CN115222522A - 跨行汇款方法、装置、设备和介质 - Google Patents
跨行汇款方法、装置、设备和介质 Download PDFInfo
- Publication number
- CN115222522A CN115222522A CN202210964534.0A CN202210964534A CN115222522A CN 115222522 A CN115222522 A CN 115222522A CN 202210964534 A CN202210964534 A CN 202210964534A CN 115222522 A CN115222522 A CN 115222522A
- Authority
- CN
- China
- Prior art keywords
- remittance
- money transfer
- historical
- elements
- current
- 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
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/02—Banking, e.g. interest calculation or account maintenance
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Accounting & Taxation (AREA)
- Economics (AREA)
- Finance (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- Development Economics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Technology Law (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本公开提供了一种跨行汇款方法,涉及金融领域。该方法包括:获得待汇款业务的N个当前汇款要素;基于预先获得的汇款预测集合,获得所述N个当前汇款要素中每个当前汇款要素的汇款成功率;根据所述每个当前汇款要素的汇款成功率,预测所述待汇款业务的汇款结果;若所述汇款结果为成功,根据所述N个汇款要素办理所述待汇款业务。能够在跨行汇款前进行预检查,提高跨行汇款成功率,降低因汇款业务办理失败而浪费的操作成本和时间成本,提高了客户体验。本公开还提供了一种跨行汇款装置、设备、存储介质和程序产品。
Description
技术领域
本公开涉及金融领域,更具体地,涉及一种跨行汇款方法、装置、设备、介质和程序产品。
背景技术
在跨行汇款过程中,客户可以通过人行网银互联等系统从汇款行向收款行的账户汇款。某些银行作为收款行接收汇款时,对使用网银互联系统的交易有特别限制,例如某些收款账户不允许使用网银互联进行交易。而汇款行或客户在汇款之前难以预知汇款结果,例如无法预先识别出账号问题,这种情况导致汇款行在与上述收款行进行网银互联交易时,可能经常出现跨行汇款失败。等到汇款业务办理之后得到收款行返回的汇款失败通知,导致汇款业务办理过程中的操作成本和时间成本被浪费,也会降低客户体验。
发明内容
鉴于上述问题,本公开提供了一种能够提前预测待汇款业务的汇款结果的跨行汇款方法、装置、设备、介质和程序产品。
本公开实施例的一个方面提供了一种跨行汇款方法,包括:获得待汇款业务的N个当前汇款要素,其中,所述N个当前汇款要素根据汇款人的汇款操作来生成;基于预先获得的汇款预测集合,获得所述N个当前汇款要素中每个当前汇款要素的汇款成功率,其中,所述汇款预测集合包括与M个历史汇款要素一一对应的M个汇款成功率,所述M个历史汇款要素包括所述N个当前汇款要素中的部分或全部要素,M、N分别为大于或等于1的整数;根据所述每个当前汇款要素的汇款成功率,预测所述待汇款业务的汇款结果;若所述汇款结果为成功,根据所述N个汇款要素办理所述待汇款业务。
根据本公开的实施例,所述基于预先获得的汇款预测集合,获得所述N个当前汇款要素中每个当前汇款要素的汇款成功率包括:确定所述待汇款业务的汇款时段;根据所述汇款时段,从所述汇款预测集合中确定对应历史时段下的所述每个当前汇款要素的汇款成功率;其中,所述汇款预测集合包括S个历史时段,每个历史时段下对应有所述与M个历史汇款要素一一对应的M个汇款成功率,S为大于或等于1的整数。
根据本公开的实施例,在获得所述N个当前汇款要素中每个当前汇款要素的汇款成功率之前,所述方法还包括预先获得所述汇款预测集合,具体包括:基于第一预设时段内的历史汇款数据获得第一样本空间,其中,所述历史汇款数据包括所述第一预设时段内的至少一笔历史汇款业务,每笔汇款业务具有至少一个历史汇款要素;基于第二预设时段内的历史汇款数据获得第二样本空间,其中,所述第二预设时段早于所述第一预设时段;从所述第二样本空间中确定出与所述第一样本空间具有特定距离的所述S个历史时段的历史汇款数据,其中,所述S个历史时段为所述第二预设时段中的S个子时段;根据所述S个历史时段的历史汇款数据获得所述汇款预测集合。
根据本公开的实施例,所述第二预设时段的长度大于或等于至少两个所述第一预设时段的长度,所述从所述第二样本空间中确定出与所述第一样本空间具有特定距离的所述S个历史时段的历史汇款数据包括:基于汇款时间点,获得第一子时段下历史汇款业务的第一汇款序列,分别获得至少两个第二子时段下历史汇款业务的至少两个第二汇款序列;根据所述第一汇款序列,利用分类算法从所述至少两个第二汇款序列中确定出K个第二汇款序列,其中,所述K个第二汇款序列与所述第一汇款序列具有所述特定距离,K为大于或等于1的整数;其中,所述第一子时段为所述第一预设时段中的任一个子时段,所述至少两个第二子时段为所述第二预设时段中与所述第一子时段的位置相同的子时段,所述位置包括同一时间粒度内的时间位置。
