配置时，则获取预先生成的交易路由模型；
支付顺序生成模块，用于获取根据所述预设通道配置以及所述交易路由模型输出的支付平台的支付顺序；
处理模块，用于根据所述支付顺序依次选择对应的支付平台对所述交易请求进行处理。
在其中一个实施例中，所述交易路由模型获取模块还用于当不存在预设通道配置时，则获取预先生成的交易路由模型；
所述处理模块还用于获取所述交易路由模型所对应的支付顺序，并根据所述支付顺序依次选择对应的支付平台对所述交易请求进行处理。
在其中一个实施例中，所述装置还包括：
交易记录获取模块，用于从支付平台提取交易记录；
提取模块，用于提取所述交易记录中的交易特征；
分组模块，用于对所述交易特征进行分组；
目标特征筛选模块，用于分别对每一组中的交易特征进行筛选得到对支付平台选择存在影响的目标特征；
初始模型生成模块，用于配置各个目标特征对应的初始权重，并根据所配置的权重以及所述目标特征得到初始模型；
交易路由模型生成模块，用于通过所述交易记录对所述初始模型进行训练得到各个目标特征对应的目标权重，并根据所述目标权重得到交易路由模型。
一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述任一实施例中的方法的步骤。
一种计算机存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任意实施例中的方法的步骤。
上述基于人工智能的交易请求处理方法、装置、设备和介质，在处理交易请求，选择支付平台的时候，首先判断是否存在预设通道配置，即是否存在应对紧急突发事件所设置的通道配置，若是存在，则根据交易路由模型和预设通道配置来重新计算得到支付顺序，从而保证了交易的正常进行。
附图说明
图1为一个实施例中基于人工智能的交易请求处理方法的应用场景图；
图2为一个实施例中基于人工智能的交易请求处理方法的流程示意图；
图3为一个实施例中的基于人工智能的交易请求处理方法的完整示意图；
图4为一个实施例中的交易路由模型的生成方法的流程图；
图5为一个实施例中基于人工智能的交易请求处理装置的结构框图；
图6为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
本申请提供的基于人工智能的交易请求处理方法，可以应用于如图1所示的应用环境中。其中，终端102通过网络与服务器104通过网络进行通信，服务器104接收终端102发送的交易请求，并判断是否存在预设通道配置，预设通道配置是在判定存在故障支付平台时，获取故障支付平台对应的各个目标特征的比例，并基于比例确定待调整特征，对待调整特征的权重进行配置得到的；当存在预设通道配置时，则获取预先生成的交易路由模型；服务器104获取根据预设通道配置以及交易路由模型输出的支付平台的支付顺序；根据支付顺序依次选择对应的支付平台对交易请求进行处理。其中，终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备，服务器104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。
在一个实施例中，如图2所示，提供了一种基于人工智能的交易请求处理方法，以该方法应用于图1中的服务器为例进行说明，包括以下步骤：
S202：接收终端发送的交易请求。
具体地，参见图3所示，图3为一个实施例中的基于人工智能的交易请求处理方法的完整示意图，在该实施例中，具体地，结合图3交易请求是终端发送给服务器的，其是用于请求服务器对交易进行支付的请求，该服务器主要是为交易请求选择对应的支付平台(即图3中的支付机构)进行支付。优选地，服务器可以按照优先级输出多个支付平台，这样通过遍历该多个支付平台以完成支付。
S204：判断是否存在预设通道配置，预设通道配置是在判定存在故障支付平台时，获取故障支付平台对应的各个目标特征的比例，并基于比例确定待调整特征，对待调整特征的权重进行配置得到的。
其中，预设通道配置是在应对紧急突发事件所设置的通道配置，该预设通道配置可以是人工手动配置或自动配置，例如服务器实时监控各个支付平台的通道状态，然后将各个支付平台的通道状态更新至通道状态表中。通道状态可以包括正常和故障两种。当服务器判断当前支付平台的通道状态为故障时，则获取支付平台的平台属性，例如交易成本、交易限制等，然后输出该平台属性以及支付平台，以提醒用户，从而用户在看到该支付平台故障时，则可以查询故障的支付平台的平台属性，并根据该平台属性设置预设通道配置，以使得该故障的支付平台不会被选中。
