CN112801639B - 一种确定差错交易场景的方法及装置 - Google Patents
一种确定差错交易场景的方法及装置 Download PDFInfo
- Publication number
- CN112801639B CN112801639B CN202110148795.0A CN202110148795A CN112801639B CN 112801639 B CN112801639 B CN 112801639B CN 202110148795 A CN202110148795 A CN 202110148795A CN 112801639 B CN112801639 B CN 112801639B
- Authority
- CN
- China
- Prior art keywords
- transaction
- error
- scene
- dimension
- information
- 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
- 238000000034 method Methods 0.000 title claims abstract description 58
- 238000012545 processing Methods 0.000 claims description 56
- 238000004590 computer program Methods 0.000 claims description 12
- 230000008520 organization Effects 0.000 description 41
- 230000007246 mechanism Effects 0.000 description 25
- 230000008569 process Effects 0.000 description 15
- 238000010586 diagram Methods 0.000 description 11
- 238000001914 filtration Methods 0.000 description 6
- 238000012546 transfer Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 238000013461 design Methods 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 230000004075 alteration Effects 0.000 description 2
- 230000033228 biological regulation Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013475 authorization Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000004044 response Effects 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
- G06Q20/00—Payment architectures, schemes or protocols
- G06Q20/02—Payment architectures, schemes or protocols involving a neutral party, e.g. certification authority, notary or trusted third party [TTP]
- G06Q20/023—Payment architectures, schemes or protocols involving a neutral party, e.g. certification authority, notary or trusted third party [TTP] the neutral party being a clearing house
-
- 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
- G06Q20/382—Payment protocols; Details thereof insuring higher security of transaction
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Accounting & Taxation (AREA)
- Computer Security & Cryptography (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Finance (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明实施例提供了一种确定差错交易场景的方法及装置,该方法包括接收客户端发送的针对原交易的差错查询请求,基于所述原交易的交易要素,获取原交易的交易信息和原交易的辅助信息,根据交易信息和辅助信息,通过差错匹配模型,从各差错交易场景中确定出原交易的查询结果,将查询结果发送给客户端。由于在服务器端根据原交易的交易要素,可以自动获取到原交易的交易信息和原交易的辅助信息,因此对客户端来说,收集原交易的交易信息和辅助信息更加便捷、快速,可以节省人力时间成本。此外,由于通过差错匹配模型自动筛选出差错交易场景推荐给客户端,以供客户端进行决策参考,可以降低差错交易场景决策的知识门槛。
Description
技术领域
本发明实施例涉及互联网技术领域,尤其涉及一种确定差错交易场景的方法及装置。
背景技术
在银行卡跨行交易中,存在因记账信息不一致或持卡人否认交易而导致的账务差错问题,入网机构(比如发卡银行)因而产生了账务调整或风险责任转移的诉求。针对于此,卡组织针对银行卡的差错业务,设计出一套差错业务处理规则,并提供了差错处理系统供入网机构进行差错交易处理。
现阶段,针对差错交易的处理方法主要是:入网机构在获取到账务差错信息后,基于卡组织的差错业务运作规则,收集与账务差错信息相关的交易和证明信息,以此确定出具体的差错交易场景(差错原因码),并根据差错交易场景生成对应的差错交易请求,将差错交易请求发送至卡组织(银行卡转接清算机构,又称信用卡组织/银行卡组织)。卡组织根据既定的业务规则对差错交易请求进行核查,若确定差错交易请求与实际业务规则场景不匹配,则拒绝该差错交易请求并生成差错交易拒绝信息,将差错交易拒绝信息发送给入网机构。入网机构根据差错交易拒绝信息,再次收集业务信息确定出新的差错交易场景,并根据新的差错交易场景生成新的差错交易请求,将新的差错交易请求发送至卡组织。卡组织在确定新的差错交易请求与实际业务规则场景匹配后,将新的差错交易请求并入到当天清算中,以此完成账务调整。然而,随着差错交易场景数量及其复杂度的增加,使得差错处理人员需要收集更多的交易相关要素来确定当前适用于具体的哪些差错交易场景,导致人力时间成本较高。此外,由于差错交易场景复杂度的增加,使得差错处理人员进行场景决策的知识门槛增加,导致业务处理的效率较低。
综上,目前亟需一种确定差错交易场景的方法,用以节省人力时间成本,并提升业务处理的效率。
发明内容
本发明实施例提供了一种确定差错交易场景的方法及装置,用以节省人力时间成本,并提升业务处理的效率。
第一方面,本发明实施例提供了一种确定差错交易场景的方法,包括:
服务器接收客户端发送的针对原交易的差错查询请求;所述差错查询请求包括所述原交易的交易要素;
所述服务器基于所述原交易的交易要素,获取所述原交易的交易信息和所述原交易的辅助信息;所述交易信息和所述辅助信息中的各维度信息是根据差错匹配模型中的维度因素确定的;
所述服务器根据所述交易信息和所述辅助信息,通过所述差错匹配模型,从各差错交易场景中确定出所述原交易的查询结果;所述查询结果包括所述原交易的适用场景和所述原交易的不适用场景;
所述服务器将所述查询结果发送给所述客户端;所述查询结果中的所述适用场景和所述不适用场景,用于确定出所述原交易的差错交易场景。
