CN113014558B - 报文识别方法、装置、计算机系统及可读存储介质 - Google Patents

Abstract

本公开提供了一种报文识别方法，可用于人工智能技术领域或其他领域。其中，该方法包括：接收用于识别跨金融机构服务报文的请求，其中，请求中携带待识别的跨金融机构服务报文；对待识别的跨金融机构服务报文进行预处理，确定跨金融机构服务报文中的目标报文字段信息；基于目标报文字段信息，确定跨金融机构服务报文的业务类型；以及基于跨金融机构服务报文的业务类型，执行与业务类型相匹配的业务流程。本公开还提供了报文识别装置、计算机系统、可读存储介质以及计算机程序产品。

Description

报文识别方法、装置、计算机系统及可读存储介质

技术领域

本公开涉及人工智能技术领域或其他领域，更具体地，涉及一种报文识别方法、装置、计算机系统、可读存储介质及计算机程序产品。

背景技术

随着计算机系统的不断发展，以电子方式实时全额处理跨行及跨区支付业务的应用广泛且普遍。随着业务量变大，网上支付跨行清算采用统一的接口和操作平台，大大提升了工作效率。不仅如此，在各个金融机构之间，还设计金融机构之间交换信息使用的跨金融机构服务报文，以便进行业务沟通。

在实现本公开构思的过程中，发明人发现相关技术中至少存在如下问题：报文的格式以及信息多样，导致在进行业务类型判断时，人工处理效率低，识别耗时长。

发明内容

有鉴于此，本公开提供了一种报文识别方法、装置、计算机系统、可读存储介质及计算机程序产品。

本公开的一个方面提供了一种报文识别方法，包括：

接收用于识别跨金融机构服务报文的请求，其中，请求中携带待识别的跨金融机构服务报文；

对待识别的跨金融机构服务报文进行预处理，确定跨金融机构服务报文中的目标报文字段信息；

基于目标报文字段信息，确定跨金融机构服务报文的业务类型；以及

基于跨金融机构服务报文的业务类型，执行与业务类型相匹配的业务流程。

根据本公开的实施例，基于目标报文字段信息，确定跨金融机构服务报文的业务类型包括：

利用识别模型对目标报文字段信息进行识别，得到模型识别业务类型；

利用匹配规则对目标报文字段信息进行识别，得到匹配识别业务类型；

基于模型识别业务类型和匹配识别业务类型，确定跨金融机构服务报文的业务类型。

根据本公开的实施例，其中，跨金融机构服务报文的业务类型包括非金融市场后台类或者金融市场后台类；

基于模型识别业务类型和匹配识别业务类型，确定跨金融机构服务报文的业务类型包括：

在模型识别业务类型和/或匹配识别业务类型为金融市场后台类的情况下，确定跨金融机构服务报文的业务类型为金融市场后台类；

在模型识别业务类型和匹配识别业务类型均为非金融市场后台类的情况下，确定跨金融机构服务报文的业务类型为非金融市场后台类。

根据本公开的实施例，其中，目标报文字段信息包括收款人属性信息、付款人属性信息、报文附言信息、报文种类信息、业务类型信息、金融机构标识信息中的一种或多种。

根据本公开的实施例，其中，利用匹配规则对目标报文字段信息进行识别，确定匹配识别业务类型包括：

将匹配规则中的预设关键词与目标报文字段信息进行匹配，确定匹配值；

基于匹配值，确定匹配识别业务类型。

根据本公开的实施例，在利用识别模型对目标报文字段信息进行识别，确定模型识别业务类型之前，方法还包括：

构建初始识别模型，其中，初始识别模型包括文本分类算法；

利用训练样本训练初始识别模型，得到识别模型，其中，训练样本包括目标报文字段信息和业务类型标签；

在利用识别模型对目标报文字段信息进行识别，得到模型识别业务类型之后，方法还包括：

在模型识别业务类型为非金融市场后台类，且匹配识别业务类型为金融市场后台类的情况下，将待识别报文作为训练样本，对识别模型进行优化训练，得到优化训练后的识别模型，以便利用优化训练后的识别模型对目标报文字段信息进行识别。

根据本公开的实施例，对待识别的跨金融机构服务报文进行预处理，确定跨金融机构服务报文中的目标报文字段信息包括：

基于预设规则对待识别的跨金融机构服务报文进行字段提取，确定跨金融机构服务报文中的目标报文字段信息。

根据本公开的实施例，其中，接收用于识别跨金融机构服务报文的请求包括：

接收金融市场业务智能入账系统传输的用于识别跨金融机构服务报文的请求，其中，请求中携带的待识别的跨金融机构服务报文为跨金融机构清算系统传输至金融市场业务智能入账系统。

