CN113962689A - 多账户融合支付方法及装置 - Google Patents
多账户融合支付方法及装置 Download PDFInfo
- Publication number
- CN113962689A CN113962689A CN202111247738.4A CN202111247738A CN113962689A CN 113962689 A CN113962689 A CN 113962689A CN 202111247738 A CN202111247738 A CN 202111247738A CN 113962689 A CN113962689 A CN 113962689A
- Authority
- CN
- China
- Prior art keywords
- user
- payment
- accounts
- training
- analysis model
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q20/00—Payment architectures, schemes or protocols
- G06Q20/22—Payment schemes or models
- G06Q20/227—Payment schemes or models characterised in that multiple accounts are available, e.g. to the payer
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- 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
- G06Q20/10—Payment architectures specially adapted for electronic funds transfer [EFT] systems; specially adapted for home banking systems
- G06Q20/102—Bill distribution or payments
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Accounting & Taxation (AREA)
- Theoretical Computer Science (AREA)
- Finance (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Software Systems (AREA)
- General Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Development Economics (AREA)
- Economics (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种多账户融合支付方法及装置,涉及人工智能技术领域,其中该方法包括:接收用户提交的支付请求,支付请求包括账单金额;将用户提交支付请求时的行为数据输入用户行为分析模型,得到用户多个账户的支付优先级;其中,用户行为分析模型根据用户的历史行为数据和对应的用户多个账户的历史支付优先级,对机器学习模型训练得到;按支付优先级从高到低的顺序,依次从用户多个账户扣除可用余额,直至扣除总额满足账单金额。本发明可以避免用户的付款流程中出现断点,提高了用户的支付效率,以及提升了用户体验。
Description
技术领域
本发明涉及人工智能技术领域,尤其涉及一种多账户融合支付方法及装置。
背景技术
本部分旨在为权利要求书中陈述的本发明实施例提供背景或上下文。此处的描述不因为包括在本部分中就承认是现有技术。
目前,各大银行类应用程序(Application,APP)支付方式单一,同一笔账单仅支持单一账户付款结算。用户在交易过程中,若当前账户余额不足,将取消当前账户作为交易主账户,并提示用户更换其他账户进行付款。用户需逐一更换绑定账户,直至选定账户可用余额满足当前账单金额。若所有绑定账户均无法满足,则该笔交易取消。这就导致用户的付款流程中出现断点,且付款操作费时且用户体验较差。
发明内容
本发明实施例提供一种多账户融合支付方法,用以提高用户多账户付款的支付效率,改善用户体验,包括:
接收用户提交的支付请求,支付请求包括账单金额;
将用户提交支付请求时的行为数据输入用户行为分析模型,得到用户多个账户的支付优先级;其中,用户行为分析模型根据用户的历史行为数据和对应的用户多个账户的历史支付优先级,对机器学习模型训练得到;
按支付优先级从高到低的顺序,依次从用户多个账户扣除可用余额,直至扣除总额满足账单金额。
本发明实施例还提供一种多账户融合支付装置,用以提高用户多账户付款的支付效率,改善用户体验,该装置包括:
支付请求接收模块,用于接收用户提交的支付请求,支付请求包括账单金额;
支付优先级确定模块,用于将用户提交支付请求时的行为数据输入用户行为分析模型,得到用户多个账户的支付优先级;其中,用户行为分析模型根据用户的历史行为数据和对应的用户多个账户的历史支付优先级,对机器学习模型训练得到;
金额扣除模块,用于按支付优先级从高到低的顺序,依次从用户多个账户扣除可用余额,直至扣除总额满足账单金额。