根据本公开的实施例,根据所述S个历史时段的历史汇款数据获得所述汇款预测集合包括:对于所述M个历史汇款要素中每个历史汇款要素,从所述K个第二汇款序列中获得所述每个历史汇款要素的汇款结果;根据所述每个历史汇款要素的汇款结果的均值,确定所述每个历史汇款要素的汇款成功率。
根据本公开的实施例,所述从所述K个第二汇款序列中获得所述每个历史汇款要素的汇款结果包括:对于所述每个历史汇款要素,将包含该历史汇款要素的历史汇款业务的汇款结果作为所述每个历史汇款要素的汇款结果,其中,所述历史汇款要素包括收款行、收款人账户、汇款时间、汇款金额和汇款方式中的至少一个。
根据本公开的实施例,所述根据所述每个当前汇款要素的汇款成功率,预测所述待汇款业务的汇款结果包括:确定所述N个当前汇款要素对应的N个汇款成功率中最低或最高的汇款成功率;根据所述最低或最高的汇款成功率,预测所述待汇款业务的汇款结果。
本公开实施例的另一方面提供了一种跨行汇款装置,包括:要素获得模块,用于获得待汇款业务的N个当前汇款要素,其中,所述N个当前汇款要素根据汇款人的汇款操作来生成;成功率模块,用于基于预先获得的汇款预测集合,获得所述N个当前汇款要素中每个当前汇款要素的汇款成功率,其中,所述汇款预测集合包括与M个历史汇款要素一一对应的M个汇款成功率,所述M个历史汇款要素包括所述N个当前汇款要素中的部分或全部要素,M、N分别为大于或等于1的整数;汇款结果模块,用于根据所述每个当前汇款要素的汇款成功率,预测所述待汇款业务的汇款结果;业务办理模块,用于若所述汇款结果为成功,根据所述N个汇款要素办理所述待汇款业务。
本公开实施例的另一方面提供了一种电子设备,包括:一个或多个处理器;存储装置,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,使得一个或多个处理器执行如上所述的方法。
本公开实施例的另一方面还提供了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执行如上所述的方法。
本公开实施例的另一方面还提供了一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现如上所述的方法。
上述一个或多个实施例具有如下有益效果:利用以历史汇款要素对应的汇款成功率作为预测基准形成的汇款预测集合,对待汇款业务的N个当前汇款要素一一获得各个要素的汇款成功率,从而确定该待汇款业务的汇款结果,在预测汇款成功的情况下才去办理该待汇款业务,进行跨行汇款。能够在跨行汇款前进行预检查,提高跨行汇款成功率,降低因汇款业务办理失败而浪费的操作成本和时间成本,提高了客户体验。
附图说明
通过以下参照附图对本公开实施例的描述,本公开的上述内容以及其他目的、特征和优点将更为清楚,在附图中:
图1示意性示出了根据本公开实施例的跨行汇款方法的应用场景图;
图2示意性示出了根据本公开实施例的跨行汇款方法的流程图;
图3示意性示出了根据本公开实施例的黑名单匹配的流程图;
图4示意性示出了根据本公开实施例的获得汇款成功率的流程图;
图5示意性示出了根据本公开实施例的预先获得汇款预测集合的流程图;
图6示意性示出了根据本公开实施例的确定出S个历史时段的历史汇款数据的流程图;
图7示意性示出了根据本公开实施例的确定每个历史汇款要素的汇款成功率的流程图;
图8示意性示出了根据本公开实施例的预测待汇款业务的汇款结果的流程图;
图9示意性示出了根据本公开实施例的跨行汇款装置的结构框图;以及
图10示意性示出了根据本公开实施例的适于实现跨行汇款方法的电子设备的方框图。
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)。
需要说明的是,本公开实施例的跨行汇款方法、装置、设备、介质和程序产品可用于金融领域在跨行汇款的相关方面,也可用于除金融领域之外的任意领域的两个相关方进行交易或数据交互的方面,本公开跨行汇款方法、装置、设备、介质和程序产品的应用领域不做限定。
在本公开的技术方案中,在获取或采集用户个人信息(如汇款数据)之前,均获取了用户的授权或同意。所涉及的用户个人信息的收集、存储、使用、加工、传输、提供、公开和应用等处理,均符合相关法律法规的规定,采取了必要保密措施,且不违背公序良俗。
图1示意性示出了根据本公开实施例的跨行汇款方法的应用场景图。
如图1所示,根据该实施例的应用场景100可以包括人行支付清算系统110、汇款行跨行清算系统120、大数据平台130和人工智能平台140。其中人行支付清算系统110负责接收处理汇款行跨行清算系统120发送的跨行汇款报文,如发送至收款行,并对其处理结果进行相应的回应。汇款行跨行清算系统120负责对各类客户跨行汇款请求进行处理,然后发送给人行支付清算系统110。如图1所示,大数据平台130、人工智能平台140与汇款行跨行清算系统120两两之间通信连接,汇款行跨行清算系统120将历史跨行汇款数据提供给大数据平台130,进行数据分析,并建立相关样本空间。人工智能平台140接收大数据平台130传输的数据,通过相应的算法(如分类算法)对数据进行解析,得到近期跨行汇款数据的特征,并提供服务供汇款行跨行清算系统120对未来的待汇款业务进行预校验,并根据预测的汇款结果确定是否执行。