根据本公开的实施例，其中，基于跨金融机构服务报文的业务类型，执行与业务类型相匹配的业务流程包括：

将含有跨金融机构服务报文的业务类型的信息传输至金融市场业务智能入账系统，以便金融市场业务智能入账系统向清算平台发送用于执行与业务类型相匹配的业务流程的请求。

本公开的再一方面提供了一种报文识别装置，包括：

接收模块，用于接收用于识别跨金融机构服务报文的请求，其中，请求中携带待识别的跨金融机构服务报文；

预处理模块，用于对待识别的跨金融机构服务报文进行预处理，确定跨金融机构服务报文中的目标报文字段信息；

确定模块，用于基于目标报文字段信息，确定跨金融机构服务报文的业务类型；以及

执行模块，用于基于跨金融机构服务报文的业务类型，执行与业务类型相匹配的业务流程。

本公开的再一方面提供一种计算机系统，包括：

一个或多个处理器；

存储器，用于存储一个或多个程序，

其中，当一个或多个程序被一个或多个处理器执行时，使得一个或多个处理器实现上述的报文识别方法。

本公开的再一方面提供一种计算机可读存储介质，其上存储有可执行指令，指令被处理器执行时使处理器实现上述的报文识别方法。

本公开的再一方面提供一种计算机程序产品，包括计算机程序，计算机程序包括计算机可执行指令，指令在被执行时用于实现上述的报文识别方法。

根据本公开的实施例，因为采用了接收用于识别跨金融机构服务报文的请求，其中，请求中携带待识别的跨金融机构服务报文；对待识别的跨金融机构服务报文进行预处理，确定跨金融机构服务报文中的目标报文字段信息；基于目标报文字段信息，确定跨金融机构服务报文的业务类型；以及基于跨金融机构服务报文的业务类型，执行与业务类型相匹配的业务流程的技术手段，利用对待识别的跨金融机构服务报文进行预处理，确定跨金融机构服务报文中的目标报文字段信息，基于目标报文字段信息，确定跨金融机构服务报文的业务类型来减少人工处理；所以至少部分地克服了现有技术中报文数据出现不一致现象，需要人工处理，导致处理效率低下的技术问题，进而达到了高效、快速的报文识别的技术效果。

附图说明

通过以下参照附图对本公开实施例的描述，本公开的上述以及其他目的、特征和优点将更为清楚，在附图中：

图1示意性示出了可以本公开实施例的报文识别系统示意图；

图2示意性示出了可以应用本公开的报文识别方法和装置的示例性系统架构；

图3示意性示出了根据本公开实施例的报文识别方法的流程图；

图4示意性示出了根据本公开另一实施例的报文识别方法的流程图；

图5示意性示出了根据本公开另一实施例的报文识别方法的流程图；

图6示意性示出了根据本公开实施例的报文识别装置的框图；以及

图7示意性示出了根据本公开实施例的适于实现报文识别方法的计算机系统的框图。

具体实施方式

以下，将参照附图来描述本公开的实施例。但是应该理解，这些描述只是示例性的，而并非要限制本公开的范围。在下面的详细描述中，为便于解释，阐述了许多具体的细节以提供对本公开实施例的全面理解。然而，明显地，一个或多个实施例在没有这些具体细节的情况下也可以被实施。此外，在以下说明中，省略了对公知结构和技术的描述，以避免不必要地混淆本公开的概念。

在此使用的术语仅仅是为了描述具体实施例，而并非意在限制本公开。在此使用的术语“包括”、“包含”等表明了所述特征、步骤、操作和/或部件的存在，但是并不排除存在或添加一个或多个其他特征、步骤、操作或部件。

在此使用的所有术语(包括技术和科学术语)具有本领域技术人员通常所理解的含义，除非另外定义。应注意，这里使用的术语应解释为具有与本说明书的上下文相一致的含义，而不应以理想化或过于刻板的方式来解释。

在使用类似于“A、B和C等中至少一个”这样的表述的情况下，一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释(例如，“具有A、B和C中至少一个的系统”应包括但不限于单独具有A、单独具有B、单独具有C、具有A和B、具有A和C、具有B和C、和/或具有A、B、C的系统等)。在使用类似于“A、B或C等中至少一个”这样的表述的情况下，一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释(例如，“具有A、B或C中至少一个的系统”应包括但不限于单独具有A、单独具有B、单独具有C、具有A和B、具有A和C、具有B和C、和/或具有A、B、C的系统等)。

本公开的实施例提供了一种报文识别方法。该方法包括：接收用于识别跨金融机构服务报文的请求，其中，请求中携带待识别的跨金融机构服务报文；对待识别的跨金融机构服务报文进行预处理，确定跨金融机构服务报文中的目标报文字段信息；基于目标报文字段信息，确定跨金融机构服务报文的业务类型；以及基于跨金融机构服务报文的业务类型，执行与业务类型相匹配的业务流程。

图1示意性示出了根据本公开实施例的报文识别系统示意图。需要注意的是，图1所示仅为可以应用本公开实施例的系统的示例，以帮助本领域技术人员理解本公开的技术内容，但并不意味着本公开实施例不可以用于其他设备、系统、环境或场景。

如图1所示，根据该实施例的报文识别系统100可以包括大小额支付系统101、跨金融机构清算系统J02、金融市场业务智能入账系统103、人工智能平台104、大数据平台105和清算平台106。

大小额支付系统101，用于转发商业银行之间的CNAPS(China National AdvancedPayment System，中国现代化支付系统)报文(即跨金融机构服务报文)，并对跨金融机构服务报文的入账时效进行监控。

跨金融机构清算系统102，用于处理其他商业银行通过大小额支付系统转发过来的跨金融机构服务报文，并将跨金融机构服务报文发送至金融市场业务智能入账系统103。

金融市场业务智能入账系统103，用于接收跨金融机构清算系统102发送的汇款指令，并调用人工智能平台104提供的识别模型和匹配规则，实现对金融市场业务后台收报入账的智能处理。

