CN114827310B - 交易清算报文传输方法及装置 - Google Patents
交易清算报文传输方法及装置 Download PDFInfo
- Publication number
- CN114827310B CN114827310B CN202210444364.3A CN202210444364A CN114827310B CN 114827310 B CN114827310 B CN 114827310B CN 202210444364 A CN202210444364 A CN 202210444364A CN 114827310 B CN114827310 B CN 114827310B
- Authority
- CN
- China
- Prior art keywords
- message
- transaction
- information
- determining
- service data
- 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 60
- 230000005540 biological transmission Effects 0.000 title claims abstract description 49
- 238000004458 analytical method Methods 0.000 claims abstract description 53
- 238000012545 processing Methods 0.000 claims abstract description 31
- 238000004590 computer program Methods 0.000 claims description 17
- 238000004422 calculation algorithm Methods 0.000 claims description 7
- 238000013135 deep learning Methods 0.000 claims description 7
- 238000012549 training Methods 0.000 claims description 5
- 230000007613 environmental effect Effects 0.000 claims description 3
- 238000013473 artificial intelligence Methods 0.000 abstract description 3
- 238000012360 testing method Methods 0.000 description 22
- 238000010586 diagram Methods 0.000 description 12
- 230000003993 interaction Effects 0.000 description 10
- 230000008569 process Effects 0.000 description 8
- 230000006870 function Effects 0.000 description 7
- 238000004891 communication Methods 0.000 description 5
- 238000004519 manufacturing process Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 241000321453 Paranthias colonus Species 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000001172 regenerating effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L69/00—Network arrangements, protocols or services independent of the application payload and not provided for in the other groups of this subclass
- H04L69/22—Parsing or analysis of headers
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/36—Preventing errors by testing or debugging software
- G06F11/3668—Software testing
- G06F11/3672—Test management
- G06F11/3684—Test management for test design, e.g. generating new test cases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/907—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/909—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using geographical or spatial information, e.g. location