当为人工配置的时候，在其中一个实施例中，上述的判断是否存在预设通道配置，包括：判断是否存在对所述目标权重的手动调整配置，若是，则存在预设通道配置，否则，不存在预设通道配置。具体地，上述的预设通道配置可以是用户手动调整配置的，即对上述的目标权重进行配置，也即增加人工调配模型因子功能，可以在应对紧急突发事件可手动调整交易通道配置，以应对出现支付机构不可用的突发事件。
当为自动配置的时候，则服务器获取到支付平台的平台属性，该平台属性与交易路由模型中的各个目标特征相对应，然后服务器获取该支付平台的平台属性中的各个目标特征对应的比例，例如一个支付平台其主要特征是交易成本低，则交易成本这个目标特征的比例则相应高，因此服务器配置交易成本的权重降低，例如降低为0或者是按照预先设置的步长进行降低，从而使得交易成本这个特征在后续的通道配置的过程中所占比重下降，因此该支付平台被选中的概率降低。其中主要特征可以是根据支付平台的平台属性中的各个目标特征对应的比例来确定的，例如首先确定各个比例的差距，例如差距是跨数量级的，则直接获取到比例最大的目标特征作为主要特征。若差距非跨数量级，则获取到前预设数量个目标特征作为主要特征，例如前2个。
其中各个支付平台的平台属性中的各个目标特征对应的比例可以在交易路由模型生成的时候所生成的，具体可以参见下文。
需要强调的是，为进一步保证上述预设通道配置的私密和安全性，上述预设通道配置还可以存储于一区块链的节点中。
S206：当存在预设通道配置时，则获取预先生成的交易路由模型。
S208：获取根据预设通道配置以及交易路由模型输出的支付平台的支付顺序。
具体地，服务器在获取到预设通道配置时，则根据预设通道配置、预先生成的交易路由模型等进行计算以得到支付平台的支付顺序，例如设置各个目标特征的特征权重，然后根据该目标特征以及历史交易记录来生成交易路由模型，从而得到各个支付平台的支付顺序。
如上图所示假设存在四个支付平台，包括支付平台A、支付平台B、支付平台C以及支付平台D，且支付平D发生故障，因此设置支付平台D对应的最优平台属性的权重相应降低，例如设置为0。其中最优平台属性是指该支付平台的在目标特征中表现最好的特征，将该特征的权重设置为0，可以最大化地使得该支付平台不能被选中。该交易路由模型根据预设通道配置以及历史交易记录重新设置四个支付平台的支付顺序，并输出该支付顺序。
S210：根据支付顺序依次选择对应的支付平台对交易请求进行处理。
具体地，服务器在得到支付顺序后，则将支付顺序发送至终端进行显示，以推荐终端按照支付顺序来进行支付，或者是直接按照默认支付顺序依次进行遍历，直至按照支付顺序的当前支付平台可以完成支付。
上述基于人工智能的交易请求处理方法，在处理交易请求，选择支付平台的时候，首先判断是否存在预设通道配置，即是否存在应对紧急突发事件所设置的通道配置，若是存在，则根据交易路由模型和预设通道配置来重新计算得到支付顺序，从而保证了交易的正常进行。
在其中一个实施例中，判断是否存在预设通道配置之后，还包括：当不存在预设通道配置时，则获取预先生成的交易路由模型；获取交易路由模型所对应的支付顺序，并根据支付顺序依次选择对应的支付平台对交易请求进行处理。
具体地，也就是说在交易路由模型的智能控制的同时，增加人工控制或自动控制，可以随时应对第三方支付的突发事件，快速响应，减少因突发事件带来的不必要的损失。
具体地，该步骤是没有紧急突发事件的前提下，则直接获取到预先生成的交易路由模型即可，并获取到交易路由模型输出的支付顺序，其中为了提高处理效率，该支付顺序可以是预先生成的，因此服务器在得到支付顺序后，则将支付顺序发送至终端进行显示，以推荐终端按照支付顺序来进行支付，或者是直接按照默认支付顺序依次进行遍历，直至按照支付顺序的当前支付平台可以完成支付。
其中，可选地，该交易路由模型可以周期性地进行更新，即根据所获得的交易支付记录来更新交易路由模型，从而可以周期性地对各个支付平台的支付顺序进行更新，而服务器每次在对交易记录进行处理的时候，获取到最新的支付顺序进行输出。其中此处周期性的处理可以是按照时间周期，例如一天一次，或者是按照数量周期，即每当新增支付记录达到一定值时，则更新该交易路由模型，进而更新支付顺序。
在其中一个实施例中，参见图4所示，图4为一个实施例中的交易路由模型的生成方法的流程图，该交易路由模型的生成方式包括：
S402：从支付平台提取交易记录。