人工智能平台104，用于模型的构建、模型评估、模型发布、模型自学习，并提供识别报文业务类型的服务。

大数据平台105，具有存储功能，用于接收金融市场业务智能入账系统103发送的跨金融机构服务报文并进行储存，此外，还可以用于向人工智能平台104发送历史报文信息以用于模型的训练和自学习。

清算平台106，用于进行报文授权通过以及入账处理。

图2示意性示出了根据本公开实施例的可以应用报文识别方法和装置的示例性系统架构200。需要注意的是，图2所示仅为可以应用本公开实施例的系统架构的示例，以帮助本领域技术人员理解本公开的技术内容，但并不意味着本公开实施例不可以用于其他设备、系统、环境或场景。

如图2所示，根据该实施例的系统架构200可以包括服务器201、网络202和服务器203。网络202用以在服务器201和服务器203之间提供通信链路的介质。网络204可以包括各种连接类型，例如有线和/或无线通信链路等等。

用户可以使用服务器201通过网络202与服务器203交互，以接收或发送消息等。服务器201上可以安装有各种通讯客户端应用，例如购物类应用、网页浏览器应用、搜索类应用、即时通信工具、邮箱客户端和/或社交平台软件等(仅为示例)。

服务器201可以是具有显示屏并且支持网页浏览的各种电子设备，包括但不限于膝上型便携计算机和台式计算机等等。

服务器203可以是提供各种服务的服务器，例如对服务器201所浏览的网站提供支持的后台管理服务器(仅为示例)。后台管理服务器可以对接收到的用户请求等数据进行分析等处理，并将处理结果(例如根据用户请求获取或生成的网页、信息、或数据等)反馈给服务器201。

需要说明的是，本公开实施例所提供的报文识别方法一般可以由服务器203执行。相应地，本公开实施例所提供的报文识别装置一般可以设置于服务器203中。本公开实施例所提供的报文识别方法也可以由不同于服务器203且能够与服务器203通信的服务器或服务器集群执行。相应地，本公开实施例所提供的报文识别装置也可以设置于不同于服务器203且能够与服务器203通信的服务器或服务器集群中。

例如，识别模型和匹配规则可以原本存储在服务器203中的任意一个之中，或者存储在外部存储设备上并可以导入到服务器203中。然后，服务器203可以将识别模型和匹配规则发送到其他终端设备、服务器、或服务器集群，并由接收该识别模型和匹配规则的其他服务器、或服务器集群来执行本公开实施例所提供的报文识别方法。

应该理解，图2中的网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。

需要说明的是，本公开报文识别方法、报文识别装置、计算机系统、计算机可读存储介质和计算机程序产品可用于人工智能技术领域，也可用于除人工智能技术领域之外的任意领域，本公开报文识别方法、报文识别装置、计算机系统、计算机可读存储介质和计算机程序产品的应用领域不做限定。

图3示意性示出了根据本公开实施例的报文识别方法的流程图。

如图3所示，该方法包括操作S310～S340。

在操作S310，接收用于识别跨金融机构服务报文的请求，其中，请求中携带待识别的跨金融机构服务报文。

根据本公开的实施例，该金融机构可以是银行，但是并不局限于此，还可以是理财公司或者其他金融机构。

根据本公开的实施例，各个金融机构之间的金融市场后台业务已随着自动化、智能化的发展，实现跨金融机构收报的自动化处理。在进行跨金融机构的跨金融机构服务报文的自动化处理过程中，由于跨金融机构服务报文中存在收款人账号或付款人账号、名称等信息与系统中存储的数据不一致，存在大量需手工进行入账处理的业务。这其中金融市场后台业务占比最大，年操作笔数约100万笔。该些需要手工处理的业务，将导致大量的人力、物力的耗损，以及工作效率的降低。

根据本公开的实施例，该报文识别方法中处理的待识别的跨金融机构服务报文，可以是出现信息不一致问题的报文，或者是其他问题的报文，但是并不局限于此，还可以是所有接收到的跨金融机构服务报文，即包括存在信息问题的报文和信息一切正常的报文。本公开的该报文识别方法，实现自动化处理，解放人力。

在操作S320，对待识别的跨金融机构服务报文进行预处理，确定跨金融机构服务报文中的目标报文字段信息。

根据本公开的实施例，待识别的跨金融机构服务报文包括多个报文字段，例如，付款人名称、收款人名称、报文附言、报文种类、业务类型等，对待识别的跨金融机构服务报文进行预处理后，能够挖掘得到该些目标报文字段信息。