本发明实施例还提供一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述多账户融合支付方法。
本发明实施例还提供一种计算机可读存储介质,所述计算机可读存储介质存储有执行上述多账户融合支付方法的计算机程序。
本发明实施例中,接收用户提交的支付请求,支付请求包括账单金额;将用户提交支付请求时的行为数据输入用户行为分析模型,得到用户多个账户的支付优先级;用户行为分析模型根据用户的历史行为数据和对应的用户多个账户的历史支付优先级,对机器学习模型训练得到;按支付优先级从高到低的顺序,依次从用户多个账户扣除可用余额,直至扣除总额满足账单金额。与现有的用户需逐一更换绑定账户支付的方法相比,本发明利用用户的历史行为数据和对应的用户多个账户的历史支付优先级,训练得到用户行为分析模型,根据用户行为分析模型可以准确地分析出用户名下的多个账户的支付优先级,进而根据该支付优先级,依次对多个账户进行扣款,从而可以避免用户的付款流程中出现断点,提高了用户的支付效率,以及提升了用户体验。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,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。在附图中:
图1为本发明实施例中提供的一种多账户融合支付方法的流程图;
图2为本发明实施例中提供的一种多账户融合支付中用户行为分析模型训练方法流程图;
图3为本发明实施例中提供的又一种多账户融合支付中用户行为分析模型训练方法流程图;
图4为本发明实施例中提供的又一种多账户融合支付方法的流程图;
图5为本发明实施例中提供的一种多账户融合支付装置的示意图;
图6为本发明实施例中提供的又一种多账户融合支付装置的示意图;
图7为本发明实施例中提供的又一种多账户融合支付装置的示意图;
图8为本发明实施例中提供的一种计算机设备的示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚明白,下面结合附图对本发明实施例做进一步详细说明。在此,本发明的示意性实施例及其说明用于解释本发明,但并不作为对本发明的限定。
本文中术语“和/或”,仅仅是描述一种关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本文中术语“至少一种”表示多种中的任意一种或多种中的至少两种的任意组合,例如,包括A、B、C中的至少一种,可以表示包括从A、B和C构成的集合中选择的任意一个或多个元素。
在本说明书的描述中,所使用的“包含”、“包括”、“具有”、“含有”等,均为开放性的用语,即意指包含但不限于。参考术语“一个实施例”、“一个具体实施例”、“一些实施例”、“例如”等的描述意指结合该实施例或示例描述的具体特征、结构或者特点包含于本申请的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。各实施例中涉及的步骤顺序用于示意性说明本申请的实施,其中的步骤顺序不作限定,可根据需要作适当调整。
经研究发现,用户使用银行类APP支付账单时,通常情况下是按照银行类APP默认顺序选取单个账户进行账单支付,在该账户可用余额不足时,交易中断,提示用户需更换其他绑定账户完成支付,用户需逐一更换绑定的账户,直至选定账户可用余额满足当前账单金额,若所有绑定账户均无法满足,则该笔交易取消。这种支付方式,导致用户的付款流程出现断点,且用户的付款效率也较低,降低了用户的体验感。
针对上述支付方式存在的问题,本发明实施例提供一种多账户融合支付方法,如图1所示,包括:
步骤101:接收用户提交的支付请求,支付请求包括账单金额;
步骤102:将用户提交支付请求时的行为数据输入用户行为分析模型,得到用户多个账户的支付优先级;其中,用户行为分析模型根据用户的历史行为数据和对应的用户多个账户的历史支付优先级,对机器学习模型训练得到;
步骤103:按支付优先级从高到低的顺序,依次从用户多个账户扣除可用余额,直至扣除总额满足账单金额。
本发明实施例中,接收用户提交的支付请求,支付请求包括账单金额;将用户提交支付请求时的行为数据输入用户行为分析模型,得到用户多个账户的支付优先级;用户行为分析模型根据用户的历史行为数据和对应的用户多个账户的历史支付优先级,对机器学习模型训练得到;按支付优先级从高到低的顺序,依次从用户多个账户扣除可用余额,直至扣除总额满足账单金额。这样,利用用户的历史行为数据和对应的用户多个账户的历史支付优先级,训练得到用户行为分析模型,根据用户行为分析模型可以准确地分析出用户名下的多个账户的支付优先级,进而根据该支付优先级,依次对多个账户进行扣款,从而可以避免用户的付款流程中出现断点,提高了用户的支付效率,以及提升了用户体验。
在上述步骤101中,用户可以针对某一笔账单发起支付请求。其中,支付请求可以包括账单金额、付款方信息以及收款方信息等。
而且,在用户提交支付请求时,还可以记录用户的行为数据,用户的行为数据可以包括用户的支付渠道,和/或,用户的支付用途。其中,支付渠道可以为某银行类APP,或者是其他具有转账功能的应用程序;支付用途可以为购物、生活缴费或者转账等。
在上述步骤102中,为了能够得到准确的用户多个账户的支付优先级,可以根据用户的历史行为数据和对应的用户多个账户的历史支付优先级,训练用户行为分析模型,然后将用户提交支付请求时的行为数据输入该模型,对用户的行为数据进行分析,进而可以准确地确定用户多个账户的支付优先级。
