CN116703631A - 对账数据处理方法及装置 - Google Patents
对账数据处理方法及装置 Download PDFInfo
- Publication number
- CN116703631A CN116703631A CN202310671583.XA CN202310671583A CN116703631A CN 116703631 A CN116703631 A CN 116703631A CN 202310671583 A CN202310671583 A CN 202310671583A CN 116703631 A CN116703631 A CN 116703631A
- Authority
- CN
- China
- Prior art keywords
- data
- historical
- feature
- checking
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 18
- 238000000034 method Methods 0.000 claims abstract description 28
- 238000012545 processing Methods 0.000 claims abstract description 26
- 238000004590 computer program Methods 0.000 claims description 27
- 230000002354 daily effect Effects 0.000 claims description 17
- 238000003860 storage Methods 0.000 claims description 9
- 230000008569 process Effects 0.000 claims description 7
- 230000001502 supplementing effect Effects 0.000 claims description 7
- 238000005520 cutting process Methods 0.000 claims description 6
- 230000003203 everyday effect Effects 0.000 claims description 5
- 238000004138 cluster model Methods 0.000 claims description 4
- 238000013473 artificial intelligence Methods 0.000 abstract 1
- 238000013522 software testing Methods 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 14
- 238000007781 pre-processing Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 4
- 230000007246 mechanism Effects 0.000 description 4
- 238000012795 verification Methods 0.000 description 4
- 238000010276 construction Methods 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 238000005192 partition Methods 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000013075 data extraction Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 210000001503 joint Anatomy 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 230000026676 system process Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
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
- G06Q40/12—Accounting
- G06Q40/125—Finance or payroll
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/231—Hierarchical techniques, i.e. dividing or merging pattern sets so as to obtain a dendrogram