根据本公开的实施例，基于该些目标报文字段信息，有利于后续精准识别待识别的跨金融机构服务报文的业务类型，提高识别精度和业务处理的工作效率。

在操作S330，基于目标报文字段信息，确定跨金融机构服务报文的业务类型。

根据本公开的实施例，基于目标报文字段信息，可以确定跨金融机构服务报文的业务类型，实现自动化识别处理，避免人工处理，提高工作效率。

在操作S340，基于跨金融机构服务报文的业务类型，执行与业务类型相匹配的业务流程。

根据本公开的实施例，该跨金融机构服务报文的业务类型包括多种，例如非金融市场后台业务，但是并不局限于此，还包括金融市场后台业务。

根据本公开的实施例，在确定跨金融机构服务报文的业务类型后，可以自动流转到与业务类型相匹配的业务流程上进行后续操作。自动化处理程度高，提高处理效率，解放人力。

下面参考图4～图5，结合具体实施例对图3所示的方法做进一步说明。

图4示意性示出了根据本公开另一实施例的报文识别方法的流程图。

如图4所示，基于目标报文字段信息，确定跨金融机构服务报文的业务类型包括操作S410～S430。

在操作S410，利用识别模型对目标报文字段信息进行识别，得到模型识别业务类型。

在操作S420，利用匹配规则对目标报文字段信息进行识别，得到匹配识别业务类型。

在操作S430，基于模型识别业务类型和匹配识别业务类型，确定跨金融机构服务报文的业务类型。

根据本公开的实施例，该目标报文字段信息的识别，可以利用识别模型识别，但是并不局限于此，还可以利用匹配规则进行匹配识别。

根据本公开的可选实施例，利用识别模型和匹配规则结合的方式对目标报文字段信息进行识别，识别精度更高，提高识别准确度。

根据本公开的实施例，跨金融机构服务报文的业务类型包括非金融市场后台类或者金融市场后台类。

根据本公开的其他实施例，金融市场后台类业务还可以具体到包括普通金融市场后台类业务、人行头寸上存、结售汇、衍生品、基金业务、BIFT业务、理财业务、投行部中间业务收入、基金季度保证金利息等多种业务类型中的一种或多种。

根据本公开的实施例，基于模型识别业务类型和匹配识别业务类型，确定跨金融机构服务报文的业务类型可以包括如下操作。

在模型识别业务类型和/或匹配识别业务类型为金融市场后台类的情况下，确定跨金融机构服务报文的业务类型为金融市场后台类；以及

在模型识别业务类型和匹配识别业务类型均为非金融市场后台类的情况下，确定跨金融机构服务报文的业务类型为非金融市场后台类。

根据本公开的实施例，利用识别模型和匹配规则结合的方式对目标报文字段信息进行识别，对两种识别手段得到的识别结果进行结合，对大概率的业务类型进行优先考虑，与实际结合，得到的结果更符合实际要求。

根据本公开的实施例，目标报文字段信息包括收款人属性信息、付款人属性信息、报文附言信息、报文种类信息、业务类型信息、金融机构标识信息中的一种或多种。

根据本公开的实施例，收款人属性信息可以为收款人姓名、收款人账号、收款人(公司)名称；付款人属性信息可以为付款人姓名、付款人账号、付款人(公司)名称；金融机构标识信息可以是金融机构的业务代码、金融机构的名称或者表征金融机构的唯一标识符等。

根据本公开的实施例，例如一笔从中央结算公司发起的汇到中国工商银行总行的跨金融机构服务报文，该笔报文的目标报文字段信息可以包括：付款人户名是“华商银行”，报文附言是“债券市场交易质押式回购到期”。

根据本公开的其他实施例，例如一笔CNPAS跨行报文，该报文的目标报文字段信息可以是：发报行行名“韩亚银行(中国)有限公司”，付款人户名是“韩亚银行(中国)有限公司”、报文附言是“FX交易”。

根据本公开的实施例，利用匹配规则对目标报文字段信息进行识别，确定匹配识别业务类型可以包括如下操作。

将匹配规则中的预设关键词与目标报文字段信息进行匹配，确定匹配值；以及基于匹配值，确定匹配识别业务类型。

根据本公开的实施例，该匹配规则是基于现有业务特点实现的专家规则判断。在本公开实施例中，该匹配规则可以根据报文类型、发报行行号、业务类型、业务种类、付款人账号、付款人名称、收款人账号、收款人名称、发报附言等信息设定的规则。

根据本公开的实施例，匹配规则中的预设关键词可以为一个，但是并不局限于此，还可以设置多个。该预设关键词可以根据目标报文字段信息进行设定，以保证匹配信息的多样性。

根据本公开的可选实施例，预设关键词可以为，发报报行的预设关键词可以为“中央结算公司”；业务类型的可以为“债券市场交易结算”；发报附言包含“债券市场交易质押式回购首期”的预设关键词。

根据本公开的可选实施例，可以基于该些预设关键词建立关键词词库，利用搜索引擎完成匹配识别。

根据本公开的实施例，可以针对多个目标报文字段信息设计不同的权重，将其各个目标报文字段信息结合权重得到的匹配结果作为最终的匹配值。

根据本公开的实施例，还可以设计匹配阈值，将确定的匹配值与匹配阈值进行比较，以比较结果来作为跨金融机构服务报文的业务类型作为评判标准。例如，在匹配值大于或等于匹配阈值的情况下，确定跨金融机构服务报文的业务类型为金融市场后台类；在匹配值小于匹配阈值的情况下，确定跨金融机构服务报文的业务类型为非金融市场后台类。

根据本公开的实施例，采用匹配规则进行跨金融机构服务报文的业务类型识别，模拟专家级人工判断；该匹配规则可基于实际情况调整匹配规则中各个预设关键词的权重，实现灵活、实时性的识别优势。