具体地，交易记录是企业发生的每笔支付业务均会在支付系统中保留，该交易记录可以包括但不限于交易发起时间、金额、完成时间、通道费用、成功概率、异常情况等信息。历史交易记录数据通过数据同步工具抽取到服务器的大数据平台。该大数据平台提供分布式的海量级大数据采集、传输、存储、管理、查询和分析的统一平台。
S404：提取交易记录中的交易特征。
具体地，服务器可以对交易记录进行标准化处理，例如按照预先设置的模板对交易记录进行提取，然后进行计算得到交易特征，即通过分析历史交易记录的历史支付时间、金额、通道费用、成功率、异常情况等，提取交易特征，从而为后续目标特征的选取奠定基础。
S406：对交易特征进行分组。
具体地，此处的分组是指将交易特征分组为通道基础特征以及交易属性特征，其中通道基础特征可以是指通道费用、异常情况等，交易属性特征是指历史支付时间、金额、成功率等。
S408：分别对每一组中的交易特征进行筛选得到对支付平台选择存在影响的目标特征。
具体地，此处对每一组的交易特征进行筛选的过程可以通过控制变量法进行处理，以得到每个交易特征对支付平台的支付的影响程度，进而选取到影响程度大于预设值的交易特征作为目标特征，具体地，该目标特征可以包括通道交易时效、交易成功率、交易成本等因子。
S410：配置各个目标特征对应的初始权重，并根据所配置的权重以及目标特征得到初始模型。
具体地，初始权重解释：是指业务上对交易时效、成功率、成本等要求的优先级。初始权重可以是用户来进行配置的，并将因子作为交易路由的入参，并配置各因子的权重，得到最终交易路由模型的初始模型，然后通过交易记录来对模型进行训练以得到最终交易路由模型。
S412：通过交易记录对初始模型进行训练得到各个目标特征对应的目标权重，并根据目标权重得到交易路由模型。
具体地，在大数据平台通过使用历史交易数据，调用该交易路由模型，重新分析出具体的交易时效、成功率、成本等详细情况，若成本、时效、成功率等未达到业务要求。调整对应因子权重，重新训练，最终不断趋近于最佳因子的配置。
这样，将模型部署至交易路由服务中，当发生交易时，调用该交易路由模型，可以得到最佳第三方支付机构选择。这样交易路由模型面向外部企业提供SAAS服务，为其他企业提供最优质的支付机构选择策略服务，扩大使用范围。
上述实施例中，通过数据分析，获的成本、时效、成功率等最优支付机构选择方案，达到既满足对第三方支付的交易时效要求，又能够最大程度节约支付产生的成本，同时可以提高支付成功率。减少大量人工手动计算统计分析，降低人力成本投入，降低人工计算识别带来的误差，可以做到精准预测。
在其中一个实施例中，分别对每一组中的交易特征进行筛选得到对支付平台选择存在影响的目标特征之后，还包括：计算每一目标特征对支付平台的选择的影响程度；对每个支付平台对应的目标特征按照影响程度进行归一化处理，得到每个支付平台对应的目标特征的比例；从而上述方法还包括：监控各个支付平台的通道状态；当存在通道状态为故障的支付平台时，则获取支付平台对应的目标特征的比例；按照预设规则，并根据比例选取待调整特征，对待调整特征的权重进行修改。
具体地，在得到每个交易特征对支付平台的支付的影响程度后，可以对每个支付平台的平台属性中的目标特征根据该影响程度进行归一化，得到每个支付平台的平台属性中的目标特征的比例。例如假设支付平台A对应的目标特征为x、y和z，且x、y和z的影响程度分别为30％、80％和40％，则可以对该影响程度进行归一化得到各个目标特征对应的比例，例如目标特征x对应的比例为30/(30+80+40)＝20％，同样地，计算y和z的归一化后的比例为53％和27％，从而得到了在支付平台A中各个目标特征的比例。
待调整特征可以是根据支付平台的平台属性中的各个目标特征对应的比例来确定的，例如首先确定各个比例的差距，例如差距是跨数量级的，则直接获取到比例最大的目标特征作为主要特征，如上述的目标特征y。若差距非跨数量级，则获取到前预设数量个目标特征作为主要特征，例如前2个。
在其中一个实施例中，上述方法还包括：周期性从支付平台获取实时交易记录；通过实时交易记录对交易路由模型进行更新。
具体地，每日新产生的交易数据会进入大数据平台，不断更新及训练该模型，达到模型自动动态调整最优化第三方支付机构选择，新产生的交易数据会继续流入到大数据平台，可以持续训练交易路由模型，已达到最佳支付机构选择配置。