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L69/00—Network arrangements, protocols or services independent of the application payload and not provided for in the other groups of this subclass
- H04L69/26—Special purpose or proprietary protocols or architectures
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Computer Security & Cryptography (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Signal Processing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Quality & Reliability (AREA)
- Data Mining & Analysis (AREA)
- Computer Hardware Design (AREA)
- Library & Information Science (AREA)
- Computing Systems (AREA)
- Information Transfer Between Computers (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种交易清算报文传输方法及装置，可用于人工智能技术领域，所述方法包括：根据用户确定的交易区域确定对应的目标数据库，从所述目标数据库中获取存量业务数据；根据存量业务数据和预设分析模型确定标准报文信息；根据所述交易区域确定环境配置信息，根据所述环境配置信息将所述标准报文信息传输至对应的服务器进行报文处理，本发明可根据业务数据自动生成对应的标准报文信息，从而便于根据标准报文信息形成测试用例，提高标准报文信息的生成和管理以及清算系统的测试效率，满足清算系统高频场景测试的需求。
Description
技术领域
本发明涉及互联网技术领域，特别涉及金融领域，尤其涉及一种交易清算报文传输方法及装置。
背景技术
近年来，随着国际化的不断发展，对于商业银行等金融机构，不同交易区域(例如，不同国家)的分支金融机构需加入交易区域当地的清算系统，以便更好的为当地客户服务。
目前，不同交易区域的清算系统的测试工作中存在以下问题：1、各交易区域本地清算报文标准不一致，报文格式差异大，且分散，无法集中管理。2、人工进行报文编写并上传，占用了大量的人工资源，导致处理效率十分低下。3、针对各国家/地区业务处理要求不同，报文内容填写习惯不同，场景测试用例设计工作量大，难以针对高频业务场景进行测试。
发明内容
本发明的一个目的在于提供一种交易清算报文传输方法，根据业务数据自动生成对应的标准报文信息，从而便于根据标准报文信息形成测试用例，提高标准报文信息的生成和管理以及清算系统的测试效率，满足清算系统高频场景测试的需求。本发明的另一个目的在于提供一种交易清算报文传输装置。本发明的再一个目的在于提供一种计算机设备。本发明的还一个目的在于提供一种可读介质。
为了达到以上目的，本发明一方面公开了一种交易清算报文传输方法，包括：
根据用户确定的交易区域确定对应的目标数据库，从所述目标数据库中获取存量业务数据；
根据存量业务数据和预设分析模型确定标准报文信息；
根据所述交易区域确定环境配置信息，根据所述环境配置信息将所述标准报文信息传输至对应的服务器进行报文处理。
优选的，所述根据存量业务数据和预设分析模型确定标准报文信息具体包括：
对存量业务数据的清算报文进行特征分析得到报文特征数据；
根据所述预设分析模型基于所述报文特征数据确定清算报文中各报文项的权重；
根据所述权重确定所述各报文项中的目标报文项，根据所述目标报文项和对应的报文信息得到所述标准报文信息。
优选的，进一步包括：
将所述标准报文信息展示给用户。
优选的，所述根据所述目标报文项和对应的报文信息得到所述标准报文信息具体包括：
接收用户输入的关键字段和对应的关键值；
将所述目标报文项中与所述关键字段对应的报文项的报文信息替换为所述关键值。
优选的，进一步包括预先形成所述预设分析模型的步骤：
获取所述交易区域对应的历史业务数据；
基于Wide&Deep Learning算法形成待训练模型；
采用所述历史业务数据对所述待训练模型进行训练得到所述预设分析模型。
优选的，所述根据所述交易区域确定环境配置信息具体包括：
根据所述交易区域确定传输所述标准报文信息的IP地址、路径、用户和密码。
优选的，所述根据所述环境配置信息将所述标准报文信息传输至对应的服务器进行报文处理具体包括：
根据所述环境配置信息和所述标准报文信息生成可执行文件；
执行所述可执行文件将所述标准报文信息传输至所述环境配置信息对应的服务器进行报文处理。
本发明还公开了一种交易清算报文传输装置，包括：
数据获取模块，用于根据用户确定的交易区域确定对应的目标数据库，从所述目标数据库中获取存量业务数据；
报文生成模块，用于根据存量业务数据和预设分析模型确定标准报文信息；
报文发送模块，用于根据所述交易区域确定环境配置信息，根据所述环境配置信息将所述标准报文信息传输至对应的服务器进行报文处理。
本发明还公开了一种计算机设备，包括存储器、处理器以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程序时实现如上所述方法。
本发明还公开了一种计算机可读介质，其上存储有计算机程序，
该程序被处理器执行时实现如上所述方法。