根据本公开的实施例，在利用识别模型对目标报文字段信息进行识别，确定模型识别业务类型之前，报文识别方法还可以包括如下操作。

构建初始识别模型，其中，初始识别模型包括文本分类算法；以及利用训练样本训练初始识别模型，得到识别模型，其中，训练样本包括目标报文字段信息和业务类型标签。

根据本公开的实施例，该识别模型依托于机器学习，利用大量的历史跨金融机构服务报文(例如CNAPS报文)训练得到。

根据本公开的实施例，文本分类算法作为初始识别模型，更为具体的，可以通过turing工具，使用FastText等机器学习算法作为初始识别模型。

根据本公开的实施例，训练样本可以通过收集历史CNAPS报文数据得到，样本数量为十余万条的历史报文数据，通过预处理提取出报文中的目标报文字段信息，例如付款人名称、收款人名称、报文附言、报文种类、业务类型等特征值；此外，再提炼出非金融市场后台业务、普通金融市场后台业务、结售汇、衍生品、基金业务等多种业务类型。然后对该些历史报文数据进行归类、以及业务类型的标签标注，最终得到能够用于训练的训练样本。

根据本公开的实施例，将包括有目标报文字段信息的训练样本，输入到初始识别模型中，将预测的业务类型标签与标注的业务类型标签进行比较，最终得到识别模型。

根据本公开的实施例，采用通过对历史CNAPS报文进行深度学习的识别模型进行跨金融机构服务报文的识别，识别精度高，提高了处理效率和识别准确度。

根据本公开的可选实施例，在利用识别模型对目标报文字段信息进行识别，得到模型识别业务类型之后，报文识别方法还可以包括如下操作。

在模型识别业务类型为非金融市场后台类，且匹配识别业务类型为金融市场后台类的情况下，将待识别报文作为训练样本，对识别模型进行优化训练，得到优化训练后的识别模型，以便利用优化训练后的识别模型对目标报文字段信息进行识别。

根据本公开的实施例，对增量CNAPS报文信息的实际反馈结果进行分析、对比，并将新增的报文作为训练样本对识别模型进行重新训练、进行增量自学习更新，进一步提升识别模型的识别准确率。

根据本公开的实施例，对待识别的跨金融机构服务报文进行预处理，确定跨金融机构服务报文中的目标报文字段信息可以包括，基于预设规则对待识别的跨金融机构服务报文进行字段提取，确定跨金融机构服务报文中的目标报文字段信息。

根据本公开的实施例，该预设规则可以是对目标报文字段信息预设提取关键词，基于该提取关键词确定对应的目标报文字段信息，进而进行字段提取。但是并不局限于此，该预设规则还可以是预先设置的定位信息，基于该定位信息确定对应的目标报文字段信息，进而进行字段提取。在本公开实施例中，只要能够实现根据预设规则实现字段提取，最终得到目标报文字段信息即可，在此不再赘述。

图5示意性示出了根据本公开另一实施例的报文识别方法的流程图。

如图5所示，报文识别方法包括操作S510～S530、S541、S542、S550、S561、S562。

在操作S510，跨金融机构清算系统接收用于识别跨金融机构服务报文的请求，其中，请求中携带待识别的跨金融机构服务报文。

根据本公开的实施例，跨金融机构清算系统接收到的用于识别跨金融机构服务报文的请求可以是来自于人民银行大小额系统。该请求中携带的待识别的跨金融机构服务报文可以是人民银行的CNPAS报文。

在操作S520，将待识别的跨金融机构服务报文发送至金融市场业务智能入账系统。

在操作S530，金融市场业务智能入账系统将CNPAS报文发送至人工智能平台。

在操作S541，调用人工智能平台的识别模型对CNPAS报文进行业务类型识别，得到模型识别业务类型。

根据本公开的实施例，例如可以利用识别模型识别一笔从中央结算公司发起的汇到中国工商银行总行的跨金融机构服务报文，该笔报文的目标报文字段信息可以包括：付款人户名是“华商银行”，报文附言是“债券市场交易质押式回购到期”。

在操作S542，调用人工智能平台的匹配规则对CNPAS报文进行业务类型识别，得到匹配识别业务类型。

根据本公开的实施例，还可以在将识别模型与匹配规则相结合，再利用匹配规则对该笔从中央结算公司发起的汇到中国工商银行总行的跨金融机构服务报文再进行一次识别。

在操作S550，人工智能平台将包括匹配识别业务类型和模型识别业务类型的信息传输给金融市场业务智能入账系统。

在操作S561，在匹配识别业务类型和/或模型识别业务类型为金融市场后台类业务的情况下，金融市场业务智能入账系统向清算平台发送用于执行与业务类型相匹配的业务流程的请求。

根据本公开的实施例，该请求中携带有该CNPAS报文，清算平台接收金融市场业务智能入账系统发送的报文，进行授权，并进行记账处理等。

在操作S562，在匹配识别业务类型和模型识别业务类型均为非金融市场后台类业务，则落地交由人工处理。

综上所述，本公开实施例利用机器学习技术(识别模型和匹配规则)实现了对金融市场后台类大额报文的智能识别及收报入账的自动确认，能够解决目前CNAPS报文业务人工消耗大、系统无法判断金融市场后台类业务导致无法快速入账的问题。

基于此，本公开实施例提出的报文识别方法大幅降低人工操作环节，减少手工处理差错、实现业务自动化、智能化处理，推进智能化运营进程；此外，还可以大幅提升业务运营系统的自动化处理能力，持续降低与业务处理相关的营业成本，保障利润率。