也就是说该交易路由模型可以周期性地进行更新，即根据所获得的交易支付记录来更新交易路由模型，从而可以周期性地对各个支付平台的支付顺序进行更新，而服务器每次在对交易记录进行处理的时候，获取到最新的支付顺序进行输出。其中此处周期性的处理可以是按照时间周期，例如一天一次，或者是按照数量周期，即每当新增支付记录达到一定值时，则更新该交易路由模型，进而更新支付顺序。
上述实施例中，可以不断基于新产生的支付数据，自动动态调整选择第三方支付的策略，及时发现各支付通道的变化，自动响应调整策略，提升支付效率，同时减少人工每日统计计算调整成本。
具体地，请继续结合图3，其中在接收到支付请求后，将该支付请求输入至交易路由模型中，以得到支付机构优先级，并按照该优先级来选择对应的支付机构以对该支付请求进行处理。
其中，在接收到支付请求后，可以预先判断是否存在预设通道配置，即是否存在对因子权重的调整，若是，则获取调整后的因子权重，通过该因子权重结合交易路由模型中的特征进行计算得到支付机构的优先级。
可选地，在每次对支付请求处理结束后，则获取到处理后的数据，即交易数据，并通过该交易数据进行模型的优化。
上述基于人工智能的交易请求处理方法，在处理交易请求，选择支付平台的时候，首先判断是否存在预设通道配置，即是否存在应对紧急突发事件所设置的通道配置，若是存在，则根据交易路由模型和预设通道配置来重新计算得到支付顺序，从而保证了交易的正常进行。
应该理解的是，虽然图2-4的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图2-4中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中，如图5所示，提供了一种基于人工智能的交易请求处理装置，包括：接收模块100、判断模块200、交易路由模型获取模块300、支付顺序生成模块400和处理模块500，其中：
接收模块100，用于接收终端发送的交易请求；
判断模块200，用于判断是否存在预设通道配置，预设通道配置是在判定存在故障支付平台时，获取故障支付平台对应的各个目标特征的比例，并基于比例确定待调整特征，对待调整特征的权重进行配置得到的；
交易路由模型获取模块300，用于当存在预设通道配置时，则获取预先生成的交易路由模型；
支付顺序生成模块400，用于获取根据预设通道配置以及交易路由模型输出的支付平台的支付顺序；
处理模块500，用于根据支付顺序依次选择对应的支付平台对交易请求进行处理。
在其中一个实施例中，交易路由模型获取模块300还用于当不存在预设通道配置时，则获取预先生成的交易路由模型；
处理模块500还用于获取交易路由模型所对应的支付顺序，并根据支付顺序依次选择对应的支付平台对交易请求进行处理。
在其中一个实施例中，装置还包括：
交易记录获取模块，用于从支付平台提取交易记录；
提取模块，用于提取交易记录中的交易特征；
分组模块，用于对交易特征进行分组；
目标特征筛选模块，用于分别对每一组中的交易特征进行筛选得到对支付平台选择存在影响的目标特征；
初始模型生成模块，用于配置各个目标特征对应的初始权重，并根据所配置的权重以及目标特征得到初始模型；
交易路由模型生成模块，用于通过交易记录对初始模型进行训练得到各个目标特征对应的目标权重，并根据目标权重得到交易路由模型。
在其中一个实施例中，上述装置还包括：
影响程度计算模块，用于计算每一目标特征对支付平台的选择的影响程度；
比例配置模块，用于对每个支付平台对应的目标特征按照影响程度进行归一化处理，得到每个支付平台对应的目标特征的比例；
监控模块，用于监控各个支付平台的通道状态；
比例获取模块，用于当存在通道状态为故障的支付平台时，则获取支付平台对应的目标特征的比例；
修改模块，用于按照预设规则，并根据比例选取待调整特征，对待调整特征的权重进行修改。
在其中一个实施例中，上述装置还包括：
记录获取模块，用于周期性从支付平台获取实时交易记录；
模型更新模块，用于通过实时交易记录对交易路由模型进行更新。
关于基于人工智能的交易请求处理装置的具体限定可以参见上文中对于基于人工智能的交易请求处理方法的限定，在此不再赘述。上述基于人工智能的交易请求处理装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图6所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储xxx数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种基于人工智能的交易请求处理方法。
