CN115860937A - 差错处理方法、装置、非易失性存储介质及电子设备 - Google Patents
差错处理方法、装置、非易失性存储介质及电子设备 Download PDFInfo
- Publication number
- CN115860937A CN115860937A CN202211511550.0A CN202211511550A CN115860937A CN 115860937 A CN115860937 A CN 115860937A CN 202211511550 A CN202211511550 A CN 202211511550A CN 115860937 A CN115860937 A CN 115860937A
- Authority
- CN
- China
- Prior art keywords
- error
- historical
- information
- processing
- transaction
- 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
Landscapes
- Debugging And Monitoring (AREA)
Abstract
本申请公开了一种差错处理方法、装置、非易失性存储介质及电子设备。涉及人工智能领域,该方法包括:获取目标交易系统中发生账务差错的第一交易差错信息,以及第一交易差错信息对应的第一差错处理结果;采用第一交易差错信息,更新目标交易系统中的多条历史差错信息;确定更新后的多条历史差错信息之间的关联规则;采用关联规则,更新第一差错处理模型,得到第二差错处理模型;在获取目标交易系统中的第二交易差错信息的情况下,将第二交易差错信息输入第二差错处理模型中进行处理,得到第二交易差错信息对应的第二差错处理结果。通过本申请,解决了相关技术中差错处理受主观影响大,处理稳定性低,处理效率低的问题。
Description
技术领域
本申请涉及人工智能领域,具体而言,涉及一种差错处理方法、装置、非易失性存储介质及电子设备。
背景技术
目前,随着第三方支付的快速发展,以及分布式系统的逐步推广,账务保持一致性愈发重要。因网络抖动等原因导致的账务差错,可能造成客户资金留存于账户行或者受理机构。相关技术中对账务的差错处理一般由人工完成调整,人工调账效率低,时效长,影响客户满意度。并且差错处理的速度和准确性高度依赖于技术人员的专业背景、经验和熟练程度,受主观影响大。导致差错处理的准确性和处理速度存在不稳定的问题。
针对相关技术中差错处理受主观影响大,处理稳定性低,处理效率低的问题,目前尚未提出有效的解决方案。
发明内容
本申请的主要目的在于提供一种差错处理方法、装置、非易失性存储介质及电子设备,以解决相关技术中差错处理受主观影响大,处理稳定性低,处理效率低的问题。
为了实现上述目的,根据本申请的一个方面,提供了一种差错处理方法。该方法包括:获取目标交易系统中发生账务差错的第一交易差错信息,以及所述第一交易差错信息对应的第一差错处理结果,其中,所述第一差错处理结果是由所述第一交易差错信息输入第一差错处理模型中进行处理得到的;采用所述第一交易差错信息,更新所述目标交易系统中的多条历史差错信息;确定更新后的所述多条历史差错信息之间的关联规则,其中,所述关联规则为挖掘更新后的所述多条历史差错信息中的频繁项集得到的,所述频繁项集用于表示所述多条历史差错信息中满足预设出现次数阈值的信息;采用所述关联规则,更新所述第一差错处理模型,得到第二差错处理模型;在获取所述目标交易系统中的第二交易差错信息的情况下,将所述第二交易差错信息输入所述第二差错处理模型中进行处理,得到所述第二交易差错信息对应的第二差错处理结果。
为了实现上述目的,根据本申请的另一方面,提供了一种差错处理装置。该装置包括:第一获取模块,用于获取目标交易系统中发生账务差错的第一交易差错信息,以及所述第一交易差错信息对应的第一差错处理结果,其中,所述第一差错处理结果是由所述第一交易差错信息输入第一差错处理模型中进行处理得到的;第一更新模块,用于采用所述第一交易差错信息,更新所述目标交易系统中的多条历史差错信息;确定模块,用于确定更新后的所述多条历史差错信息之间的关联规则,其中,所述关联规则为挖掘更新后的所述多条历史差错信息中的频繁项集得到的,所述频繁项集用于表示所述多条历史差错信息中满足预设出现次数阈值的信息;第二获取模型,用于采用所述关联规则,更新所述第一差错处理模型,得到第二差错处理模型;第三获取模块,用于在获取所述目标交易系统中的第二交易差错信息的情况下,将所述第二交易差错信息输入所述第二差错处理模型中进行处理,得到所述第二交易差错信息对应的第二差错处理结果。
为了实现上述目的,根据本申请的另一方面,提供了一种非易失性存储介质,所述非易失性存储介质存储有多条指令,所述指令适于由处理器加载并执行任意一项所述的差错处理方法。
为了实现上述目的,根据本申请的另一方面,提供了一种电子设备,包括:一个或多个处理器和存储器,所述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任意一项所述的差错处理方法。
