CN112712429A - 汇款业务审核方法、装置、计算机设备和存储介质 - Google Patents

Abstract

本申请涉及一种汇款业务审核方法、装置、计算机设备和存储介质，包括：获取待审核汇款业务对应的汇款数据，以及待审核汇款业务对应业务单据的单据图像；获取待审核汇款业务对应的目标业务审核逻辑；根据目标业务审核逻辑，确定用于对待审核汇款业务进行审核的业务审核规则；根据业务审核规则对汇款数据进行审核，得到第一审核结果，以及，根据业务审核规则对单据图像进行审核，得到第二审核结果；根据第一审核结果以及第二审核结果，得到待审核汇款业务对应的审核结果，实现了汇款业务审核的自动化，通过人工智能进行审核规则的学习，能够及时对审核过程涉及的审核规则进行调整，有效提高业务审核效率。

Description

汇款业务审核方法、装置、计算机设备和存储介质

技术领域

本申请涉及计算机技术领域，特别是涉及汇款业务审核方法、装置、计算机设备和存储介质。

背景技术

在银行现有的汇款交易业务中，由于涉及多种交易风险，往往需要投入大量的人力对交易进行审核，以提前应对各种风险，例如操作风险、合规风险、技术风险等。然而，现有的人工审核方式导致业务处理时间较长，大大降低了汇款业务的审核效率。

发明内容

基于此，有必要针对上述技术问题，提供一种款业务审核方法、装置、计算机设备和存储介质。

本申请实施例提供一种汇款业务审核方法，应用于智能汇款系统，所述方法包括：

获取待审核汇款业务对应的汇款数据，以及所述待审核汇款业务对应业务单据的单据图像；所述汇款数据为申请所述待审核汇款业务时提交的数据；

获取所述待审核汇款业务对应的目标业务审核逻辑；所述目标审核业务逻辑用于表征所述待审核汇款业务的审核流程；

根据所述目标业务审核逻辑，确定用于对所述待审核汇款业务进行审核的业务审核规则；所述业务审核规则为系统对历史汇款业务的审核过程进行学习后得到的审核规则；

根据所述业务审核规则对所述汇款数据进行审核，得到第一审核结果，以及，根据所述业务审核规则对所述单据图像进行审核，得到第二审核结果；

根据所述第一审核结果以及所述第二审核结果，得到所述待审核汇款业务对应的审核结果。

在其中一个实施例中，所述智能汇款系统包括预先学习到的至少一个业务审核逻辑，所述获取所述待审核汇款业务对应的目标业务审核逻辑，包括：

基于所述汇款数据，确定所述待审核汇款业务的业务类型；

根据所述业务类型，从所述预先学习到的至少一个业务审核逻辑中，确定出与所述业务类型对应的业务审核逻辑，作为目标业务审核逻辑。

在其中一个实施例中，所述至少一个业务审核逻辑中的每一业务审核逻辑包含至少两个审核节点，所述根据所述业务审核规则对所述汇款数据进行审核，得到第一审核结果，以及，根据所述业务审核规则对所述单据图像进行审核，得到第二审核结果，包括：

在当前审核节点为汇款数据审核节点时，则从所述业务审核规则中，获取系统预先学习到的、与当前审核节点对应的经验数据；所述经验数据为系统对有效历史汇款业务对应的汇款数据进行学习后，得到的汇款数据；

基于所述经验数据与所述汇款数据的比对结果，得到第一审核结果；

以及，

在当前审核节点为单据内容审核节点时，则对所述单据图像进行光学字符识别，得到单据数据；

从所述业务审核规则中获取经过训练的单据审核模型；

将所述单据数据输入到所述经过训练的单据审核模型，获取所述经过训练的单据审核模型根据所述单据数据输出的审核结果，作为第二审核结果；所述单据数据包括所述单据图像上的至少两个字符。

在其中一个实施例中，所述单据审核模型包括至少两个用于对单据数据进行审核的审核模块，所述至少两个审核模块分别基于不同的审核规则对输入的单据数据进行审核；所述单据审核模型通过以下训练方式得到：

获取样本单据数据及其对应的审核结果标签；所述审核结果标签表征所述样本单据数据最终的审核结果；

将所述样本单据数据输入到待训练的单据审核模型，通过所述单据审核模型中的至少两个审核模块分别对所述样本单据数据进行审核，得到对应的至少两个审核结果，并根据所述至少两个审核结果输出预测审核结果；

根据所述预测审核结果和所述审核结果标签，对所述单据审核模型进行调整；

循环执行上述训练过程，直到满足训练结束条件，得到经过训练的单据审核模型。

在其中一个实施例中，所述至少两个审核模块包括单据数据审核模块、数据关联性审核模块和交易关联性审核模块，所述将所述单据数据输入到所述经过训练的单据审核模型，获取所述经过训练的单据审核模型根据所述单据数据输出的审核结果，作为第二审核结果，包括：

将所述单据数据输入到所述经过训练的单据审核模型；

通过所述单据审核模型中的单据数据审核模块，对所述单据数据的数据合规性进行审核，得到数据合规性审核结果；

通过所述单据审核模型中的数据关联性审核模块，对所述单据数据的数据关联性进行审核，得到数据关联性审核结果；

通过所述单据审核模型中的交易关联性审核模块，对所述单据数据的交易关联性进行审核，得到交易关联性审核结果；

根据所述单据合规性审核结果、数据关联性审核结果和交易关联性审核结果，得到所述第二审核结果。

在其中一个实施例中，还包括：

获取至少两个有效历史汇款业务中，每一有效历史汇款业务分别对应的业务类型和历史汇款数据；

基于至少两个业务类型和至少两个历史汇款数据，得到各业务类型分别对应的经验数据；

其中，所述历史汇款数据包括以下至少一种：业务主体类型、单据类型、汇款金额、汇款币种、业务主体信用信息、风险信息。

在其中一个实施例中，所述基于所述经验数据与所述汇款数据的比对结果，得到第一审核结果，包括：

从所述经验数据中，确定所述业务类型对应的目标经验数据；

从所述汇款数据中获取与当前审核节点对应的数据项；

将所述数据项与所述目标经验数据进行比对，确定所述数据项是否在所述目标经验数据对应的数据范围内，并获取比对结果作为第一审核结果。

在其中一个实施例中，所述对所述单据图像进行光学字符识别，得到单据数据，包括：

对所述单据图像进行光学字符识别，得到单据结构和至少两个已识别字符；所述单据结构为所述单据图像中图像内容的排布结构；

根据所述单据结构确定单据类型，获取所述单据类型对应的关键单据要素；所述关键单据要素为所述单据类型对应的历史单据中，待提取的目标单据内容；

从所述至少两个已识别字符中，获取与所述关键单据要素对应的字符，作为所述单据图像对应的单据数据。

在其中一个实施例中，还包括：

获取所述单据类型对应的至少两个历史单据；所述历史单据为申请历史汇款业务时提交的业务单据；

获取各历史单据包含的单据要素；

基于至少两个历史单据各自包含的单据要素进行机器学习，确定所述单据类型对应的关键单据要素。

本申请实施例提供一种汇款业务审核装置，应用于智能汇款系统，所述装置包括：

单据图像获取模块，用于获取待审核汇款业务对应的汇款数据，以及所述待审核汇款业务对应业务单据的单据图像；所述汇款数据为申请所述待审核汇款业务时提交的数据；

目标业务审核逻辑获取模块，用于获取所述待审核汇款业务对应的目标业务审核逻辑；所述目标审核业务逻辑用于表征所述待审核汇款业务的审核流程；

业务审核规则获取模块，用于根据所述目标业务审核逻辑，确定用于对所述待审核汇款业务进行审核的业务审核规则；所述业务审核规则为系统对历史汇款业务的审核过程进行学习后得到的审核规则；