本领域技术人员可以理解，图6中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，提供了一种计算机设备，包括存储器和处理器，该存储器存储有计算机程序，该处理器执行计算机程序时实现以下步骤：接收终端发送的交易请求；判断是否存在预设通道配置，预设通道配置是在判定存在故障支付平台时，获取故障支付平台对应的各个目标特征的比例，并基于比例确定待调整特征，对待调整特征的权重进行配置得到的当存在预设通道配置时，则获取预先生成的交易路由模型；获取根据预设通道配置以及交易路由模型输出的支付平台的支付顺序；根据支付顺序依次选择对应的支付平台对交易请求进行处理。
在一个实施例中，处理器执行计算机程序所实现的判断是否存在预设通道配置之后，还包括：当不存在预设通道配置时，则获取预先生成的交易路由模型；获取交易路由模型所对应的支付顺序，并根据支付顺序依次选择对应的支付平台对交易请求进行处理。
在一个实施例中，处理器执行计算机程序所实现的交易路由模型的生成方式包括：从支付平台提取交易记录；提取交易记录中的交易特征；对交易特征进行分组；分别对每一组中的交易特征进行筛选得到对支付平台选择存在影响的目标特征；配置各个目标特征对应的初始权重，并根据所配置的权重以及目标特征得到初始模型；通过交易记录对初始模型进行训练得到各个目标特征对应的目标权重，并根据目标权重得到交易路由模型。
在一个实施例中，处理器执行计算机程序所实现的分别对每一组中的交易特征进行筛选得到对支付平台选择存在影响的目标特征之后，还包括：计算每一目标特征对支付平台的选择的影响程度；对每个支付平台对应的目标特征按照影响程度进行归一化处理，得到每个支付平台对应的目标特征的比例；处理器执行计算机程序时还实现以下步骤：监控各个支付平台的通道状态；当存在通道状态为故障的支付平台时，则获取支付平台对应的目标特征的比例；按照预设规则，并根据比例选取待调整特征，对待调整特征的权重进行修改。
在一个实施例中，处理器执行计算机程序时还实现以下步骤：周期性从支付平台获取实时交易记录；通过实时交易记录对交易路由模型进行更新。
在一个实施例中，提供了一种计算机存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：接收终端发送的交易请求；判断是否存在预设通道配置，预设通道配置是在判定存在故障支付平台时，获取故障支付平台对应的各个目标特征的比例，并基于比例确定待调整特征，对待调整特征的权重进行配置得到的当存在预设通道配置时，则获取预先生成的交易路由模型；获取根据预设通道配置以及交易路由模型输出的支付平台的支付顺序；根据支付顺序依次选择对应的支付平台对交易请求进行处理。
在一个实施例中，计算机程序被处理器执行时所实现的判断是否存在预设通道配置之后，还包括：当不存在预设通道配置时，则获取预先生成的交易路由模型；获取交易路由模型所对应的支付顺序，并根据支付顺序依次选择对应的支付平台对交易请求进行处理。
在一个实施例中，计算机程序被处理器执行时所实现的交易路由模型的生成方式包括：从支付平台提取交易记录；提取交易记录中的交易特征；对交易特征进行分组；分别对每一组中的交易特征进行筛选得到对支付平台选择存在影响的目标特征；配置各个目标特征对应的初始权重，并根据所配置的权重以及目标特征得到初始模型；通过交易记录对初始模型进行训练得到各个目标特征对应的目标权重，并根据目标权重得到交易路由模型。
在一个实施例中，计算机程序被处理器执行时所实现的分别对每一组中的交易特征进行筛选得到对支付平台选择存在影响的目标特征之后，还包括：计算每一目标特征对支付平台的选择的影响程度；对每个支付平台对应的目标特征按照影响程度进行归一化处理，得到每个支付平台对应的目标特征的比例；计算机程序被处理器执行时还实现以下步骤：监控各个支付平台的通道状态；当存在通道状态为故障的支付平台时，则获取支付平台对应的目标特征的比例；按照预设规则，并根据比例选取待调整特征，对待调整特征的权重进行修改。
在一个实施例中，计算机程序被处理器执行时还实现以下步骤：周期性从支付平台获取实时交易记录；通过实时交易记录对交易路由模型进行更新。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain)，本质上是一个去中心化的数据库，是一串使用密码学方法相关联产生的数据块，每一个数据块中包含了一批次网络交易的信息，用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种基于人工智能的交易请求处理方法，所述方法包括：