通过本申请,采用以下步骤:获取目标交易系统中发生账务差错的第一交易差错信息,以及第一交易差错信息对应的第一差错处理结果,其中,第一差错处理结果是由第一交易差错信息输入第一差错处理模型中进行处理得到的;采用第一交易差错信息,更新目标交易系统中的多条历史差错信息;确定更新后的多条历史差错信息之间的关联规则,其中,关联规则为挖掘更新后的多条历史差错信息中的频繁项集得到的,频繁项集用于表示多条历史差错信息中满足预设出现次数阈值的信息;采用关联规则,更新第一差错处理模型,得到第二差错处理模型;在获取目标交易系统中的第二交易差错信息的情况下,将第二交易差错信息输入第二差错处理模型中进行处理,得到第二交易差错信息对应的第二差错处理结果。达到了交易差错信息匹配得到差错处理结果,提高差错处理的客观性的目的,解决了相关技术中差错处理受主观影响大,处理稳定性低,处理效率低的问题。进而达到了提高处理稳定性,提高处理效率,增强处理客观性的效果。
附图说明
构成本申请的一部分的附图用来提供对本申请的进一步理解,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1是根据本申请实施例提供的一种可选的差错处理方法的流程图;
图2是根据本申请实施例提供的一种可选的差错处理方法的示意图;
图3是根据本申请实施例提供的一种可选的差错处理方法的交互流程图;
图4是根据本申请实施例提供的一种可选的差错处理装置的示意图;
图5是根据本发明实施例提供的一种电子设备示意图。
具体实施方式
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
为了使本技术领域的人员更好地理解本申请方案,下面将结合本申请实施例中的附图,对本申请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申请一部分的实施例,而不是全部的实施例。基于本申请中的实施例,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,都应当属于本申请保护的范围。
需要说明的是,本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本申请的实施例。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
为了便于描述,以下对本申请实施例涉及的部分名词或术语进行说明:
规则引擎:规则引擎是一种可以降低业务逻辑复杂性,降低应用程序的维护和可扩展性成本的程序组件。用于匹配事实和规则,以推出结论。
机器学习:机器学习是人工智能的一个分支,旨在构建能够根据所使用的数据进行学习或改进性能的系统。
需要说明的是,本公开所涉及的相关信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于展示的数据、分析的数据等),均为经用户授权或者经过各方充分授权的信息和数据。例如,本系统和相关用户或机构间设置有接口,在获取相关信息之前,需要通过接口向前述的用户或机构发送获取请求,并在接收到前述的用户或机构反馈的同意信息后,获取相关信息。
随着第三方支付的快速发展,以及分布式系统的逐步推广,账务一致性问题愈发受到重视,大型商业系统间因网络抖动等原因导致的账务差错,可能导致客户资金留存于账户行或者受理机构,影响用户的资金流动。目前相关账务处理多由人工完成账务调整,人工调账效率低、时效长,影响用户体验。由一定存量的第三方快捷支付系统对于交易差错场景,需要人工介入进行账务处理。存量系统的差错处理的速度和准确性高度依赖于技术人员的专业背景、经验和熟练程度。此外,差错处理的效率还会受到相关人员变动的影响,新的账务处理技术和新的相关人员对于差错处理需要一个较长的学习适应过程,影响了交易差错处理的效率。因此,交易差错处理的准确性和处理速度存在不稳定的问题,受到主观影响产生的偏差大。
本发明提供了一个基于规则引擎和机器学习平台的自动化差错处理机制,能够有效提升差错处理水平,高效的账务处理也能提升客户满意度。此外,通过将这种差错处理内化到信息系统的方式,也避免了人工因素带来的不确定性。
基于上述问题,本发明实施例提供了一种差错处理方法,图1是根据本申请实施例提供的差错处理方法的流程图,如图1所示,该方法包括如下步骤:
步骤S102,获取目标交易系统中发生账务差错的第一交易差错信息,以及上述第一交易差错信息对应的第一差错处理结果,其中,上述第一差错处理结果是由上述第一交易差错信息输入第一差错处理模型中进行处理得到的;
步骤S104,采用上述第一交易差错信息,更新上述目标交易系统中的多条历史差错信息;
步骤S106,确定更新后的上述多条历史差错信息之间的关联规则,其中,上述关联规则为挖掘更新后的上述多条历史差错信息中的频繁项集得到的,上述频繁项集用于表示上述多条历史差错信息中满足预设出现次数阈值的信息;
步骤S108,采用上述关联规则,更新上述第一差错处理模型,得到第二差错处理模型;
步骤S110,在获取上述目标交易系统中的第二交易差错信息的情况下,将上述第二交易差错信息输入上述第二差错处理模型中进行处理,得到上述第二交易差错信息对应的第二差错处理结果。
