CN116151815A - 一种基于特征因子的支付方式推荐方法及系统 - Google Patents
一种基于特征因子的支付方式推荐方法及系统 Download PDFInfo
- Publication number
- CN116151815A CN116151815A CN202310172189.1A CN202310172189A CN116151815A CN 116151815 A CN116151815 A CN 116151815A CN 202310172189 A CN202310172189 A CN 202310172189A CN 116151815 A CN116151815 A CN 116151815A
- Authority
- CN
- China
- Prior art keywords
- payment
- user
- data
- module
- recommended
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Abstract
本发明公开了一种基于特征因子的支付方式推荐方法及系统,该方法包括以下步骤:S1、基于OLAP获取多个维度的支付相关数据;S2、对多个维度的支付相关数据进行分析,得到多个维度的支付特征数据;S3、用户发起支付请求,确定用户对应的推荐支付方式;S4、根据预设的渠道与支付方式的对应关系,确定用户渠道所对应的支付方式;S5、跳转至会员中心,选择充足的银行卡进行支付;该包括获取模块、分析模块、请求模块、确认模块及跳转支付模块。本发明通过向用户推荐其对应的推荐支付方式,可根据各个用户的实际情况为不同用户推荐不同的支付方式,从而在一定程度上节省了资源,提高用户的购物体验。
Description
技术领域
本发明涉及互联网技术领域,具体来说,涉及一种基于特征因子的支付方式推荐方法及系统。
背景技术
支付是用户进行网络购物过程中最为重要的基础流程之一,当前丰富的第三方支付平台为各个网络购物平台提供了多种支付方式,当用户在该网络购物平台对应的APP(应用程序,位于用户终端)中进行支付操作时,网络购物平台为用户推荐已预先与该网络购物平台绑定的固定支付方式,比如支付宝、微信。随着移动互联网的发展,移动支付已成为越来越多用户的选择,目前针对移动支付的快捷方式可以让用户快速的选择想要支付的方式。
目前,用户通过自己手动设置支付方式的方法来满足不同场景下的支付付款,支付方式一旦设定,就是固定的,想用其他支付方式必须重新设置、或者在用户设置的支付方式用不了的情况下,也必须重新设置支付方式,会降低用户的体验感。
当应用程序上绑定的支付方式较多时,会将其绑定的所有支付方式都推荐给用户,这就会在一定程度上造成资源浪费的问题,此外,针对应用程序中的所有用户均推荐同样的支付方式,不能根据用户的实际情况为用户推荐对应的支付方式,这就会造成用户的购物体验较差的问题。
针对相关技术中的问题,目前尚未提出有效的解决方案。
发明内容
针对相关技术中的问题,本发明提出一种基于特征因子的支付方式推荐方法及系统,以克服现有相关技术所存在的上述技术问题。
为此,本发明采用的具体技术方案如下:
根据本发明的一个方面,提供了一种基于特征因子的支付方式推荐方法,该方法包括以下步骤:
S1、基于OLAP获取多个维度的支付相关数据;
S2、对多个维度的支付相关数据进行分析,得到多个维度的支付特征数据;
S3、用户发起支付请求,确定用户对应的推荐支付方式;
S4、根据预设的渠道与支付方式的对应关系,确定用户渠道所对应的支付方式;
S5、跳转至会员中心,选择充足的银行卡进行支付。
进一步的,所述基于OLAP获取多个维度的支付相关数据包括以下步骤:
S11、从数据库中采集支付相关数据集写入HDFS文件系统中;
S12、通过Kylin多维引擎获取HDFS集群的数据仓库中的数据表的结构信息,并根据所述结构信息配置生成多个多维立方体;
S13、通过Kylin多维引擎同步HDFS文件系统中的数据集,并根据数据集和多维立方体构建生成多个立方体段存储在HDFS数据库中。
进一步的,所述对多个维度的支付相关数据进行分析,得到多个维度的支付特征数据包括以下步骤:
S21、根据支付相关数据的基本信息,去立方体化;
S22、基于业务对象的进行多维分析,找出最优支付特征数据。
进一步的,所述根据支付相关数据的基本信息,去立方体化包括以下步骤:
S211、梳理基本信息,标记出主键与外键,整理出表集合,确定所有字段的数据类型,整理出字段集合;