本发明交易清算报文传输方法根据用户确定的交易区域确定对应的目标数据库，从所述目标数据库中获取存量业务数据；根据存量业务数据和预设分析模型确定标准报文信息；根据所述交易区域确定环境配置信息，根据所述环境配置信息将所述标准报文信息传输至对应的服务器进行报文处理。从而，本发明可根据用户指定的交易区域确定交易区域对应的目标数据库，并从目标数据库中获取交易区域的存量业务数据。根据预设分析模型从存量业务数据中提取关键数据得到标准报文信息，然后根据交易区域的环境配置信息将标准报文信息传输至交易区域对应的服务器进行报文处理，可根据生成的标准报文信息形成测试用例，对清算系统进行测试。由此，本发明基于用户指定的交易区域，通过交易区域对应的预设分析模型对业务数据进行分析确定标准报文信息，实现标准报文信息的自动生成，并通过环境配置信息自动将标准报文信息传输至对应的服务器，实现标准报文信息的自动传输及集中管理。并且，基于预设分析模型确定的标准报文信息更能反映高频业务场景的特性，从而可基于标准报文信息形成高频业务场景的测试用例，满足高频业务场景测试的需求。
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。
图1示出本发明交易清算报文传输系统具体实施例的结构图；
图2示出本发明交易清算报文传输方法具体实施例的流程图；
图3示出本发明交易清算报文传输方法具体实施例S200的流程图；
图4示出本发明交易清算报文传输方法具体实施例S230的流程图；
图5示出本发明交易清算报文传输方法具体实施例S000的流程图；
图6示出本发明交易清算报文传输方法具体实施例S300的流程图；
图7和图8示出本发明交易清算报文传输方法一个具体例子中的交互界面图；
图9示出本发明交易清算报文传输装置具体实施例的结构图；
图10示出适于用来实现本发明实施例的计算机设备的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，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他实施例，都属于本发明保护的范围。
需要说明的是，本申请公开的一种交易清算报文传输方法及装置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，本申请公开的一种交易清算报文传输方法及装置的应用领域不做限定。
为了便于理解本申请提供的技术方案，下面先对本申请技术方案的相关内容进行说明。本发明实施例提供的交易清算报文传输方法基于用户指定的交易区域，通过交易区域对应的预设分析模型对业务数据进行分析确定标准报文信息，实现标准报文信息的自动生成，并通过环境配置信息自动将标准报文信息传输至对应的服务器，实现标准报文信息的自动传输及集中管理。并且，基于预设分析模型确定的标准报文信息更能反映高频业务场景的特性，从而可基于标准报文信息形成高频业务场景的测试用例，满足高频业务场景测试的需求。
图1是本发明实施例提供的交易清算报文传输系统的结构示意图，如图1所示，本发明实施例提供的交易清算报文传输系统包括交易清算报文传输装置1和多个数据库2。其中，每个数据库2存储有对应交易区域的存量业务数据。
交易清算报文传输装置1用于根据用户确定的交易区域从多个数据库2中确定对应的目标数据库，从所述目标数据库中获取存量业务数据；根据存量业务数据和预设分析模型确定标准报文信息；根据所述交易区域确定环境配置信息，根据所述环境配置信息将所述标准报文信息传输至对应的服务器进行报文处理。
下面以交易清算报文传输装置作为执行主体为例，说明本发明实施例提供的交易清算报文传输方法的实现过程。可理解的是，本发明实施例提供的交易清算报文传输方法的执行主体包括但不限于该交易清算报文传输装置。
根据本发明的一个方面，本实施例公开了一种交易清算报文传输方法。如图2所示，本实施例中，所述方法包括：
S100：根据用户确定的交易区域确定对应的目标数据库，从所述目标数据库中获取存量业务数据。
S200：根据存量业务数据和预设分析模型确定标准报文信息。
S300：根据所述交易区域确定环境配置信息，根据所述环境配置信息将所述标准报文信息传输至对应的服务器进行报文处理。
本发明交易清算报文传输方法根据用户确定的交易区域确定对应的目标数据库，从所述目标数据库中获取存量业务数据；根据存量业务数据和预设分析模型确定标准报文信息；根据所述交易区域确定环境配置信息，根据所述环境配置信息将所述标准报文信息传输至对应的服务器进行报文处理。从而，本发明可根据用户指定的交易区域确定交易区域对应的目标数据库，并从目标数据库中获取交易区域的存量业务数据。根据预设分析模型从存量业务数据中提取关键数据得到标准报文信息，然后根据交易区域的环境配置信息将标准报文信息传输至交易区域对应的服务器进行报文处理，可根据生成的标准报文信息形成测试用例，对清算系统进行测试。由此，本发明基于用户指定的交易区域，通过交易区域对应的预设分析模型对业务数据进行分析确定标准报文信息，实现标准报文信息的自动生成，并通过环境配置信息自动将标准报文信息传输至对应的服务器，实现标准报文信息的自动传输及集中管理。并且，基于预设分析模型确定的标准报文信息更能反映高频业务场景的特性，从而可基于标准报文信息形成高频业务场景的测试用例，满足高频业务场景测试的需求。
在优选的实施方式中，如图3所示，所述S200根据存量业务数据和预设分析模型确定标准报文信息具体包括：
S210：对存量业务数据的清算报文进行特征分析得到报文特征数据。
S220：根据所述预设分析模型基于所述报文特征数据确定清算报文中各报文项的权重。
S230：根据所述权重确定所述各报文项中的目标报文项，根据所述目标报文项和对应的报文信息得到所述标准报文信息。