在本申请实施例提供的差错处理方法中,目标交易系统中难以避免地会发生账务差错,获取发生账务差错的第一交易差错信息,以及第一交易差错信息对应的第一差错处理结果。第一差错处理结果是由第一差错处理模型中进行处理得到的。可以理解是由第一差错处理模型自动匹配生成的第一差错处理结果。在第一差错处理模型可以得出第一差错处理结果之后,采用第一交易差错信息,更新目标交易系统中的多条历史差错信息,用于丰富目标交易系统中的历史差错信息。通过挖掘更新后的多条历史差错信息中的频繁项集,确定更新后的多条历史差错信息之间的关联规则。将关联规则用于更新上述第一差错处理模型,得到第二差错处理模型,由于加入了关联规则,可以视为第二差错处理模型的处理能力第一差错处理模型有某种程度上的增强。继续获取目标交易系统中的第二交易差错信息,将第二交易差错信息输入第二差错处理模型中进行处理,得到第二交易差错信息对应的第二差错处理结果。通过上述处理,不仅是通过第一交易差错处理模型,有第一交易差错信息匹配生成第一差错处理结果。并且更新多条历史差错信息得到,确定更新后的多条历史差错信息之间的关联规则,采用关联规则对第一差错处理模型进行更新,采用第二差错处理模型继续处理目标交易系统中的第二交易差错信息。通过不断更新可以不断提升处理能力,达到更准确的差错处理结果。
本申请实施例提供的差错处理方法,通过获取目标交易系统中发生账务差错的第一交易差错信息,以及第一交易差错信息对应的第一差错处理结果,其中,第一差错处理结果是由第一交易差错信息输入第一差错处理模型中进行处理得到的;采用第一交易差错信息,更新目标交易系统中的多条历史差错信息;确定更新后的多条历史差错信息之间的关联规则,其中,关联规则为挖掘更新后的多条历史差错信息中的频繁项集得到的,频繁项集用于表示多条历史差错信息中满足预设出现次数阈值的信息;采用关联规则,更新第一差错处理模型,得到第二差错处理模型;在获取目标交易系统中的第二交易差错信息的情况下,将第二交易差错信息输入第二差错处理模型中进行处理,得到第二交易差错信息对应的第二差错处理结果。达到了交易差错信息匹配得到差错处理结果,提高差错处理的客观性的目的,解决了相关技术中差错处理受主观影响大,处理稳定性低,处理效率低的问题。进而达到了提高处理稳定性,提高处理效率,增强处理客观性的效果。
可选地,上述第一交易差错处理模型和上述第二差错处理模型可以采用多种算法构建,例如:采用RETE算法的思想进行模型构建,RETE算法是一种模式匹配算法,也称为一种前项推理算法,由前提条件推到结果,核心思想是根据预设的规则数据库构建有效的模式匹配网络,并记录匹配过程中节点的状态,得到对输入模式匹配网络的信息的判断,根据上述判断对应的处理方式,获得有效的处理能力,上述模式匹配网络可以为多个判断节点。第一交易差错处理模型可采用目标交易系统中的多条历史差错信息进行算法描述中预设的规则数据库的构建,生成上述模式匹配网络,得到输入第一交易差错处理模型的第一交易差错信息的判断,根据对第一交易差错信息的判断找到对应的处理方式。因此,第一交易差错处理模型获得有效的处理能力。第二差错处理模型同样是基于RETE算法的思想得到的,在第一交易差错处理模型的基础上,采用关联规则进行更新得到的,获得更有效的处理能力,提高差错处理的准确性。
可选地,上述关联规则有多种确定方式,例如:关联规则这一概念是在数据集中找出各项之间的关联,可以采用多种算法得到,如采用Ecalt算法,Ecalt算法是一种深度优先算法,采用垂直数据表现形式,在利用基于前缀的等价规则将搜索空间划分为较小的子空间。还可以采用Apriori算法(关联规则挖掘算法)进行处理,通过连接产生候选项及其支持度,进行剪枝生成频繁项集,进而得到关联规则。
需要说明的是,上述第一交易差错处理模型或上述第二差错处理模型可以视为一种规则引擎,由于匹配事实(交易差错信息)和规则(差错处理方式),以推出结论(差错处理结果)。上述采用关联规则对第一交易差错处理模型进行更新的过程可以视为一种机器学习,用来得到处理能力更强的第二交易差错处理模型。
在一种可选的实施例中,在上述获取目标交易系统中发生账务差错的交易差错信息,以及上述交易差错信息对应的差错处理结果之前,上述方法还包括:确定上述多条历史差错信息分别对应的历史处理方式,以及上述多条历史差错信息与上述历史处理方式之间的映射关系;采用预设的参数类型,对上述多条历史差错信息分别进行第一分类,得到上述多条历史差错信息分别对应的参数分类结果,其中,上述参数分类结果包括至少一个参数类型;分别确定上述多条历史差错信息对应的上述参数分类结果对应的预设判断条件;采用上述预设判断条件,分别生成上述多条历史差错信息对应的上述参数分类结果对应的多个判断节点,其中,上述多个判断节点用于基于上述预设判断条件对输入上述多个判断节点中的信息执行判断;基于上述多个判断节点和上述映射关系,确定上述第一差错处理模型。
可以理解,在目标交易系统中对于多条历史差错信息有着分别对应的历史处理方式,得到多条历史差错信息与历史处理方式之间的映射关系。采用预设的参数类型,对多条历史差错信息分别进行第一分类,得到多条历史差错信息分别对应的参数分类结果。分别确定多条历史差错信息对应的参数分类结果对应的预设判断条件。采用预设判断条件,可以分别生成多条历史差错信息对应的参数分类结果对应的多个判断节点。采用多个判断节点和映射关系进行第一差错处理模型的构建。
可选地,上述参数分类结果为多种,例如:对于每一条历史差错信息按照预设的参数类型分类,对于目标交易系统,参数分类结果可以为多种,如交易类型,交易金额,卡号信息,协议信息等。
需要说明的是,为便于理解进行具体举例为:在多条历史差错信息中的一条历史差错信息的参数分类结果为交易类型,交易金额,确定一条历史差错信息的预设判断条件为交易类型为A,交易金额大于100元,历史处理方式为执行C处理。生成预设判断条件为交易类型为A,交易金额大于100元对应的2个判断节点,上述2个判断节点分别为:判断交易类型是否为A,判断交易金额是否大于100元,对于输入的多条交易差错信息进行判断,将满足交易类型为A并且交易金额大于100元的交易差错信息,根据映射关系确定处理方式为执行C处理。