上述技术方案中,服务器接收客户端发送的针对原交易的差错查询请求,该差错查询请求包括原交易的交易要素,并基于原交易的交易要素,获取原交易的交易信息和原交易的辅助信息,交易信息和辅助信息中的各维度信息是根据差错匹配模型中的维度因素确定的。再根据交易信息和辅助信息,通过差错匹配模型,从各差错交易场景中确定出原交易的查询结果,该查询结果包括所述原交易的适用场景和所述原交易的不适用场景。然后,将查询结果发送给客户端,客户端基于查询结果中的适用场景和不适用场景,确定出原交易的差错交易场景。由于服务器通过根据原交易的交易要素,就可以自动获取到原交易的交易信息和原交易的辅助信息,因此对于客户端来说,收集原交易的交易信息和辅助信息更加便捷、快速。而无需客户端投入过多的人力进行人工收集,因此可以缩短人工收集交易的业务信息的时间,从而可以节省人力时间成本。此外,由于可以将通过差错匹配模型自动筛选出原交易的适用场景、不适用场景推荐给客户端,以供客户端进行决策参考,如此可以有助于降低差错交易场景决策的知识门槛,从而可以提升业务处理的效率。
可选地,所述差错匹配模型包括依次串联处理的M个子模型;
所述服务器根据所述交易信息和所述辅助信息,通过所述差错匹配模型,从各差错交易场景中确定出所述原交易的查询结果,包括:
针对任一子模型,所述服务器根据所述子模型的维度因素,从所述交易信息和所述辅助信息中确定出适用于所述子模型的维度信息;
所述服务器将所述各差错交易场景中与所述子模型的维度信息匹配的差错交易场景确定为所述子模型的适用场景,并将所述各差错交易场景中与所述子模型的维度信息不匹配的差错交易场景确定为所述子模型的不适用场景;
所述服务器将所述M个子模型的不适用场景确定为所述原交易的不适用场景;
所述服务器将符合所述M个子模型的适用场景确定为所述原交易的适用场景。
上述技术方案中,通过根据子模型的维度因素,就可以及时准确地从交易信息和辅助信息中确定出适用于子模型的维度信息。之后将维度信息与各差错交易场景进行匹配,就可以及时准确地确定出子模型的适用场景、不适用场景,如此更加智能化,可以直接将原交易的适用场景、不适用场景在客户端进行展示,而无需依靠人工进行识别,从而可以减少人工识别所耗费的时间、精力,并可以使得确定差错交易场景的效率加快。
可选地,各子模型对应的维度因素均不同,且每个子模型中包括至少一个维度因素。
可选地,所述服务器基于所述原交易的交易要素,获取所述原交易的交易信息和所述原交易的辅助信息,包括:
所述服务器基于所述原交易的交易要素,从第一数据源获取所述原交易的交易信息;
所述服务器基于所述交易信息,从第二数据源获取所述原交易的辅助信息。
上述技术方案中,通过基于原交易的交易要素,就可以及时准确地从第一数据源获取原交易的交易信息,并基于交易信息,就可以及时准确地从第二数据源获取原交易的辅助信息。因此对于客户端来说,收集原交易的交易信息和辅助信息更加智能化、便捷、快速。而无需客户端投入过多的人力进行人工收集,因此可以缩短人工收集交易的业务信息的时间,从而可以节省人力时间成本。
可选地,所述M个子模型包括以下至少一项:卡片维度子模型、交易渠道维度子模型、时间维度子模型、关联交易维度子模型、交易状态维度子模型。
可选地,所述服务器将所述查询结果发送给所述客户端之后,还包括:
所述服务器接收所述客户端发送的差错交易请求;
所述服务器在确定所述差错交易请求符合设定要求后,对所述差错交易请求进行清算处理。
上述技术方案中,通过在确定客户端发送的差错交易请求符合设定要求后,就可以及时地对差错交易请求进行清算处理。如此,可以确保差错交易请求的准确性。
第二方面,本发明实施例提供了一种确定差错交易场景的方法,包括:
客户端基于原交易,确定出所述原交易的交易要素;
所述客户端生成针对所述原交易的差错查询请求;所述差错查询请求包括所述原交易的交易要素;
所述客户端将所述差错查询请求发送给服务器;所述服务器用于基于所述原交易的交易要素,获取所述原交易的交易信息和所述原交易的辅助信息,并根据所述交易信息和所述辅助信息,通过差错匹配模型,从各差错交易场景中确定出所述原交易的查询结果;所述交易信息和所述辅助信息中的各维度信息是根据所述差错匹配模型中的维度因素确定的;所述查询结果包括所述原交易的适用场景和所述原交易的不适用场景;
所述客户端接收所述服务器发送的查询结果;
所述客户端根据所述查询结果中的所述适用场景和所述不适用场景,确定出所述原交易的差错交易场景。
上述技术方案中,客户端基于原交易,确定出原交易的交易要素,并生成针对原交易的差错查询请求,差错查询请求包括原交易的交易要素。再将差错查询请求发送给服务器,服务器用于基于原交易的交易要素,获取原交易的交易信息和原交易的辅助信息,并根据交易信息和辅助信息,通过差错匹配模型,从各差错交易场景中确定出原交易的查询结果,交易信息和辅助信息中的各维度信息是根据差错匹配模型中的维度因素确定的,查询结果包括所述原交易的适用场景和原交易的不适用场景。然后,在接收到服务器发送的查询结果后,根据查询结果中的适用场景和不适用场景,确定出原交易的差错交易场景。通过在服务器端根据原交易的交易要素,自动获取原交易的交易信息和原交易的辅助信息,因此对于客户端来说,收集原交易的交易信息和辅助信息更加便捷、快速。而无需客户端投入过多的人力进行人工收集,因此可以缩短人工收集交易的业务信息的时间,从而可以减少人工识别所耗费的时间成本,并可以有助于提升确定差错交易场景的效率。
可选地,在确定出所述原交易的差错交易场景之后,还包括:
所述客户端根据所述原交易的差错交易场景,生成与所述原交易的差错交易场景对应的差错交易请求;
所述客户端将所述差错交易请求发送给所述服务器;所述服务器用于在确定所述差错交易请求符合设定要求后,对所述差错交易请求进行清算处理。
上述技术方案中,通过将差错交易请求发送给服务器进行核查确认,且服务器在确认差错交易请求符合设定要求后,对差错交易请求进行清算处理,如此,可以确保差错交易请求的准确性。
第三方面,本发明实施例提供了一种确定差错交易场景的装置,包括:
接收单元,用于接收客户端发送的针对原交易的差错查询请求;所述差错查询请求包括所述原交易的交易要素;
第一处理单元,用于基于所述原交易的交易要素,获取所述原交易的交易信息和所述原交易的辅助信息;所述交易信息和所述辅助信息中的各维度信息是根据差错匹配模型中的维度因素确定的;根据所述交易信息和所述辅助信息,通过所述差错匹配模型,从各差错交易场景中确定出所述原交易的查询结果;所述查询结果包括所述原交易的适用场景和所述原交易的不适用场景;将所述查询结果发送给所述客户端;所述查询结果中的所述适用场景和所述不适用场景,用于确定出所述原交易的差错交易场景。
可选地,所述差错匹配模型包括依次串联处理的M个子模型;
所述第一处理单元具体用于:
针对任一子模型,根据所述子模型的维度因素,从所述交易信息和所述辅助信息确定出适用于所述子模型的维度信息;
将所述各差错交易场景中与所述子模型的维度信息匹配的差错交易场景确定为所述子模型的适用场景,并将所述各差错交易场景中与所述子模型的维度信息不匹配的差错交易场景确定为所述子模型的不适用场景;
将所述M个子模型的不适用场景确定为所述原交易的不适用场景;
将符合所述M个子模型的适用场景确定为所述原交易的适用场景。
可选地,所述第一处理单元具体用于:
各子模型对应的维度因素均不同,且每个子模型中包括至少一个维度因素。
可选地,所述第一处理单元具体用于:
基于所述原交易的交易要素,从第一数据源获取所述原交易的交易信息;
基于所述交易信息,从第二数据源获取所述原交易的辅助信息。
可选地,所述第一处理单元具体用于:
所述M个子模型包括以下至少一项:卡片维度子模型、交易渠道维度子模型、时间维度子模型、关联交易维度子模型、交易状态维度子模型。
可选地,所述第一处理单元还用于:
在将所述查询结果发送给所述客户端之后,接收所述客户端发送的差错交易请求;
在确定所述差错交易请求符合设定要求后,对所述差错交易请求进行清算处理。
第四方面,本发明实施例提供了一种确定差错交易场景的装置,包括:
确定单元,用于基于原交易,确定出所述原交易的交易要素;