具体的，可以理解的是，不同交易区域的清算系统在对交易区域内的业务数据进行清算后形成的清算报文会存储至对应的数据库中，从而，在不同交易区域对应的数据库中会存储有该交易区域的存量业务数据的清算报文。
其中，需要说明的是，所有交易区域可以是按照国家或区域等划分标准进行划分得到的，例如，所有交易区域可包括美国、加拿大和秘鲁等不同国家的交易区域。当然，在实际应用中，本领域技术人员可根据实际需求划分所有交易区域的具体范围，本发明对此并不作限定。
在对存量业务数据的清算报文进行特征分析得到报文特征数据时，可预设清算报文相关的特征，对存量业务数据的清算报文进行特征提取形成报文特征数据，以用于对报文的特征进行分析，确定权重高的权重形成标准报文信息。
在该优选的实施方式中，为了实现报文特征数据的自动化分析以及形成高频场景的标准报文信息，通过预设分析模型对清算报文的报文特征数据进行分析以确定清算报文中各报文项的权重。通过各报文项的权重可以确定所有报文项的重要程度，高频场景对应的报文项出现的次数更多，则高频场景的报文项对应的权重也高。从而，根据各报文项的权重的高低可确定报文项是否大概率为高频场景中的报文项，进而可从权重高的报文项中选取权重较高的目标报文项，根据目标报文项和对应的报文信息形成标准报文信息，以使自动化生成的标准报文信息与高频场景对应，便于后续基于标准报文信息形成测试用例。
其中，需要说明的是，本领域技术人员可根据实际需求确定目标报文项的选取标准，根据该选取标准根据各报文项的权重从所有报文项中选取所需的目标报文项，本发明对此并不作限定。
在一个具体例子中，在根据所述预设分析模型基于所述报文特征数据确定清算报文中各报文项的权重时，可使用Wide&Deep Learning模型对报文特征数据进行统计。首先，利用Wide模型，通过分析该交易区域清算业务存量报文特征数据，计算每一报文项对于当前清算报文的影响权重。Wide模型主要是对收款人、付款人、收款地址、付款地址和附言等关键报文项的报文信息进行分析计算，生成一个粗略的组报方案。以MT103报文类型为例，报文由若干报文项组成，其中必输项包含发报行编号、业务代码、起息日币种及清算金额、汇款人、收款人、费用明细共6项，选输项可以有汇款行、账户行、汇款信息、附言等报文项。选取该地区100笔生产报文进行分析计算，其中以上四个选输项占比为0％、20％、80％、95％，则可以认为该地区行业惯例通常不填写汇款行和账户行信息，而大多会填写汇款信息和附言。以50％为界限，该地区报文组报方案应包含6个必输项+2个选输项。
对于Deep模型，以必输项汇款人信息为例，可以使用A、F、K结构，且填写内容根据SWIFT报文标准支持字符为"a-zA-Z0-9/？:().,'+-空格"。选取该地区100笔生产报文进行分析计算，3种结构的使用率分别为0％，60％，40％，以33％为界限，则可以认为该地区行业惯例中对于汇款人信息常使用F、K结构，该地区报文组报方案中汇款人信息应覆盖F、K结构。同时通过分析看出“/”字符的使用占比为40％，因特殊字符在软件系统中存在差别处理，因此只要出现使用情况报文组报方案中就应覆盖到。利用Deep模型分析挖掘各报文项的报文信息的各类特征，提升推荐组报的多样性和针对性。
根据以上步骤，可以得出该地区报文组成方案为：发报行编号+业务代码+起息日币种及清算金额+汇款人(F、K结构，且包含“/”字符)+收款人+费用明细+汇款信息+附言。将Wide和Deep输出的权重结果经过一个共同的模型对以上特征权重加权求和后得到清算报文中各报文项的最终权重，以根据各报文项的权重生成标准报文信息。在一个具体例子中，可通过一个共同的模型对Wide模型和Deep模型输出的权重结果分别赋予对应的加权值，各报文项的权重结果基于对应的加权值进行加权，最后可得到各报文项的最终权重，基于各报文项的最终权重可通过一定的选取规则从所有项文项中选择用于形成标准报文信息的至少一个报文项。
需要说明的是，本实施例中，本领域技术人员可根据现有技术构建Wide模型、Deep模型以及共同的模型，在此不再赘述。并且，在实际应用中，本领域技术人员可根据实际情况选择加权值和基于最终权重的报文项选取规则，本发明对此并不作限定。
在优选的实施方式中，所述方法进一步包括：
S400：将所述标准报文信息展示给用户。
具体的，在该优选的实施方式中，执行交易清算报文传输方法的交易清算报文传输装置进一步包括与用户交互的交互装置。从而，通过交易清算报文传输装置的交互装置可将标准报文信息展示给用户，用户可对标准报文信息进行确认或修改等操作，以满足用户的灵活性设置需求。
可以理解的是，优选的，当交易清算报文传输装置设置有交互装置时，用户可通过交互装置确定待生成标准报文信息的交易区域。具体的，在一个可选的实施方式中，交易清算报文传输装置可通过交互装置向用户展示所有交易区域的列表，以使用户可从交易区域的列表中选择一个交易区域，则交易清算报文传输装置可根据用户通过选择确定的交易区域确定对应的目标数据库。在另一个可选的实施方式中，交易清算报文传输装置可通过交互装置接收用户输入的交易区域，根据用户通过交互装置输入的交易区域确定对应的目标数据库。其中，交互装置包括但不限于触控屏等本领域常见的交互装置。当然，在实际应用中，也可通过其他方式获取用户确定的交易区域，本发明对此并不作限定。
在优选的实施方式中，如图4所示，所述S230根据所述目标报文项和对应的报文信息得到所述标准报文信息具体包括：
S231：接收用户输入的关键字段和对应的关键值。
S232：将所述目标报文项中与所述关键字段对应的报文项的报文信息替换为所述关键值。
具体的，在该优选的实施方式中，为了提高报文生成的灵活性，可接收用户输入的关键字段和对应的关键值，并将目标报文项中与关键字段相匹配的目标报文项的报文信息替换为用户输入的关键值。从而，用户可通过输入关键字段和关键值的方式对生成的报文中的报文信息进行替换，重组标准报文信息。