在一种可选的实施例中,上述方法还包括:在上述多条历史差错信息中的一条历史差错信息对应的第一处理方式为多种的情况下,确定多种第一处理方式分别对应的使用频率;确定上述多种第一处理方式中使用频率最高的第二处理方式;采用上述第二处理方式,对上述一条历史差错信息进行处理。
可以理解,在一条历史差错信息对应的第一处理方式为多种的情况下,确定第一处理方式分别对应的使用频率,确定多种第一处理方式中使用频率最高的第二处理方式,将第二处理方式作为优选的方式,采用第二处理方式对上述一条历史差错信息进行处理。
需要说明的是,由于主观性差错处理的处理方式取决于处理人的主观想法,因此,单条历史差错信息可能对应于多种第一处理方式。客观性的差错处理不应具有二义性,也就是在一条差错信息存在对应的处理方式的情况下,仅有一种处理方式。为了在多种第一处理方式中确定对一条历史差错信息的处理方式,选用使用频率最高的第二处理方式,有利于提高差错处理的准确性。
在一种可选的实施例中,上述确定上述多种第一处理方式中上述使用频率最高的第二处理方式,包括:确定上述多种第一处理方式分别对应的上述使用频率中任意两个使用频率之间的频率差值;在上述频率差值为多个的情况下,判断多个频率差值中的最大频率差值是否大于预设的差值阈值;若上述最大频率差值大于上述差值阈值,则确定上述多种第一处理方式中上述使用频率最高的上述第二处理方式;若上述最大频率差值小于或等于差值阈值,则发送第一提示信息至第一人机交互设备,其中,第一提示信息用于触发第一介入处理。
可以理解,多种第一处理方式中每一种的第一处理方式的使用频率相差较小时,使用频率最高的第二处理方式难以很好地表征多种第一处理方式的最优解。需要确定多种第一处理方式分别对应的使用频率中任意两个使用频率之间的频率差值。在频率差值为多个的情况下,判断多个频率差值中的最大频率差值是否大于预设的差值阈值。若最大频率差值大于差值阈值,则视为可以将使用频率最高的第二处理方式作为处理上述一条差错处理信息的最佳方式。若最大频率差值小于或等于差值阈值,则视为每一种第一处理方式的使用频率相差不多,难以很好地选出处理上述一条差错处理信息的最佳方式,需要发送第一提示信息至第一人机交互设备,用以触发第一介入处理。
在一种可选的实施例中,上述采用上述关联规则,更新上述第一差错处理模型,得到第二差错处理模型,包括:基于上述关联规则,更新上述多个判断节点;基于更新后的上述多个判断节点,得到上述第二差错处理模型。
可以理解,上述关联规则是用于更新多个判断节点的,增强更新后的多个判断节点的处理能力,得到更处理能力更强的第二差错处理模型。
在一种可选的实施例中,获取上述交易差错信息对应的上述差错处理结果,包括:将上述交易差错信息输入上述第一差错处理模型中进行处理,得到上述交易差错信息对应的差错匹配结果,其中,上述差错匹配结果为:匹配到差错处理方式,未匹配到差错处理方式;在上述差错匹配结果为上述匹配到差错处理方式的情况下,确定上述交易差错信息对应的第三处理方式;采用上述第三处理方式,得到上述交易差错信息对应的上述差错处理结果;在上述差错匹配结果为上述未匹配到差错处理方式的情况下,发送第二提示信息至第二人机交互设备,其中,上述第二提示信息用于触发第二介入处理;获取上述第二介入处理对应的介入处理结果;将上述介入处理结果作为上述交易差错信息对应的上述差错处理结果。
可以理解,随着目标交易系统的使用和更新,势必会产生新的种类的交易差错信息,即没有对应的历史处理方式。将交易差错信息输入第一差错处理模型中进行处理,得到交易差错信息对应的差错匹配结果,其中,差错匹配结果为:匹配到差错处理方式,未匹配到差错处理方式。将匹配到差错处理方式,视为常规的有历史依据的差错处理方式,将未匹配到差错处理方式,视为新的没有历史依据的差错处理方式。在差错匹配结果为匹配到差错处理方式的情况下,确定交易差错信息对应的第三处理方式。采用第三处理方式,得到交易差错信息对应的差错处理结果。在差错匹配结果为未匹配到差错处理方式的情况下,第一差错处理模型无法直接得到第一差错处理结果,需要发送第二提示信息至第二人机交互设备,用来触发第二介入处理。为了增强第一差错处理模型的处理能力,获取第二介入处理对应的介入处理结果,将介入处理结果作为交易差错信息对应的差错处理结果。
在一种可选的实施例中,在更新后的上述多条历史差错信息分别包括:历史差错类型,历史交易类型,历史交易金额,历史地区号,历史网点号,历史卡种类,历史协议成立时间,历史协议种类,历史协议最大支付额,历史机构信息,历史差错处理方式,历史差错处理时效的情况下,其中,上述历史地区号为发生历史差错的卡号所在的地区编号,上述历史网点号为上述发生历史差错的卡号对应的网点编号,上述确定更新后的上述多条历史差错信息之间的关联规则,包括:将上述历史地区号,上述历史网点号,上述历史卡种类作为第一关键信息;以及将上述历史协议成立时间,上述历史协议种类,上述历史协议最大支付额作为第二关键信息;以及将上述历史差错处理方式,上述历史差错处理时效作为第三关键信息;确定上述历史差错类型与上述历史交易类型之间的第一关联信息,上述历史差错类型与上述历史交易金额之间的第二关联信息,上述历史差错类型与上述第一关键信息之间的第三关联信息,上述历史差错类型与上述第二关键信息之间的第四关联信息,上述历史差错类型与历史机构信息之间的第五关联信息,上述历史差错类型与上述第三关键信息之间的第六关联信息;基于上述第一关联信息,上述第二关联信息,上述第三关联信息,上述第四关联信息,上述第五关联信息,上述第六关联信息,得到更新后的上述多条历史差错信息之间的上述频繁项集;对上述频繁项集进行挖掘,确定更新后的上述多条历史差错信息之间的上述关联规则。可以理解,对于目标交易系统的多条历史差错信息。