需要说明的是,银行核心系统存储有用户名下所有的账户信息以及每个账户的历史交易信息。其账户信息包括一二类借记卡、二三类电子账户及信用卡相关信息等;其历史交易信息包括用户在交易时的历史行为数据、历史交易账户信息和历史交易金额等。因此,可以通过银行核心系统得到用户的历史行为数据和对应的用户多个账户的历史支付优先级,进而对机器学习模型训练。
具体实施时,从银行核心系统获取用户名下每个账户的历史交易信息,统计每一个交易场景中使用的交易账户,以及该交易账户在该交易场景中的支付频次、交易金额等,交易场景可以根据历史行为数据确定。根据统计结果,可以确定用户的历史行为数据和对应的用户多个账户的历史支付优先级。
例如,用户在购物(即历史行为数据)中,使用银行卡A支付3次,使用银行卡B支付1次,使用银行卡C支付2次,那么,用户购物行为对应的用户多个账户的历史支付优先级为银行卡A、银行卡C、银行卡B。
如图2所示,为本发明实施例提供的一种用户行为分析模型训练方法流程图,包括以下步骤:
步骤201:将用户的历史行为数据和对应的用户多个账户的历史支付优先级作为样本数据,构建训练集和测试集。
具体实施时,可以将用户的历史行为数据和对应的用户多个账户的历史支付优先级按照预设的比例,构建训练集和测试集。例如,可以是按照3:1的比例,构建训练集和测试集。
步骤202:利用训练集对机器学习模型进行训练,得到用户行为分析模型。
随着时间的变化,用户的消费习惯也在发生变化,例如,用户在某个支付场景中常用的支付账户发生变化等。因此,为了使得最终训练的用户行为分析模型更加准确,可以认为训练集中距离当前时间近的数据对模型的影响越大,反之越小。
因此,如图3所示,步骤202,可以包括:
步骤301:在利用训练集对机器学习模型进行训练时,按时间顺序设置训练集中样本数据的权重,其中距离当前时间越近的样本数据权重越大。
步骤203:利用测试集对用户行为分析模型进行测试。
这样,基于用户的历史行为数据和对应的用户多个账户的历史支付优先级,对用户行为分析模型进行不断地优化训练,可以确保用户行为分析模型输出更准确地用户多个账户支付优先级。
另外,本发明实施例中,在得到本次支付请求对应的用户多个账户的支付优先级之后,还可以利用本次用户提交支付请求时的行为数据及其对应的用户多个账户支付优先级对用户行为分析模型进行训练,优化用户行为分析模型。
如图4所示,在将用户提交支付请求时的行为数据输入用户行为分析模型,得到用户多个账户的支付优先级之后,还包括:
步骤401:,将本次用户行为数据和对应的用户多个账户的支付优先级作为样本数据,补入训练集,继续对机器学习模型进行训练,以更新用户行为分析模型。
在上述步骤103中,按照步骤102中得到的支付优先级从高到低的顺序,依次从用户多个账户扣除可用余额,直至扣除总额满足账单金额。
具体实施时,按照支付优先级从高到低的顺序,依次查询每个账户的状态及可用余额,进行余额扣除,直至扣除总额满足账单金额。
例如,查询处于第一排序的账户A中的可用余额是否达到账单金额,若未达到,计算账户A和账单金额的差额后将账户A信息推送至支付信息融合模块,支付信息融合模块用于存储用于扣款的多个账户,在支付信息融合模块中的多个账户的可用余额满足账单金额的情况下,对支付信息融合模块中的多个账户依次进行扣款;继续查询第二排序的账户B,若账户B可用余额大于差额,推送账户B信息至支付信息融合模块,此时,支付信息融合模块中的多个账户的可用余额满足账单金额,停止查询其他账户的可用余额。若账户B可用余额仍不够补填差额,推送账户B信息至支付信息模块并计算新差额,继续查询账户C中的可用余额是否达到新差额……直至进入支付信息融合模块的账户总额大于或等于账单金额即停止查询与计算。然后按照输入顺序依次扣除支付信息融合模块中各账户金额,最后一个账户仅扣除差额即可。例如:在满足账单金额的账户数目为3个账户的情况下,账户C扣除金额=账单金额-账户A可用余额-账户B可用余额。
这样,本发明实施例根据用户历史行为数据和对应的用户多个账户的历史支付优先级,建立用户行为分析模型,可以按照用户行为习惯得到用户多个账户的支付顺序,并计算各账户当前可用余额,若单个账户无法全额支付时,可依次使用其他账户默认为用户填补账单剩余金额,直至账单交易完成,为用户的支付流程打造无断点、高效智慧的支付模式。
本发明实施例中还提供了一种多账户融合支付装置,如下面的实施例所述。由于该装置解决问题的原理与多账户融合支付方法相似,因此该装置的实施可以参见多账户融合支付方法的实施,重复之处不再赘述。
如图5所示,为本发明实施例提供的一种多账户融合支付装置的示意图,包括:
支付请求接收模块501,用于接收用户提交的支付请求,支付请求包括账单金额;
支付优先级确定模块502,用于将用户提交支付请求时的行为数据输入用户行为分析模型,得到用户多个账户的支付优先级;其中,用户行为分析模型根据用户的历史行为数据和对应的用户多个账户的历史支付优先级,对机器学习模型训练得到;
金额扣除模块503,用于按支付优先级从高到低的顺序,依次从用户多个账户扣除可用余额,直至扣除总额满足账单金额。
在一种可能的实施方式中,如图6所示,上述装置还包括:
样本构建模块601,用于将用户的历史行为数据和对应的用户多个账户的历史支付优先级作为样本数据,构建训练集和测试集;
训练模块602,用于利用训练集对机器学习模型进行训练,得到用户行为分析模型;
测试模块603,用于利用测试集对用户行为分析模型进行测试。
在一种可能的实施方式中,训练模块具体用于:
在利用训练集对机器学习模型进行训练时,按时间顺序设置训练集中样本数据的权重,其中距离当前时间越近的样本数据权重越大。
在一种可能的实施方式中,如图7所示,图5所示的装置还包括:
更新模块701,用于将本次用户行为数据和对应的用户多个账户的支付优先级作为样本数据,补入训练集,继续对机器学习模型进行训练,以更新用户行为分析模型。
在一种可能的实施方式中,用户的行为数据,包括:
用户的支付渠道,和/或,用户的支付用途。
本发明实施例中,利用用户的历史行为数据和对应的用户多个账户的历史支付优先级,训练得到用户行为分析模型,可以根据用户的行为习惯准确确定出用户使用多个账户的支付优先级顺序,进而根据该支付优先级,依次对多个账户进行扣款,从而可以避免用户的付款流程中出现断点,提高了用户的支付效率,以及提升了用户体验。
基于前述发明构思,如图8所示,本发明实施例还提供一种计算机设备800,包括存储器810、处理器820及存储在存储器810上并可在处理器820上运行的计算机程序830,所述处理器执行所述计算机程序时实现上述多账户融合支付方法。
本发明实施例还提供一种计算机可读存储介质,所述计算机可读存储介质存储有执行上述多账户融合支付方法的计算机程序。
本发明实施例中,与现有的用户需逐一更换绑定账户支付的方法相比,本发明利用用户的历史行为数据和对应的用户多个账户的历史支付优先级,训练得到用户行为分析模型,根据用户行为分析模型可以准确地分析出用户名下的多个账户的支付优先级,进而根据该支付优先级,依次对多个账户进行扣款,从而可以避免用户的付款流程中出现断点,提高了用户的支付效率,提升了用户体验。且根据用户的历史行为数据和对应的用户多个账户的历史支付优先级,训练得到用户行为分析模型,输出结果更加准确。
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实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上所述的具体实施例,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施例而已,并不用于限定本发明的保护范围,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (12)
1.一种多账户融合支付方法,其特征在于,包括:
接收用户提交的支付请求,支付请求包括账单金额;
将用户提交支付请求时的行为数据输入用户行为分析模型,得到用户多个账户的支付优先级;其中,用户行为分析模型根据用户的历史行为数据和对应的用户多个账户的历史支付优先级,对机器学习模型训练得到;
按支付优先级从高到低的顺序,依次从用户多个账户扣除可用余额,直至扣除总额满足账单金额。
2.如权利要求1所述的方法,其特征在于,将用户提交支付请求时的行为数据输入用户行为分析模型之前,还包括:
将用户的历史行为数据和对应的用户多个账户的历史支付优先级作为样本数据,构建训练集和测试集;
利用训练集对机器学习模型进行训练,得到用户行为分析模型;
利用测试集对用户行为分析模型进行测试。
3.如权利要求2所述的方法,其特征在于,利用训练集对机器学习模型进行训练,包括:
在利用训练集对机器学习模型进行训练时,按时间顺序设置训练集中样本数据的权重,其中距离当前时间越近的样本数据权重越大。
4.如权利要求1所述的方法,其特征在于,将用户提交支付请求时的行为数据输入用户行为分析模型,得到用户多个账户的支付优先级之后,还包括:
将本次用户行为数据和对应的用户多个账户的支付优先级作为样本数据,补入训练集,继续对机器学习模型进行训练,以更新用户行为分析模型。
5.如权利要求1所述的方法,其特征在于,用户的行为数据,包括:
用户的支付渠道,和/或,用户的支付用途。
6.一种多账户融合支付装置,其特征在于,包括:
支付请求接收模块,用于接收用户提交的支付请求,支付请求包括账单金额;
支付优先级确定模块,用于将用户提交支付请求时的行为数据输入用户行为分析模型,得到用户多个账户的支付优先级;其中,用户行为分析模型根据用户的历史行为数据和对应的用户多个账户的历史支付优先级,对机器学习模型训练得到;
金额扣除模块,用于按支付优先级从高到低的顺序,依次从用户多个账户扣除可用余额,直至扣除总额满足账单金额。
7.如权利要求6所述的装置,其特征在于,还包括:
样本构建模块,用于将用户的历史行为数据和对应的用户多个账户的历史支付优先级作为样本数据,构建训练集和测试集;
训练模块,用于利用训练集对机器学习模型进行训练,得到用户行为分析模型;
测试模块,用于利用测试集对用户行为分析模型进行测试。
8.如权利要求7所述的装置,其特征在于,训练模块具体用于:
在利用训练集对机器学习模型进行训练时,按时间顺序设置训练集中样本数据的权重,其中距离当前时间越近的样本数据权重越大。
9.如权利要求6所述的装置,其特征在于,还包括:
更新模块,用于将本次用户行为数据和对应的用户多个账户的支付优先级作为样本数据,补入训练集,继续对机器学习模型进行训练,以更新用户行为分析模型。
10.如权利要求6所述的装置,其特征在于,用户的行为数据,包括:
用户的支付渠道,和/或,用户的支付用途。
11.一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,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任一所述方法。