在优选的实施方式中，如图5所示，所述方法进一步包括预先形成所述预设分析模型的步骤S000：
S010：获取所述交易区域对应的历史业务数据。
S020：基于Wide&Deep Learning算法形成待训练模型。
S030：采用所述历史业务数据对所述待训练模型进行训练得到所述预设分析模型。
具体的，在该优选的实施方式中，在形成预设分析模型时，可基于Wide&DeepLearning算法形成待训练模型，然后获取交易区域的历史业务数据，对历史业务数据的清算报文进行特征分析得到报文特征数据。将历史业务数据的报文特征数据输入Wide和DeepLearning算法形成的模型中对模型进行训练，得到预设分析模型。由此，在对存量业务数据进行分析时，该预设分析模型可确定存量业务数据的报文特征数据中各报文项的权重大小。
在优选的实施方式中，所述S300根据所述交易区域确定环境配置信息具体包括：
S310：根据所述交易区域确定传输所述标准报文信息的IP地址、路径、用户和密码。
具体的，为了将标准报文信息进行统一管理，可根据交易区域自动定位统一管理该交易区域的标准报文信息的环境配置信息，根据环境配置信息可确定存储和管理标准报文信息的位置。进而可根据环境配置信息将标准报文信息传输至存储标准报文信息的位置。在该优选的实施方式中，环境配置信息包括存储标准报文信息的服务器的IP地址、路径、用户和密码。从而，通过IP地址和路径可链接至交易区域对应的服务器，通过用户和密码可登陆服务器进行相关操作，实现标准报文信息的存储和管理，全程无需人工介入，不占用人工资源，处理效率高。
在优选的实施方式中，如图6所示，所述S300根据所述环境配置信息将所述标准报文信息传输至对应的服务器进行报文处理具体包括：
S321：根据所述环境配置信息和所述标准报文信息生成可执行文件。
S322：执行所述可执行文件将所述标准报文信息传输至所述环境配置信息对应的服务器进行报文处理。
具体的，为了将生成的标准报文信息传输至环境配置信息对应的服务器，可根据环境配置信息和标准报文信息生成可执行文件，并自动执行该可执行文件，实现将标准报文信息发送至环境配置信息对应的服务器的目的。传输并存储至环境配置信息对应的服务器的标准报文信息可用于生成与高频场景对应的测试用例，对清算系统进行测试，避免了由于不同国家/地区的交易区域的业务处理要求不同而导致的测试人员需要耗费大量时间进行针对性的设计高频场景测试用例的目的，可提高高频业务场景测试用例的生成效率和准确率。
下面通过一个具体例子来对本发明作进一步的说明。在该具体例子中，交易清算报文传输方法包括以下步骤：
步骤1：用户在交互装置的界面选择国家/地区，以确定交易区域，并可选择对应的清算系统的业务类型，交易清算报文传输装置根据用户选择的国家/地区及业务类型，利用Wide&Deep Learning算法，通过该国家/地区本地清算业务数据的各报文项的特征数据进行训练分析得到预设分析模型，通过预设分析模型可获取存量业务数据的特征数据的推荐目标报文项，并展现在用户界面中。
例如，如图7所示，用户选取“美国”--“美国FEDWIRE收报”，装置跳转至对应界面，同时装置后台展现“美国FEDWIRE收报”以及推荐目标报文项(账号、户名信息)如下。
{1100}30PN{1110}05261647FT03{1120}20180425QMGFNP6800201610091641FT 03{1510}1600{1520}20180425LLDEP110000001{2000}000000041234{3100}307070047SAFCU*{3320}LL1*{3400}026010948INDST & COM BK CHN*{3600}DEP{5000}D307070047*SANDIAAREA FCU*PO BOX 18044*ALBUQUERQUE,NM 87135-0044*{6500}CD PURCHASE INS#014868*CONTACT:KEVIN TODD*PH.505-292-6343 EXT.1032*ACH INSTRUCTIONS:SANDIA AREA FCU*ABA#307070047*ACH GL#7820000000TRAN CODE TP 42*。
步骤2：根据用户在界面填写的关键字段和关键值，对标准报文信息进行固定位置的替换及加工处理，满足报文简电规范，并重组生成标准报文信息txt文本。
例如，用户填写系统日期为20220128，将该信息替换至步骤1获取到的报文简电预设位置，生成新的报文简电。
{1100}30PN{1110}05261647FT03{1120}20180425QMGFNP6800201610091641FT将日期预设位置进行替换，得到如下标准报文信息，并生成txt文件。
{1100}30PN{1110}05261647FT03{1120}20220128QMGFNP6800201610091641FT。
步骤3：根据用户选取的交易区域获取传输标准报文信息所需的环境配置信息。
例如，用户选择美国交易区域对应的2套环境，装置后台则会获取对应环境配置信息：ip地址、路径、用户和密码等信息。该具体例子中，IP:83.253.114.70，用户：test，密码：test，路径：/approot/CCFAMBatch/data/usa/recv/fedwire/。
步骤4：将标准报文信息和环境配置信息进行整合，生成bat工具，并完成报文上传。例如，如图8所示，将前述步骤生成的标准报文信息txt文件和环境配置信息整合，生成bat工具，并自动执行该bat工具，完成ftp上传功能，实现自动模拟收取标准报文信息。