图6示意性示出了根据本公开的实施例的报文识别装置的框图。

如图6所示，报文识别装置600包括接收模块610、预处理模块620、确定模块630以及执行模块640。

接收模块610，用于接收用于识别跨金融机构服务报文的请求，其中，请求中携带待识别的跨金融机构服务报文；

预处理模块620，用于对待识别的跨金融机构服务报文进行预处理，确定跨金融机构服务报文中的目标报文字段信息；

确定模块630，用于基于目标报文字段信息，确定跨金融机构服务报文的业务类型；以及

执行模块640，用于基于跨金融机构服务报文的业务类型，执行与业务类型相匹配的业务流程。

根据本公开的实施例，确定模块630包括第一识别单元、第二识别单元、以及确定单元。

第一识别单元，用于利用识别模型对目标报文字段信息进行识别，得到模型识别业务类型；

第二识别单元，用于利用匹配规则对目标报文字段信息进行识别，得到匹配识别业务类型；以及

确定单元，用于基于模型识别业务类型和匹配识别业务类型，确定跨金融机构服务报文的业务类型。

根据本公开的实施例，其中，跨金融机构服务报文的业务类型包括非金融市场后台类或者金融市场后台类。

根据本公开的实施例，确定单元包括包括确定子单元。

确定子单元，用于在模型识别业务类型和/或匹配识别业务类型为金融市场后台类的情况下，确定跨金融机构服务报文的业务类型为金融市场后台类；以及在模型识别业务类型和匹配识别业务类型均为非金融市场后台类的情况下，确定跨金融机构服务报文的业务类型为非金融市场后台类。

根据本公开的实施例，其中，目标报文字段信息包括收款人属性信息、付款人属性信息、报文附言信息、报文种类信息、业务类型信息、金融机构标识信息中的一种或多种。

根据本公开的实施例，其中，第二识别单元包括匹配子单元、匹配确定子单元。

匹配子单元，用于将匹配规则中的预设关键词与目标报文字段信息进行匹配，确定匹配值。

匹配确定子单元，用于基于匹配值，确定匹配识别业务类型。

根据本公开的实施例，报文识别装置600还包括构建模块、模型训练模块。

构建模块，用于构建初始识别模型，其中，初始识别模型包括文本分类算法。

模型训练模块，用于利用训练样本训练初始识别模型，得到识别模型，其中，训练样本包括目标报文字段信息和业务类型标签。

报文识别装置600还包括优化训练模块。

优化训练模块，用于在模型识别业务类型为非金融市场后台类，且匹配识别业务类型为金融市场后台类的情况下，将待识别报文作为训练样本，对识别模型进行优化训练，得到优化训练后的识别模型，以便利用优化训练后的识别模型对目标报文字段信息进行识别。

根据本公开的实施例，预处理模块620包括预处理单元。

预处理单元，用于基于预设规则对待识别的跨金融机构服务报文进行字段提取，确定跨金融机构服务报文中的目标报文字段信息。

根据本公开的实施例，其中，接收模块610包括接收单元。

接收单元，用于接收金融市场业务智能入账系统传输的用于识别跨金融机构服务报文的请求，其中，请求中携带的待识别的跨金融机构服务报文为跨金融机构清算系统传输至金融市场业务智能入账系统。

根据本公开的实施例，其中，执行模块640包括执行单元。

执行单元，用于将含有跨金融机构服务报文的业务类型的信息传输至金融市场业务智能入账系统，以便金融市场业务智能入账系统向清算平台发送用于执行与业务类型相匹配的业务流程的请求。

根据本公开的实施例的模块、子模块、单元、子单元中的任意多个、或其中任意多个的至少部分功能可以在一个模块中实现。根据本公开实施例的模块、子模块、单元、子单元中的任意一个或多个可以被拆分成多个模块来实现。根据本公开实施例的模块、子模块、单元、子单元中的任意一个或多个可以至少被部分地实现为硬件电路，例如现场可编程门阵列(FPGA)、可编程逻辑阵列(PLA)、片上系统、基板上的系统、封装上的系统、专用集成电路(ASIC)，或可以通过对电路进行集成或封装的任何其他的合理方式的硬件或固件来实现，或以软件、硬件以及固件三种实现方式中任意一种或以其中任意几种的适当组合来实现。或者，根据本公开实施例的模块、子模块、单元、子单元中的一个或多个可以至少被部分地实现为计算机程序模块，当该计算机程序模块被运行时，可以执行相应的功能。

例如，接收模块610、预处理模块620、确定模块630以及执行模块640中的任意多个可以合并在一个模块/单元/子单元中实现，或者其中的任意一个模块/单元/子单元可以被拆分成多个模块/单元/子单元。或者，这些模块/单元/子单元中的一个或多个模块/单元/子单元的至少部分功能可以与其他模块/单元/子单元的至少部分功能相结合，并在一个模块/单元/子单元中实现。根据本公开的实施例，接收模块610、预处理模块620、确定模块630以及执行模块640中的至少一个可以至少被部分地实现为硬件电路，例如现场可编程门阵列(FPGA)、可编程逻辑阵列(PLA)、片上系统、基板上的系统、封装上的系统、专用集成电路(ASIC)，或可以通过对电路进行集成或封装的任何其他的合理方式等硬件或固件来实现，或以软件、硬件以及固件三种实现方式中任意一种或以其中任意几种的适当组合来实现。或者，接收模块610、预处理模块620、确定模块630以及执行模块640中的至少一个可以至少被部分地实现为计算机程序模块，当该计算机程序模块被运行时，可以执行相应的功能。