接收终端发送的交易请求；
判断是否存在预设通道配置，所述预设通道配置是在判定存在故障支付平台时，获取所述故障支付平台对应的各个目标特征的比例，并基于所述比例确定待调整特征，对所述待调整特征的权重进行配置得到的；
当存在预设通道配置时，则获取预先生成的交易路由模型；
获取根据所述预设通道配置以及所述交易路由模型输出的支付平台的支付顺序；
根据所述支付顺序依次选择对应的支付平台对所述交易请求进行处理。
2.根据权利要求1所述的方法，其特征在于，所述判断是否存在预设通道配置之后，还包括：
当不存在预设通道配置时，则获取预先生成的交易路由模型；
获取所述交易路由模型所对应的支付顺序，并根据所述支付顺序依次选择对应的支付平台对所述交易请求进行处理。
3.根据权利要求1所述的方法，其特征在于，所述交易路由模型的生成方式包括：
从支付平台提取交易记录；
提取所述交易记录中的交易特征；
对所述交易特征进行分组；
分别对每一组中的交易特征进行筛选得到对支付平台选择存在影响的目标特征；
配置各个目标特征对应的初始权重，并根据所配置的权重以及所述目标特征得到初始模型；
通过所述交易记录对所述初始模型进行训练得到各个目标特征对应的目标权重，并根据所述目标权重得到交易路由模型。
4.根据权利要求3所述的方法，其特征在于，所述分别对每一组中的交易特征进行筛选得到对支付平台选择存在影响的目标特征之后，还包括：
计算每一所述目标特征对所述支付平台的选择的影响程度；
对每个支付平台对应的目标特征按照所述影响程度进行归一化处理，得到每个所述支付平台对应的目标特征的比例；
所述方法还包括：
监控各个支付平台的通道状态；
当存在通道状态为故障的支付平台时，则获取所述支付平台对应的目标特征的比例；
按照预设规则，并根据所述比例选取待调整特征，对所述待调整特征的权重进行修改。
5.根据权利要求1所述的方法，其特征在于，所述方法还包括：
周期性从所述支付平台获取实时交易记录；
通过所述实时交易记录对所述交易路由模型进行更新。
6.一种基于人工智能的交易请求处理装置，其特征在于，所述装置包括：
接收模块，用于接收终端发送的交易请求；
判断模块，用于判断是否存在预设通道配置，所述预设通道配置是在判定存在故障支付平台时，获取所述故障支付平台对应的各个目标特征的比例，并基于所述比例确定待调整特征，对所述待调整特征的权重进行配置得到的；
交易路由模型获取模块，用于当存在预设通道配置时，则获取预先生成的交易路由模型；
支付顺序生成模块，用于获取根据所述预设通道配置以及所述交易路由模型输出的支付平台的支付顺序；
处理模块，用于根据所述支付顺序依次选择对应的支付平台对所述交易请求进行处理。
7.根据权利要求6所述的装置，其特征在于，所述交易路由模型获取模块还用于当不存在预设通道配置时，则获取预先生成的交易路由模型；
所述处理模块还用于获取所述交易路由模型所对应的支付顺序，并根据所述支付顺序依次选择对应的支付平台对所述交易请求进行处理。
8.根据权利要求6所述的装置，其特征在于，所述装置还包括：
交易记录获取模块，用于从支付平台提取交易记录；
提取模块，用于提取所述交易记录中的交易特征；
分组模块，用于对所述交易特征进行分组；
目标特征筛选模块，用于分别对每一组中的交易特征进行筛选得到对支付平台选择存在影响的目标特征；
初始模型生成模块，用于配置各个目标特征对应的初始权重，并根据所配置的权重以及所述目标特征得到初始模型；
交易路由模型生成模块，用于通过所述交易记录对所述初始模型进行训练得到各个目标特征对应的目标权重，并根据所述目标权重得到交易路由模型。
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至5中任一项所述方法的步骤。
10.一种计算机存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至5中任一项所述的方法的步骤。
CN202011337916.8A 2020-11-25 2020-11-25 基于人工智能的交易请求处理方法、装置、设备和介质 Pending CN112435021A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011337916.8A CN112435021A (zh) 2020-11-25 2020-11-25 基于人工智能的交易请求处理方法、装置、设备和介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011337916.8A CN112435021A (zh) 2020-11-25 2020-11-25 基于人工智能的交易请求处理方法、装置、设备和介质