审核模块，用于根据所述业务审核规则对所述汇款数据进行审核，得到第一审核结果，以及，根据所述业务审核规则对所述单据图像进行审核，得到第二审核结果；

审核结果获取模块，用于根据所述第一审核结果以及所述第二审核结果，得到所述待审核汇款业务对应的审核结果。

本申请实施例提供一种计算机设备，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项所述方法的步骤。

本申请实施例提供一种计算机可读存储介质，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一项所述方法的步骤。

本申请实施例提供一种汇款业务审核方法、装置、计算机设备和存储介质，通过获取待审核汇款业务对应的汇款数据，以及待审核汇款业务对应业务单据的单据图像，获取待审核汇款业务对应的目标业务审核逻辑，根据目标业务审核逻辑，确定用于对待审核汇款业务进行审核的业务审核规则，并根据业务审核规则对汇款数据进行审核，得到第一审核结果，以及，根据业务审核规则对单据图像进行审核，得到第二审核结果，进而可以根据第一审核结果和第二审核结果，得到待审核汇款业务对应的审核结果，实现了汇款业务审核的自动化，通过人工智能进行审核规则的学习，能够及时对审核过程涉及的审核规则进行调整，有效提高业务审核效率。

附图说明

图1为一个实施例中一种汇款业务审核方法的应用环境图；

图2为一个实施例中一种汇款业务审核方法的流程示意图；

图3为一个实施例中一种单据审核的步骤的流程示意图；

图4为一个实施例中另一种汇款业务审核方法的应用环境图；

图5为一个实施例中一种汇出汇款业务审核方法的流程示意图；

图6为一个实施例中一种汇入汇款业务审核方法的流程示意图；

图7为一个实施例中一种汇款业务审核装置的结构框图；

图8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。

为了便于对本发明实施例的理解，先对现有技术汇款交易结算方式进行介绍。

具体而言，在国际结算业务中，汇款业务占有较大比重，以跨境汇款业务为例，交易笔数和交易金额占可以达到总量的百分之七十，甚至更多，同时由于汇款交易往往会涉及操作风险、合规风险、技术风险等多种风险，需要投入更多的人力进行业务审核，规避风险。然而，在人工审核过程中，由于会涉及单据真伪识别、外汇管理合规审核、反洗钱审核、黑名单检查等多重审核环节，导致汇款业务的审核时间较长，审核效率和业务收益较低。

本申请提供的一种汇款业务审核方法，可以应用于如图1所示的应用环境中。其中，终端102通过网络与智能汇款系统104进行通信。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、智能柜台终端、平板电脑和便携式可穿戴设备，智能汇款系统104可以用独立的服务器或者是至少两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，提供了一种汇款业务审核方法，以该方法应用于图1中的智能汇款系统104为例进行说明，包括以下步骤：

步骤201，获取待审核汇款业务对应的汇款数据，以及所述待审核汇款业务对应业务单据的单据图像。

作为一示例，汇款数据可以是申请待审核汇款业务时提交的数据。

在实际应用中，用户在申请办理汇款业务时，需要提交与汇款业务相关的业务单据，并针对申请办理的汇款业务，输入关联的汇款数据。基于此，在办理汇款业务时，用户可以发送汇款业务办理请求，并提交汇款业务对应的汇款数据和业务单据对应的单据图像，以使智能汇款系统确定待审核汇款业务，并获取到待审核汇款业务对应的汇款数据和单据图像。

具体的，用户可以采用具有图像采集功能的设备对汇款业务相关的业务单据进行图像数据采集，得到单据图像，例如可以通过具备拍摄功能的智能终端、扫描仪、摄像机等设备获取业务单据对应的单据图像。

在获取到单据图像后，用户可以在业务申请界面中，针对汇款业务设置对应的汇款数据，进而可以向智能汇款系统发送包含单据图像和汇款数据的汇款业务办理请求。其中，用户可以通过安装在终端上的客户端直接向智能汇款系统发送，或者，用户也可以将请求发送至外部系统，由外部系统将汇款业务办理请求转发至智能汇款系统。

步骤202，获取所述待审核汇款业务对应的目标业务审核逻辑。

作为一示例，目标审核业务逻辑可用于表征待审核汇款业务的审核流程。

在具体实现中，不同类型的汇款业务涉及的业务内容可以存在差异，为了对其中涉及的业务内容进行针对性地审核，可以对应不同类型的汇款业务设置不同的业务审核逻辑。智能汇款系统在确定待审核汇款业务后，可以获取待审核汇款业务对应的目标业务审核逻辑。

步骤203，根据所述目标业务审核逻辑，确定用于对所述待审核汇款业务进行审核的业务审核规则。

作为一示例，业务审核规则可以是智能汇款系统对历史汇款业务的审核过程进行学习后得到的审核规则，其中，业务审核规则中可以包括对汇款数据进行审核的业务审核规则，以及，对单据图像进行审核的业务审核规则。

在确定目标业务审核逻辑，即确定待审核汇款业务的审核流程后，可以进一步根据目标业务审核逻辑，确定审核流程中涉及到的、用于对待审核汇款业务进行审核的业务审核规则。

步骤204，根据所述业务审核规则对所述汇款数据进行审核，得到第一审核结果，以及，根据所述业务审核规则对所述单据图像进行审核，得到第二审核结果。

在得到业务审核规则后，则可以根据业务审核规则对汇款数据进行审核，得到对应的第一审核结果，并且，可以根据业务审核规则对单据图像进行审核，得到对应的第二审核结果。

步骤205，根据所述第一审核结果以及所述第二审核结果，得到所述待审核汇款业务对应的审核结果。

在得到第一审核结果和第二审核结果后，智能汇款系统可以根据第一审核结果和第二审核结果进行综合评估，得到待审核汇款业务对应的、最终的审核结果。

在本实施例中，获取待审核汇款业务对应的汇款数据，以及待审核汇款业务对应业务单据的单据图像，获取待审核汇款业务对应的目标业务审核逻辑，根据目标业务审核逻辑，确定用于对待审核汇款业务进行审核的业务审核规则，并根据业务审核规则对汇款数据进行审核，得到第一审核结果，以及，根据业务审核规则对单据图像进行审核，得到第二审核结果，进而可以根据第一审核结果和第二审核结果，得到待审核汇款业务对应的审核结果，实现了汇款业务审核的自动化，通过人工智能进行审核规则的学习，能够及时对审核过程涉及的审核规则进行调整，有效提高业务审核效率。