需要说明的是，本公开的实施例中报文识别装置部分与本公开的实施例报文识别方法部分是相对应的，报文识别装置部分的描述具体参考报文识别方法部分，在此不再赘述。

图7示意性示出了根据本公开实施例的适于实现上文描述的方法的计算机系统的框图。图7示出的计算机系统仅仅是一个示例，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7所示，根据本公开实施例的计算机系统700包括处理器701，其可以根据存储在只读存储器(ROM)702中的程序或者从存储部分708加载到随机访问存储器(RAM)703中的程序而执行各种适当的动作和处理。处理器701例如可以包括通用微处理器(例如CPU)、指令集处理器和/或相关芯片组和/或专用微处理器(例如，专用集成电路(ASIC))，等等。处理器701还可以包括用于缓存用途的板载存储器。处理器701可以包括用于执行根据本公开实施例的方法流程的不同动作的单一处理单元或者是多个处理单元。

在RAM 703中，存储有系统700操作所需的各种程序和数据。处理器701、ROM702以及RAM 703通过总线704彼此相连。处理器701通过执行ROM 702和/或RAM 703中的程序来执行根据本公开实施例的方法流程的各种操作。需要注意，所述程序也可以存储在除ROM 702和RAM 703以外的一个或多个存储器中。处理器701也可以通过执行存储在所述一个或多个存储器中的程序来执行根据本公开实施例的方法流程的各种操作。

根据本公开的实施例，系统700还可以包括输入/输出(I/O)接口705，输入/输出(I/O)接口705也连接至总线704。系统700还可以包括连接至I/O接口705的以下部件中的一项或多项：包括键盘、鼠标等的输入部分706；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分707；包括硬盘等的存储部分708；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分709。通信部分709经由诸如因特网的网络执行通信处理。驱动器710也根据需要连接至I/O接口705。可拆卸介质711，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器710上，以便于从其上读出的计算机程序根据需要被安装入存储部分708。

根据本公开的实施例，根据本公开实施例的方法流程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读存储介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分709从网络上被下载和安装，和/或从可拆卸介质711被安装。在该计算机程序被处理器701执行时，执行本公开实施例的系统中限定的上述功能。根据本公开的实施例，上文描述的系统、设备、装置、模块、单元等可以通过计算机程序模块来实现。

本公开还提供了一种计算机可读存储介质，该计算机可读存储介质可以是上述实施例中描述的设备/装置/系统中所包含的；也可以是单独存在，而未装配入该设备/装置/系统中。上述计算机可读存储介质承载有一个或者多个程序，当上述一个或者多个程序被执行时，实现根据本公开实施例的方法。

根据本公开的实施例，计算机可读存储介质可以是非易失性的计算机可读存储介质。例如可以包括但不限于：便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机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。

例如，根据本公开的实施例，计算机可读存储介质可以包括上文描述的ROM 702和/或RAM703和/或ROM702和RAM703以外的一个或多个存储器。

本公开的实施例还包括一种计算机程序产品，其包括计算机程序，该计算机程序包含用于执行本公开实施例所提供的方法的程序代码，当计算机程序产品在电子设备上运行时，该程序代码用于使电子设备实现本公开实施例所提供的报文识别方法。

在该计算机程序被处理器701执行时，执行本公开实施例的系统/装置中限定的上述功能。根据本公开的实施例，上文描述的系统、装置、模块、单元等可以通过计算机程序模块来实现。

在一种实施例中，该计算机程序可以依托于光存储器件、磁存储器件等有形存储介质。在另一种实施例中，该计算机程序也可以在网络介质上以信号的形式进行传输、分发，并通过通信部分709被下载和安装，和/或从可拆卸介质711被安装。该计算机程序包含的程序代码可以用任何适当的网络介质传输，包括但不限于：无线、有线等等，或者上述的任意合适的组合。

根据本公开的实施例，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实施例提供的计算机程序的程序代码，具体地，可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。程序设计语言包括但不限于诸如Java，C++，python，“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计算设备上执行、部分地在用户设备上执行、部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(LAN)或广域网(WAN)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。

附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图或流程图中的每个方框、以及框图或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。本领域技术人员可以理解，本公开的各个实施例和/或权利要求中记载的特征可以进行多种组合和/或结合，即使这样的组合或结合没有明确记载于本公开中。特别地，在不脱离本公开精神和教导的情况下，本公开的各个实施例和/或权利要求中记载的特征可以进行多种组合和/或结合。所有这些组合和/或结合均落入本公开的范围。

以上对本公开的实施例进行了描述。但是，这些实施例仅仅是为了说明的目的，而并非为了限制本公开的范围。尽管在以上分别描述了各实施例，但是这并不意味着各个实施例中的措施不能有利地结合使用。本公开的范围由所附权利要求及其等同物限定。不脱离本公开的范围，本领域技术人员可以做出多种替代和修改，这些替代和修改都应落在本公开的范围之内。

Claims (9)

1.一种报文识别方法，包括：

接收用于识别跨金融机构服务报文的请求，其中，所述请求中携带待识别的跨金融机构服务报文；

对所述待识别的跨金融机构服务报文进行预处理，确定所述跨金融机构服务报文中的目标报文字段信息；

基于所述目标报文字段信息，确定所述跨金融机构服务报文的业务类型；以及

基于所述跨金融机构服务报文的业务类型，执行与所述业务类型相匹配的业务流程；

其中，所述基于所述目标报文字段信息，确定所述跨金融机构服务报文的业务类型包括：

利用识别模型对所述目标报文字段信息进行识别，得到模型识别业务类型；

利用匹配规则对所述目标报文字段信息进行识别，得到匹配识别业务类型；其中，所述利用匹配规则对所述目标报文字段信息进行识别，确定匹配识别业务类型包括：设置与多个所述目标报文字段信息一一对应的多个权重；将所述匹配规则中的预设关键词与所述目标报文字段信息进行匹配，得到匹配结果；基于所述匹配结果与所述多个权重，得到匹配值；基于所述匹配值和预定匹配阈值，确定所述匹配识别业务类型；