汇款行跨行清算系统120、大数据平台130和人工智能平台140可以设置在一个或多个服务器中。用户可以使用终端设备通过网络与上述一个或多个服务器交互,以接收或发送消息等。终端设备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、社交平台软件等(仅为示例)。
终端设备可以是具有显示屏并且支持网页浏览的各种电子设备,包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。
服务器可以是提供各种服务的服务器,例如对用户利用终端设备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)反馈给终端设备。
以下将基于图1描述的场景,通过图2~图8对本公开实施例的跨行汇款方法进行详细描述。
图2示意性示出了根据本公开实施例的跨行汇款方法的流程图。
如图2所示,该实施例的跨行汇款方法包括操作S210~操作S240。
在操作S210,获得待汇款业务的N个当前汇款要素,其中,N个当前汇款要素根据汇款人的汇款操作来生成。
示例性地,汇款业务指由汇款人(客户)通过汇款操作发起的一笔或多笔跨行汇款。待汇款业务表征汇款行还未向人行支付清算系统110发送跨行汇款报文。汇款操作包括汇款人通过何种汇款方式在哪个时间发起的该笔跨行汇款,以及每笔跨行汇款中填入汇款信息的操作。汇款要素包括汇款方式、汇款时间以及汇款人填入的汇款信息,如收款人、收款行、收款账号和汇款金额等。
在操作S220,基于预先获得的汇款预测集合,获得N个当前汇款要素中每个当前汇款要素的汇款成功率,其中,汇款预测集合包括与M个历史汇款要素一一对应的M个汇款成功率,M个历史汇款要素包括N个当前汇款要素中的部分或全部要素,M、N分别为大于或等于1的整数。
示例性地,历史汇款要素和当前汇款要素的来源不同,历史汇款要素是通过已经办理结束的跨行汇款业务抽取获得,当前汇款要素是通过尚未办理的待汇款业务来获得。历史汇款要素和当前汇款要素的类别可以相同,例如汇款方式、汇款时间、收款人、收款行、收款账号和汇款金额等。例如通过当前汇款要素的收款行A来寻找汇款预测集合里收款行A对应的汇款成功率。
在一些实施例中,可以通过专家经验为M个历史汇款要素一一设置对应的汇款成功率。
在另一些实施例中,可以利用人工智能算法通过历史汇款数据学习到每个历史汇款要素的特征,并获得对应的汇款成功率。
在一些实施例中,若M个历史汇款要素包括全部的N个历史汇款要素,则可以从汇款预测集合中获得N个汇款成功率。若M个历史汇款要素包括部分的N个历史汇款要素,则可以从汇款预测集合中获得该部分要素对应的汇款成功率,其他汇款成功率可以根据实际需求设置,以避免对最终的汇款结果确认产生影响。
在操作S230,根据每个当前汇款要素的汇款成功率,预测待汇款业务的汇款结果。
示例性地,可以根据汇款成功率的均值来确定汇款结果,可以根据汇款成功率的最大值或最小值来确定汇款结果,还可以根据为每个当前汇款要素分配不同的权重,来结合对应的汇款成功率进行计算,从而对N个计算值综合处理得到汇款结果。在一些实施例中,每个当前汇款要素分配的权重可以从获取汇款成功的业务抽取该要素得到的数量来确定,如要素A比要素B的数量多,则权重大。
在操作S240,若汇款结果为成功,根据N个汇款要素办理待汇款业务。
若汇款结果为成功,则向人行支付清算系统110发送跨行汇款报文,来办理该笔待汇款业务。若汇款结果为失败,则自动生成通知向客户报告,向客户确认是否需要继续办理,或建议客户更改部分当前汇款要素,或拒绝为客户办理汇款业务。其中,自动生成通知可以包括自动识别出的导致该笔待汇款业务预测汇款失败的原因,例如某个汇款要素的汇款成功率较低。自动识别的过程还可以是将该笔待汇款业务与历史上失败的汇款业务进行对比,例如通过汇款要素的相似度计算来确认欧式距离最接近的失败汇款业务,并返回该失败汇款业务的失败原因。
根据本公开的实施例,利用以历史汇款要素对应的汇款成功率作为预测基准形成的汇款预测集合,对待汇款业务的N个当前汇款要素一一获得各个要素的汇款成功率,从而确定该待汇款业务的汇款结果,在预测汇款成功的情况下才去办理该待汇款业务,进行跨行汇款。能够在跨行汇款前进行预检查,提高跨行汇款成功率,降低因汇款业务办理失败而浪费的操作成本和时间成本,提高了客户体验。
图3示意性示出了根据本公开实施例的黑名单匹配的流程图。
如图3所示,该实施例确定待汇款业务的汇款结果包括操作S310~操作S340。
在操作S310,汇款行跨行清算系统120调用预检查服务。
例如汇款行跨行清算系统120在接收到待汇款业务时,调用预检查服务获取人工智能平台140提供的汇款预测集合来获得各个要素的汇款成功率。
在操作S320,确认入参是否匹配黑名单。若是,则执行操作S330。若否,则执行操作S340。
示例性地,入参可以包括N个当前汇款要素。可以提供一种基于黑名单库的跨行汇款效率提升方式,例如对汇款失败记录进行收集分析,通过人工智能学习算法,形成黑名单模型,供跨行汇款预检查使用,提高跨行汇款成功率。
其中,黑名单模型与预先获得的汇款预测集合可以是相并列的,例如通过对历史跨行汇款失败数据进行建模,最终得到汇款黑名单模型,从而在调用汇款预测集合之前实现对跨行汇款预检查。
也可以将黑名单模型作为汇款预测集合的一部分内容,如黑名单可以包括成功率较低的部分当前汇款要素。
在操作S330,返回命中。
在操作S340,返回未命中。
在一些实施例中,返回命中则可以直接确定汇款结果为失败,返回未命中则可以根据N个汇款成功率来确定汇款结果。
图4示意性示出了根据本公开实施例的获得汇款成功率的流程图。