S212、把表集合中的所有字段识别成业务对象,并且将具有相同含义的列绑定到相同的业务对象上,形成维度集合与度量集合;
S213、整理维度集合中的所有维度,将有层级关系的维度设置好上下级关系,将维度集合、度量集合的关系生成全业务的逻辑立方体。
进一步的,所述基于业务对象的进行多维分析,找出最优支付特征数据包括以下步骤:
S221、将维度集合和维度集合中的对象,利用路径查找算法计算出当前业务组合的最优结果集和可用的层级维度集;
S222、从层级维度集中选择某个维度切换到其对应的子层级维度,系统通过解析逻辑立方体;
S223、从层级维度集中选择某个维度切换到其对应的父层级维度,通过解析逻辑立方体与路径查找算法找出最优支付特征数据。
进一步的,所述用户发起支付请求,确定用户对应的推荐支付方式包括以下步骤:
S31、当接收到目标对象的支付请求时,若存在多种目标支付方式,则按照时间顺序依次确定出指定数量的目标时间窗口;
S32、根据指定数量的目标时间窗口内的支付记录,计算每种目标支付方式的预设影响参数;
S33、将可用率不小于预设可用率阈值的目标支付方式作为候选支付方式,并基于各个所述候选支付方式的预设影响参数计算预测率;
S34、根据预测向目标对象推荐候选支付方式。
进一步的,所述目标时间窗口为记录的交易笔数不小于预设最低笔数的时间窗口;
所述预设影响参数包括:可用率、支付平均超时率以及被选择比例。
所述可用率的计算公式为:
其中,实际上几乎所有的算法在计算时都离不开数据的支撑,可靠的数据对算法得出结果的准确度有很大的影响,因此在进行预测之前,我们需要先收集用户的一些过去的行为或者偏好习惯等数据,如对某个支付方式的评分等,然后通过对这些数据的分析才可以对其他用户的行为进行预测。
进一步的,所述预测率的计算公式为:
式中,prep(u,p)是对推荐方式的预测率,ru表示用户对支付方式评分的平均值,simi,j表示支付方式之间的相似度,rv表示支付方式之间的平均值,rv,p表示打分值;
所述simi,j的计算公式为:
式中,i与j分别表示i支付方式与j支付方式,Ru,i表示用户对i的评分值,Ru,j表示用户对j的评分值,Uij表示用户同时对i与j的打分值。
进一步的,所述跳转至会员中心,选择充足的银行卡进行支付包括以下步骤:
S51、跳转至用户会员中心,读取应用程序中用户会员中心绑定的各类银行卡所包含的应用信息;
S52、遍历所包含的应用信息,获取使用者绑定的银行卡限额,根据使用者支付价格的大小推荐限额充足的银行卡进行支付。
根据本发明的另一个方面,还提供了一种基于特征因子的支付方式推荐系统,该基于特征因子的支付方式推荐系统包括获取模块、分析模块、请求模块、确认模块及跳转支付模块;
所述获取模块,用于基于OLAP获取多个维度的支付相关数据;
所述分析模块,用于对多个维度的支付相关数据进行分析,得到多个维度的支付特征数据;
所述请求模块,用于用户发起支付请求,确定用户对应的推荐支付方式;
所述确认模块,用于根据预设的渠道与支付方式的对应关系,确定用户的渠道所对应的支付方式,并确定用户对应的推荐支付方式;
所述跳转支付模块,用于跳转至会员中心,选择充足的银行卡进行支付。
本发明的有益效果为:
1、本发明通过对多个维度的支付相关数据进行特征提取和分值运算,从而兼顾多个维度,实现了对支付方式的精准推荐,有效地提高了推荐效果,使得所推荐的支付方式能够很好地满足用户的实际使用需求,有效地提升了用户支付体验,并有助于提升用户订单支付转化率,同时本发明通过结合用户对支付方式的评分使用推荐预测算法能够深入了解用户使用需求,无疑会更受消用户的青睐,目前推荐算法似乎已经成为了必不可少的核心竞争力。
2、本发明通过向用户推荐其对应的推荐支付方式,能够有针对性的向用户推荐支付方式,而不是将所有支付方式均推荐给用户,可根据各个用户的实际情况为不同用户推荐不同的支付方式,从而在一定程度上节省了资源,提高用户的购物体验,适用于理财产品和会员充值的大额支付。
3、本发明在获取支付记录时,基于获取用户的支付相关数据,对数据进行处理,筛选出多个符合要求的目标时间窗口内的支付记录,来保证基础数据的质量,然后采用这多个目标时间窗口内的支付记录,计算目标支付方式的影响参数,包括可用率、支付平均超时率以及被选择比例等,然后根据可用率筛选出较好的支付方式作为候选支付方法,再根据候选支付方式各自的影响参数确定出候选支付方式的推荐率,然后按照推荐率排序为目标对象推荐候选支付方式,进而提高用户的支付体验,增加用户的支付效率。