基于相同原理，本实施例还公开了一种交易清算报文传输装置。如图9所示，本实施例中，所述装置包括数据获取模块11、报文生成模块12和报文发送模块13。
其中，数据获取模块11用于根据用户确定的交易区域确定对应的目标数据库，从所述目标数据库中获取存量业务数据。
报文生成模块12用于根据存量业务数据和预设分析模型确定标准报文信息。
报文发送模块13用于根据所述交易区域确定环境配置信息，根据所述环境配置信息将所述标准报文信息传输至对应的服务器进行报文处理。
由于该装置解决问题的原理与以上方法类似，因此本装置的实施可以参见方法的实施，在此不再赘述。
上述实施例阐明的系统、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为计算机设备，具体的，计算机设备例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
在一个典型的实例中计算机设备具体包括存储器、处理器以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程序时实现如上所述的由客户端执行的方法，或者，所述处理器执行所述程序时实现如上所述的由服务器执行的方法。
下面参考图10，其示出了适于用来实现本申请实施例的计算机设备600的结构示意图。
如图10所示，计算机设备600包括中央处理单元(CPU)601，其可以根据存储在只读存储器(ROM)602中的程序或者从存储部分608加载到随机访问存储器(RAM))603中的程序而执行各种适当的工作和处理。在RAM603中，还存储有系统600操作所需的各种程序和数据。CPU601、ROM602、以及RAM603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
以下部件连接至I/O接口605：包括键盘、鼠标等的输入部分606；包括诸如阴极射线管(CRT)、液晶反馈器(LCD)等以及扬声器等的输出部分607；包括硬盘等的存储部分608；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609。通信部分609经由诸如因特网的网络执行通信处理。驱动器610也根据需要连接至I/O接口605。可拆卸介质611，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610上，以便于从其上读出的计算机程序根据需要被安装如存储部分608。
特别地，根据本发明的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本发明的实施例包括一种计算机程序产品，其包括有形地包含在机器可读介质上的计算机程序，所述计算机程序包括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609从网络上被下载和安装，和/或从可拆卸介质611被安装。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
为了描述的方便，描述以上装置时以功能分为各种单元分别描述。当然，在实施本申请时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
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。
还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白，本申请的实施例可提供为方法、系统或计算机程序产品。因此，本申请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，本申请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。
本申请可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本申请，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
以上所述仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。
Claims (8)
1.一种交易清算报文传输方法，其特征在于，包括：
根据用户确定的交易区域确定对应的目标数据库，从所述目标数据库中获取存量业务数据；
根据存量业务数据和预设分析模型确定标准报文信息；
根据所述交易区域确定环境配置信息，根据所述环境配置信息将所述标准报文信息传输至对应的服务器进行报文处理；
所述根据存量业务数据和预设分析模型确定标准报文信息具体包括：
对存量业务数据的清算报文进行特征分析得到报文特征数据；
根据所述预设分析模型基于所述报文特征数据确定清算报文中各报文项的权重；
根据所述权重确定所述各报文项中的目标报文项，根据所述目标报文项和对应的报文信息得到所述标准报文信息；
进一步包括预先形成所述预设分析模型的步骤：
获取所述交易区域对应的历史业务数据；
基于Wide&Deep Learning算法形成待训练模型；
采用所述历史业务数据对所述待训练模型进行训练得到所述预设分析模型。
2.根据权利要求1所述的交易清算报文传输方法，其特征在于，进一步包括：
将所述标准报文信息展示给用户。
3.根据权利要求2所述的交易清算报文传输方法，其特征在于，所述根据所述目标报文项和对应的报文信息得到所述标准报文信息具体包括：
接收用户输入的关键字段和对应的关键值；
将所述目标报文项中与所述关键字段对应的报文项的报文信息替换为所述关键值。
4.根据权利要求1所述的交易清算报文传输方法，其特征在于，所述根据所述交易区域确定环境配置信息具体包括：