如图4所示,操作S220中基于预先获得的汇款预测集合,获得N个当前汇款要素中每个当前汇款要素的汇款成功率包括操作S410~操作S420。其中,汇款预测集合包括S个历史时段,每个历史时段下对应有与M个历史汇款要素一一对应的M个汇款成功率,S为大于或等于1的整数。
其中,可以根据不同的时间粒度划分时段(时间段),例如年、月、日或小时等时间粒度。例如每天中按照小时划分为24个时段,每个时段下皆有M个历史汇款要素与M个汇款成功率之间的一个映射关系。考虑到了不同时间汇款时的成功率。
在操作S410,确定待汇款业务的汇款时段。
在操作S420,根据汇款时段,从汇款预测集合中确定对应历史时段下的每个当前汇款要素的汇款成功率。
示例性地,例如汇款时段为当天的17点~18点。则从汇款预测集合中确定17点~18点的历史时段,从而得到该历史时段下M个历史汇款要素与M个汇款成功率之间的一个映射关系,基于该映射关系确定与当前汇款要素相同的历史汇款要素所对应的汇款成功率。
根据本公开的实施例,考虑到汇款时段对汇款业务的影响,以不同或相同的时间粒度进行划分,确定当前汇款要素的汇款成功率,能够进一步提高预测得到的汇款结果的准确性。
图5示意性示出了根据本公开实施例的预先获得汇款预测集合的流程图。
如图5所示,该实施例的预先获得汇款预测集合包括操作S510~操作S540。
在操作S510,基于第一预设时段内的历史汇款数据获得第一样本空间,其中,历史汇款数据包括第一预设时段内的至少一笔历史汇款业务,每笔汇款业务具有至少一个历史汇款要素。
在操作S520,基于第二预设时段内的历史汇款数据获得第二样本空间,其中,第二预设时段早于第一预设时段。
示例性地,第一预设时段可以获得汇款预测集合的当天的前一天。而第二预设时段可以是该前一天之前的若干月或若干年。例如,获得汇款预测集合的当天为7月15日,第一预设时段为7月14日内的24小时,第二预设时段为1月1日~7月13日(仅为示例)。在一些实施例中,随着时间的变化,第一预设时段和第二预设时段可以是动态更新的,例如当天为7月16日时,第一预设时段即为7月15日,第一样本空间包括7月15日当天的历史汇款数据。第二预设时段和第二样本空间也随之更新,如1月2日~7月14日。
示例性地,在获得样本空间时,首先获取对应预设时段内的历史汇款数据,即一笔或多笔跨行汇款业务,然后设置样本空间内的汇款要素,如收款行、收款人账户、汇款时间、汇款金融或汇款方式等。根据上述汇款样本整理一笔或多笔跨行汇款业务形成样本空间。第一样本空间和第二样本空间皆可以按照上述步骤获得,区别在于所针对的预设时段不同。
在操作S530,从第二样本空间中确定出与第一样本空间具有特定距离的S个历史时段的历史汇款数据,其中,S个历史时段为第二预设时段中的S个子时段。
示例性地,距离可以是欧式距离或曼哈顿距离,特定距离可以是根据实际需要设置的距离阈值。
在一些实施例中,例如可以将第二样本空间中的整体样本(一个或多个历史汇款业务)与第一样本空间中每日的样本进行计算,获得欧式距离。
在另一些实施例中,例如可以将第二样本空间中的整体样本(一个或多个历史汇款业务)按照小时进行划分,将每个小时的样本与第一样本空间中每日的同一小时的样本进行计算,获得欧式距离。
在操作S540,根据S个历史时段的历史汇款数据获得汇款预测集合。
示例性地,可以S个历史时段的历史汇款数据中,抽取与M个历史汇款要素一一对应的M个汇款成功率。
根据本公开的实施例,将第一样本空间的历史汇款数据作为参考数据,并可以找到第二样本空间中相似地历史汇款数据进行统计,能够提高数据的时效性和准确性,避免因时间过长,导致对收款行拒绝汇款的原因进行误判。
图6示意性示出了根据本公开实施例的确定出S个历史时段的历史汇款数据的流程图。
如图6所示,操作S530中从第二样本空间中确定出与第一样本空间具有特定距离的S个历史时段的历史汇款数据包括操作S610~操作S620。其中,第二预设时段的长度大于或等于至少两个第一预设时段的长度,第一子时段为第一预设时段中的任一个子时段,至少两个第二子时段为第二预设时段中与第一子时段的位置相同的子时段,位置包括同一时间粒度内的时间位置。
其中,长度是指同一时间粒度下的时间长度,例如第二预设时段为一日,则第二预设时段为至少两日。第二预设时段为一月,则第二预设时段为至少两月。子时段是对预设时段的进一步划分,例如第一子时段为一日中的一个小时,若其时间位置为8点~9点,则第二子时段为第二预设时段中每日的8点~9点。下述汇款时间点可以是8点~9点之间的每1分钟、每1秒钟或每10分钟,在此不做限定。
在操作S610,基于汇款时间点,获得第一子时段下历史汇款业务的第一汇款序列,分别获得至少两个第二子时段下历史汇款业务的至少两个第二汇款序列。
根据第二样本空间中的历史汇款数据得到训练集T,如下所示:
T=(X1,Y1),(X2,Y2),…(Xi,Yi)
其中,Xi为输入参数的特征参数,即第i个子时间段对应的汇款序列,Yi记做第i个子时间段所对应的汇款结果序列,n为子时间段总数。
根据第一样本空间中的历史汇款数据得到给定数据集t,如下所示:
t=(x1,y1),(x2,y2),…(xj,yj)
其中,xj为输入参数的特征参数,即第j个子时间段对应的汇款序列,yj记做第j个子时间段所对应的汇款结果序列。
示例性地,对于Xi或xj,可以是对应子时段的多笔汇款业务按照该子时段内的时间点先后顺序组成的汇款序列,可以矩阵形式表示,例如每一行为一笔汇款业务的特征。可以在每个时间点随机获取一笔汇款业务。
例如(x1,y1)为第一预设时段中8点~9点(第一子时段)的样本,x1为第一汇款序列,y1为8点~9点的汇款结果序列,例如按照汇款业务的成功或失败,对x1中的每笔汇款业务的汇款结果赋值为1或0,得到汇款结果序列。即为训练集T中对应8点~9点的所有Xi。