4、本发明通过支付方式的被选择比例综合的为用户推荐候选支付方式,使得推荐的支付方式更能够满足目标用户的当前需求并结合了可用率和平均支付超时率来保证推荐的支付方式能够顺利的完成支付,进而减少用户由于支付失败而重复进行支付操作带来的增加支付终端和后台之间频繁重复的数据交互行为,且浪费网络资源的问题。
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是根据本发明实施例的一种基于特征因子的支付方式推荐方法的流程图;
图2是根据本发明实施例的一种基于特征因子的支付方式推荐系统的原理框图。
图中:
1、获取模块;2、分析模块;3、请求模块;4、确认模块;5、跳转支付模块。
具体实施方式
为进一步说明各实施例,本发明提供有附图,这些附图为本发明揭露内容的一部分,其主要用以说明实施例,并可配合说明书的相关描述来解释实施例的运作原理,配合参考这些内容,本领域普通技术人员应能理解其他可能的实施方式以及本发明的优点。
以下就本发明中涉及的缩略语进行解释说明如下:
OLAP即联机分析处理,简写为OLAP,联机分析处理(OLAP)系统是数据仓库系统最主要的应用,专门设计用于支持复杂的分析操作,侧重对决策人员和高层管理人员的决策支持,可以根据分析人员的要求快速、灵活地进行大数据量的复杂查询处理,并且以一种直观而易懂的形式将查询结果提供给决策人员。
HDFS:Hadoop分布式文件系统(HDFS)适合运行在通用硬件(commodityhardware)上的分布式文件系统,HDFS是一个高度容错性的系统,HDFS能提供高吞吐量的数据访问,非常适合大规模数据集上的应用。
Kylin:是一个中国自主知识产权操作系统,可支持多种微处理器和多种计算机体系结构,具有高性能、高可用性和高安全性,并与Linux应用二进制兼容的国产中文服务器操作系统。
根据本发明的实施例,提供了一种基于特征因子的支付方式推荐方法及系统。
现结合附图和具体实施方式对本发明进一步说明,如图1所示,根据本发明实施例的基于特征因子的支付方式推荐方法,该方法包括以下步骤:
S1、基于OLAP获取多个维度的支付相关数据;
其中,所述基于OLAP获取多个维度的支付相关数据包括以下步骤:
S11、从数据库中采集支付相关数据集写入HDFS文件系统中;
S12、通过Kylin多维引擎获取HDFS集群的数据仓库中的数据表的结构信息,并根据所述结构信息配置生成多个多维立方体;
S13、通过Kylin多维引擎同步HDFS文件系统中的数据集,并根据数据集和多维立方体构建生成多个立方体段存储在HDFS数据库中。
S2、对多个维度的支付相关数据进行分析,得到多个维度的支付特征数据;
其中,所述对多个维度的支付相关数据进行分析,得到多个维度的支付特征数据包括以下步骤:
S21、根据支付相关数据的基本信息,去立方体化;
具体的,所述基本信息包括累计消费金额、用户当前所在地理位置及用户应用程序下载渠道中的至少一种;
具体的,所述根据支付相关数据的基本信息,去立方体化包括以下步骤:
S211、梳理基本信息,标记出主键与外键,整理出表集合,确定所有字段的数据类型,整理出字段集合;
S212、把表集合中的所有字段识别成业务对象,并且将具有相同含义的列绑定到相同的业务对象上,形成维度集合与度量集合;
S213、整理维度集合中的所有维度,将有层级关系的维度设置好上下级关系,将维度集合、度量集合的关系生成全业务的逻辑立方体;
所述立方体段是指维度不同的数据组合后生成的一个数据结果集。
S22、基于业务对象的进行多维分析,找出最优支付特征数据;
具体的,所述基于业务对象的进行多维分析,找出最优支付特征数据包括以下步骤:
S221、将维度集合和维度集合中的对象,利用路径查找算法计算出当前业务组合的最优结果集和可用的层级维度集;
S222、从层级维度集中选择某个维度切换到其对应的子层级维度,系统通过解析逻辑立方体;
S223、从层级维度集中选择某个维度切换到其对应的父层级维度,通过解析逻辑立方体与路径查找算法找出最优支付特征数据。
S3、用户发起支付请求,确定用户对应的推荐支付方式;
其中,所述用户发起支付请求,确定用户对应的推荐支付方式包括以下步骤:
S31、当接收到目标对象的支付请求时,若存在多种目标支付方式,则按照时间顺序依次确定出指定数量的目标时间窗口;
S32、根据指定数量的目标时间窗口内的支付记录,计算每种目标支付方式的预设影响参数;
S33、将可用率不小于预设可用率阈值的目标支付方式作为候选支付方式,并基于各个所述候选支付方式的预设影响参数计算预测率;
S34、根据预测向目标对象推荐候选支付方式。