基于所述模型识别业务类型和所述匹配识别业务类型，确定所述跨金融机构服务报文的业务类型；

其中，所述跨金融机构服务报文的业务类型包括非金融市场后台类或者金融市场后台类；

所述基于所述模型识别业务类型和所述匹配识别业务类型，确定所述跨金融机构服务报文的业务类型包括：

在所述模型识别业务类型和/或所述匹配识别业务类型为所述金融市场后台类的情况下，确定所述跨金融机构服务报文的业务类型为所述金融市场后台类；

在所述模型识别业务类型和所述匹配识别业务类型均为所述非金融市场后台类的情况下，确定所述跨金融机构服务报文的业务类型为所述非金融市场后台类。

2.根据权利要求1所述的方法，其中，所述目标报文字段信息包括收款人属性信息、付款人属性信息、报文附言信息、报文种类信息、业务类型信息、金融机构标识信息中的一种或多种。

3.根据权利要求1所述的方法，在所述利用识别模型对所述目标报文字段信息进行识别，确定模型识别业务类型之前，所述方法还包括：

构建初始识别模型，其中，所述初始识别模型包括文本分类算法；

利用训练样本训练所述初始识别模型，得到所述识别模型，其中，所述训练样本包括所述目标报文字段信息和业务类型标签；

在所述利用识别模型对所述目标报文字段信息进行识别，得到模型识别业务类型之后，所述方法还包括：

在所述模型识别业务类型为非金融市场后台类，且所述匹配识别业务类型为所述金融市场后台类的情况下，将所述待识别报文作为训练样本，对所述识别模型进行优化训练，得到优化训练后的识别模型，以便利用所述优化训练后的识别模型对所述目标报文字段信息进行识别。

4.根据权利要求1所述的方法，所述对所述待识别的跨金融机构服务报文进行预处理，确定所述跨金融机构服务报文中的目标报文字段信息包括：

基于预设规则对所述待识别的跨金融机构服务报文进行字段提取，确定所述跨金融机构服务报文中的目标报文字段信息。

5.根据权利要求1所述的方法，其中，所述接收用于识别跨金融机构服务报文的请求包括：

接收金融市场业务智能入账系统传输的用于识别跨金融机构服务报文的请求，其中，所述请求中携带的待识别的跨金融机构服务报文为跨金融机构清算系统传输至所述金融市场业务智能入账系统。

6.根据权利要求5所述的方法，其中，所述基于所述跨金融机构服务报文的业务类型，执行与所述业务类型相匹配的业务流程包括：

将含有所述跨金融机构服务报文的业务类型的信息传输至所述金融市场业务智能入账系统，以便所述金融市场业务智能入账系统向清算平台发送用于执行与所述业务类型相匹配的业务流程的请求。

7.一种报文识别装置，包括：

接收模块，用于接收用于识别跨金融机构服务报文的请求，其中，所述请求中携带待识别的跨金融机构服务报文；

预处理模块，用于对所述待识别的跨金融机构服务报文进行预处理，确定所述跨金融机构服务报文中的目标报文字段信息；

确定模块，用于基于所述目标报文字段信息，确定所述跨金融机构服务报文的业务类型；以及

执行模块，用于基于所述跨金融机构服务报文的业务类型，执行与所述业务类型相匹配的业务流程；

其中，所述确定模块包括第一识别单元、第二识别单元、以及确定单元；

所述第一识别单元，用于利用识别模型对目标报文字段信息进行识别，得到模型识别业务类型；

所述第二识别单元，用于利用匹配规则对目标报文字段信息进行识别，得到匹配识别业务类型；其中，所述利用匹配规则对所述目标报文字段信息进行识别，确定匹配识别业务类型包括：设置与多个所述目标报文字段信息一一对应的多个权重；将所述匹配规则中的预设关键词与所述目标报文字段信息进行匹配，得到匹配结果；基于所述匹配结果与所述多个权重，得到匹配值；基于所述匹配值和预定匹配阈值，确定所述匹配识别业务类型；

所述确定单元，用于基于模型识别业务类型和匹配识别业务类型，确定跨金融机构服务报文的业务类型；

其中，所述跨金融机构服务报文的业务类型包括非金融市场后台类或者金融市场后台类，所述确定单元包括：

确定子单元，用于在所述模型识别业务类型和/或所述匹配识别业务类型为所述金融市场后台类的情况下，确定所述跨金融机构服务报文的业务类型为所述金融市场后台类；在所述模型识别业务类型和所述匹配识别业务类型均为所述非金融市场后台类的情况下，确定所述跨金融机构服务报文的业务类型为所述非金融市场后台类。

8.一种计算机系统，包括：

一个或多个处理器；

存储器，用于存储一个或多个程序，

其中，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现权利要求1至6中任一项所述的方法。

9.一种计算机可读存储介质，其上存储有可执行指令，该指令被处理器执行时使处理器实现权利要求1至6中任一项所述的方法。

Images