在操作S620,根据第一汇款序列,利用分类算法从至少两个第二汇款序列中确定出K个第二汇款序列,其中,K个第二汇款序列与第一汇款序列具有特定距离,K为大于或等于1的整数。
其中,分类算法可以包括朴素贝叶斯算法、支持向量机算法或KNN算法等。例如可以利用KNN算法计算第一汇款序列与至少两个第二汇款序列中每个第二汇款序列之间的距离。
在一些实施例中,例如第一汇款序列和第二汇款序列为相同维度的矩阵,可以就相同行(子时段内的相同时间点)的历史汇款业务特征之间两两计算,并输入欧式距离计算公式,最终得到序列之间的欧式距离。其中,历史汇款业务特征之间两两计算可以是根据每个汇款要素得到的每个特征之间的差值求和,或对多个汇款要素进行提取整合得到的总特征之间的差值。
在另一些实施例中,选择分别计算第一汇款序列到第二汇款序列的几何距离dn:
其中n为第二汇款序列中样本的数量,第二汇款序列相关系数为rn,汇款成功率为bn,以及第一汇款序列的每笔历史汇款业务的相关系数r,汇款成功率b。汇款成功率为bn或b为汇款结果序列求和后再平均获得。
相关系数计算公式如下:
其中,Cov(xj,yj)用于求xj和yj之间的协方差,Var|xj|为基于每笔历史汇款业务的特征求得的xj的方差,Var|yj|为yj的方差。rn也如上式进行计算,在此不做赘述。
根据本公开的实施例,从第二预设时段的历史汇款业务中获得与第一子时段相似的K个子时间段中历史汇款数据,能够减少数据噪音,提高汇款预测集合的可靠性。
图7示意性示出了根据本公开实施例的确定每个历史汇款要素的汇款成功率的流程图。
如图7所示,操作S540中根据S个历史时段的历史汇款数据获得汇款预测集合包括操作S710~操作S720。
在操作S710,对于M个历史汇款要素中每个历史汇款要素,从K个第二汇款序列中获得每个历史汇款要素的汇款结果。
根据本公开的实施例,对于每个历史汇款要素,将包含该历史汇款要素的历史汇款业务的汇款结果作为每个历史汇款要素的汇款结果,其中,历史汇款要素包括收款行、收款人账户、汇款时间、汇款金额和汇款方式中的至少一个。
举例说明,对汇款方式而言,例如包括微信、支付宝、云闪付等第三方渠道,或汇款行的线上、柜台、ATM机等渠道。汇款方式为柜台时,找到使用柜台汇款的一笔或多笔历史汇款业务,将每笔历史汇款业务的汇款结果作为柜台汇款的汇款结果。
在操作S720,根据每个历史汇款要素的汇款结果的均值,确定每个历史汇款要素的汇款成功率。
示例性地,例如从K个第二汇款序列有100笔历史汇款业务中使用柜台汇款,50笔汇款结果为失败,赋值为0,50笔汇款结果为成功赋值为1,均值为0.5。柜台汇款作为一个历史汇款要素的汇款成功率为50%。
根据本公开的实施例,根据同个收款行、收款人账号等信息的所有对应的数据的值,求平均值得到同个收款行、收款人账号等信息对应的各个跨行汇款结果的均值。将均值作为该收款行、收款人账号等信息的跨行汇款成功率,所以就得到了一组收款行、收款人账号等信息与跨行汇款成功率的对应关联关系,可以将其作为汇款预测集合。
图8示意性示出了根据本公开实施例的预测待汇款业务的汇款结果的流程图。
如图8所示,操作S230根据每个当前汇款要素的汇款成功率,预测待汇款业务的汇款结果包括操作S810~操作S820。
在操作S810,确定N个当前汇款要素对应的N个汇款成功率中最低或最高的汇款成功率。
在操作S820,根据最低或最高的汇款成功率,预测待汇款业务的汇款结果。
根据本公开的实施例,根据N个汇款成功率的上下限来预测汇款结果,例如上限(最高的汇款成功率)过低,则汇款结果为失败,或者只要有任一成功率过低,则汇款结果为失败,该情况下判断下限(最低的汇款成功率)既可。
根据本公开的实施例,若最低汇款成功率小于第一阈值,或最高汇款成功率小于第二阈值,预测待汇款业务的汇款结果为失败。若最低汇款成功率大于或等于第三阈值,或最高汇款成功率大于或等于第四阈值,预测待汇款业务的汇款结果为成功。
基于上述跨行汇款方法,本公开还提供了一种跨行汇款装置。以下将结合图9对该装置进行详细描述。
图9示意性示出了根据本公开实施例的跨行汇款装置的结构框图。
如图9所示,该实施例的跨行汇款装置900包括要素获取模块910、成功率模块920、汇款结果模块930和业务办理模块940。
要素获得模块910可以执行操作S210,用于获得待汇款业务的N个当前汇款要素,其中,N个当前汇款要素根据汇款人的汇款操作来生成。
成功率模块920可以执行操作S220,用于基于预先获得的汇款预测集合,获得N个当前汇款要素中每个当前汇款要素的汇款成功率,其中,汇款预测集合包括与M个历史汇款要素一一对应的M个汇款成功率,M个历史汇款要素包括N个当前汇款要素中的部分或全部要素,M、N分别为大于或等于1的整数。
根据本公开的实施例,成功率模块920可以执行操作S210~操作S220,在此不做赘述。
汇款结果模块930可以执行操作S230,用于根据每个当前汇款要素的汇款成功率,预测待汇款业务的汇款结果。
根据本公开的实施例,成功率模块920可以执行操作S810~操作S820,在此不做赘述。
业务办理模块940可以执行操作S240,用于若汇款结果为成功,根据N个汇款要素办理待汇款业务。
根据本公开的实施例,跨行汇款装置900还可以包括汇款预测集合模块,用于执行操作S510~操作S540,操作S610~操作S620,操作S710~操作S720,在此不做赘述。
需要说明的是,装置部分实施例中各模块/单元/子单元等的实施方式、解决的技术问题、实现的功能、以及达到的技术效果分别与方法部分实施例中各对应的步骤的实施方式、解决的技术问题、实现的功能、以及达到的技术效果相同或类似,在此不再赘述。