具体的,所述目标时间窗口为记录的交易笔数不小于预设最低笔数的时间窗口;
所述预设影响参数包括:可用率、支付平均超时率以及被选择比例。
所述可用率的计算公式为:
在基于向量的最近邻推荐算法当中,两个向量的相关性一般可以通过运用两个向量之间的相似度来表示,该系数的区间是[-1,+1],当值是+1时表示两个向量的相似度为正,在值是-1时表示两个向量的相似度为负,而是0时则表示两个向量无相似度。
如下公式是对为两向量的相似度的计算公式:
所述simi,j的计算公式为:
式中,i与j分别表示i支付方式与j支付方式,Ru,i表示用户对i的评分值,Ru,j表示用户对j的评分值,Uij表示用户同时对i与j的打分值。
在基于向量的相似度的计算当中已得到相似度,再挑出其中的N个与相似度最高的支付方式,然后计算用户对支付方式的预测打分值;
计算公式如所示:
具体的,所述预测率的计算公式为:
式中,prep(u,p)是对推荐方式的预测率,ru表示用户对支付方式评分的平均值,simi,j表示支付方式之间的相似度,rv表示支付方式之间的平均值,rv,p表示打分值。
S4、根据预设的渠道与支付方式的对应关系,确定用户渠道所对应的支付方式;
其中,所述根据预设的渠道与支付方式的对应关系,确定用户的渠道所对应的支付方式,并确定用户对应的推荐支付方式包括以下步骤:
S41、根据用户应用程序的下载渠道确定与支付方式的对应关系;
S42、根据该对应关系确定所述用户的渠道所对应的支付方式;
S43、选择用户渠道所对应的支付方式中的一定数目支付方式作为用户对应的推荐支付方式。
S5、跳转至会员中心,选择充足的银行卡进行支付;
其中,所述跳转至会员中心,选择充足的银行卡进行支付包括以下步骤:
S51、跳转至用户会员中心,读取应用程序中用户会员中心绑定的各类银行卡所包含的应用信息;
S52、遍历所包含的应用信息,获取使用者绑定的银行卡限额,根据使用者支付价格的大小推荐限额充足的银行卡进行支付。
如图2所示,根据本发明的另一个实施例,还提供了一种基于特征因子的支付方式推荐系统,该基于特征因子的支付方式推荐系统包括获取模块1、分析模块2、请求模块3、确认模块4及跳转支付模块5;
所述获取模块1,用于基于OLAP获取多个维度的支付相关数据;
所述分析模块2,用于对多个维度的支付相关数据进行分析,得到多个维度的支付特征数据;
所述请求模块3,用于用户发起支付请求,确定用户对应的推荐支付方式;
所述确认模块4,用于根据预设的渠道与支付方式的对应关系,确定用户的渠道所对应的支付方式,并确定用户对应的推荐支付方式;
所述跳转支付模块5,用于跳转至会员中心,选择充足的银行卡进行支付。
综上所述,借助于本发明的上述技术方案,本发明通过对多个维度的支付相关数据进行特征提取和分值运算,从而兼顾多个维度,实现了对支付方式的精准推荐,有效地提高了推荐效果,使得所推荐的支付方式能够很好地满足用户的实际使用需求,有效地提升了用户支付体验,并有助于提升用户订单支付转化率,同时本发明通过结合用户对支付方式的评分使用推荐预测算法能够深入了解用户使用需求,无疑会更受消用户的青睐,目前推荐算法似乎已经成为了必不可少的核心竞争力。本发明通过向用户推荐其对应的推荐支付方式,能够有针对性的向用户推荐支付方式,而不是将所有支付方式均推荐给用户,可根据各个用户的实际情况为不同用户推荐不同的支付方式,从而在一定程度上节省了资源,提高用户的购物体验,适用于理财产品和会员充值的大额支付。本发明在获取支付记录时,基于获取用户的支付相关数据,对数据进行处理,筛选出多个符合要求的目标时间窗口内的支付记录,来保证基础数据的质量,然后采用这多个目标时间窗口内的支付记录,计算目标支付方式的影响参数,包括可用率、支付平均超时率以及被选择比例等,然后根据可用率筛选出较好的支付方式作为候选支付方法,再根据候选支付方式各自的影响参数确定出候选支付方式的推荐率,然后按照推荐率排序为目标对象推荐候选支付方式,进而提高用户的支付体验,增加用户的支付效率。本发明通过支付方式的被选择比例综合的为用户推荐候选支付方式,使得推荐的支付方式更能够满足目标用户的当前需求并结合了可用率和平均支付超时率来保证推荐的支付方式能够顺利的完成支付,进而减少用户由于支付失败而重复进行支付操作带来的增加支付终端和后台之间频繁重复的数据交互行为,且浪费网络资源的问题。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于特征因子的支付方式推荐方法,其特征在于,该方法包括以下步骤:
S1、基于OLAP获取多个维度的支付相关数据;