在一个实施例中，智能汇款系统中可以包括预先学习到的至少一个业务审核逻辑。具体而言，针对不同的业务类型，可以具有不同的业务审核逻辑，其中，每个业务类型对应的业务审核逻辑，可以通过机器学习对历史汇款业务的业务审核流程进行学习、建模得到。通过学习一系列的业务审核逻辑，可以对汇款业务的各项规则进行规范化管理，使得智能汇款系统可以在汇款业务的处理过程中遵照各项规则进行业务审核。

所述获取所述待审核汇款业务对应的目标业务审核逻辑，可以包括如下步骤：

步骤301，基于所述汇款数据，确定所述待审核汇款业务的业务类型。

在实际应用中，用户可以在业务申请界面中选择汇款业务的业务类型，从而将包含业务类型的汇款数据发送到智能汇款系统，当接收到汇款数据，智能汇款系统可以从汇款数据中确定待审核汇款业务对应的业务类型。

或者，智能汇款系统可以根据汇款数据中的多种业务参数，确定待审核汇款业务的业务类型，具体而言，用户可以针对汇款业务设置多种业务参数，其中，业务参数是指表征业务特征的信息，例如业务主体类型、币种、汇款金额等多种信息。在获取到汇款数据后，智能汇款系统可以将其中的业务参数输入到预先学习到的业务类型识别模型，通过业务类型识别模型确定当前待审核汇款业务对应的业务类型。

步骤301，根据所述业务类型，从所述预先学习到的至少一个业务审核逻辑中，确定出与所述业务类型对应的业务审核逻辑，作为目标业务审核逻辑。

在具体实现中，智能汇款系统在学习到不同业务类型的业务审核逻辑后，可以存储业务类型与业务审核逻辑之间的对应关系，构建业务审核逻辑数据库，则在确定待审核汇款业务对应的业务类型后，可以根据该业务类型和预先存储的对应关系，从预先学习到的至少一个业务审核逻辑中，确定出与业务类型对应的业务审核逻辑。

在本实施例中，根据待审核汇款业务对应的业务类型，从预先学习到的至少一个业务审核逻辑中，确定出与该业务类型对应的业务审核逻辑，作为目标业务审核逻辑，实现了业务审核逻辑的自动化查找，无需人工参与，有效提高汇款业务审核效率。

在一个实施例中，由于汇款业务除了对汇款数据进行审核，还可以涉及到对汇款业务相关的业务单据进行审核，则在至少一个业务审核逻辑中的每一业务审核逻辑，可以包含至少两个审核节点，其中，在至少两个审核节点中，包括汇款数据审核节点和单据内容审核节点。

所述根据所述业务审核规则对所述汇款数据进行审核，得到第一审核结果，以及，根据所述业务审核规则对所述单据图像进行审核，得到第二审核结果，可以包括如下步骤：

在当前审核节点为汇款数据审核节点时，则从所述业务审核规则中，获取系统预先学习到的、与当前审核节点对应的经验数据；基于所述经验数据与所述汇款数据的比对结果，得到第一审核结果；以及，在当前审核节点为单据内容审核节点时，则对所述单据图像进行光学字符识别，得到单据数据；从所述业务审核规则中获取经过训练的单据审核模型；将所述单据数据输入到所述经过训练的单据审核模型，获取所述经过训练的单据审核模型根据所述单据数据输出的审核结果，作为第二审核结果。

作为一示例，经验数据为系统对有效历史汇款业务对应的汇款数据进行学习后，得到的汇款数据，在一示例中，智能汇款系统还可以结合效历史汇款业务对应的汇款数据审核结果进行学习。

汇款数据审核节点可以是至少一个类型的审核节点，至少一个类型的审核节点中的每一审核节点，可以对应一指定类型的汇款数据，例如汇款数据包括A类型汇款数据和B类型汇款数据，可以分别采用不同的汇款数据审核节点进行审核，相应地，可以在数据库中存储经验数据与不同类型的汇款数据审核节点之间的对应关系。

光学字符识别也可以称为OCR(Optical Character Recognition)。单据数据是指从单据图像中获取到的可识别的字符数据，可以包括单据图像上的至少两个字符。单据审核模型可用于判断用户提交的单据图像是否符合汇款交易的规则。

在实际应用中，在汇款业务对应的业务审核逻辑中可以至少包含两个审核节点，即汇款数据审核节点和单据图像审核节点。在确定业务审核逻辑并对汇款业务进行审核时，可以根据业务审核逻辑确定当前审核节点。

若当前审核节点为汇款数据审核节点，则可以从业务审核规则中，获取预先学习的、与当前审核节点对应的经验数据，并采用经验数据，与汇款数据进行对比，获取比对结果，进而可以根据该比对结果得到第一审核结果。

若当前审核节点为单据审核节点，则可以对单据图像进行光学字符识别，获取单据图像对应的单据数据，并从业务审核规则中，获取预先经过训练的单据审核模型，进而可以将单据数据输入到该单据审核模型中，单据审核模型可以基于输入的单据数据生成审核结果。则智能汇款系统可以获取该模型输出的审核结果，作为第二审核结果。

在本实施例中，在当前审核节点为汇款数据审核节点时，可以从业务审核规则中，获取经验数据，并基于经验数据与汇款数据的比对结果，得到第一审核结果，同时，可以在当前审核节点为单据内容审核节点时，则对单据图像进行光学字符识别，得到单据数据，并由单据审核模型输出的审核结果作为第二审核结果，实现了汇款业务审核流程的自动化流转，并且可以基于人工智能学习到的业务审核规则，分别对汇款数据和单据图像进行审核，有效提高汇款业务审核效率。

在一个实施例中，单据审核模型可以包括至少两个用于对单据数据进行审核的审核模块，至少两个审核模块分别基于不同的审核规则对输入的单据数据进行审核，单据审核模型可以通过以下训练方式得到：

获取样本单据数据及其对应的审核结果标签；将所述样本单据数据输入到待训练的单据审核模型，通过所述单据审核模型中的至少两个审核模块分别对所述样本单据数据进行审核，得到对应的至少两个审核结果，并根据所述至少两个审核结果输出预测审核结果；根据所述预测审核结果和所述审核结果标签，对所述单据审核模型进行调整；循环执行上述训练过程，直到满足训练结束条件，得到经过训练的单据审核模型。

作为一实例，审核结果标签可用于表征样本单据数据最终的审核结果；样本单据数据可以是用于训练单据审核模型的单据数据。

在实际应用中，可以获取样本单据数据和样本单据数据对应的审核结果标签，并将样本单据数据输入到待训练的单据审核模型，其中，审核结果标签可以是业务人员对样本单据数据进行审核后得到的审核结果。