-
- 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
- G06Q40/04—Trading; Exchange, e.g. stocks, commodities, derivatives or currency exchange
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Technology Law (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本发明公开了一种对账数据处理方法及装置，其中该方法涉及人工智能、可用于金融科技领域、软件测试领域，包括：将全量特征集输入到聚类模型中对全量特征集中的特征数据进行聚类汇总，输出离群的特征数据，将输出的特征数据确定为影响对账结果的特征数据；根据当前交易时间段内的交易笔数数据、交易金额数据与历史交易笔数数据、历史交易金额数据进行第一轮对账，根据影响对账结果的特征数据所对应的交易笔数数据和交易金额数据进行第二轮对账，根据全量特征集进行第三轮对账，获得最终的对账结果。本发明通过多轮对账的处理方式可以提升账务核对准确度和速度，从而提升大交易量下对账的运行效率和准确率。
Description
技术领域
本发明涉及对账技术领域，尤其涉及对账数据处理方法及装置。
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。
银行业务在处理过程中，为了能够保障交易系统处理正常，通常需要在银行内部系统和银行对接系统间进行核算对账，确保机构间当天的交易账务处理无误。目前，对账方法通常是通过机构间进行文件交互方式的方式核对，交易流程中的每个交易系统生成当天处理的交易清单提供给交互系统，然后交互系统解析对账文件后与系统登记的交易清单进行核对。但这种对账数据处理方法效率较低，通常在日终批量进行处理，每日仅一次，若当天交易量过多则会增加账务解析的时间，并可能造成系统性能瓶颈，针对某天业务量突增，或月底年终等特殊情况时，当日无法完成账务核对的情况。在测试对账时，若测试周期短，出现异常情况后通常需要再次全量运行批量生成文件，测试耗时过久；同时这种对账数据处理方法也使对账数据处理的成功率降低，对账数据可能出现验证不充分的情况。
发明内容
本发明实施例提供一种对账数据处理方法，用以提升对账数据处理的效率和成功率，该方法包括：
获取历史数据集，根据历史数据集建立对应的全量特征集；所述历史数据集中的数据包括历史交易笔数数据和历史交易金额数据；
将全量特征集输入到聚类模型中对全量特征集中的特征数据进行聚类汇总，输出离群的特征数据，将输出的特征数据确定为影响对账结果的特征数据；
根据每日预设的时间参数执行三轮对账处理：根据当前交易时间段内的交易笔数数据、交易金额数据与历史交易笔数数据、历史交易金额数据进行第一轮对账，若第一轮对账统计后的当前交易笔数数据与历史交易笔数数据一致，且当前交易金额数据与历史交易金额数据一致，则确认对账结果一致，若对账结果不一致，则根据影响对账结果的特征数据所对应的交易笔数数据和交易金额数据进行第二轮对账，若影响对账结果的特征数据对应的交易笔数数据与历史交易笔数数据一致，且影响对账结果的特征数据对应的交易金额数据与历史交易金额数据一致，则确认对账结果一致，若对账结果不一致，则根据全量特征集进行第三轮对账，获得最终的对账结果。
本发明实施例还提供一种对账数据处理装置，用以提升大交易量下对账的运行效率和准确率，该装置包括：
历史数据集获取模块，用于：获取历史数据集，根据历史数据集建立对应的全量特征集；所述历史数据集中的数据包括历史交易笔数数据和历史交易金额数据；
影响对账结果的特征数据确定模块，用于：将全量特征集输入到聚类模型中对全量特征集中的特征数据进行聚类汇总，输出离群的特征数据，将输出的特征数据确定为影响对账结果的特征数据；
对账结果获取模块，用于：根据每日预设的时间参数执行三轮对账处理：根据当前交易时间段内的交易笔数数据、交易金额数据与历史交易笔数数据、历史交易金额数据进行第一轮对账，若第一轮对账统计后的当前交易笔数数据与历史交易笔数数据一致，且当前交易金额数据与历史交易金额数据一致，则确认对账结果一致，若对账结果不一致，则根据影响对账结果的特征数据所对应的交易笔数数据和交易金额数据进行第二轮对账，若影响对账结果的特征数据对应的交易笔数数据与历史交易笔数数据一致，且影响对账结果的特征数据对应的交易金额数据与历史交易金额数据一致，则确认对账结果一致，若对账结果不一致，则根据全量特征集进行第三轮对账，获得最终的对账结果。
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对账数据处理方法。