第二处理单元,用于生成针对所述原交易的差错查询请求;所述差错查询请求包括所述原交易的交易要素;将所述差错查询请求发送给服务器;所述服务器用于基于所述原交易的交易要素,获取所述原交易的交易信息和所述原交易的辅助信息,并根据所述交易信息和所述辅助信息,通过差错匹配模型,从各差错交易场景中确定出所述原交易的查询结果;所述交易信息和所述辅助信息中的各维度信息是根据所述差错匹配模型中的维度因素确定的;所述查询结果包括所述原交易的适用场景和所述原交易的不适用场景;接收所述服务器发送的查询结果;根据所述查询结果中的所述适用场景和所述不适用场景,确定出所述原交易的差错交易场景。
可选地,所述第二处理单元还用于:
在确定出所述原交易的差错交易场景之后,根据所述原交易的差错交易场景,生成与所述原交易的差错交易场景对应的差错交易请求;
将所述差错交易请求发送给所述服务器;所述服务器用于在确定所述差错交易请求符合设定要求后,对所述差错交易请求进行清算处理。
第五方面,本发明实施例提供一种计算设备,包括至少一个处理器以及至少一个存储器,其中,所述存储器存储有计算机程序,当所述程序被所述处理器执行时,使得所述处理器执行上述第一方面任意所述的确定差错交易场景的方法。
第六方面,本发明实施例提供一种计算机可读存储介质,其存储有可由计算设备执行的计算机程序,当所述程序在所述计算设备上运行时,使得所述计算设备执行上述第一方面任意所述的确定差错交易场景的方法。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简要介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域的普通技术人员来讲,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为本发明实施例提供的一种差错交易处理系统架构的示意图;
图2为本发明实施例提供的一种确定差错交易场景的方法的流程示意图;
图3为本发明实施例提供的另一种确定差错交易场景的流程示意图;
图4为本发明实施例提供的一种特征模型的结构示意图;
图5为本发明实施例提供的一种交易渠道维度子模型处理差错原因码全集确定差错交易场景的流程示意图;
图6为本发明实施例提供的一种确定差错交易场景的装置的结构示意图;
图7为本发明实施例提供的另一种确定差错交易场景的装置的结构示意图;
图8为本发明实施例提供的一种计算设备的结构示意图。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明作进一步地详细描述,显然,所描述的实施例仅仅是本发明的一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
下面对本发明实施例的设计思路进行简要介绍:
在银行卡跨行交易中,存在因记账信息不一致或持卡人否认交易而导致的账务差错问题,入网机构因而产生了账务调整或风险责任转移的诉求。针对此问题,卡组织针对银行卡差错业务,设计了一套差错业务处理规则,并提供了差错处理系统供入网机构进行差错交易处理。因不同的银行卡消费业务场景适用于不同的差错交易场景(主要指差错交易类型和差错原因码),入网机构在发送差错交易请求之前,需要自行根据银行卡交易信息和业务场景,并结合卡组织既定的业务规则,对差错交易具体场景进行决策,不适配的差错交易场景的将会被卡组织系统拒绝交易。在目前的差错交易场景决策流程下,因交易信息的混杂和信息收集渠道的分散,加上业务规则的复杂性,存在着差错处理人员不清楚需要搜集哪些信息或者信息收集的时间成本大等问题,因此,会导致人力时间成本较高,并导致的差错交易场景决策失误导致的次生账务风险时有发生。
鉴于此,本发明实施例提出了一种确定差错交易场景的方法及装置。在本发明实施例中,服务器接收客户端发送的针对原交易的差错查询请求,该差错查询请求包括原交易的交易要素,并基于原交易的交易要素,获取原交易的交易信息和原交易的辅助信息,交易信息和辅助信息中的各维度信息是根据差错匹配模型中的维度因素确定的。再根据交易信息和辅助信息,通过差错匹配模型,从各差错交易场景中确定出原交易的查询结果,该查询结果包括所述原交易的适用场景和所述原交易的不适用场景。然后,将查询结果发送给客户端,客户端基于查询结果中的适用场景和不适用场景,确定出原交易的差错交易场景。由于服务器通过根据原交易的交易要素,就可以自动获取到原交易的交易信息和原交易的辅助信息,因此对于客户端来说,收集原交易的交易信息和辅助信息更加便捷、快速。而无需客户端投入过多的人力进行人工收集,因此可以缩短人工收集交易的业务信息的时间,从而可以节省人力时间成本。此外,由于可以将通过差错匹配模型自动筛选出原交易的适用场景、不适用场景推荐给客户端,以供客户端进行决策参考,如此可以有助于降低差错交易场景决策的知识门槛,从而可以提升业务处理的效率。
为了便于理解本发明实施例,首先以图1中示出的系统结构为例说明适用于本发明实施例的差错交易处理系统架构。该差错交易处理系统架构可以应用于入网机构的差错处理人员处理因记账信息不一致或用户否认交易等导致的账务差错,或者处理用户提出的原交易的差错查询诉求,在实际应用场景中,本发明对此并不作限定。如图1所示,该系统架构可以包括入网机构110、规则引擎/特征模型组件120和卡组织130。其中,入网机构110可以包括各银行等;规则引擎/特征模型组件120用于对用户提出差错诉求的交易的业务信息以及预设的差错原因码集合进行处理,确定出适用原因码集合、不适用原因码集合及对应的不适用理由,以供差错业务处理人员进行决策参考;卡组织130全称银行卡转接清算机构(又称信用卡组织/银行卡组织),受理商户的卡交易,拥有并经营自己的国际区域处理网络。以及负责建设和运营全球或区域统一的支付卡信息交换网络,负责支付卡交易的信息转换和资金清算,制定并推行支付卡跨行交易业务规范和技术标准。在本发明实施例中,卡组织130负责协调并审核入网机构与收单机构之间的账务信息。收单机构是指与商户签有协议或为持卡人提供服务,直接或间接凭交易单据(包括电子单据或纸质单据)参加交换的清算会员单位,主要负责特约商户的开拓与管理、授权请求、帐单结算等活动。
示例性地,假设入网机构110接收到用户针对某一笔交易提出的差错诉求,入网机构的差错处理人员基于该差错诉求,定位到该差错诉求所对应的具体原交易,并基于该原交易确定出该原交易的交易要素,然后向卡组织提出差错查询请求,该差错查询请求包括该原交易的交易要素。卡组织在接收到差错查询请求后,将该原交易的交易要素以及预设的差错原因码集合输入到规则引擎/特征模型组件120中进行处理,输出适用原因码集合、不适用原因码集合及对应的不适用理由,并将适用原因码集合、不适用原因码集合及对应的不适用理由发送给入网机构,同时入网机构会将适用原因码集合、不适用原因码集合及对应的不适用理由展示给差错处理人员,以供差错处理人员确定出要选用的差错原因码。然后,入网机构110根据该选用的差错原因码生成对应的差错交易请求,并将差错交易请求发送给卡组织130,以使卡组织130在确定差错交易请求与实际业务规则场景匹配时,确认差错交易请求发起成功。其中,规则引擎/特征模型组件120通过抽象业务规则逻辑检查为规则引擎,并根据业务规章建立特征模型。
需要说明的是,上述图1所示的结构仅是一种示例,本发明实施例对此不做限定。
基于上述描述,图2示例性的示出了本发明实施例提供的一种确定差错交易场景的方法的流程,该流程可以由确定差错交易场景的装置执行。
如图2所示,该流程具体包括:
步骤201,客户端基于原交易,确定出所述原交易的交易要素。
步骤202,所述客户端生成针对所述原交易的差错查询请求。
步骤203,所述客户端将针对所述原交易的差错查询请求发送给服务器。
步骤204,所述服务器基于所述原交易的交易要素,获取所述原交易的交易信息和所述原交易的辅助信息。
步骤205,所述服务器根据所述交易信息和所述辅助信息,通过所述差错匹配模型,从各差错交易场景中确定出所述原交易的查询结果。
步骤206,所述服务器将所述原交易的查询结果发送给所述客户端。
步骤207,所述客户端根据所述查询结果中的所述适用场景和所述不适用场景,确定出所述原交易的差错交易场景。