当单据审核模型获取到样本单据数据后，可以通过模型中的至少两个审核模块分别对样本单据数据进行审核。具体而言，单据审核模块中的至少两个审核模块可以分别基于不同的审核规则对输入的单据数据进行审核，即一个审核模块可以对应一个审核规则，每个审核模块采用其对应的审核规则对单据数据进行审核，输出对应的审核结果，进而单据审核模型可以获取到各个审核模块输出的审核结果，并根据至少两个审核结果中的各个审核结果生成预测审核结果。

在获取到单据审核模型输出的预测审核结果后，可以根据预测审核结果和审核结果标签，对单据审核模型进行调整。例如，当待训练的单据审核模型为神经网络模型时，可以根据预测审核结果和审核结果标签确定损失函数，并结合反向传播算法对单据审核模型的模型参数进行调整。

在对单据审核模型进行调整后，可以循环执行训练过程，即再次将带有审核结果标签的样本单据数据输入到调整后的单据审核模型中，并根据输出的预测审核结果和审核结果标签，对单据审核模型进行调整，直到满足训练结束条件，可以将当前的单据审核模型确定为经过训练的单据审核模型。

在本实施例中，获取样本单据数据及其对应的审核结果标签，将样本单据数据输入到待训练的单据审核模型，根据预测审核结果和审核结果标签，对单据审核模型进行调整，循环执行上述训练过程，直到满足训练结束条件，得到经过训练的单据审核模型，能够通过机器学习对单据审核的多种审核规则进行深入学习，最终实现单据数据的自动化审核，并且，即使当单据审核规则发生变化时，通过机器学习方式可以及时调整单据审核模型，提升单据审核的审核准确性，有效提高审核效率和自动化程度。

在一个实施例中，所述方法还可以包括如下步骤：

获取至少两个有效历史汇款业务中，每一有效历史汇款业务分别对应的业务类型和历史汇款数据；基于至少两个业务类型和至少两个历史汇款数据，得到各业务类型对应的经验数据。

作为一示例，有效历史汇款业务可以是已完成业务审核的历史汇款业务，其审核结果具有可靠性，历史汇款数据可以是有效历史汇款业务对应的汇款数据。

其中，业务类型可以包括以下至少一种：企业跨境汇款业务、个人跨境汇款业务、平台类跨境汇款业务；历史汇款数据可以包括以下至少一种：业务主体类型、单据类型、汇款数值、汇款币种、业务主体信用信息、风险信息。

在实际应用中，不同有效历史汇款业务可以对应不同的业务类型和历史汇款数据，例如，针对A业务类型的有效历史汇款业务，可以具有以下历史汇款数据：甲类型企业，业务合同，业务发票，汇款数值100万，汇款币种为人民币。

智能汇款系统可以获取至少两个有效历史汇款业务中，每一有效历史汇款业务分别对应的业务类型和历史汇款数据，并根据至少两个业务类型和历史汇款数据进行机器学习，建立业务类型与历史汇款数据之间的关联，从而得到各个业务类型对应的经验数据。

例如，A业务类型具有有效历史汇款业务a1、a2、……an，通过获取各个有效历史汇款业务对应的历史汇款数据S1、S2、……Sn，并进行机器学习，可以确定A业务类型包括如下经验数据：业务主体类型为甲类型企业；单据类型为业务合同、业务发票、业务订单、营业执照；汇款数值为100万至1000万。

在本实施例中，基于至少两个业务类型和至少两个历史汇款数据，得到各业务类型对应的经验数据，能够通过人工智能进行汇款数据经验数据的自动提取，有利于提高汇款业务审核的审核准确性和审核效率。

在一个实施例中，所述基于所述经验数据对所述汇款数据中与当前审核节点对应的数据项进行审核，得到第一审核结果，可以包括如下步骤：

从所述经验数据中，确定所述业务类型对应的目标经验数据；从所述汇款数据中获取与当前审核节点对应的数据项；将所述数据项与所述目标经验数据进行比对，确定所述数据项是否在所述目标经验数据对应的数据范围内，并获取比对结果作为第一审核结果。

在实际应用中，可以将至少两个业务类型对应的经验数据存储在数据库中，并建立业务类型与经验数据之间的映射关系，若当前审核节点为汇款数据审核节点，则可以从预存的经验数据中，获取与业务类型对应的目标经验数据。

由于汇款数据中的各个汇款数据可以与不同审核节点关联，在得到汇款数据后，智能汇款系统可以从汇款数据中，获取与当前审核节点对应的数据项，进而可以将该数据项与目标经验数据进行比对，确定数据项是否在目标经验数据对应的数据范围内，例如两者是否一致，或者数据项是否在目标经验数据对应的误差范围内，进而可以将比对结果作为第一审核结果。

例如，在汇款数据审核节点中，可以包括业务主体类型的审核和/或汇款业务所需单据的审核，其中，汇款业务所需单据的审核，是指从汇款数据中，确定用户选择提交的单据类型，并判断该单据类型是否与该业务类型所需要提供的单据类型匹配，如A业务类型需要提供营业执照和业务合同，则在进行汇款业务所需单据的审核时，可以判断用户选择的单据类型是否包含营业执照和业务合同。

可选地，在本申请的另一个实施例中，针对汇款数据，可以在智能汇款系统中预先设置审核参数，在进行汇款数据审核时，可以采用预设的审核参数与汇款数据进行比对，得到比对结果。

在本实施例中，从经验数据中，确定业务类型对应的目标经验数据，并采用汇款数据中与当前审核节点对应的数据项，与目标经验数据进行比对，获取比对结果作为第一审核结果，实现汇款数据的自动审核，有效提供汇款业务的审核效率和自动化程度。

在一个实施例中，如图3所示，所述将所述单据数据输入到所述经过训练的单据审核模型，获取所述经过训练的单据审核模型根据所述单据数据输出的审核结果，作为第二审核结果，可以包括如下步骤：

步骤401，将所述单据数据输入到所述经过训练的单据审核模型。

作为一示例，单据数据可以是一种或多种单据图像对应的数据，其中，汇款业务中的业务单据可以包括以下至少一种：营业执照、业务合同、业务发票、报关单、提单、业务订单。

在具体实现中，单据审核模型中的至少两个审核模块可以包括单据数据审核模块、数据关联性审核模块和交易关联性审核模块。在获取到单据数据后，可以将单据数据输入到经过训练的、包含上述审核模块的单据审模型中。

步骤402，通过所述单据审核模型中的单据数据审核模块，对所述单据数据的数据合规性进行审核，得到数据合规性审核结果。

在实际应用中，可以通过单据审核模块对单据数据的合规性进行审核，得到数据合规性结果。具体而言，单据数据的数据合规性审核也可以称为单据内部审核，用于判断单据数据是否具有正确性和合规性。通过合规性审核，可用于确定单据数据是否符合预设的数据规则，即单据数据中是否包含了对应单据类型所具有的数据，例如，当单据数据为营业执照对应的数据时，可以判断单据数据中是否包含了类型、名称、住所、经营范围、统一社会信用代码等信息。