根据所述交易区域确定传输所述标准报文信息的IP地址、路径、用户和密码。
5.根据权利要求1所述的交易清算报文传输方法，其特征在于，所述根据所述环境配置信息将所述标准报文信息传输至对应的服务器进行报文处理具体包括：
根据所述环境配置信息和所述标准报文信息生成可执行文件；
执行所述可执行文件将所述标准报文信息传输至所述环境配置信息对应的服务器进行报文处理。
6.一种交易清算报文传输装置，其特征在于，包括：
数据获取模块，用于根据用户确定的交易区域确定对应的目标数据库，从所述目标数据库中获取存量业务数据；
报文生成模块，用于根据存量业务数据和预设分析模型确定标准报文信息；
报文发送模块，用于根据所述交易区域确定环境配置信息，根据所述环境配置信息将所述标准报文信息传输至对应的服务器进行报文处理；
所述根据存量业务数据和预设分析模型确定标准报文信息具体包括：
对存量业务数据的清算报文进行特征分析得到报文特征数据；
根据所述预设分析模型基于所述报文特征数据确定清算报文中各报文项的权重；
根据所述权重确定所述各报文项中的目标报文项，根据所述目标报文项和对应的报文信息得到所述标准报文信息；
进一步包括预先形成所述预设分析模型的步骤：
获取所述交易区域对应的历史业务数据；
基于Wide&Deep Learning算法形成待训练模型；
采用所述历史业务数据对所述待训练模型进行训练得到所述预设分析模型。
7.一种计算机设备，包括存储器、处理器以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程序时实现如权利要求1-5任一项所述方法。
8.一种计算机可读介质，其上存储有计算机程序，其特征在于，
该程序被处理器执行时实现如权利要求1-5任一项所述方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210444364.3A CN114827310B (zh) | 2022-04-26 | 2022-04-26 | 交易清算报文传输方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210444364.3A CN114827310B (zh) | 2022-04-26 | 2022-04-26 | 交易清算报文传输方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114827310A CN114827310A (zh) | 2022-07-29 |
| CN114827310B true CN114827310B (zh) | 2024-01-05 |
Family
ID=82506725
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210444364.3A Active CN114827310B (zh) | 2022-04-26 | 2022-04-26 | 交易清算报文传输方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114827310B (zh) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110390589A (zh) * | 2019-07-26 | 2019-10-29 | 中国工商银行股份有限公司 | 汇款数据的处理方法、装置、系统、电子设备及存储介质 |
| CN110471834A (zh) * | 2019-06-28 | 2019-11-19 | 平安银行股份有限公司 | 多交易渠道下的信用卡模拟测试方法及相关设备 |
| CN111177005A (zh) * | 2019-12-31 | 2020-05-19 | 中国银行股份有限公司 | 业务应用的测试方法、装置、服务器和存储介质 |
| CN114356777A (zh) * | 2022-01-10 | 2022-04-15 | 中国民航信息网络股份有限公司 | 业务场景的测试方法及装置、存储介质及电子设备 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10482006B2 (en) * | 2017-06-16 | 2019-11-19 | Cognizant Technology Solutions India Pvt. Ltd. | System and method for automatically categorizing test cases for model based testing |
-
2022
- 2022-04-26 CN CN202210444364.3A patent/CN114827310B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110471834A (zh) * | 2019-06-28 | 2019-11-19 | 平安银行股份有限公司 | 多交易渠道下的信用卡模拟测试方法及相关设备 |
| CN110390589A (zh) * | 2019-07-26 | 2019-10-29 | 中国工商银行股份有限公司 | 汇款数据的处理方法、装置、系统、电子设备及存储介质 |
| CN111177005A (zh) * | 2019-12-31 | 2020-05-19 | 中国银行股份有限公司 | 业务应用的测试方法、装置、服务器和存储介质 |