S2、对多个维度的支付相关数据进行分析,得到多个维度的支付特征数据;
S3、用户发起支付请求,确定用户对应的推荐支付方式;
S4、根据预设的渠道与支付方式的对应关系,确定用户渠道所对应的支付方式;
S5、跳转至会员中心,选择充足的银行卡进行支付。
2.根据权利要求1所述的一种基于特征因子的支付方式推荐方法,其特征在于,所述基于OLAP获取多个维度的支付相关数据包括以下步骤:
S11、从数据库中采集支付相关数据集写入HDFS文件系统中;
S12、通过Kylin多维引擎获取HDFS集群的数据仓库中的数据表的结构信息,并根据所述结构信息配置生成多个多维立方体;
S13、通过Kylin多维引擎同步HDFS文件系统中的数据集,并根据数据集和多维立方体构建生成多个立方体段存储在HDFS数据库中。
3.根据权利要求2所述的一种基于特征因子的支付方式推荐方法,其特征在于,所述对多个维度的支付相关数据进行分析,得到多个维度的支付特征数据包括以下步骤:
S21、根据支付相关数据的基本信息,去立方体化;
S22、基于业务对象的进行多维分析,找出最优支付特征数据。
4.根据权利要求3所述的一种基于特征因子的支付方式推荐方法,其特征在于,所述根据支付相关数据的基本信息,去立方体化包括以下步骤:
S211、梳理基本信息,标记出主键与外键,整理出表集合,确定所有字段的数据类型,整理出字段集合;
S212、把表集合中的所有字段识别成业务对象,并且将具有相同含义的列绑定到相同的业务对象上,形成维度集合与度量集合;
S213、整理维度集合中的所有维度,将有层级关系的维度设置好上下级关系,将维度集合、度量集合的关系生成全业务的逻辑立方体。
5.根据权利要求4所述的一种基于特征因子的支付方式推荐方法,其特征在于,所述基于业务对象的进行多维分析,找出最优支付特征数据包括以下步骤:
S221、将维度集合和维度集合中的对象,利用路径查找算法计算出当前业务组合的最优结果集和可用的层级维度集;
S222、从层级维度集中选择某个维度切换到其对应的子层级维度,系统通过解析逻辑立方体;
S223、从层级维度集中选择某个维度切换到其对应的父层级维度,通过解析逻辑立方体与路径查找算法找出最优支付特征数据。
6.根据权利要求5所述的一种基于特征因子的支付方式推荐方法,其特征在于,所述用户发起支付请求,确定用户对应的推荐支付方式包括以下步骤:
S31、当接收到目标对象的支付请求时,若存在多种目标支付方式,则按照时间顺序依次确定出指定数量的目标时间窗口;
S32、根据指定数量的目标时间窗口内的支付记录,计算每种目标支付方式的预设影响参数;
S33、将可用率不小于预设可用率阈值的目标支付方式作为候选支付方式,并基于各个所述候选支付方式的预设影响参数计算预测率;
S34、根据预测向目标对象推荐候选支付方式。
9.根据权利要求8所述的一种基于特征因子的支付方式推荐方法,其特征在于,所述跳转至会员中心,选择充足的银行卡进行支付包括以下步骤:
S51、跳转至用户会员中心,读取应用程序中用户会员中心绑定的各类银行卡所包含的应用信息;
S52、遍历所包含的应用信息,获取使用者绑定的银行卡限额,根据使用者支付价格的大小推荐限额充足的银行卡进行支付。
10.一种基于特征因子的支付方式推荐系统,用于实现权利要求1-9中任一项所述的基于特征因子的支付方式推荐方法,其特征在于,该基于特征因子的支付方式推荐系统包括获取模块、分析模块、请求模块、确认模块及跳转支付模块;
所述获取模块,用于基于OLAP获取多个维度的支付相关数据;
所述分析模块,用于对多个维度的支付相关数据进行分析,得到多个维度的支付特征数据;
所述请求模块,用于用户发起支付请求,确定用户对应的推荐支付方式;
所述确认模块,用于根据预设的渠道与支付方式的对应关系,确定用户的渠道所对应的支付方式,并确定用户对应的推荐支付方式;
所述跳转支付模块,用于跳转至会员中心,选择充足的银行卡进行支付。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310172189.1A CN116151815A (zh) | 2023-02-17 | 2023-02-17 | 一种基于特征因子的支付方式推荐方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310172189.1A CN116151815A (zh) | 2023-02-17 | 2023-02-17 | 一种基于特征因子的支付方式推荐方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116151815A true CN116151815A (zh) | 2023-05-23 |