在对数据合规性进行审核后，单据数据审核模块可以输出对应的数据合规性审核结果，在输出数据合规性审核结果时，可以输出定性结果，例如，若单据数据满足数据合规性，则可以输出“符合数据合规性”的审核结果，若不满足数据合规性，则可以输出“不符合数据合规性”的审核结果。或者，也可以输出定量结果，即确定单据数据与数据合规性规则的匹配程度，并将该匹配程度作为数据合规性审核结果输出。

此外，在进行数据合规性审核时，还可以通过单据分类、单据要素、交易单据定义、单据标注等参数化信息进行判断，确定单据数据是否符合审核要求。

步骤403，通过所述单据审核模型中的数据关联性审核模块，对所述单据数据的数据关联性进行审核，得到数据关联性审核结果。

作为一示例，单据图像可以是多幅单据图像，则单据数据为多幅单据图像对应的单据数据。在实际应用中，多幅单据图像往往可以起到相互佐证的效果，例如在业务合同中，关于甲方或乙方的信息可以与营业执照中的名称、住所等信息匹配，又如，业务合同中的合同金额信息可以与业务发票中的金额信息匹配。

基于此，在得到多幅单据图像对应的单据数据后，可以通过单据审核模型中的数据关联性审核模块，对多幅单据图像对应单据数据的关联性进行审核，得到关联性审核结果。

在对数据关联性进行审核后，数据关联性审核模块可以输出对应的数数据关联性审核结果，在输出数据关联性审核结果时，可以输出定性结果，例如，若各幅单据图像对应的单据数据满足数据关联性，则可以输出“符合数据关联性”的审核结果，若不满足数据关联性，则可以输出“不符合数据关联性”的审核记过。或者，也可以输出定量结果，即确定各个单据数据关联程度，并将该关联程度作为数据关联性性审核结果输出，又或者，针对数据关联性低于预设阈值的至少两个单据数据，可以将其对应的数据关联性作为关联性审核结果输出。

步骤404通过所述单据审核模型中的交易关联性审核模块，对所述单据数据的交易关联性进行审核，得到交易关联性审核结果。

在汇款业务审核过程中，单据数据与用户输入的汇款数据往往存在关联，例如。针对购货合同的业务汇款，业务合同中的业务金额会与汇款数据中的转账金额匹配。基于此，可以通过单据审核模型中的交易关联性审核模块，对单据数据与汇款数据之间的交易关联性进行审核，得到该审核模块输出的交易关联性审核结果，进而判断各个交易与单据之间是否相符、匹配。在输出数据关联性审核结果时，可以输出定性结果或定量结果。

步骤405，根据所述单据合规性审核结果、数据关联性审核结果和交易关联性审核结果，得到所述第二审核结果。

在得到单据合规性审核结果、数据关联性审核结果和交易关联性审核结果后，可以直接采用至少两个审核生成第二审核结果。或者，在另一个示例中，若第二审核结果为定量结果时，可以为各个审核模块输出的审核结果分配不同的权重，并根据定量的审核结果和对应权重，确定第二审核结果。

在本实施例中，通过至少两个审核模块对单据数据进行审核，并结合各个审核结果生成第二审核结果，实现了根据多种审核规则对单据数据进行审核，能够从不同角度判断单据数据是否合规，有效降低汇款业务的审核风险，提高审核准确性和审核效率。

在一个实施例中，单据审核模块还可以包括交易合理性审核模块，即可以结合汇款数据、历史汇款交易数据和审核规则数据、政策规则数据，对单据数据的交易合理性要求进行判断。

在一个实施例中，所述对所述单据图像进行光学字符识别，得到单据数据，可以包括如下步骤：

步骤501，对所述单据图像进行光学字符识别，得到单据结构和至少两个已识别字符。

作为一示例，单据结构为所述单据图像中图像内容的排布结构，例如可以包括图像区域、与表格关联的图像区域、与文字关联的图像区域等，或者，针对文字区域，也可以进一步划分为至少两个不同主题的字符所对应的区域，例如，针对主题1所对应的文字区域、针对主题2所对应的文字区域。

在实际应用中，可以对单据图像进行光学字符识别，得到单据结构和至少两个已识别字符。在进行光学字符识别时，可以通过人工智能技术提高字符识别的准确定，具体而言，可以通过分类模型对历史单据图像中的模糊字符进行学习，得到清晰度更高的字符，或者，也可以根据自然语言识别技术构建语义识别模型，将当前已识别字符输入到语义识别模型中，确定至少两个已识别字符对应的语义。

步骤502，根据所述单据结构确定单据类型，获取所述单据类型对应的关键单据要素。

作为一示例，关键单据要素为任一单据类型对应的历史单据中，待提取的目标单据内容，关键单据要素可以是预先针对该单据类型设置的，也可以是通过机器学习得到的关键单据要素。

在实际应用中，不同的单据可以具有不同的单据结构，可以在数据库中预先存储单据结构与单据类型之间的映射关系，该映射关系可以是通过机器学习得到的，也可以是通过人工方式预设的。进而在确定单据结构后，可以结合预存储的映射关系，确定该单据结构对应的单据类型，并获取该单据类型对应的关键单据要素。

步骤503，从所述至少两个已识别字符中，获取与所述关键单据要素对应的字符，作为所述单据图像对应的单据数据。

在具体实现中，可以从已识别字符中，获取关键单据要素对应的字符作为单据图像对应的单据数据，完成单据数据的结构化处理。

在本实施例中，根据所述单据结构确定单据类型，获取所述单据类型对应的关键单据要素，从至少两个已识别字符中，获取与关键单据要素对应的字符，作为单据图像对应的单据数据，有利于单据数据的结构化提取。

在一个实施例中，所述方法还可以包括如下步骤：

获取所述单据类型对应的至少两个历史单据；获取各历史单据包含的单据要素；基于至少两个历史单据各自包含的单据要素进行机器学习，确定所述单据类型对应的关键单据要素。

其中，本实施例中所指的历史单据，可以是申请历史汇款业务时提交的业务单据。

具体的，在智能汇款系统中可以存储有过往的历史汇款业务申请时，用户针对该历史汇款业务所提交的业务单据，该业务单据可以作为历史单据。

智能汇款系统可以获取同一单据类型对应的至少两个历史单据，获取各个历史单据包含的单据要素，并对各个历史单据各自包含的至少两个单据要素进行机器学习，获取与该单据类型相关程度高于预设阈值的至少一个单据要素，作为该单据类型对应的关键单据要素，以在后续获取到该单据类型对应的单据图像时，提取目标单据内容。

在本实施例中，基于至少两个历史单据各自包含的单据要素进行机器学习，确定单据类型对应的关键单据要素，能够通过人工智能实现单据要素的自动提炼，有效提供智能汇款系统的自动化程度和审核准确度。

在一个实施例中，所述根据所述第一审核结果以及所述第二审核结果，得到所述待审核汇款业务对应的审核结果，包括：

获取预先学习到的汇款业务审核模型；将所述第一审核结果、所述单据合规性审核结果、所述数据关联性审核结果和所述交易关联性审核结果，输入到所述汇款业务审核模型，以通过所述汇款业务审核模型根据至少两个审核结果输出最终审核结果；将所述最终审核结果确定为待审核汇款业务对应的审核结果。