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计算机程序，所述计算机程序被处理器执行时实现上述对账数据处理方法。
本发明实施例还提供一种计算机程序产品，所述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上述对账数据处理方法。
本发明实施例中，通过获取历史数据集，根据历史数据集建立对应的全量特征集；所述历史数据集中的数据包括历史交易笔数数据和历史交易金额数据；
将全量特征集输入到LP聚类模型中对全量特征集中的特征数据进行聚类汇总，输出离群的特征数据，将输出的特征数据确定为影响对账结果的特征数据；根据每日预设的时间参数执行三轮对账机制：根据当前交易时间段内的交易笔数数据、交易金额数据与历史交易笔数数据、历史交易金额数据进行第一轮对账，若第一轮对账统计后的当前交易笔数数据与历史交易笔数数据一致，且当前交易金额数据与历史交易金额数据一致，则确认对账结果一致，若对账结果不一致，则根据影响对账结果的特征数据所对应的交易笔数数据和交易金额数据进行第二轮对账，若影响对账结果的特征数据对应的交易笔数数据与历史交易笔数数据一致，且影响对账结果的特征数据对应的交易金额数据与历史交易金额数据一致，则确认对账结果一致，若对账结果不一致，则根据全量特征集进行第三轮对账，获得最终的对账结果。通过多轮对账的处理方式可以提升账务核对准确度和速度，从而提升大交易量下对账的运行效率和准确率。
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为本发明实施例中对账数据处理方法的流程图；
图2为本发明实施例中数据预处理装置图；
图3为本发明实施例中特征选择装置图；
图4为本发明实施例中对账装置图；
图5为本发明实施例中补账装置图；
图6为本发明实施例中财务展现装置图；
图7为本发明实施例中对账数据处理方法的结构图；
图8为本发明实施例中对账数据处理装置的示意图。
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。
图1为本发明实施例中对账数据处理方法的流程图，该方法包括：
步骤101，获取历史数据集，根据历史数据集建立对应的全量特征集；所述历史数据集中的数据包括历史交易笔数数据和历史交易金额数据；
步骤102，将全量特征集输入到LP聚类模型中对全量特征集中的特征数据进行聚类汇总，输出离群的特征数据，将输出的特征数据确定为影响对账结果的特征数据；
步骤103，根据每日预设的时间参数执行三轮对账机制：根据当前交易时间段内的交易笔数数据、交易金额数据与历史交易笔数数据、历史交易金额数据进行第一轮对账，若第一轮对账统计后的当前交易笔数数据与历史交易笔数数据一致，且当前交易金额数据与历史交易金额数据一致，则确认对账结果一致，若对账结果不一致，则根据影响对账结果的特征数据所对应的交易笔数数据和交易金额数据进行第二轮对账，若影响对账结果的特征数据对应的交易笔数数据与历史交易笔数数据一致，且影响对账结果的特征数据对应的交易金额数据与历史交易金额数据一致，则确认对账结果一致，若对账结果不一致，则根据全量特征集进行第三轮对账，获得最终的对账结果。
下面对每一步进行详细阐述。
在步骤101中，获取历史数据集，根据历史数据集建立对应的全量特征集；所述历史数据集中的数据包括历史交易笔数数据和历史交易金额数据。
在一实施例中，还包括：
在获取历史数据集后，对历史数据集进行解析处理和标准化处理，得到处理后的历史数据集；
根据历史数据集建立对应的全量特征集，包括：根据处理后的历史数据集建立对应的全量特征集。
具体实施例中，通过数据预处理装置对历史数据集和当前数据集进行预处理，解析成含交易编号、付款账号、交易金额、收款账号等特征的标准化数据格式。并将处理后的历史数据集和当前数据集进行下一步特征数据提取操作，得到对应的全量特征集。如图2所示，数据预处理装置包括数据获取单元21、数据清洗单元22、属性构造单元23、数据变化单元24，其中：
数据获取单元21：用来导入历史数据集和当前数据集。
数据清洗单元22：筛选出当前数据，过滤因数据收集有误造成已完成对账的数据，组成清洗后的当前数据。
属性构造单元23：用来将清洗后的当前数据按照成含交易编号、付款账号、交易金额、收款账号等特征的标准化数据格式。
数据变换单元24：用来将属性构造后的当前数据进行规则化输出，变换成可以建模识别的建模数据源。
在步骤102中，将全量特征集输入到聚类模型中对全量特征集中的特征数据进行聚类汇总，输出离群的特征数据，将输出的特征数据确定为影响对账结果的特征数据。
在一实施例中，将全量特征集输入到聚类模型对全量特征集中的特征数据进行聚类汇总，输出离群的特征数据，将输出的特征数据确定为影响对账结果的特征数据，包括：