可以理解,更新后的多条历史差错信息中,历史地区号,历史网点号,历史卡种类作为第一关键信息,历史协议成立时间,历史协议种类,历史协议最大支付额作为第二关键信息,历史差错处理方式,历史差错处理时效作为第三关键信息。之后,确定历史差错类型与历史交易类型之间的第一关联信息,历史差错类型与历史交易金额之间的第二关联信息,历史差错类型与第一关键信息之间的第三关联信息,历史差错类型与第二关键信息之间的第四关联信息,历史差错类型与历史机构信息之间的第五关联信息,历史差错类型与第三关键信息之间的第六关联信息。基于第一关联信息,第二关联信息,第三关联信息,第四关联信息,第五关联信息,第六关联信息,得到更新后的多条历史差错信息之间的频繁项集。对频繁项集进行挖掘,确定更新后的多条历史差错信息之间的关联规则。
需要说明的是,通过挖掘频繁项集,得到关联规则体现了历史差错类型与历史交易类型,历史交易金额,第一关键信息,第二关键信息,历史机构信息,第三关键信息之间的强关联关系,作为关联规则。可以提高第一差错处理模型的判断能力。
基于上述实施例和可选实施例,本发明提出一种可选实施方式,图2是根据本申请实施例提供的一种可选的差错处理方法的示意图。在目标交易系统为第三方快捷支付系统的情况下,如图2所示,具体包括以下步骤:
步骤S1,对第三方快捷支付系统的交易数据实时监控,在发现交易出现差错的情况下,实时获取发生账务差错的第一交易差错信息,调用第一差错处理模型进行自动化处理。
步骤S2,第一差错处理模型针对发送过来的第一交易差错信息进行规则匹配,得到第一差错处理结果。
步骤S3,按照第一差错处理结果进行自动处理,在未能自动处理的情况下触发人工介入处理。实时进行报警,通知技术人员介入处理。对第一差错处理结果以及第一交易差错信息进行存储。
步骤S4,采用第一交易差错信息更新目标交易系统中的多条历史差错信息。
步骤S5,确定更新后的多条历史差错信息之间的关联规则,并采用关联规则,更新第一差错处理模型,得到第二差错处理模型。
步骤S6,继续对第三方快捷支付系统的交易数据实时监控,在发现交易出现差错的情况下,实时获取发生账务差错的第二交易差错信息,调用第二差错处理模型进行自动化处理。
图3是根据本申请实施例提供的一种可选的差错处理方法的交互流程图,如图3所示,交互方式由上至下具体为:获取交易差错信息,在差错处理模型中进行处理,处理后的结果为匹配到差错处理方式,或未匹配到差错处理方式。对于未匹配到差错处理方式的情况,需要人工进行介入,并获取介入处理结果用于更新差错处理模型。对于匹配到差错处理方式,则更新已存储的多条历史差错信息,得到关联规则,采用关联规则更新差错处理模型。通过上述处理,可以实现对差错处理模型的更新迭代,有利于不断提高差错处理模型的处理能力,得到准确性更高的差错处理结果。
需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
本申请实施例还提供了一种差错处理装置,需要说明的是,本申请实施例的差错处理装置可以用于执行本申请实施例所提供的用于差错处理方法。以下对本申请实施例提供的差错处理装置进行介绍。
图4是根据本申请实施例的差错处理装置的示意图。如图4所示,该装置包括:第一获取模块402,第一更新模块404,确定模块406,第二获取模型408,第三获取模块410,下面对该装置进行说明。
第一获取模块402,用于获取目标交易系统中发生账务差错的第一交易差错信息,以及上述第一交易差错信息对应的第一差错处理结果,其中,上述第一差错处理结果是由上述第一交易差错信息输入第一差错处理模型中进行处理得到的;
第一更新模块404,与第一获取模块402连接,用于采用上述第一交易差错信息,更新上述目标交易系统中的多条历史差错信息;
确定模块406,与第一更新模块404连接,用于确定更新后的上述多条历史差错信息之间的关联规则,其中,上述关联规则为挖掘更新后的上述多条历史差错信息中的频繁项集得到的,上述频繁项集用于表示上述多条历史差错信息中满足预设出现次数阈值的信息;
第二获取模型408,与确定模块406连接,用于采用上述关联规则,更新上述第一差错处理模型,得到第二差错处理模型;
第三获取模块410,与第二获取模型408连接,用于在获取上述目标交易系统中的第二交易差错信息的情况下,将上述第二交易差错信息输入上述第二差错处理模型中进行处理,得到上述第二交易差错信息对应的第二差错处理结果。
本申请实施例提供的差错处理装置,通过设置第一获取模块402,用于获取目标交易系统中发生账务差错的第一交易差错信息,以及上述第一交易差错信息对应的第一差错处理结果,其中,上述第一差错处理结果是由上述第一交易差错信息输入第一差错处理模型中进行处理得到的;第一更新模块404,与第一获取模块402连接,用于采用上述第一交易差错信息,更新上述目标交易系统中的多条历史差错信息;确定模块406,与第一更新模块404连接,用于确定更新后的上述多条历史差错信息之间的关联规则,其中,上述关联规则为挖掘更新后的上述多条历史差错信息中的频繁项集得到的,上述频繁项集用于表示上述多条历史差错信息中满足预设出现次数阈值的信息;第二获取模型408,与确定模块406连接,用于采用上述关联规则,更新上述第一差错处理模型,得到第二差错处理模型;第三获取模块410,与第二获取模型408连接,用于在获取上述目标交易系统中的第二交易差错信息的情况下,将上述第二交易差错信息输入上述第二差错处理模型中进行处理,得到上述第二交易差错信息对应的第二差错处理结果。,达到了交易差错信息匹配得到差错处理结果,提高差错处理的客观性的目的,解决了相关技术中差错处理受主观影响大,处理稳定性低,处理效率低的问题,进而达到了提高处理稳定性,提高处理效率,增强处理客观性的效果。