上述步骤201、步骤202和步骤230中,客户端根据用户针对某一笔交易提出的差错诉求,定位到该差错诉求所对应的具体差错交易,并基于该差错交易,确定出该原交易的交易要素。然后,生成针对原交易的差错查询请求,并将针对原交易的差错查询请求发送给服务器。如此可以依靠服务器根据原交易的交易要素,自动获取到原交易的交易信息和原交易的辅助信息,而对于客户端来说,收集原交易的交易信息和辅助信息变得更加便捷、快速。而无需客户端投入过多的人力进行人工收集,因此可以缩短人工收集交易的业务信息的时间,从而可以减少人工识别所耗费的时间成本,并可以有助于提升确定差错交易场景的效率。其中,差错查询请求可以包括原交易的交易要素。示例性地,该交易要素可以为卡号、交易日期、交易金额、商户号、交易的经办机构号等中的至少一个,比如交易要素可以为卡号,或者交易要素可以为卡号和交易日期的组合,或者交易要素可以为卡号、交易日期、交易金额的组合。需要说明的是,每一笔交易的交易要素并不一定相同。
上述步骤204中,服务器基于原交易的交易要素,获取原交易的交易信息和原交易的辅助信息。其中,交易信息和辅助信息中的各维度信息是根据差错匹配模型中的维度因素确定的。具体地,服务器基于原交易的交易要素,就可以及时准确地从第一数据源获取原交易的交易信息,并基于交易信息,就可以及时准确地从第二数据源获取原交易的辅助信息。因此对于客户端来说,收集原交易的交易信息和辅助信息变得更加智能化、便捷、快速。而无需客户端投入过多的人力进行人工收集,因此可以缩短人工收集交易的业务信息的时间,从而可以节省人力时间成本。其中,交易信息可以包括卡性质信息、卡介质信息、距离当前日期、转接应答状态信息、结算交易信息等;辅助信息可以包括商户信息、商户风控信息、证明文件、承诺书等。
上述步骤205和步骤206中,服务器根据交易信息和辅助信息,通过差错匹配模型,从各差错交易场景中确定出原交易的查询结果,并将原交易的查询结果发送给客户端,以便客户端根据该查询结果进行决策,确定出原交易的差错交易场景。其中,查询结果可以包括原交易的适用场景和原交易的不适用场景。具体地,差错匹配模型包括依次串联处理的M个子模型。针对任一子模型,服务器根据子模型的维度因素,从交易信息和辅助信息中确定出适用于子模型的维度信息。再将各差错交易场景中与子模型的维度信息匹配的差错交易场景确定为子模型的适用场景,并将各差错交易场景中与子模型的维度信息不匹配的差错交易场景确定为子模型的不适用场景。之后,将M个子模型的不适用场景确定为原交易的不适用场景,并将符合M个子模型的适用场景确定为原交易的适用场景。如此,通过根据子模型的维度因素,就可以及时准确地从交易信息和辅助信息中确定出适用于子模型的维度信息。之后将维度信息与各差错交易场景进行匹配,就可以及时准确地确定出子模型的适用场景、不适用场景,如此更加智能化,可以直接将原交易的适用场景、不适用场景在客户端进行展示,而无需依靠人工进行识别,从而可以减少人工识别所耗费的时间、精力,并可以使得确定差错交易场景的效率加快。其中,各子模型对应的维度因素均不同,且每个子模型中包括至少一个维度因素;M个子模型包括以下至少一项:卡片维度子模型、交易渠道维度子模型、时间维度子模型、关联交易维度子模型、交易状态维度子模型。
上述步骤207中,客户端在接收到服务器发送的查询结果后,根据查询结果中的适用场景和不适用场景,确定出原交易的差错交易场景,并根据原交易的差错交易场景,生成与原交易的差错交易场景对应的差错交易请求。再将差错交易请求发送给服务器。服务器在接收到客户端发送的差错交易请求后,确定该差错交易请求是否符合设定要求,即确定该差错交易请求是否与实际业务规则场景相匹配,并在确定差错交易请求符合设定要求后,对差错交易请求进行清算处理,从而可以完成差错交易对应的账务信息的调整。通过将差错交易请求发送给服务器进行核查确认,且服务器在确认差错交易请求符合设定要求后,对差错交易请求进行清算处理,如此,可以确保差错交易请求的准确性。
有鉴于此,下面对本发明实施例中确定差错交易场景的实施过程进行具体描述。
请参考图3,图3为本发明实施例提供的另一种确定差错交易场景的流程示意图,该确定差错交易场景的过程为:
入网机构(比如银行等)在接收到用户针对某一笔交易提出的差错诉求后,基于该差错诉求,定位到该差错诉求所对应的具体原交易,并基于该原交易确定出该原交易的关键要素。再生成差错查询请求,并将该差错查询请求发送给卡组织,该差错查询请求包括该原交易的交易要素。卡组织在接收到该差错查询请求后,将该原交易的关键要素作为特征匹配的初始输入,输入至规则引擎/特征模型组件中,规则引擎/特征模型组件根据该原交易的关键要素自动收集该差错交易所需的其他数据源,以此构建出该原交易的完整业务信息。再将该原交易的完整业务信息和差错交易场景(差错原因码)全集输入到特征模型中,利用该特征模型所包含的多个规则过滤器对差错交易场景全集进行逐一过滤处理,如此可以得到适用差错原因码集合、不适用差错原因码集合及对应的不适用理由。卡组织将输出的适用差错原因码集合、不适用差错原因码集合及对应的不适用理由发送给入网机构。入网机构根据适用差错原因码集合、不适用差错原因码集合及对应的不适用理由,决策出要选用的差错交易场景,并根据选用的差错交易场景生成对应的差错交易请求,之后将差错交易请求发送给卡组织。
需要说明的是,本发明实施例通过引入规则引擎/特征模型组件,该规则引擎/特征模型组件通过抽象后台系统逻辑为规则引擎,并根据业务规章建立特征模型。规则引擎/特征模型组件根据入网机构输送的原交易的交易要素,自动收集和补全决策辅助信息,以完成特征分析和模型适配,据此交易特征对预设的差错交易场景全集经过规则引擎的过滤,得出场景推荐结果集,辅助于业务人员决策。其中,规则引擎/特征模型组件主要有两大块构成,即规则引擎和特征模型。特征模型根据业务规则可以拆分成六大维度,即,卡片维度、交易渠道维度、时间维度、关联交易维度、交易状态维度、其他维度,每一维度下均有特定的一些规则过滤要求,满足规则过滤要求的差错交易场景,则表示适用于此差错交易场景;不满足规则过滤要求的差错交易场景,则该差错交易场景会被滤除。其中,特征模型的维度形式可以如表1所示。
表1
其中,该特征模型可以包括一个或多个子模型,比如卡片维度子模型、交易渠道维度子模型、时间维度子模型、关联交易维度子模型、交易状态维度子模型、其他维度子模型等。示例性地,该特征模型的结构可以如图4所示。假设在本发明的一种实施例中,该特征模型包括卡片维度子模型、交易渠道维度子模型、时间维度子模型、关联交易维度子模型和交易状态维度子模型。且该五个子模型在对差错交易场景全集进行过滤处理确定原交易的适用差错原因码集合、不适用差错原因码集合的实施过程中都被用到。由于各子模型对应的维度因素并不一定相同,因此需要先根据各子模型的维度因素确定处理差错交易所需的数据信息,即,先从数据库和其他数据源中获取原交易的交易信息和原交易的辅助信息。再针对该五个子模型中任一子模型,根据该子模型的维度因素,从交易信息和辅助信息中确定出适用于子模型的维度信息,并将维度信息与差错交易场景全集进行匹配,就可以及时准确地确定出子模型的适用场景、不适用场景,从而可以确定出原交易的适用差错原因码集合、不适用差错原因码集合及对应的不适用理由。或者,假设在本发明的一种实施例中,该特征模型包括卡片维度子模型、交易渠道维度子模型、时间维度子模型、关联交易维度子模型和交易状态维度子模型。且该五个子模型在对差错交易场景全集进行过滤处理确定原交易的适用差错原因码集合、不适用差错原因码集合的实施过程中只有卡片维度子模型和交易渠道维度子模型被用到。则需要先根据卡片维度子模型和交易渠道维度子模型的维度因素确定处理差错交易所需的数据信息(比如卡性质、卡号、发卡行、卡介质、交易渠道、商户号、收单机构号、商户类型等),即,先从数据库和其他数据源中获取原交易的交易信息(比如交易渠道、商户号、收单机构号等)和原交易的辅助信息(比如商户注册信息数据、商户风控信息数据等)。再针对该两个子模型中任一子模型,根据该子模型的维度因素,从交易信息和辅助信息中确定出适用于子模型的维度信息,并将维度信息与差错交易场景全集进行匹配,就可以及时准确地确定出子模型的适用场景、不适用场景,从而可以确定出原交易的适用差错原因码集合、不适用差错原因码集合及对应的不适用理由。
下面对规则引擎/特征模型组件输出适用差错原因码集合、不适用差错原因码集合及对应的不适用理由的过程进行描述。
Step1:获取原交易的交易信息。
卡组织利用规则引擎/特征模型组件,根据原交易的交易要素,从第一数据源获取原交易的交易信息。具体地,卡组织将原交易的交易要素输入到规则引擎/特征模型组件中,规则引擎/特征模型组件根据原交易的交易要素,从第一数据源(比如交易库)中匹配出该原交易的交易信息。