根据全量特征集，获取对账结果不一致的次数、对账结果不一致的特征数据和全量特征总数；
根据对账结果不一致的次数和全量特征总数，计算特征频繁数；
当特征频繁数大于预设阈值，将对账结果不一致的特征数据输入到聚类模型中，将输出的离群的特征数据确定为影响对账结果的特征数据。
在一实施例中，将全量特征集输入到聚类模型中对全量特征集中的特征数据进行聚类汇总，包括：
利用LP聚类模型进行聚类汇总，识别出离群点，根据离群点确定离群的特征数据。
如图3所示，具体实施例中，通过特征选择装置确定影响对账结果的特征数据。
特征选择装置包括阈值设定单元31、频繁计算单元32、聚类单元33、特征输出单元34；其中，
阈值设定单元31，用来设定频繁项阈值和聚类阈值；
频繁计算单元32，建立历史数据集的全量特征集，通过统计每次导致对账核对不一致的特征数据，计算特征频繁数，其中，特征频繁数＝对账结果不一致的次数/全量特征总数，设定阈值a，选取大于该阈值的特征数据作为对账结果产生更大影响的特征；
聚类单元33，利用划分与层次Layer-Partition(简称LP)聚类模型对特征数据进行聚类汇总，识别是否存在离群点，判断是否存在影响对账结果的特征数据，LP聚类模型基于划分与层次聚类的思想，每次计算类簇距离依赖上一次计算结果找到当前最优解，避免比较所有类簇间的相似度，提升整体聚类速度，设定历史数据集，计算每个历史数据间的相似度，相似度计算采用余弦定理计算，设定距离阈值为α。每个历史数据作为单个簇，任意选取一个簇，依次计算每个历史数据与单个簇间的距离，若距离小于α则将历史数据归为单个簇，直到所有剩下的历史数据大于α，然后再选取上一个与聚类起点最不相似的单个簇作为起点，重复计算距离步骤，直到所有的单个簇都参与了聚类。若存在围绕某个特征数据存在离群的情况，则输出该特征数据作为对账结果产生更大影响的特征。；
特征输出单元34，将如上特征进行标记输出关键特征集K。
在步骤103中，根据每日预设的时间参数执行三轮对账处理：根据当前交易时间段内的交易笔数数据、交易金额数据与历史交易笔数数据、历史交易金额数据进行第一轮对账，若第一轮对账统计后的当前交易笔数数据与历史交易笔数数据一致，且当前交易金额数据与历史交易金额数据一致，则确认对账结果一致，若对账结果不一致，则根据影响对账结果的特征数据所对应的交易笔数数据和交易金额数据进行第二轮对账，若影响对账结果的特征数据对应的交易笔数数据与历史交易笔数数据一致，且影响对账结果的特征数据对应的交易金额数据与历史交易金额数据一致，则确认对账结果一致，若对账结果不一致，则根据全量特征集进行第三轮对账，获得最终的对账结果。
如图4所示，具体是实施例中，通过对账装置图执行三轮对账处理。对账装置包括阈值设定单元41，第一轮单元42、第二轮单元43、第三轮单元44，结果输出单元45，其中：
阈值设定单元41：用来设定时间参数，默认2h；
第一轮单元42：比对当前交易时间段内的当前交易笔数数据与历史交易笔数数据、当前交易金额数据与历史交易金额数据，对账装置对二者的交易笔数和交易金额分别求和，若二者的交易笔数和交易金额一致，则默认当前批次核算对账无问题，跳过第二轮单元43和第三轮单元44，将结果反馈到结果输出单元。否则进入第二轮单元。
第二轮单元43：按照特征选择装置提供的关键特征集合进行第二轮核对，若比对一致，则跳过第三轮单元44，将结果反馈到结果输出单元。否则进入第三轮单元。
第三轮单元44：按照全量特征集进行第三轮核对，并将核对结果反馈到结果输出单元。
结果输出单元45：收集三轮的核对结果并将结果输出到账务展现装置。
在一实施例中，还包括：
识别因银行系统存在日切不一致导致的对账结果不一致的情况，进行补账处理，获得处理后的补账结果。
在一实施例中，识别因银行系统存在日切不一致导致的对账结果不一致的情况，进行补账处理，包括：
将对账结果不一致的历史交易笔数数据和历史交易金额数据进行解析处理，得到对应的历史交易编号、历史账号信息和历史金额信息，若日切的交易编号与历史交易编号、日切的金额信息与历史金额信息、日切的账号信息与历史账号信息都一致，则确定为同日交易，将对账结果判定为一致。
在一实施例中，还包括：
将补账结果与对账结果进行核对，将核对后的补账结果更新到对账结果中。
如图5所示，具体实施例中，通过补账装置将对账结果不一致的结果进行补账处理，补账装置包括阈值设定单元51，补账计算单元52、结果输出单元53，其中：
阈值设定单元51：用来设定时间参数，默认0.5h，即日切时间差为半小时；
补账计算单元52：在日切前半小时和日切后半小时，补账装置解析历史和当前借贷双方的交易编号、账号信息和金额等信息，若日切前后的交易编号以及借贷金额一致，则自动默认属于同一天的交易，将两笔交易判定为核对一致，将结果反馈到结果输出单元，否则结束计算。
结果输出单元53：收集结果并将结果输出到账务展现装置。