需要说明的是,上述各个模块是可以通过软件或硬件来实现的,例如,对于后者,可以通过以下方式实现:上述各个模块可以位于同一处理器中;或者,上述各个模块以任意组合的方式位于不同的处理器中。
此处需要说明的是,上述第一获取模块402,第一更新模块404,确定模块406,第二获取模型408,第三获取模块410对应于实施例中的步骤S102至步骤S110,上述模块与对应的步骤所实现的实例和应用场景相同,但不限于上述实施例所公开的内容。需要说明的是,上述模块作为装置的一部分可以运行在计算机终端中。
需要说明的是,本实施例的可选或优选实施方式可以参见实施例中的相关描述,此处不再赘述。
上述差错处理装置包括处理器和存储器,上述单元等均作为程序单元存储在存储器中,由处理器执行存储在存储器中的上述程序单元来实现相应的功能。
处理器中包含内核,由内核去存储器中调取相应的程序单元。内核可以设置一个或以上,通过调整内核参数来(本发明的目的)。
存储器可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM),存储器包括至少一个存储芯片。
本发明实施例提供了一种计算机可读存储介质,其上存储有程序,该程序被处理器执行时实现上述差错处理方法。
本发明实施例提供了一种处理器,上述处理器用于运行程序,其中,上述程序运行时执行上述差错处理方法。
如图5所示,本发明实施例提供了一种电子设备,该电子设备10包括处理器、存储器及存储在存储器上并可在处理器上运行的程序,处理器执行程序时实现以下步骤:获取目标交易系统中发生账务差错的第一交易差错信息,以及上述第一交易差错信息对应的第一差错处理结果,其中,上述第一差错处理结果是由上述第一交易差错信息输入第一差错处理模型中进行处理得到的;采用上述第一交易差错信息,更新上述目标交易系统中的多条历史差错信息;确定更新后的上述多条历史差错信息之间的关联规则,其中,上述关联规则为挖掘更新后的上述多条历史差错信息中的频繁项集得到的,上述频繁项集用于表示上述多条历史差错信息中满足预设出现次数阈值的信息;采用上述关联规则,更新上述第一差错处理模型,得到第二差错处理模型;在获取上述目标交易系统中的第二交易差错信息的情况下,将上述第二交易差错信息输入上述第二差错处理模型中进行处理,得到上述第二交易差错信息对应的第二差错处理结果。本文中的设备可以是服务器、PC、PAD、手机等。
本申请还提供了一种计算机程序产品,当在数据处理设备上执行时,适于执行初始化有如下方法步骤的程序:获取目标交易系统中发生账务差错的第一交易差错信息,以及上述第一交易差错信息对应的第一差错处理结果,其中,上述第一差错处理结果是由上述第一交易差错信息输入第一差错处理模型中进行处理得到的;采用上述第一交易差错信息,更新上述目标交易系统中的多条历史差错信息;确定更新后的上述多条历史差错信息之间的关联规则,其中,上述关联规则为挖掘更新后的上述多条历史差错信息中的频繁项集得到的,上述频繁项集用于表示上述多条历史差错信息中满足预设出现次数阈值的信息;采用上述关联规则,更新上述第一差错处理模型,得到第二差错处理模型;在获取上述目标交易系统中的第二交易差错信息的情况下,将上述第二交易差错信息输入上述第二差错处理模型中进行处理,得到上述第二交易差错信息对应的第二差错处理结果。
本领域内的技术人员应明白,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。
本申请是参照根据本申请实施例的方法、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。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
存储器可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。存储器是计算机可读介质的示例。
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。
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。
以上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 (10)
1.一种差错处理方法,其特征在于,包括:
获取目标交易系统中发生账务差错的第一交易差错信息,以及所述第一交易差错信息对应的第一差错处理结果,其中,所述第一差错处理结果是由所述第一交易差错信息输入第一差错处理模型中进行处理得到的;
采用所述第一交易差错信息,更新所述目标交易系统中的多条历史差错信息;
确定更新后的所述多条历史差错信息之间的关联规则,其中,所述关联规则为挖掘更新后的所述多条历史差错信息中的频繁项集得到的,所述频繁项集用于表示所述多条历史差错信息中满足预设出现次数阈值的信息;
采用所述关联规则,更新所述第一差错处理模型,得到第二差错处理模型;