Step2:获取原交易的辅助信息。
规则引擎/特征模型组件根据交易信息,从第二数据源获取原交易的辅助信息。示例性地,比如需要获取风控信息数据、商户信息数据等,则需要从交易信息中抽取出商户号。之后根据该商户号从其他系统(比如风控、商户等)的数据库中查询出与该商户号对应的商户信息数据以及风控信息数据。
Step3:确定出适用差错原因码集合、不适用差错原因码集合及对应的不适用理由。
规则引擎/特征模型组件根据原交易的完整业务信息(即原交易的交易信息和原交易的辅助信息),通过差错匹配模型对差错交易场景全集进行匹配处理,从差错交易场景全集中确定出适用差错原因码集合、不适用差错原因码集合及对应的不适用理由。
下面对入网机构决策出要选用的差错交易场景的具体实施过程进行描述。
Step1:确定原交易的关键要素。
入网机构在获取到差错诉求后,定位到对应的具体差错交易,并根据该差错交易,确定出该原交易的关键要素。再生成针对原交易的差错查询请求,并将该差错查询请求发送给卡组织。其中,该差错查询请求包括原交易的交易要素。
Step2:确定出适用差错原因码集合、不适用差错原因码集合及对应的不适用理由。
卡组织利用规则引擎/特征模型组件,基于原交易的交易要素,获取原交易的交易信息和原交易的辅助信息,并根据交易信息和辅助信息,通过差错匹配模型,从差错交易场景全集中确定出适用差错原因码集合、不适用差错原因码集合及对应的不适用理由。然后,卡组织将适用差错原因码集合、不适用差错原因码集合及对应的不适用理由发送给入网机构。
Step3:决策出要选用的差错交易场景。
入网机构将适用差错原因码集合、不适用差错原因码集合及对应的不适用理由展示给差错处理人员,差错处理人员结合该原交易的差错诉求(持卡人诉求/行内账务调整诉求/风险防控诉求)以及额外收集到的证明材料等信息,进行综合评判和专家复核,最终决策出要选用的差错交易场景。然后,根据该选用的差错交易场景生成对应的差错交易请求,并差错交易请求发送给卡组织,以便卡组织确定该差错交易请求是否符合设定要求,即确定该差错交易请求是否与实际业务规则场景相匹配。
示例性地,下面以交易渠道维度子模型为例,对确定适用差错原因码集合、不适用差错原因码集合及对应的不适用理由的实施过程进行描述。其中,该交易渠道维度子模型的输入源为差错原因码全集,依次经过4个规则过滤器,最终过滤出适用原因码集合和不适用原因码集合。其中还有两个规则过滤器需要引入两个外部数据源,即商户数据源和风控数据源。
如图5所示,该实施过程包括以下步骤:
步骤501,原交易的交易渠道是否为POS/ATM/扫码。
示例性地,根据该原交易的交易渠道信息,可知该原交易的交易渠道为ATM渠道。由于差错原因码全集{4803/4515/4562/4502/6300/6303}中的差错原因码4803的适用条件里不包括ATM交易,因此,差错原因码4803不适用于ATM交易,则差错原因码4803会被筛选出来,作为该原交易的不适用原因码。然后剩余的差错原因码全集{4515/4562/4502/6300/6303}会进入步骤502中。
步骤502,原交易的经办机构是否为收单机构。
示例性地,根据该原交易对应的经办机构号,可知该原交易的经办机构为非收单机构。由于差错原因码全集{4515/4562/4502/6300/6303}中的差错原因码4502的适用条件里不包括非收单机构,仅适用于收单机构,因此,差错原因码4502不适用于非收单机构,则差错原因码4502会被筛选出来,作为该原交易的不适用原因码。然后剩余的差错原因码全集{4515/4562/6300/6303}会进入步骤503中。
步骤503,原交易的商户是否为特约商户。
示例性地,根据该原交易对应的商户号,可知该原交易的商户为非特约商户。由于差错原因码全集{4515/4562/6300/6303}中的差错原因码4562的适用条件里不包括非特约商户,仅适用于特约商户,因此,差错原因码4562不适用于非特约商户,则差错原因码4562会被筛选出来,作为该原交易的不适用原因码。然后剩余的差错原因码全集{4515/6300/6303}会进入步骤504中。
步骤504,原交易的商户是否为高风险商户。
示例性地,根据该原交易对应的商户号,可知该原交易的商户为非高风险商户。由于差错原因码全集{4515/6300/6303}中的差错原因码4515的适用条件里不包括非高风险商户,仅适用于高风险商户,因此,差错原因码4515不适用于非高风险商户,则差错原因码4515会被筛选出来,作为该原交易的不适用原因码。然后,就可以筛选出适用原因码集合{6300/6303}。
基于上述流程步骤,可以确定出适用原因码集合:{6300/6303},不适用原因码集合:{4803/4515/4562/4502},以及不适用理由:4803不适用于ATM交易;4502仅适用于收单机构;4562仅适用于特约商户;4515仅适用于高风险商户。
需要说明的是,目前差错原因码大约有200个,下面以差错原因码“4515-持卡人否认交易”为例进行说明,业务规则要求的适用条件和限制条件达到19项。其中,每一项均需要搜集和确认当前场景是否满足要求,势必将给差错处理人员带来较大的工作量。该业务规则要求的适用条件和限制条件(19项)具体为:
(1)适用条件:
【情形1】满足下列所有条件:
A、持卡人卡片未丢失。
B、持卡人声明未参与交易。
【情形2】交易符合芯片卡密码交易风险转移内容,且满足以下所有条件:
A、失窃卡在有人值守和无人值守POS终端交易的有卡交易。
B、持卡人未授权或参与交易。
C、芯片卡设置为当终端支持时要求输入密码。
D、芯片卡交易在不具备密码输入的终端完成交易。
E、交易不为非接触式小额免签/小额免密免签交易或者业务规则规定的例外项目。
(2)限制条件:
【情形1】
1、持卡人对同一商户同一日的交易,承认其中一部分,否认其他交易的,不适用本原因码。
2、凭密码完成或通过设备验证完成的交易,不适用本原因码。
3、发卡机构应在退单前将交易报送“欺诈报告和管理系统”。
4、发卡机构应在退单前关闭持卡人账户。
5、飞机购物和直减退税交易根据黑名单报送制度完成卡片黑名单系统报送工作。
6、面对面交易中,收单机构能够提供有效凭证或记录,不适用本原因码。
7、非面对面交易中,满足以下任一条件,不适用本原因码:
A、电子商务交易中ECI(Electronic Commerce Identification,电子商务标识)=09。
B、收单机构在联机交易报文中准确标记且上送了CVN2(Card VеrificationNumber 2,卡安全码)等验证信息、发卡机构不支持验证或验证错误。
C、银联3DS交易(3-Domain Secure,验证技术交易)中ECI=05或06。(2019年4月15日起生效)。
8、对于QPS业务(Quick Pass,小额免签交易),本原因码不适用。
9、对于IC卡芯片发起的交易,本原因码不适用。
10、对于二维码消费交易,本原因码不适用。
【情形2】
1、发卡机构应在退单前将交易报送“欺诈报告和管理系统”。
2、发卡机构应在退单前关闭持卡人账户。
上述实施例表明,服务器接收客户端发送的针对原交易的差错查询请求,该差错查询请求包括原交易的交易要素,并基于原交易的交易要素,获取原交易的交易信息和原交易的辅助信息,交易信息和辅助信息中的各维度信息是根据差错匹配模型中的维度因素确定的。再根据交易信息和辅助信息,通过差错匹配模型,从各差错交易场景中确定出原交易的查询结果,该查询结果包括所述原交易的适用场景和所述原交易的不适用场景。然后,将查询结果发送给客户端,客户端基于查询结果中的适用场景和不适用场景,确定出原交易的差错交易场景。由于服务器通过根据原交易的交易要素,就可以自动获取到原交易的交易信息和原交易的辅助信息,因此对于客户端来说,收集原交易的交易信息和辅助信息更加便捷、快速。而无需客户端投入过多的人力进行人工收集,因此可以缩短人工收集交易的业务信息的时间,从而可以节省人力时间成本。此外,由于可以将通过差错匹配模型自动筛选出原交易的适用场景、不适用场景推荐给客户端,以供客户端进行决策参考,如此可以有助于降低差错交易场景决策的知识门槛,从而可以提升业务处理的效率。
基于相同的技术构思,图6示例性的示出了本发明实施例提供的一种确定差错交易场景的装置,该装置可以执行确定差错交易场景的方法的流程。