如图6所示，具体实施例中，通过财务展现装置将对账结果进行展示，财务展现装置包括前端展现单元61，个性化更新单元62，结果录入单元63。
前端展现单元61：展现当前批次和历史批次的核对结果。
个性化更新单元62：支持手动更新核对结果，并添加备注信息。
结果录入单元63：支持将更新结果更新到对账结果中。
如图7所示，具体实施例中，数据预处理装置与特征选择装置、对账装置以及补账装置相连，特征选择装置与对账装置相连，对账装置以及补账装置与账务展现装置相连。数据预处理装置将处理后的历史数据集和当前数据集提供给特征选择装置，特征选择装置将识别出的影响对账结果的特征数据提供给对账装置，对账装置执行三轮对账机制后，将最终核对结果输出给账务展现装置。补账装置对日期同步有时差导致的对账不一致的结果进行补账处理。最后，财务展现装置将最终账务核对结果展现到前端查询。其中，该方法可以应用于银行交易系统或是任何其他测试场景。
本发明实施例中还提供了一种对账数据处理装置，如下面的实施例所述。由于该装置解决问题的原理与对账数据处理方法相似，因此该装置的实施可以参见对账数据处理方法的实施，重复之处不再赘述。如图8所示，该装置包括：
历史数据集获取模块801，用于：获取历史数据集，根据历史数据集建立对应的全量特征集；所述历史数据集中的数据包括历史交易笔数数据和历史交易金额数据；
影响对账结果的特征数据确定模块802，用于：将全量特征集输入到聚类模型中对全量特征集中的特征数据进行聚类汇总，输出离群的特征数据，将输出的特征数据确定为影响对账结果的特征数据；
对账结果获取模块803，用于：根据每日预设的时间参数执行三轮对账处理：根据当前交易时间段内的交易笔数数据、交易金额数据与历史交易笔数数据、历史交易金额数据进行第一轮对账，若第一轮对账统计后的当前交易笔数数据与历史交易笔数数据一致，且当前交易金额数据与历史交易金额数据一致，则确认对账结果一致，若对账结果不一致，则根据影响对账结果的特征数据所对应的交易笔数数据和交易金额数据进行第二轮对账，若影响对账结果的特征数据对应的交易笔数数据与历史交易笔数数据一致，且影响对账结果的特征数据对应的交易金额数据与历史交易金额数据一致，则确认对账结果一致，若对账结果不一致，则根据全量特征集进行第三轮对账，获得最终的对账结果。
在一实施例中，还包括数据预处理模块，用于：
在获取历史数据集后，对历史数据集进行解析处理和标准化处理，得到处理后的历史数据集；
根据历史数据集建立对应的全量特征集，包括：根据处理后的历史数据集建立对应的全量特征集。
在一实施例中，影响对账结果的特征数据确定模块，具体用于：
根据全量特征集，获取对账结果不一致的次数、对账结果不一致的特征数据和全量特征总数；
根据对账结果不一致的次数和全量特征总数，计算特征频繁数；
当特征频繁数大于预设阈值，将对账结果不一致的特征数据输入到LP聚类模型中，将输出的离群的特征数据确定为影响对账结果的特征数据。
在一实施例中，还包括补账模块，用于：
识别因银行系统存在日切不一致导致的对账结果不一致的情况，进行补账处理，获得处理后的补账结果。
在一实施例中，补账模块，具体用于：
将对账结果不一致的历史交易笔数数据和历史交易金额数据进行解析处理，得到对应的历史交易编号、历史账号信息和历史金额信息，若日切的交易编号与历史交易编号、日切的金额信息与历史金额信息、日切的账号信息与历史账号信息都一致，则确定为同日交易，将对账结果判定为一致。
在一实施例中，还包括核对模块，用于：
将补账结果与对账结果进行核对，将核对后的补账结果更新到对账结果中。
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对账数据处理方法。
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计算机程序，所述计算机程序被处理器执行时实现上述对账数据处理方法。
本发明实施例还提供一种计算机程序产品，所述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上述对账数据处理方法。
本发明实施例，将全量特征集输入到聚类模型中对全量特征集中的特征数据进行聚类汇总，输出离群的特征数据，将输出的特征数据确定为影响对账结果的特征数据；根据每日预设的时间参数执行三轮对账机制：根据当前交易时间段内的交易笔数数据、交易金额数据与历史交易笔数数据、历史交易金额数据进行第一轮对账，若第一轮对账统计后的当前交易笔数数据与历史交易笔数数据一致，且当前交易金额数据与历史交易金额数据一致，则确认对账结果一致，若对账结果不一致，则根据影响对账结果的特征数据所对应的交易笔数数据和交易金额数据进行第二轮对账，若影响对账结果的特征数据对应的交易笔数数据与历史交易笔数数据一致，且影响对账结果的特征数据对应的交易金额数据与历史交易金额数据一致，则确认对账结果一致，若对账结果不一致，则根据全量特征集进行第三轮对账，获得最终的对账结果。通过多轮对账的处理方式可以提升账务核对准确度和速度，从而提升大交易量下对账的运行效率和准确率。