根据本公开的实施例,要素获取模块910、成功率模块920、汇款结果模块930和业务办理模块940中的任意多个模块可以合并在一个模块中实现,或者其中的任意一个模块可以被拆分成多个模块。或者,这些模块中的一个或多个模块的至少部分功能可以与其他模块的至少部分功能相结合,并在一个模块中实现。
根据本公开的实施例,要素获取模块910、成功率模块920、汇款结果模块930和业务办理模块940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,要素获取模块910、成功率模块920、汇款结果模块930和业务办理模块940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。
图10示意性示出了根据本公开实施例的适于实现跨行汇款方法的电子设备的方框图。
如图10所示,根据本公开实施例的电子设备1000包括处理器1001,其可以根据存储在只读存储器(ROM)1002中的程序或者从存储部分1008加载到随机访问存储器(RAM)1003中的程序而执行各种适当的动作和处理。处理器1001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1001还可以包括用于缓存用途的板载存储器。处理器1001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 1003中,存储有电子设备1000操作所需的各种程序和数据。处理器1001、ROM 1002以及RAM 1003通过总线1004彼此相连。处理器1001通过执行ROM 1002和/或RAM1003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,程序也可以存储在除ROM 1002和RAM 1003以外的一个或多个存储器中。处理器1001也可以通过执行存储在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,电子设备1000还可以包括输入/输出(I/O)接口1005,输入/输出(I/O)接口1005也连接至总线1004。电子设备1000还可以包括连接至I/O接口1005的以下部件中的一项或多项:包括键盘、鼠标等的输入部分1006。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1007。包括硬盘等的存储部分1008。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1009。通信部分1009经由诸如因特网的网络执行通信处理。驱动器1010也根据需要连接至I/O接口1005。可拆卸介质1011,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1010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1008。
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 1002和/或RAM 1003和/或ROM 1002和RAM 1003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流程图所示的方法的程序代码。当计算机程序产品在计算机系统中运行时,该程序代码用于使计算机系统实现本公开实施例所提供的方法。
在该计算机程序被处理器1001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1009被下载和安装,和/或从可拆卸介质1011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。
在这样的实施例中,该计算机程序可以通过通信部分1009从网络上被下载和安装,和/或从可拆卸介质1011被安装。在该计算机程序被处理器1001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。
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或/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 (11)
1.一种跨行汇款方法,包括:
获得待汇款业务的N个当前汇款要素,其中,所述N个当前汇款要素根据汇款人的汇款操作来生成;
基于预先获得的汇款预测集合,获得所述N个当前汇款要素中每个当前汇款要素的汇款成功率,其中,所述汇款预测集合包括与M个历史汇款要素一一对应的M个汇款成功率,所述M个历史汇款要素包括所述N个当前汇款要素中的部分或全部要素,M、N分别为大于或等于1的整数;
根据所述每个当前汇款要素的汇款成功率,预测所述待汇款业务的汇款结果;
若所述汇款结果为成功,根据所述N个汇款要素办理所述待汇款业务。
2.根据权利要求1听述的方法,其中,所述基于预先获得的汇款预测集合,获得所述N个当前汇款要素中每个当前汇款要素的汇款成功率包括:
确定所述待汇款业务的汇款时段;
根据所述汇款时段,从所述汇款预测集合中确定对应历史时段下的所述每个当前汇款要素的汇款成功率;
其中,所述汇款预测集合包括S个历史时段,每个历史时段下对应有所述与M个历史汇款要素一一对应的M个汇款成功率,S为大于或等于1的整数。
3.根据权利要求2所述的方法,其中,在获得所述N个当前汇款要素中每个当前汇款要素的汇款成功率之前,所述方法还包括预先获得所述汇款预测集合,具体包括:
基于第一预设时段内的历史汇款数据获得第一样本空间,其中,所述历史汇款数据包括所述第一预设时段内的至少一笔历史汇款业务,每笔汇款业务具有至少一个历史汇款要素;