如图6所示,该装置包括:
接收单元601,用于接收客户端发送的针对原交易的差错查询请求;所述差错查询请求包括所述原交易的交易要素;
第一处理单元602,用于基于所述原交易的交易要素,获取所述原交易的交易信息和所述原交易的辅助信息;所述交易信息和所述辅助信息中的各维度信息是根据差错匹配模型中的维度因素确定的;根据所述交易信息和所述辅助信息,通过所述差错匹配模型,从各差错交易场景中确定出所述原交易的查询结果;所述查询结果包括所述原交易的适用场景和所述原交易的不适用场景;将所述查询结果发送给所述客户端;所述查询结果中的所述适用场景和所述不适用场景,用于确定出所述原交易的差错交易场景。
可选地,所述差错匹配模型包括依次串联处理的M个子模型;
所述第一处理单元602具体用于:
针对任一子模型,根据所述子模型的维度因素,从所述交易信息和所述辅助信息确定出适用于所述子模型的维度信息;
将所述各差错交易场景中与所述子模型的维度信息匹配的差错交易场景确定为所述子模型的适用场景,并将所述各差错交易场景中与所述子模型的维度信息不匹配的差错交易场景确定为所述子模型的不适用场景;
将所述M个子模型的不适用场景确定为所述原交易的不适用场景;
将符合所述M个子模型的适用场景确定为所述原交易的适用场景。
可选地,所述第一处理单元602具体用于:
各子模型对应的维度因素均不同,且每个子模型中包括至少一个维度因素。
可选地,所述第一处理单元602具体用于:
基于所述原交易的交易要素,从第一数据源获取所述原交易的交易信息;
基于所述交易信息,从第二数据源获取所述原交易的辅助信息。
可选地,所述第一处理单元602具体用于:
所述M个子模型包括以下至少一项:卡片维度子模型、交易渠道维度子模型、时间维度子模型、关联交易维度子模型、交易状态维度子模型。
可选地,所述第一处理单元602还用于:
在将所述查询结果发送给所述客户端之后,接收所述客户端发送的差错交易请求;
在确定所述差错交易请求符合设定要求后,对所述差错交易请求进行清算处理。
基于相同的技术构思,图7示例性的示出了本发明实施例提供的另一种确定差错交易场景的装置,该装置可以执行确定差错交易场景的方法的流程。
如图7所示,该装置包括:
确定单元701,用于基于原交易,确定出所述原交易的交易要素;
第二处理单元702,用于生成针对所述原交易的差错查询请求;所述差错查询请求包括所述原交易的交易要素;将所述差错查询请求发送给服务器;所述服务器用于基于所述原交易的交易要素,获取所述原交易的交易信息和所述原交易的辅助信息,并根据所述交易信息和所述辅助信息,通过差错匹配模型,从各差错交易场景中确定出所述原交易的查询结果;所述交易信息和所述辅助信息中的各维度信息是根据所述差错匹配模型中的维度因素确定的;所述查询结果包括所述原交易的适用场景和所述原交易的不适用场景;接收所述服务器发送的查询结果;根据所述查询结果中的所述适用场景和所述不适用场景,确定出所述原交易的差错交易场景。
可选地,所述第二处理单元702还用于:
在确定出所述原交易的差错交易场景之后,根据所述原交易的差错交易场景,生成与所述原交易的差错交易场景对应的差错交易请求;
将所述差错交易请求发送给所述服务器;所述服务器用于在确定所述差错交易请求符合设定要求后,对所述差错交易请求进行清算处理。
基于相同的技术构思,本发明实施例还提供了一种计算设备,如图8所示,包括至少一个处理器801,以及与至少一个处理器连接的存储器802,本发明实施例中不限定处理器801与存储器802之间的具体连接介质,图8中处理器801和存储器802之间通过总线连接为例。总线可以分为地址总线、数据总线、控制总线等。
在本发明实施例中,存储器802存储有可被至少一个处理器801执行的指令,至少一个处理器801通过执行存储器802存储的指令,可以执行前述的确定差错交易场景的方法中所包括的步骤。
其中,处理器801是计算设备的控制中心,可以利用各种接口和线路连接计算设备的各个部分,通过运行或执行存储在存储器802内的指令以及调用存储在存储器802内的数据,从而实现数据处理。可选的,处理器801可包括一个或多个处理单元,处理器801可集成应用处理器和调制解调处理器,其中,应用处理器主要处理操作系统、用户界面和应用程序等,调制解调处理器主要处理下发指令。可以理解的是,上述调制解调处理器也可以不集成到处理器801中。在一些实施例中,处理器801和存储器802可以在同一芯片上实现,在一些实施例中,它们也可以在独立的芯片上分别实现。
处理器801可以是通用处理器,例如中央处理器(CPU)、数字信号处理器、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件,可以实现或者执行本发明实施例中公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者任何常规的处理器等。结合确定差错交易场景实施例所公开的方法的步骤可以直接体现为硬件处理器执行完成,或者用处理器中的硬件及软件模块组合执行完成。
存储器802作为一种非易失性计算机可读存储介质,可用于存储非易失性软件程序、非易失性计算机可执行程序以及模块。存储器802可以包括至少一种类型的存储介质,例如可以包括闪存、硬盘、多媒体卡、卡型存储器、随机访问存储器(Random AccessMemory,RAM)、静态随机访问存储器(Static Random Access Memory,SRAM)、可编程只读存储器(Programmable Read Only Memory,PROM)、只读存储器(Read Only Memory,ROM)、带电可擦除可编程只读存储器(Electrically Erasable Programmable Read-Only Memory,EEPROM)、磁性存储器、磁盘、光盘等等。存储器802是能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质,但不限于此。本发明实施例中的存储器802还可以是电路或者其它任意能够实现存储功能的装置,用于存储程序指令和/或数据。
基于相同的技术构思,本发明实施例还提供了一种计算机可读存储介质,其存储有可由计算设备执行的计算机程序,当所述程序在所述计算设备上运行时,使得所述计算设备执行上述确定差错交易场景的方法的步骤。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、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。
本发明是参照根据本发明的方法、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。
尽管已描述了本发明的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例作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发明范围的所有变更和修改。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本申请权利要求及对应的等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (11)
1.一种确定差错交易场景的方法,其特征在于,包括:
服务器接收客户端发送的针对原交易的差错查询请求;所述差错查询请求包括所述原交易的交易要素;
所述服务器基于所述原交易的交易要素,获取所述原交易的交易信息和所述原交易的辅助信息;所述交易信息和所述辅助信息中的各维度信息是根据差错匹配模型中的维度因素确定的;所述维度因素包括以下至少一项:卡片维度、交易渠道维度、时间维度、关联交易维度或交易状态维度;
所述服务器根据所述交易信息和所述辅助信息,通过所述差错匹配模型,从各差错交易场景中确定出所述原交易的查询结果;所述查询结果包括所述原交易的适用场景和所述原交易的不适用场景;
所述服务器将所述查询结果发送给所述客户端;所述查询结果中的所述适用场景和所述不适用场景,用于确定出所述原交易的差错交易场景;
所述差错匹配模型包括依次串联处理的M个子模型;所述服务器根据所述交易信息和所述辅助信息,通过所述差错匹配模型,从各差错交易场景中确定出所述原交易的查询结果,包括:
针对任一子模型,所述服务器根据所述子模型的维度因素,从所述交易信息和所述辅助信息中确定出适用于所述子模型的维度信息;
所述服务器将所述各差错交易场景中与所述子模型的维度信息匹配的差错交易场景确定为所述子模型的适用场景,并将所述各差错交易场景中与所述子模型的维度信息不匹配的差错交易场景确定为所述子模型的不适用场景;
所述服务器将所述M个子模型的不适用场景确定为所述原交易的不适用场景;
所述服务器将符合所述M个子模型的适用场景确定为所述原交易的适用场景。
2.如权利要求1所述的方法,其特征在于,各子模型对应的维度因素均不同,且每个子模型中包括至少一个维度因素。
3.如权利要求1所述的方法,其特征在于,所述服务器基于所述原交易的交易要素,获取所述原交易的交易信息和所述原交易的辅助信息,包括:
所述服务器基于所述原交易的交易要素,从第一数据源获取所述原交易的交易信息;
所述服务器基于所述交易信息,从第二数据源获取所述原交易的辅助信息。
4.如权利要求1至3任一项所述的方法,其特征在于,所述M个子模型包括以下至少一项:卡片维度子模型、交易渠道维度子模型、时间维度子模型、关联交易维度子模型、交易状态维度子模型。
5.如权利要求1至3任一项所述的方法,其特征在于,所述服务器将所述查询结果发送给所述客户端之后,还包括:
所述服务器接收所述客户端发送的差错交易请求;
所述服务器在确定所述差错交易请求符合设定要求后,对所述差错交易请求进行清算处理。
6.一种确定差错交易场景的方法,其特征在于,包括:
客户端基于原交易,确定出所述原交易的交易要素;
所述客户端生成针对所述原交易的差错查询请求;所述差错查询请求包括所述原交易的交易要素;
所述客户端将所述差错查询请求发送给服务器;所述服务器用于基于所述原交易的交易要素,获取所述原交易的交易信息和所述原交易的辅助信息,并根据所述交易信息和所述辅助信息,通过差错匹配模型,从各差错交易场景中确定出所述原交易的查询结果;所述交易信息和所述辅助信息中的各维度信息是根据所述差错匹配模型中的维度因素确定的;所述维度因素包括以下至少一项:卡片维度、交易渠道维度、时间维度、关联交易维度或交易状态维度;所述查询结果包括所述原交易的适用场景和所述原交易的不适用场景;
所述客户端接收所述服务器发送的查询结果;
所述客户端根据所述查询结果中的所述适用场景和所述不适用场景,确定出所述原交易的差错交易场景;
所述差错匹配模型包括依次串联处理的M个子模型;所述服务器用于针对任一子模型,根据所述子模型的维度因素,从所述交易信息和所述辅助信息中确定出适用于所述子模型的维度信息,将所述各差错交易场景中与所述子模型的维度信息匹配的差错交易场景确定为所述子模型的适用场景,将所述各差错交易场景中与所述子模型的维度信息不匹配的差错交易场景确定为所述子模型的不适用场景,将所述M个子模型的不适用场景确定为所述原交易的不适用场景,将符合所述M个子模型的适用场景确定为所述原交易的适用场景。
7.如权利要求6所述的方法,其特征在于,在确定出所述原交易的差错交易场景之后,还包括:
所述客户端根据所述原交易的差错交易场景,生成与所述原交易的差错交易场景对应的差错交易请求;
所述客户端将所述差错交易请求发送给所述服务器;所述服务器用于在确定所述差错交易请求符合设定要求后,对所述差错交易请求进行清算处理。
8.一种确定差错交易场景的装置,其特征在于,包括:
接收单元,用于接收客户端发送的针对原交易的差错查询请求;所述差错查询请求包括所述原交易的交易要素;
第一处理单元,用于基于所述原交易的交易要素,获取所述原交易的交易信息和所述原交易的辅助信息;所述交易信息和所述辅助信息中的各维度信息是根据差错匹配模型中的维度因素确定的;所述维度因素包括以下至少一项:卡片维度、交易渠道维度、时间维度、关联交易维度或交易状态维度;根据所述交易信息和所述辅助信息,通过所述差错匹配模型,从各差错交易场景中确定出所述原交易的查询结果;所述查询结果包括所述原交易的适用场景和所述原交易的不适用场景;将所述查询结果发送给所述客户端;所述查询结果中的所述适用场景和所述不适用场景,用于确定出所述原交易的差错交易场景;
所述差错匹配模型包括依次串联处理的M个子模型;
所述第一处理单元具体用于:
针对任一子模型,根据所述子模型的维度因素,从所述交易信息和所述辅助信息确定出适用于所述子模型的维度信息;
将所述各差错交易场景中与所述子模型的维度信息匹配的差错交易场景确定为所述子模型的适用场景,并将所述各差错交易场景中与所述子模型的维度信息不匹配的差错交易场景确定为所述子模型的不适用场景;
将所述M个子模型的不适用场景确定为所述原交易的不适用场景;
将符合所述M个子模型的适用场景确定为所述原交易的适用场景。
9.一种确定差错交易场景的装置,其特征在于,包括:
确定单元,用于基于原交易,确定出所述原交易的交易要素;
第二处理单元,用于生成针对所述原交易的差错查询请求;所述差错查询请求包括所述原交易的交易要素;将所述差错查询请求发送给服务器;所述服务器用于基于所述原交易的交易要素,获取所述原交易的交易信息和所述原交易的辅助信息,并根据所述交易信息和所述辅助信息,通过差错匹配模型,从各差错交易场景中确定出所述原交易的查询结果;所述交易信息和所述辅助信息中的各维度信息是根据所述差错匹配模型中的维度因素确定的;所述维度因素包括以下至少一项:卡片维度、交易渠道维度、时间维度、关联交易维度或交易状态维度;所述查询结果包括所述原交易的适用场景和所述原交易的不适用场景;接收所述服务器发送的查询结果;根据所述查询结果中的所述适用场景和所述不适用场景,确定出所述原交易的差错交易场景;
所述差错匹配模型包括依次串联处理的M个子模型;所述服务器用于针对任一子模型,根据所述子模型的维度因素,从所述交易信息和所述辅助信息中确定出适用于所述子模型的维度信息,将所述各差错交易场景中与所述子模型的维度信息匹配的差错交易场景确定为所述子模型的适用场景,将所述各差错交易场景中与所述子模型的维度信息不匹配的差错交易场景确定为所述子模型的不适用场景,将所述M个子模型的不适用场景确定为所述原交易的不适用场景,将符合所述M个子模型的适用场景确定为所述原交易的适用场景。
10.一种计算设备,其特征在于,包括至少一个处理器以及至少一个存储器,其中,所述存储器存储有计算机程序,当所述程序被所述处理器执行时,使得所述处理器执行权利要求1至7任一权利要求所述的方法。
11.一种计算机可读存储介质,其特征在于,其存储有可由计算设备执行的计算机程序,当所述程序在所述计算设备上运行时,使得所述计算设备执行权利要求1至7任一权利要求所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110148795.0A CN112801639B (zh) | 2021-02-03 | 2021-02-03 | 一种确定差错交易场景的方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110148795.0A CN112801639B (zh) | 2021-02-03 | 2021-02-03 | 一种确定差错交易场景的方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112801639A CN112801639A (zh) | 2021-05-14 |
CN112801639B true CN112801639B (zh) | 2024-02-13 |
Family
ID=75813944
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110148795.0A Active CN112801639B (zh) | 2021-02-03 | 2021-02-03 | 一种确定差错交易场景的方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112801639B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002312686A (ja) * | 2001-04-09 | 2002-10-25 | Ricoh Co Ltd | 電子商取引記録システム |