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 (11)
1.一种对账数据处理方法，其特征在于，包括：
获取历史数据集，根据历史数据集建立对应的全量特征集；所述历史数据集中的数据包括历史交易笔数数据和历史交易金额数据；
将全量特征集输入到聚类模型中对全量特征集中的特征数据进行聚类汇总，输出离群的特征数据，将输出的特征数据确定为影响对账结果的特征数据；
根据每日预设的时间参数执行三轮对账处理：根据当前交易时间段内的交易笔数数据、交易金额数据与历史交易笔数数据、历史交易金额数据进行第一轮对账，若第一轮对账统计后的当前交易笔数数据与历史交易笔数数据一致，且当前交易金额数据与历史交易金额数据一致，则确认对账结果一致，若对账结果不一致，则根据影响对账结果的特征数据所对应的交易笔数数据和交易金额数据进行第二轮对账，若影响对账结果的特征数据对应的交易笔数数据与历史交易笔数数据一致，且影响对账结果的特征数据对应的交易金额数据与历史交易金额数据一致，则确认对账结果一致，若对账结果不一致，则根据全量特征集进行第三轮对账，获得最终的对账结果。
2.如权利要求1所述的方法，其特征在于，还包括：
在获取历史数据集后，对历史数据集进行解析处理和标准化处理，得到处理后的历史数据集；
根据历史数据集建立对应的全量特征集，包括：根据处理后的历史数据集建立对应的全量特征集。
3.如权利要求1所述的方法，其特征在于，将全量特征集输入到聚类模型对全量特征集中的特征数据进行聚类汇总，输出离群的特征数据，将输出的特征数据确定为影响对账结果的特征数据，包括：
根据全量特征集，获取对账结果不一致的次数、对账结果不一致的特征数据和全量特征总数；
根据对账结果不一致的次数和全量特征总数，计算特征频繁数；
当特征频繁数大于预设阈值，将对账结果不一致的特征数据输入到聚类模型中，将输出的离群的特征数据确定为影响对账结果的特征数据。
4.如权利要求1所述的方法，其特征在于，还包括：
识别因银行系统存在日切不一致导致的对账结果不一致的情况，进行补账处理，获得处理后的补账结果。
5.如权利要求4所述的方法，其特征在于，识别因银行系统存在日切不一致导致的对账结果不一致的情况，进行补账处理，包括：
将对账结果不一致的历史交易笔数数据和历史交易金额数据进行解析处理，得到对应的历史交易编号、历史账号信息和历史金额信息，若日切的交易编号与历史交易编号、日切的金额信息与历史金额信息、日切的账号信息与历史账号信息都一致，则确定为同日交易，将对账结果判定为一致。
6.如权利要求4所述的方法，其特征在于，还包括：
将补账结果与对账结果进行核对，将核对后的补账结果更新到对账结果中。
7.如权利要求1所述的方法，其特征在于，将全量特征集输入到聚类模型中对全量特征集中的特征数据进行聚类汇总，包括：
利用LP聚类模型进行聚类汇总，识别出离群点，根据离群点确定离群的特征数据。
8.一种对账数据处理装置，其特征在于，包括：
历史数据集获取模块，用于：获取历史数据集，根据历史数据集建立对应的全量特征集；所述历史数据集中的数据包括历史交易笔数数据和历史交易金额数据；
影响对账结果的特征数据确定模块，用于：将全量特征集输入到聚类模型中对全量特征集中的特征数据进行聚类汇总，输出离群的特征数据，将输出的特征数据确定为影响对账结果的特征数据；
对账结果获取模块，用于：根据每日预设的时间参数执行三轮对账处理：根据当前交易时间段内的交易笔数数据、交易金额数据与历史交易笔数数据、历史交易金额数据进行第一轮对账，若第一轮对账统计后的当前交易笔数数据与历史交易笔数数据一致，且当前交易金额数据与历史交易金额数据一致，则确认对账结果一致，若对账结果不一致，则根据影响对账结果的特征数据所对应的交易笔数数据和交易金额数据进行第二轮对账，若影响对账结果的特征数据对应的交易笔数数据与历史交易笔数数据一致，且影响对账结果的特征数据对应的交易金额数据与历史交易金额数据一致，则确认对账结果一致，若对账结果不一致，则根据全量特征集进行第三轮对账，获得最终的对账结果。
9.一种计算机设备，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1-6任一所述方法。
10.一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计算机程序，所述计算机程序被处理器执行时实现权利要求1-7任一所述方法。