Family
ID=86356165
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310172189.1A Pending CN116151815A (zh) | 2023-02-17 | 2023-02-17 | 一种基于特征因子的支付方式推荐方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116151815A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117635144A (zh) * | 2024-01-25 | 2024-03-01 | 湖南三湘银行股份有限公司 | 一种基于通道配置的智能路由支付方法 |
-
2023
- 2023-02-17 CN CN202310172189.1A patent/CN116151815A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117635144A (zh) * | 2024-01-25 | 2024-03-01 | 湖南三湘银行股份有限公司 | 一种基于通道配置的智能路由支付方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108648074B (zh) | 基于支持向量机的贷款评估方法、装置及设备 | |
CN110221965B (zh) | 测试用例生成、测试方法、装置、设备及系统 | |
CN110457577B (zh) | 数据处理方法、装置、设备和计算机存储介质 | |
US20060184572A1 (en) | Sampling method for estimating co-occurrence counts | |
CN110851729A (zh) | 资源信息推荐方法、装置、设备及计算机存储介质 | |
CN114638234B (zh) | 应用于线上业务办理的大数据挖掘方法及系统 | |
EP4120167A1 (en) | Abnormal behavior detection method and apparatus, and electronic device and computer-readable storage medium | |
CN116151815A (zh) | 一种基于特征因子的支付方式推荐方法及系统 | |
CN113449011A (zh) | 基于大数据预测的信息推送更新方法及大数据预测系统 | |
CN111078997B (zh) | 一种资讯推荐方法及装置 | |
CN113590679A (zh) | 基于互联网金融的聚类分析方法以及大数据分析服务器 | |
CN114371946B (zh) | 基于云计算和大数据的信息推送方法及信息推送服务器 | |
CN107038165B (zh) | 一种业务参数获取方法及装置 | |
CN113543117A (zh) | 携号转网用户的预测方法、装置及计算设备 | |
CN112036987B (zh) | 确定推荐商品的方法和装置 | |
CN103336850A (zh) | 一种数据库检索系统中确定检索词的方法及装置 | |
CN113516312A (zh) | 基于云计算和大数据需求的信息更新方法及系统 | |
CN111143533A (zh) | 一种基于用户行为数据的客服方法及系统 | |
CN112749851B (zh) | 基于人工智能的大数据需求预测方法及大数据云服务中心 | |
CN115238815A (zh) | 异常交易数据获取方法、装置、设备、介质和程序产品 | |
CN114610859A (zh) | 基于内容与协同过滤的产品推荐方法、装置及设备 | |
CN114003753A (zh) | 一种图片检索方法及装置 | |
CN113139085A (zh) | 用户兴趣的挖掘方法及系统 | |
CN113688295B (zh) | 数据确定方法、装置、电子设备及存储介质 | |
CN112949752B (zh) | 业务预测系统的训练方法及装置 |
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 |