在实际应用中，可以获取预先学习到的汇款业务审核模型，该模型可以对至少两个审核结果进行综合评估，能够综合判断单据数据的重要性、真实性、完整性，以及汇款数据的准确性等信息。

具体的，可以将第一审核结果、单据合规性审核结果、数据关联性审核结果和交易关联性审核结果，输入到预先学习的汇款业务审核模型中，将该模型输出的审核结果，作为待审核汇款业务最终的审核结果。

在本实施例中，通过汇款业务审核模型根据至少两个审核结果输出最终审核结果，将最终审核结果确定为待审核汇款业务对应的审核结果，能够综合判断当前的汇款业务是否达到业务审核标准，达到规避高风险汇款业务的效果。

在一个实施例中，智能汇款系统还可以进行名单管理，具体的，可以对历史汇款交易中的异常交易进行学习，确定存在汇款异常或信用等级低于等级阈值的业务主体，并将业务主体添加到管控名单中，对管控名单内的交易实行严格审核，降低异常交易风险。或者，智能汇款系统也可以与外部系统通信连接，获取由外部系统提供的交易黑名单，进而根据该交易黑名单进行汇款业务的审核。

在一个实施例中，智能汇款系统还可以提供流程管理功能，即可以对跨境汇款业务流程进行机器学习，构建流程管理模型，建立系统内部处理各类规范的流程并提供流程驱动。

在一个实施例中，智能汇款系统还可以对汇款业务中出现的单据异常、交易异常、金额异常等异常状态进行实时监控，及时预警交易异常，干预异常汇款的转移，并进行事后监控，即可以对自动化处理的交易进行监控、回溯，发现异常交易并进行事后补救。

为了使本领域技术人员能够更好地理解上述步骤，以下通过一个例子对本申请实施例加以示例性说明，但应当理解的是，本申请实施例并不限于此。

如图4所示，智能汇款系统可以预先设置标准化接口，通过多种数据接入渠道获取交易数据和/或单据图像，例如，智能汇款系统可以通过API接口或OpenAPI与手机客户端、网上银行系统、智能柜台通信。同时，智能汇款系统可以与至少两个数据支撑系统或清算系统进行数据交互，以获取基础数据或者向数据支撑系统提供针对汇款交易的数据处理结果，其中，清算系统可以包括SWIFT系统(银行结算系统)或CFXPS系统(境内外币支付系统)；数据支撑系统可以包括以下任一项或多项：黑名单筛查系统、分拆结售汇系统、核心系统、反洗钱申报系统、ASONE平台(国家外汇管理局数字外管平台)。

如图5所示，在实际应用中，当用户自主或授权开启智能汇款功能时，智能汇款系统可以通过标准化接口从上述的多种渠道抓取交易数据，以及交易对应的单据图像。

当智能汇款系统获取到交易数据和单据图像后，可以进一步结合基础数据和交易规则，判断当前的汇款交易是否合规，其中，基础数据可以是用于判断汇款交易是否合规的数据，例如历史汇款交易数据、通过人工智能对历史汇款交易数据进行学习后得到的数据，也可以是从其他系统中获取的数据。

具体的，可以从交易数据中获取汇款交易的交易主体(即汇款申请人)，并判断交易主体是否符合交易主体要求，例如是否具备在境内进行汇款交易的资格。

此外，由于汇款交易中往往会涉及到多种类型的单据，例如营业执照、身份证等用于表明交易主体对应身份的身份证明、为进行汇款交易所提供的其他申请材料或证明材料，可以预先针对交易种类设置对应的单据种类，如国内汇款需要单据A、单据B和单据C这三种类型的单据。在获取到交易数据后，可以从交易数据中获取交易种类和用户提交的单据类型，并判断提交的单据类型是否与交易种类匹配。

进一步地，智能汇款交易系统可以通过OCR识别从单据图像中获取对应的单据数据，并根据单据数据和交易数据进行多种类型的交易审核，其中，可以对交易的合理性、单据的合法性，以及单据与交易之间的一致性进行审核，获取对应的审核结果。在完成多种审核后，可以综合至少两个审核结果进行在线评估，获取在线评估结果，进而根据在线评估结果，确定并流转至对应的交易处理流程。在汇款交易的审核过程中，若出现异常情况，还可以从当前的处理流程节点跳转至异常干预节点，由人工干预处理。

在实际应用中，智能汇款系统中的多种审核过程都可以通过人工智能进行，具体而言，可以针对业务规则预先定义多种审核标签，通过多种审核标签组合判断业务是否满足审核规则，其中，审核标签与审核规则的设置是通过对至少两个历史汇款交易数据和交易审核结果学习得到。

如图6所示，当用户汇入款项、接收到来自国际结算系统发送的报文时，可以判断用户是否开通智能汇款功能，若用户未开通智能汇款功能，可以向用户返回自动处理失败、汇款流程结束的信息，并提示用户开启智能汇款功能。

若用户已开通智能汇款功能，则可以进行主体合法性检查，并在检查结束后针对检查结果生成对应的审核标签，例如，若通过主体合法性检测，则生成“主体合法性检查通过”的审核标签，若审核过程中出现异常，则生成“运行异常”的审核标签。

在完成主体合法性检查后，可以进行签约审核，从基础数据中查找与收款账号相关的汇入解付参数并进行参数匹配，若匹配成功，则生成审核标签“已签约”，若匹配失败，则可以生成“未签约”审核标签；同时，若审核过程中出现异常，则生成“运行异常”的审核标签。

在完成签约审核后，可以进行在线评估，具体的，可以根据审核标签和预设的审核规则确定当前汇款业务的处理方式，例如，通过在线评估确定采用以下任一种处理方式：自动处理、业务员人工处理、通知客户处理。

在得到处理结果后，若处理方式为自动处理，则可以通过至少两个系统联动，在审核标签包括“已签约”时，将当前汇款业务推送到国际结算系统进行自动处理，并且，可以在缺少单据图像时，发起单据补录流程，以提示客户进行相关业务单据的补录。

若审核标签包括“未签约，”则优先生成提示信息并推送到用户终端，提醒用户提交与本次汇款业务相关的单据图像和/或交易数据，并等待接收。当接收到单据图像和/或交易数据时，可以触发业务流程继续流转，判断用户上传的单据种类是否与汇入汇款业务的单据种类匹配，若匹配，则可以生成对应的审核标签，并对单据图像进行OCR识别，从单据图像中抽取单据数据，进而结合单据数据、交易数据和基础数据，对单据一致性、交易与单据之间的匹配性以及交易合理性进行审核。

在审核过程中，可以通过RPA实现审核节点的自动流转，若检测到异常业务的发生，可以将当前审核节点流转异常业务干预节点，通过人工方式对该业务进行处理，在人工处理完毕后，智能汇款系统可以对处理结果进行机器学习，以根据学习结果更新汇款业务的相关审核规则。