| CN114356777A (zh) * | 2022-01-10 | 2022-04-15 | 中国民航信息网络股份有限公司 | 业务场景的测试方法及装置、存储介质及电子设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114827310A (zh) | 2022-07-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11599840B2 (en) | System for discovering hidden correlation relationships for risk analysis using graph-based machine learning | |
| US10873542B2 (en) | Systems and methods for allocating shared resources | |
| CN112749749B (zh) | 基于分类决策树模型的分类方法、装置及电子设备 | |
| CN106355391A (zh) | 一种业务处理方法及装置 | |
| CN105550927A (zh) | 一种银行信贷系统风险评估方法及装置 | |
| US11966972B2 (en) | Generating graphical user interfaces comprising dynamic credit value user interface elements determined from a credit value model | |
| CN110097450A (zh) | 车贷风险评估方法、装置、设备和存储介质 | |
| US20170300184A1 (en) | Method and system for providing an intuitive and interactive financial transaction categorization display | |
| CN112070310A (zh) | 基于人工智能的流失用户预测方法、装置及电子设备 | |
| CN111292090A (zh) | 用于检测异常账号的方法和装置 | |
| US20220277323A1 (en) | Predicting future occurrences of targeted events using trained artificial-intelligence processes | |
| US20230139364A1 (en) | Generating user interfaces comprising dynamic base limit value user interface elements determined from a base limit value model | |
| US20210349920A1 (en) | Method and apparatus for outputting information | |
| CN114827310B (zh) | 交易清算报文传输方法及装置 | |
| CN109344294A (zh) | 特征生成方法、装置、电子设备及计算机可读存储介质 | |
| US20230297862A1 (en) | Performing predictive inferences using multiple predictive models | |
| US20230103753A1 (en) | Generating adaptive textual explanations of output predicted by trained artificial-intelligence processes | |
| Karnouskos et al. | Developing a web application for monitoring and management of smart grid neighborhoods | |
| CN111932310A (zh) | 一种银行产品的潜在对公客户挖掘方法及装置 | |
| CN113743678B (zh) | 一种用户信用评分预测方法及相关设备 | |
| MacDonald | GIS in banking: Evaluation of Canadian bank mergers | |
| Becha et al. | The Symmetric and Asymmetric Effects of Digitalization on Economic Growth in African Countries: Evidence from Linear and Non-Linear ARDL Models | |
| EP4318375A1 (en) | Graph data processing method and apparatus, computer device, storage medium and computer program product | |
| US20220391779A1 (en) | Systems and methods for reward-driven federated learning | |
| US20240086926A1 (en) | System, Method, and Computer Program Product for Generating Synthetic Graphs That Simulate Real-Time Transactions |
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 |