12.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有执行权利要求1至5任一所述方法的计算机程序。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111247738.4A CN113962689A (zh) | 2021-10-26 | 2021-10-26 | 多账户融合支付方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111247738.4A CN113962689A (zh) | 2021-10-26 | 2021-10-26 | 多账户融合支付方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113962689A true CN113962689A (zh) | 2022-01-21 |
Family
ID=79467164
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111247738.4A Pending CN113962689A (zh) | 2021-10-26 | 2021-10-26 | 多账户融合支付方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113962689A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117011062A (zh) * | 2023-08-30 | 2023-11-07 | 广州佳新智能科技有限公司 | 基于互联网的银行资金支付方法、系统和计算机设备 |
-
2021
- 2021-10-26 CN CN202111247738.4A patent/CN113962689A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117011062A (zh) * | 2023-08-30 | 2023-11-07 | 广州佳新智能科技有限公司 | 基于互联网的银行资金支付方法、系统和计算机设备 |
CN117011062B (zh) * | 2023-08-30 | 2024-04-12 | 广州佳新智能科技有限公司 | 基于互联网的银行资金支付方法、系统和计算机设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109146440B (zh) | 交易结算方法、装置、服务器以及存储介质 | |
CN108846520A (zh) | 贷款逾期预测方法、装置以及计算机可读存储介质 | |
US20120078790A1 (en) | Real-time interchange fee estimation | |
CN108711047B (zh) | 一种自动还款方法、系统及终端设备 | |
JP5580436B2 (ja) | 対価計算システム及び対価計算用のコンピュータプログラム | |
CN109166027A (zh) | 一种借款合约处理方法及装置 | |
CN106096854A (zh) | 一种数据处理方法和装置 | |
CN108615184A (zh) | 一种记账的方法及装置 | |
CN107563889A (zh) | 账户余额信息处理方法及装置 | |
CN112215701A (zh) | 一种多账户间资金灵活管理方法和装置 | |
US20140052616A1 (en) | Payment system and methods for brokering consumer-pay transactions | |
CN116503065A (zh) | 订单处理系统、方法、装置、存储介质及设备 | |
CN108876601A (zh) | 一种贷款请求处理方法、装置、电子设备及存储介质 | |
CN113962689A (zh) | 多账户融合支付方法及装置 | |
CN108961023A (zh) | 一种信用退税方法、装置、系统及电子设备 | |
CN103366270A (zh) | 一种多平台的数据交互方法及系统 | |
Hu et al. | Social welfare–based concession model for build/operate/transfer contracts | |
CN113222300B (zh) | 产品改造数据的处理方法、装置、可读介质以及设备 | |
CN109064148A (zh) | 一种与区块链分布式网络可操作地连接的系统 | |
CN115269085A (zh) | 手机银行页面展示方法及装置 | |
CN109272399B (zh) | 一种信用卡的管理方法及装置 | |
CN110175918B (zh) | 一种区块链服务结构及快速部署方法 | |
CN110599185A (zh) | 账户同步方法及装置、数据交易系统、存储介质、终端 | |
CN112037049A (zh) | 银行卡收费方法及装置 | |
CN111429251A (zh) | 多模式下数据处理的方法和装置 |
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 |