应该理解的是，虽然图1-6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1-6中的至少一部分步骤可以包括至少两个步骤或者至少两个阶段，这些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中的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7所示，提供了一种汇款业务审核装置，应用于智能汇款系统，所述装置包括：

单据图像获取模块701，用于获取待审核汇款业务对应的汇款数据，以及所述待审核汇款业务对应业务单据的单据图像；所述汇款数据为申请所述待审核汇款业务时提交的数据；

目标业务审核逻辑获取模块702，用于获取所述待审核汇款业务对应的目标业务审核逻辑；所述目标审核业务逻辑用于表征所述待审核汇款业务的审核流程；

业务审核规则获取模块703，用于根据所述目标业务审核逻辑，确定用于对所述待审核汇款业务进行审核的业务审核规则；所述业务审核规则为系统对历史汇款业务的审核过程进行学习后得到的审核规则；

审核模块704，用于根据所述业务审核规则对所述汇款数据进行审核，得到第一审核结果，以及，根据所述业务审核规则对所述单据图像进行审核，得到第二审核结果；

审核结果获取模块705，用于根据所述第一审核结果以及所述第二审核结果，得到所述待审核汇款业务对应的审核结果。

在一个实施例中，所述智能汇款系统包括预先学习到的至少一个业务审核逻辑，所述目标业务审核逻辑获取模块702，包括：

业务类型确定子模块，用于基于所述汇款数据，确定所述待审核汇款业务的业务类型；

目标业务审核逻辑选取子模块，用于根据所述业务类型，从所述预先学习到的至少一个业务审核逻辑中，确定出与所述业务类型对应的业务审核逻辑，作为目标业务审核逻辑。

在一个实施例中，所述至少一个业务审核逻辑中的每一业务审核逻辑包含至少两个审核节点，所述审核模块704，包括：

经验数据获取子模块，用于在当前审核节点为汇款数据审核节点时，则从所述业务审核规则中，获取系统预先学习到的、与当前审核节点对应的经验数据；所述经验数据为系统对有效历史汇款业务对应的汇款数据进行学习后，得到的汇款数据；

第一审核子模块，用于基于所述经验数据与所述汇款数据的比对结果，得到第一审核结果；

以及，

单据数据获取子模块，用于在当前审核节点为单据内容审核节点时，则对所述单据图像进行光学字符识别，得到单据数据；

单据审核模型调用子模块，用于从所述业务审核规则中获取经过训练的单据审核模型；

第二审核子模块，用于将所述单据数据输入到所述经过训练的单据审核模型，获取所述经过训练的单据审核模型根据所述单据数据输出的审核结果，作为第二审核结果；所述单据数据包括所述单据图像上的至少两个字符。

在一个实施例中，所述单据审核模型包括至少两个用于对单据数据进行审核的审核模块，所述至少两个审核模块分别基于不同的审核规则对输入的单据数据进行审核；所述装置还包括：

样本单据数据获取模块，用于获取样本单据数据及其对应的审核结果标签；所述审核结果标签表征所述样本单据数据最终的审核结果；

预测审核结果获取模块，用于将所述样本单据数据输入到待训练的单据审核模型，通过所述单据审核模型中的至少两个审核模块分别对所述样本单据数据进行审核，得到对应的至少两个审核结果，并根据所述至少两个审核结果输出预测审核结果；

模型训练模块，用于根据所述预测审核结果和所述审核结果标签，对所述单据审核模型进行调整；

单据审核模型获取模块，用于循环执行上述训练过程，直到满足训练结束条件，得到经过训练的单据审核模型。

在一个实施例中，所述至少两个审核模块包括单据数据审核模块、数据关联性审核模块和交易关联性审核模块，所述第二审核子模块，包括：

数据输入单元，用于将所述单据数据输入到所述经过训练的单据审核模型；

数据合规性审核单元，用于通过所述单据审核模型中的单据数据审核模块，对所述单据数据的数据合规性进行审核，得到数据合规性审核结果；

数据关联性审核审核单元，用于通过所述单据审核模型中的数据关联性审核模块，对所述单据数据的数据关联性进行审核，得到数据关联性审核结果；

交易关联性审核单元，用于通过所述单据审核模型中的交易关联性审核模块，对所述单据数据的交易关联性进行审核，得到交易关联性审核结果；

第二审核结果获取单元，用于根据所述单据合规性审核结果、数据关联性审核结果和交易关联性审核结果，得到所述第二审核结果。

在一个实施例中，所述装置还包括：

历史汇款数据获取模块，用于获取至少两个有效历史汇款业务中，每一有效历史汇款业务分别对应的业务类型和历史汇款数据；

经验数据生成模块，用于基于至少两个业务类型和至少两个历史汇款数据，得到各业务类型分别对应的经验数据；

其中，所述历史汇款数据包括以下至少一种：业务主体类型、单据类型、汇款金额、汇款币种、业务主体信用信息、风险信息。

在一个实施例中，所述第一审核子模块，包括：

目标经验数据获取单元，用于从所述经验数据中，确定所述业务类型对应的目标经验数据；

数据项获取单元，用于从所述汇款数据中获取与当前审核节点对应的数据项；

第一审核结果获取单元，用于将所述数据项与所述目标经验数据进行比对，确定所述数据项是否在所述目标经验数据对应的数据范围内，并获取比对结果作为第一审核结果。

在一个实施例中，所述单据数据获取子模块，包括：

字符识别单元，用于对所述单据图像进行光学字符识别，得到单据结构和至少两个已识别字符；所述单据结构为所述单据图像中图像内容的排布结构；

关键单据要素获取单元，用于根据所述单据结构确定单据类型，获取所述单据类型对应的关键单据要素；所述关键单据要素为所述单据类型对应的历史单据中，待提取的目标单据内容；

单据数据确定单元，用于从所述至少两个已识别字符中，获取与所述关键单据要素对应的字符，作为所述单据图像对应的单据数据。

在一个实施例中，所述装置还包括：

历史单据获取模块，用于获取所述单据类型对应的至少两个历史单据；所述历史单据为申请历史汇款业务时提交的业务单据；

单据要素识别模块，用于获取各历史单据包含的单据要素；

关键单据要素确定模块，用于基于至少两个历史单据各自包含的单据要素进行机器学习，确定所述单据类型对应的关键单据要素。

关于一种汇款业务审核装置的具体限定可以参见上文中对于一种汇款业务审核方法的限定，在此不再赘述。上述一种汇款业务审核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8所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。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审核规则数据。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汇款业务审核方法。

本领域技术人员可以理解，图8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，存储器中存储有计算机程序，该处理器执行计算机程序时实现上述各个实施例中的步骤。

在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述各个实施例中的步骤。

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易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-Only Memory，ROM)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(Random Access Memory，RAM)或外部高速缓冲存储器。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器(Static Random Access Memory，SRAM)或动态随机存取存储器(Dynamic Random Access Memory，DRAM)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 (12)