CN101211345A (zh) * | 2006-12-27 | 2008-07-02 | 中国银联股份有限公司 | 一种历史交易的查询方法、装置及一种差错处理平台 |
US8556164B1 (en) * | 2012-06-15 | 2013-10-15 | Bank Of America Corporation | Transaction-specific codes |
CN105590215A (zh) * | 2015-10-29 | 2016-05-18 | 中国银联股份有限公司 | 联机处理各机构间数据差错的数据处理装置及其方法 |
CN105930259A (zh) * | 2015-12-23 | 2016-09-07 | 中国银联股份有限公司 | 一种web回归测试的方法和装置 |
CN106330500A (zh) * | 2015-06-26 | 2017-01-11 | 阿里巴巴集团控股有限公司 | 一种差错恢复方法及装置 |
CN106603636A (zh) * | 2016-11-29 | 2017-04-26 | 中国银联股份有限公司 | 一种差错交易的标准化方法及装置 |
CN110706105A (zh) * | 2019-09-19 | 2020-01-17 | 北京三快在线科技有限公司 | 差错标记方法、装置、计算机设备及存储介质 |
CN111539725A (zh) * | 2020-04-16 | 2020-08-14 | 广东岭南通股份有限公司 | 一种差错数据处理方法、装置及系统 |
-
2021
- 2021-02-03 CN CN202110148795.0A patent/CN112801639B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002312686A (ja) * | 2001-04-09 | 2002-10-25 | Ricoh Co Ltd | 電子商取引記録システム |
CN101211345A (zh) * | 2006-12-27 | 2008-07-02 | 中国银联股份有限公司 | 一种历史交易的查询方法、装置及一种差错处理平台 |
US8556164B1 (en) * | 2012-06-15 | 2013-10-15 | Bank Of America Corporation | Transaction-specific codes |
CN106330500A (zh) * | 2015-06-26 | 2017-01-11 | 阿里巴巴集团控股有限公司 | 一种差错恢复方法及装置 |
CN105590215A (zh) * | 2015-10-29 | 2016-05-18 | 中国银联股份有限公司 | 联机处理各机构间数据差错的数据处理装置及其方法 |
CN105930259A (zh) * | 2015-12-23 | 2016-09-07 | 中国银联股份有限公司 | 一种web回归测试的方法和装置 |
CN106603636A (zh) * | 2016-11-29 | 2017-04-26 | 中国银联股份有限公司 | 一种差错交易的标准化方法及装置 |
CN110706105A (zh) * | 2019-09-19 | 2020-01-17 | 北京三快在线科技有限公司 | 差错标记方法、装置、计算机设备及存储介质 |
CN111539725A (zh) * | 2020-04-16 | 2020-08-14 | 广东岭南通股份有限公司 | 一种差错数据处理方法、装置及系统 |
Non-Patent Citations (2)
Title |
---|
银行卡跨行交易差错处理平台系统的设计;郝义泉, 张春玲;中国金融电脑(11);全文 * |
鲁志军 ; 于晓滨 ; 李伟 ; 洪隽.差错自动化处理及复杂信息传输标准的国际化探索.《金融电子化》.2016,全文. * |
Also Published As
Publication number | Publication date |
---|---|
CN112801639A (zh) | 2021-05-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US7337953B2 (en) | Negotiable instrument authentication systems and methods | |
US7604166B2 (en) | Method and system for flexible purchases using only fingerprints at the time and location of purchase | |
US20150242832A1 (en) | System and method for recovering refundable taxes | |
US20150324767A1 (en) | System and method for recovering refundable taxes | |
US11823201B2 (en) | Intelligent recurring transaction processing and fraud detection | |
US20150248657A1 (en) | System and method for recovering refundable taxes | |
CA2561139A1 (en) | Point-of-sale customer identification system | |
CN109559104B (zh) | 一种支付环境下关联支付方身份的方法及装置 | |
CN111882412B (zh) | 一种用于不懂会计知识的普通人完成企业复式记账的方法 | |
US20220335430A1 (en) | Systems and methods for automated integration between payment facilitators and submerchants | |
CN111028082A (zh) | 一种基于区块链的电商平台应收款管理系统及方法 | |
CN114862110A (zh) | 商业银行业务中台构建方法、装置、电子设备及存储介质 | |
CN112819473A (zh) | 一种基于数字字典的订单处理方法、服务器、设备及介质 | |
US7661587B1 (en) | Systems and methods for determining false MICR | |
CN112801639B (zh) | 一种确定差错交易场景的方法及装置 | |
US20130339244A1 (en) | Methods and systems for check cashing risk analysis | |
CN111047325B (zh) | 一种收款系统及方法 | |
CN111179063A (zh) | 基于区块链的信用卡业务数据处理方法、系统及相关节点 | |
US20140006192A1 (en) | Selective escrow of funds based on transaction receipts | |
CN114331105A (zh) | 电子汇票的处理系统、方法、电子设备和存储介质 | |
KR102108508B1 (ko) | 스마트 할부 금융 서비스 시스템 | |
CN108985924A (zh) | 用于校园债务清偿的管理系统 | |
CN113159768B (zh) | 一种交易存证方法、装置及设备 | |
RU2718527C1 (ru) | Автоматизированная система и способ привязки кассовых чеков к платежным транзакциям | |
CN101192283A (zh) | 便携式信息终端机个人账户服务方法 |
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 |