基于第二预设时段内的历史汇款数据获得第二样本空间,其中,所述第二预设时段早于所述第一预设时段;
从所述第二样本空间中确定出与所述第一样本空间具有特定距离的所述S个历史时段的历史汇款数据,其中,所述S个历史时段为所述第二预设时段中的S个子时段;
根据所述S个历史时段的历史汇款数据获得所述汇款预测集合。
4.根据权利要求3所述的方法,其中,所述第二预设时段的长度大于或等于至少两个所述第一预设时段的长度,所述从所述第二样本空间中确定出与所述第一样本空间具有特定距离的所述S个历史时段的历史汇款数据包括:
基于汇款时间点,获得第一子时段下历史汇款业务的第一汇款序列,分别获得至少两个第二子时段下历史汇款业务的至少两个第二汇款序列;
根据所述第一汇款序列,利用分类算法从所述至少两个第二汇款序列中确定出K个第二汇款序列,其中,所述K个第二汇款序列与所述第一汇款序列具有所述特定距离,K为大于或等于1的整数;
其中,所述第一子时段为所述第一预设时段中的任一个子时段,所述至少两个第二子时段为所述第二预设时段中与所述第一子时段的位置相同的子时段,所述位置包括同一时间粒度内的时间位置。
5.根据权利要求4所述的方法,其中,根据所述S个历史时段的历史汇款数据获得所述汇款预测集合包括:
对于所述M个历史汇款要素中每个历史汇款要素,从所述K个第二汇款序列中获得所述每个历史汇款要素的汇款结果;
根据所述每个历史汇款要素的汇款结果的均值,确定所述每个历史汇款要素的汇款成功率。
6.根据权利要求5所述的方法,其中,所述从所述K个第二汇款序列中获得所述每个历史汇款要素的汇款结果包括:对于所述每个历史汇款要素,
将包含该历史汇款要素的历史汇款业务的汇款结果作为所述每个历史汇款要素的汇款结果,其中,所述历史汇款要素包括收款行、收款人账户、汇款时间、汇款金额和汇款方式中的至少一个。
7.根据权利要求6所述的方法,其中,所述根据所述每个当前汇款要素的汇款成功率,预测所述待汇款业务的汇款结果包括:
确定所述N个当前汇款要素对应的N个汇款成功率中最低或最高的汇款成功率;
根据所述最低或最高的汇款成功率,预测所述待汇款业务的汇款结果。
8.一种跨行汇款装置,包括:
要素获得模块,用于获得待汇款业务的N个当前汇款要素,其中,所述N个当前汇款要素根据汇款人的汇款操作来生成;
成功率模块,用于基于预先获得的汇款预测集合,获得所述N个当前汇款要素中每个当前汇款要素的汇款成功率,其中,所述汇款预测集合包括与M个历史汇款要素一一对应的M个汇款成功率,所述M个历史汇款要素包括所述N个当前汇款要素中的部分或全部要素,M、N分别为大于或等于1的整数;
汇款结果模块,用于根据所述每个当前汇款要素的汇款成功率,预测所述待汇款业务的汇款结果;
业务办理模块,用于若所述汇款结果为成功,根据所述N个汇款要素办理所述待汇款业务。
9.一种电子设备,包括:
一个或多个处理器;
存储装置,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执行根据权利要求1~7中任一项所述的方法。
10.一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执行根据权利要求1~7中任一项所述的方法。
11.一种计算机程序产品,包括计算机程序,所述计算机程序被处理器执行时实现根据权利要求1~7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210964534.0A CN115222522A (zh) | 2022-08-11 | 2022-08-11 | 跨行汇款方法、装置、设备和介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210964534.0A CN115222522A (zh) | 2022-08-11 | 2022-08-11 | 跨行汇款方法、装置、设备和介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115222522A true CN115222522A (zh) | 2022-10-21 |
Family
ID=83615146
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210964534.0A Pending CN115222522A (zh) | 2022-08-11 | 2022-08-11 | 跨行汇款方法、装置、设备和介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115222522A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116993467A (zh) * | 2023-03-27 | 2023-11-03 | 广州智租信息科技有限责任公司 | 租赁账户生成方法、系统、计算机设备及介质 |
US11954167B1 (en) * | 2022-12-21 | 2024-04-09 | Google Llc | Techniques for presenting graphical content in a search result |
-
2022
- 2022-08-11 CN CN202210964534.0A patent/CN115222522A/zh active Pending