Publications (1)

Publication Number Publication Date
CN112435021A true CN112435021A (zh) 2021-03-02

Family

ID=74697659

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011337916.8A Pending CN112435021A (zh) 2020-11-25 2020-11-25 基于人工智能的交易请求处理方法、装置、设备和介质

Country Status (1)

Country Link
CN (1) CN112435021A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113627900A (zh) * 2021-08-10 2021-11-09 未鲲(上海)科技服务有限公司 模型训练方法、装置与存储介质

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113627900A (zh) * 2021-08-10 2021-11-09 未鲲(上海)科技服务有限公司 模型训练方法、装置与存储介质

Similar Documents

Publication Publication Date Title
CN110377667B (zh) 关联图谱展示方法、装置、计算机设备和存储介质
CN109787908B (zh) 服务器限流方法、系统、计算机设备及存储介质
US11838387B2 (en) Fog node scheduling method and apparatus, computer device, and storage medium
CN111580874B (zh) 数据申请的系统安全控制方法、系统和计算机设备
CN110751358A (zh) 一种机场地面服务人员的排班方法、电子设备及存储介质
CN109962855A (zh) 一种web服务器的限流方法、限流装置及终端设备
CN114239951A (zh) 基于分层优化的卫星测控任务调度方法、装置和设备
CN105446817A (zh) 移动云计算中一种基于鲁棒优化的联合资源预留配置算法
CN108845869B (zh) 并发请求控制方法、装置、计算机设备和存储介质
CN116308824A (zh) 基于知识图谱的团伙欺诈风险识别方法及相关设备
CN116645132A (zh) 基于多因子变量的时序预测方法、装置、电子设备及介质
CN112435021A (zh) 基于人工智能的交易请求处理方法、装置、设备和介质
CN115115004A (zh) 决策树模型构建及应用方法、装置和相关设备
CN111260253A (zh) 信息发送方法、装置、计算机设备及存储介质
CN109600757B (zh) 基站扩容的预测方法、装置、计算机设备和存储介质
CN111209074B (zh) 浏览器视图加载方法、装置、系统及服务器
CN116797345A (zh) 任务处理方法、装置、计算机设备及存储介质
CN115086940B (zh) 基于5G的QoS调整方法、系统、装置及存储介质
CN112559221B (zh) 智能名单处理方法、系统、设备及存储介质
CN113158497A (zh) 在线服务实验方法、装置、计算机设备和存储介质
CN113326333A (zh) 数据处理方法、系统、计算机设备及计算机存储介质
CN113051445A (zh) 工业生产数据处理方法、装置、计算机设备和存储介质
CN108614721A (zh) 应用系统配置参数的处理方法、装置和存储介质
CN116074135B (zh) 一种配额配置方法及装置
CN114443258B (zh) 用于虚拟机的资源调度方法、装置、设备及存储介质

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