在获取所述目标交易系统中的第二交易差错信息的情况下,将所述第二交易差错信息输入所述第二差错处理模型中进行处理,得到所述第二交易差错信息对应的第二差错处理结果。
2.根据权利要求1所述的方法,其特征在于,在所述获取目标交易系统中发生账务差错的交易差错信息,以及所述交易差错信息对应的差错处理结果之前,所述方法还包括:
确定所述多条历史差错信息分别对应的历史处理方式,以及所述多条历史差错信息与所述历史处理方式之间的映射关系;
采用预设的参数类型,对所述多条历史差错信息分别进行第一分类,得到所述多条历史差错信息分别对应的参数分类结果,其中,所述参数分类结果包括至少一个参数类型;
分别确定所述多条历史差错信息对应的所述参数分类结果对应的预设判断条件;
采用所述预设判断条件,分别生成所述多条历史差错信息对应的所述参数分类结果对应的多个判断节点,其中,所述多个判断节点用于基于所述预设判断条件对输入所述多个判断节点中的信息执行判断;
基于所述多个判断节点和所述映射关系,确定所述第一差错处理模型。
3.根据权利要求2所述的方法,其特征在于,所述方法还包括:
在所述多条历史差错信息中的一条历史差错信息对应的第一处理方式为多种的情况下,确定多种第一处理方式分别对应的使用频率;
确定所述多种第一处理方式中使用频率最高的第二处理方式;
采用所述第二处理方式,对所述一条历史差错信息进行处理。
4.根据权利要求3所述的方法,其特征在于,所述确定所述多种第一处理方式中所述使用频率最高的第二处理方式,包括:
确定所述多种第一处理方式分别对应的所述使用频率中任意两个使用频率之间的频率差值;
在所述频率差值为多个的情况下,判断多个频率差值中的最大频率差值是否大于预设的差值阈值;
若所述最大频率差值大于所述差值阈值,则确定所述多种第一处理方式中所述使用频率最高的所述第二处理方式;
若所述最大频率差值小于或等于所述差值阈值,则发送第一提示信息至第一人机交互设备,其中,所述第一提示信息用于触发第一介入处理。
5.根据权利要求2所述的方法,其特征在于,所述采用所述关联规则,更新所述第一差错处理模型,得到第二差错处理模型,包括:
基于所述关联规则,更新所述多个判断节点;
基于更新后的所述多个判断节点,得到所述第二差错处理模型。
6.根据权利要求1所述的方法,其特征在于,获取所述交易差错信息对应的所述差错处理结果,包括:
将所述交易差错信息输入所述第一差错处理模型中进行处理,得到所述交易差错信息对应的差错匹配结果,其中,所述差错匹配结果为:匹配到差错处理方式,未匹配到差错处理方式;
在所述差错匹配结果为所述匹配到差错处理方式的情况下,确定所述交易差错信息对应的第三处理方式;
采用所述第三处理方式,得到所述交易差错信息对应的所述差错处理结果;
在所述差错匹配结果为所述未匹配到差错处理方式的情况下,发送第二提示信息至第二人机交互设备,其中,所述第二提示信息用于触发第二介入处理;
获取所述第二介入处理对应的介入处理结果;
将所述介入处理结果作为所述交易差错信息对应的所述差错处理结果。
7.根据权利要求1所述的方法,其特征在于,在更新后的所述多条历史差错信息分别包括:历史差错类型,历史交易类型,历史交易金额,历史地区号,历史网点号,历史卡种类,历史协议成立时间,历史协议种类,历史协议最大支付额,历史机构信息,历史差错处理方式,历史差错处理时效的情况下,其中,所述历史地区号为发生历史差错的卡号所在的地区编号,所述历史网点号为所述发生历史差错的卡号对应的网点编号,所述确定更新后的所述多条历史差错信息之间的关联规则,包括:
将所述历史地区号,所述历史网点号,所述历史卡种类作为第一关键信息;以及将所述历史协议成立时间,所述历史协议种类,所述历史协议最大支付额作为第二关键信息;以及将所述历史差错处理方式,所述历史差错处理时效作为第三关键信息;
确定所述历史差错类型与所述历史交易类型之间的第一关联信息,所述历史差错类型与所述历史交易金额之间的第二关联信息,所述历史差错类型与所述第一关键信息之间的第三关联信息,所述历史差错类型与所述第二关键信息之间的第四关联信息,所述历史差错类型与历史机构信息之间的第五关联信息,所述历史差错类型与所述第三关键信息之间的第六关联信息;
基于所述第一关联信息,所述第二关联信息,所述第三关联信息,所述第四关联信息,所述第五关联信息,所述第六关联信息,得到更新后的所述多条历史差错信息之间的所述频繁项集;
对所述频繁项集进行挖掘,确定更新后的所述多条历史差错信息之间的所述关联规则。
8.一种差错处理装置,其特征在于,包括:
第一获取模块,用于获取目标交易系统中发生账务差错的第一交易差错信息,以及所述第一交易差错信息对应的第一差错处理结果,其中,所述第一差错处理结果是由所述第一交易差错信息输入第一差错处理模型中进行处理得到的;
第一更新模块,用于采用所述第一交易差错信息,更新所述目标交易系统中的多条历史差错信息;
确定模块,用于确定更新后的所述多条历史差错信息之间的关联规则,其中,所述关联规则为挖掘更新后的所述多条历史差错信息中的频繁项集得到的,所述频繁项集用于表示所述多条历史差错信息中满足预设出现次数阈值的信息;
第二获取模型,用于采用所述关联规则,更新所述第一差错处理模型,得到第二差错处理模型;
第三获取模块,用于在获取所述目标交易系统中的第二交易差错信息的情况下,将所述第二交易差错信息输入所述第二差错处理模型中进行处理,得到所述第二交易差错信息对应的第二差错处理结果。
9.一种非易失性存储介质,其特征在于,所述非易失性存储介质存储有多条指令,所述指令适于由处理器加载并执行权利要求1至7中任意一项所述的差错处理方法。