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11954167B1 (en) * | 2022-12-21 | 2024-04-09 | Google Llc | Techniques for presenting graphical content in a search result |
CN116993467A (zh) * | 2023-03-27 | 2023-11-03 | 广州智租信息科技有限责任公司 | 租赁账户生成方法、系统、计算机设备及介质 |
CN116993467B (zh) * | 2023-03-27 | 2024-04-05 | 广州智租信息科技有限责任公司 | 租赁账户生成方法、系统、计算机设备及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11443305B2 (en) | Context augmentation for processing data from multiple sources | |
US20210256485A1 (en) | Transaction card system having overdraft capability | |
JP2020522832A (ja) | 信用力があると判定された消費者にローンを発行するシステムおよび方法 | |
CN115222522A (zh) | 跨行汇款方法、装置、设备和介质 | |
US8583492B2 (en) | Check processing and funds verification | |
US11423442B2 (en) | Method and system for predicting relevant offerings for users of data management systems using machine learning processes | |
US20230103753A1 (en) | Generating adaptive textual explanations of output predicted by trained artificial-intelligence processes | |
US20220215465A1 (en) | Predictive modeling based on pattern recognition | |
CN113507419B (zh) | 流量分发模型的训练方法、流量分发方法及装置 | |
US20220207295A1 (en) | Predicting occurrences of temporally separated events using adaptively trained artificial intelligence processes | |
US20210110359A1 (en) | Dynamic virtual resource management system | |
CA3142409A1 (en) | Real-time prediction of parameter modifications based on structured messaging data | |
US20220318573A1 (en) | Predicting targeted, agency-specific recovery events using trained artificial intelligence processes | |
CA3170650A1 (en) | Targeted, criteria-specific provisioning of digital content based on structured messaging data | |
CN111695988A (zh) | 信息处理方法、装置、电子设备和介质 | |
US11436608B1 (en) | Commercial credit card system | |
CN115795345A (zh) | 信息处理方法、装置、设备及存储介质 | |
CN114357523A (zh) | 风险对象的识别方法、装置、设备、存储介质和程序产品 | |
US20220318617A1 (en) | Predicting future events of predetermined duration using adaptively trained artificial-intelligence processes | |
CN114841800A (zh) | 用于贷款的风险评估方法、装置、设备及介质 | |
CN114372800A (zh) | 交易处理方法、装置、设备、介质和产品 | |
CN110675196A (zh) | 用户识别方法、装置、电子设备和存储介质 | |
US20210248617A1 (en) | System and method for predicting support escalation | |
CN118446756A (zh) | 营销信息推送方法、装置、电子设备及介质 | |
US20220207430A1 (en) | Prediction of future occurrences of events using adaptively trained artificial-intelligence processes and contextual data |
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 |