11.一种计算机程序产品，其特征在于，所述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权利要求1-7任一所述方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310671583.XA CN116703631A (zh) | 2023-06-07 | 2023-06-07 | 对账数据处理方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310671583.XA CN116703631A (zh) | 2023-06-07 | 2023-06-07 | 对账数据处理方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116703631A true CN116703631A (zh) | 2023-09-05 |
Family
ID=87838701
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310671583.XA Pending CN116703631A (zh) | 2023-06-07 | 2023-06-07 | 对账数据处理方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116703631A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117993723A (zh) * | 2024-04-03 | 2024-05-07 | 中国汽车技术研究中心有限公司 | 基于数据一体化的业务流程信息系统及运行方法 |
-
2023
- 2023-06-07 CN CN202310671583.XA patent/CN116703631A/zh active Pending
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117993723A (zh) * | 2024-04-03 | 2024-05-07 | 中国汽车技术研究中心有限公司 | 基于数据一体化的业务流程信息系统及运行方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10698795B2 (en) | Virtual payments environment | |
| CN116703631A (zh) | 对账数据处理方法及装置 | |
| CN112925664A (zh) | 目标用户的确定方法、装置、电子设备及存储介质 | |
| CN108073707B (zh) | 金融业务数据更新方法、装置及计算机可读取存储介质 | |
| CN106294834B (zh) | 基于纳税人利益关联网络的关联交易偷漏税行为识别方法 | |
| CN107679862B (zh) | 一种欺诈交易模型的特征值确定方法及装置 | |
| CN113971495A (zh) | 日间批量处理方法及装置 | |
| CN113781056A (zh) | 预测用户欺诈行为的方法及装置 | |
| CN110827049A (zh) | 一种数据推送方法及装置 | |
| CN113065945A (zh) | 一种催收核销客户还款意愿分类方法及系统 | |
| CN111752662A (zh) | 银行交易界面展示方法及装置 | |
| CN117094764A (zh) | 银行积分处理方法及装置 | |
| CN111242779A (zh) | 金融数据特征选择和预测方法、装置、设备及存储介质 | |
| CN116521628A (zh) | 面向多源日志的日志模板在线混合挖掘系统 | |
| CN111143554B (zh) | 基于大数据平台的数据采样方法及装置 | |
| CN112232960B (zh) | 交易应用系统监控方法及装置 | |
| CN114092245A (zh) | 场景化的银行交易错误信息返回方法及装置 | |
| CN114049126A (zh) | 安全认证方法及装置 | |
| CN112907254A (zh) | 欺诈交易识别、模型训练方法、装置、设备及存储介质 | |
| CN112232962A (zh) | 交易指标处理方法、装置和设备 | |
| CN114416805B (zh) | 数据核对方法、装置、计算机设备和存储介质 | |
| CN117035433B (zh) | 非法资金转移客户识别方法及装置 | |
| CN111967963B (zh) | 预授权账务处理方法及装置 | |
| CN115688934A (zh) | 数据处理方法及装置 | |
| CN115423020A (zh) | 手机银行交易账本生成方法及装置 |
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 |