10.一种电子设备,其特征在于,包括一个或多个处理器和存储器,所述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7中任意一项所述的差错处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211511550.0A CN115860937A (zh) | 2022-11-29 | 2022-11-29 | 差错处理方法、装置、非易失性存储介质及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211511550.0A CN115860937A (zh) | 2022-11-29 | 2022-11-29 | 差错处理方法、装置、非易失性存储介质及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115860937A true CN115860937A (zh) | 2023-03-28 |
Family
ID=85667743
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211511550.0A Pending CN115860937A (zh) | 2022-11-29 | 2022-11-29 | 差错处理方法、装置、非易失性存储介质及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115860937A (zh) |
-
2022
- 2022-11-29 CN CN202211511550.0A patent/CN115860937A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109063966B (zh) | 风险账户的识别方法和装置 | |
US11074350B2 (en) | Method and device for controlling data risk | |
CN107230008B (zh) | 一种风险信息输出、风险信息构建方法及装置 | |
US11004026B2 (en) | Method and apparatus for determining risk management decision-making critical values | |
CN105719033B (zh) | 用于识别客体风险的方法及装置 | |
CN111309822A (zh) | 用户身份识别方法及装置 | |
CN116629937A (zh) | 营销策略推荐方法及装置 | |
CN111127185A (zh) | 信贷欺诈识别模型构建方法及装置 | |
EP4273750A1 (en) | Data processing method and apparatus, computing device, and test simplification device | |
CN112905987B (zh) | 账号识别方法、装置、服务器及存储介质 | |
CN116362895A (zh) | 理财产品推荐方法、装置及存储介质 | |
CN116225958A (zh) | 故障预测方法、装置、存储介质及电子设备 | |
CN115860937A (zh) | 差错处理方法、装置、非易失性存储介质及电子设备 | |
CN115600818A (zh) | 多维评分方法、装置、电子设备和存储介质 | |
CN115689571A (zh) | 异常用户行为监测方法、装置、设备和介质 | |
CN115375494A (zh) | 理财产品推荐方法、装置、存储介质和设备 | |
CN115080412A (zh) | 软件更新质量评估方法、装置、设备及计算机存储介质 | |
US20210166318A1 (en) | Systems and methods for client profile-based sales decisions | |
CN112801406A (zh) | 数据处理方法及装置、计算设备 | |
US12050568B2 (en) | System and method for implementing a data quality framework and engine | |
KR102433431B1 (ko) | 이종 데이터를 이용한 향상된 예측 시스템 및 예측 방법 | |
CN114595137B (zh) | 一种测试用例获取方法和装置 | |
CN115730823A (zh) | 风险概率识别方法、装置、处理器和电子设备 | |
US20240256968A1 (en) | System and method for automated underwriting for application processing using machine learning models | |
US20240054509A1 (en) | Intelligent shelfware prediction and system adoption assistant |
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 |