1.一种汇款业务审核方法，其特征在于，应用于智能汇款系统，所述方法包括：

获取待审核汇款业务对应的汇款数据，以及所述待审核汇款业务对应业务单据的单据图像；所述汇款数据为申请所述待审核汇款业务时提交的数据；

获取所述待审核汇款业务对应的目标业务审核逻辑；所述目标审核业务逻辑用于表征所述待审核汇款业务的审核流程；

根据所述目标业务审核逻辑，确定用于对所述待审核汇款业务进行审核的业务审核规则；所述业务审核规则为系统对历史汇款业务的审核过程进行学习后得到的审核规则；

根据所述业务审核规则对所述汇款数据进行审核，得到第一审核结果，以及，根据所述业务审核规则对所述单据图像进行审核，得到第二审核结果；

根据所述第一审核结果以及所述第二审核结果，得到所述待审核汇款业务对应的审核结果。

2.根据权利要求1所述的方法，其特征在于，所述智能汇款系统包括预先学习到的至少一个业务审核逻辑，所述获取所述待审核汇款业务对应的目标业务审核逻辑，包括：

基于所述汇款数据，确定所述待审核汇款业务的业务类型；

根据所述业务类型，从所述预先学习到的至少一个业务审核逻辑中，确定出与所述业务类型对应的业务审核逻辑，作为目标业务审核逻辑。

3.根据权利要求1所述的方法，其特征在于，所述至少一个业务审核逻辑中的每一业务审核逻辑包含至少两个审核节点，所述根据所述业务审核规则对所述汇款数据进行审核，得到第一审核结果，以及，根据所述业务审核规则对所述单据图像进行审核，得到第二审核结果，包括：

在当前审核节点为汇款数据审核节点时，则从所述业务审核规则中，获取系统预先学习到的、与当前审核节点对应的经验数据；所述经验数据为系统对有效历史汇款业务对应的汇款数据进行学习后，得到的汇款数据；

基于所述经验数据与所述汇款数据的比对结果，得到第一审核结果；

以及，

在当前审核节点为单据内容审核节点时，则对所述单据图像进行光学字符识别，得到单据数据；

从所述业务审核规则中获取经过训练的单据审核模型；

将所述单据数据输入到所述经过训练的单据审核模型，获取所述经过训练的单据审核模型根据所述单据数据输出的审核结果，作为第二审核结果；所述单据数据包括所述单据图像上的至少两个字符。

4.根据权利要求3所述的方法，其特征在于，所述单据审核模型包括至少两个用于对单据数据进行审核的审核模块，所述至少两个审核模块分别基于不同的审核规则对输入的单据数据进行审核；所述单据审核模型通过以下训练方式得到：

获取样本单据数据及其对应的审核结果标签；所述审核结果标签表征所述样本单据数据最终的审核结果；

将所述样本单据数据输入到待训练的单据审核模型，通过所述单据审核模型中的至少两个审核模块分别对所述样本单据数据进行审核，得到对应的至少两个审核结果，并根据所述至少两个审核结果输出预测审核结果；

根据所述预测审核结果和所述审核结果标签，对所述单据审核模型进行调整；

循环执行上述训练过程，直到满足训练结束条件，得到经过训练的单据审核模型。

5.根据权利要求4所述的方法，其特征在于，所述至少两个审核模块包括单据数据审核模块、数据关联性审核模块和交易关联性审核模块，所述将所述单据数据输入到所述经过训练的单据审核模型，获取所述经过训练的单据审核模型根据所述单据数据输出的审核结果，作为第二审核结果，包括：

将所述单据数据输入到所述经过训练的单据审核模型；

通过所述单据审核模型中的单据数据审核模块，对所述单据数据的数据合规性进行审核，得到数据合规性审核结果；

通过所述单据审核模型中的数据关联性审核模块，对所述单据数据的数据关联性进行审核，得到数据关联性审核结果；

通过所述单据审核模型中的交易关联性审核模块，对所述单据数据的交易关联性进行审核，得到交易关联性审核结果；

根据所述单据合规性审核结果、数据关联性审核结果和交易关联性审核结果，得到所述第二审核结果。

6.根据权利要求1所述的方法，其特征在于，还包括：

获取至少两个有效历史汇款业务中，每一有效历史汇款业务分别对应的业务类型和历史汇款数据；

基于至少两个业务类型和至少两个历史汇款数据，得到各业务类型分别对应的经验数据；

其中，所述历史汇款数据包括以下至少一种：业务主体类型、单据类型、汇款金额、汇款币种、业务主体信用信息、风险信息。

7.根据权利要求3所述的方法，其特征在于，所述基于所述经验数据与所述汇款数据的比对结果，得到第一审核结果，包括：

从所述经验数据中，确定所述业务类型对应的目标经验数据；

从所述汇款数据中获取与当前审核节点对应的数据项；

将所述数据项与所述目标经验数据进行比对，确定所述数据项是否在所述目标经验数据对应的数据范围内，并获取比对结果作为第一审核结果。

8.根据权利要求3所述的方法，其特征在于，所述对所述单据图像进行光学字符识别，得到单据数据，包括：

对所述单据图像进行光学字符识别，得到单据结构和至少两个已识别字符；所述单据结构为所述单据图像中图像内容的排布结构；

根据所述单据结构确定单据类型，获取所述单据类型对应的关键单据要素；所述关键单据要素为所述单据类型对应的历史单据中，待提取的目标单据内容；

从所述至少两个已识别字符中，获取与所述关键单据要素对应的字符，作为所述单据图像对应的单据数据。

9.根据权利要求8所述的方法，其特征在于，还包括：

获取所述单据类型对应的至少两个历史单据；所述历史单据为申请历史汇款业务时提交的业务单据；

获取各历史单据包含的单据要素；

基于至少两个历史单据各自包含的单据要素进行机器学习，确定所述单据类型对应的关键单据要素。

10.一种汇款业务审核装置，其特征在于，应用于智能汇款系统，所述方法包括：

单据图像获取模块，用于获取待审核汇款业务对应的汇款数据，以及所述待审核汇款业务对应业务单据的单据图像；所述汇款数据为申请所述待审核汇款业务时提交的数据；

目标业务审核逻辑获取模块，用于获取所述待审核汇款业务对应的目标业务审核逻辑；所述目标审核业务逻辑用于表征所述待审核汇款业务的审核流程；

业务审核规则获取模块，用于根据所述目标业务审核逻辑，确定用于对所述待审核汇款业务进行审核的业务审核规则；所述业务审核规则为系统对历史汇款业务的审核过程进行学习后得到的审核规则；

审核模块，用于根据所述业务审核规则对所述汇款数据进行审核，得到第一审核结果，以及，根据所述业务审核规则对所述单据图像进行审核，得到第二审核结果；

审核结果获取模块，用于根据所述第一审核结果以及所述第二审核结果，得到所述待审核汇款业务对应的审核结果。

11.一种计算机设备，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9中任一项所述方法的步骤。

12.一种计算机可读存储介质，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9中任一项所述方法的步骤。

Images