一种SWIFT报文软条款识别方法及装置制造方法及图纸

本发明专利技术提供了一种SWIFT报文软条款识别方法及装置，SWIFT报文软条款识别方法包括：获取软条款待识别的SWIFT报文；利用所述SWIFT报文及预先建立的深度学习分类模型对所述SWIFT报文中的软条款进行识别。本发明专利技术能够建立一通过人工智能算法解析SWIFT报文内容，提取业务要素的SWIFT报文软条款识别方法。

A method and device for soft terms identification of swift message

【技术实现步骤摘要】
一种SWIFT报文软条款识别方法及装置
本专利技术涉及计算机
，具体涉及一种SWIFT报文软条款识别方法及装置。
技术介绍
信用证业务中，出口信用证通知时需确定信用证的表面真实性，准确通知信用证条款。目前银行收到信用证时，全部由人工审核该信用证内容是否符合本国政策、国际贸易惯例、《UCP600》，是否含有不利于受益人的软条款，必要栏位是否完整准确等。其中国际上常见的软条款有十余种分类，完全依赖审核人员的经验判断。另外，审核人员还需手动分拆录入报文信息及人工判断申请人、开证行所在地国家是否在反洗钱名单中，十分耗时耗力。对于出口信用证MT700/710/720报文，现有技术仅可以对报文按栏位拆解保存，无法对内容进行深度分析处理。另外需要用户手工将MT700/710/720报文内容分析理解后，输入系统录入界面对应栏位，效率较低，人力资源占用较多。
技术实现思路
针对现有技术中的问题，本专利技术能够建立一通过人工智能算法解析SWIFT报文内容，提取业务要素的SWIFT报文软条款识别方法。为解决上述技术问题，本专利技术提供以下技术方案：第一方面，本专利技术提供一种SWIFT报文软条款识别方法，包括：获取软条款待识别的SWIFT报文；利用所述SWIFT报文及预先建立的深度学习分类模型对所述SWIFT报文中的软条款进行识别。一实施例中，SWIFT报文软条款识别方法还包括：建立所述深度计算分类模型的步骤，包括：根据非软条款及所述软条款生成第一训练集，其中，所述第一训练集中所述软条款数量大于所述非软条款数量；利用深度学习算法，根据所述第一训练集生成所述深度学习分类模型。一实施例中，所述利用深度学习算法，根据所述第一训练集生成所述深度学习分类模型，包括：利用深度学习算法，根据所述训练集，生成所述软条款的二分类模型；根据所述二分类模型生成第二训练集，其中，所述第二训练集中为所述软条款集合；利用深度学习算法，根据所述第二训练集,生成所述深度学习分类模型。一实施例中，所述SWIFT报文包括：MT700报文、MT710报文以及MT720报文。第二方面，本专利技术提供一种SWIFT报文软条款识别装置，该装置包括：报文获取单元，用于获取软条款待识别的SWIFT报文；软条款识别单元，用于利用所述SWIFT报文及预先建立的深度学习分类模型对所述SWIFT报文中的软条款进行识别。一实施例中，SWIFT报文软条款识别装置还包括：模型建立单元，用于建立所述深度计算分类模型的步骤，所述模型建立单元包括：第一训练集生成模块，用于根据非软条款及所述软条款生成第一训练集，其中，所述第一训练集中所述软条款数量大于所述非软条款数量；模型生成模块，用于利用深度学习算法，根据所述第一训练集，生成所述深度学习分类模型。一实施例中，所述模型生成模块包括：二分类模型生成模块，用于利用深度学习算法，根据所述训练集，生成所述软条款的二分类模型；第二训练集生成模块，用于根据所述二分类模型生成第二训练集，其中，所述第二训练集中为所述软条款集合；模型生成子模块，用于利用深度学习算法，根据所述第二训练集,生成所述深度学习分类模型。一实施例中，所述SWIFT报文包括：MT700报文、MT710报文以及MT720报文。第三方面，本专利技术提供一种电子设备，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，处理器执行程序时实现SWIFT报文软条款识别方法的步骤。第四方面，本专利技术提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现SWIFT报文软条款识别方法的步骤。从上述描述可知，本专利技术提供SWIFT报文软条款识别方法及装置，通过人工智能算法解析并阅读SWIFT报文内容，提取业务要素。接着，将业务要素自动录入对应栏位，生成业务结果，提高业务处理效率，减少人力资源使用。最后通过提升系统前端技术能力，丰富智能审单展示效果，综上本方法极大减少前端用户工作量，提高了工作效率。极大提高系统对信用证内容的抽取和理解程度，对十余种软条款进行自动识别和归类，提升了业务风险防控及增值能力；丰富前端展示效果，提升用户体验。附图说明为了更清楚地说明本专利技术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，下面描述中的附图是本专利技术的一些实施例，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为本专利技术的实施例中的SWIFT报文软条款识别方法的流程示意图一；图2为本专利技术的实施例中的SWIFT报文软条款识别方法的流程示意图二；图3为本专利技术的实施例中的SWIFT报文软条款识别方法步骤300的流程示意图；图4为本专利技术的实施例中的步骤302的流程示意图；图5为本专利技术的具体应用实例中SWIFT报文软条款识别方法的流程示意图；图6为本专利技术的具体应用实例中现有系统出口信用证通知主流程图；图7为本专利技术的具体应用实例中改造后出口信用证通知主流程图；图8为本专利技术的实施例中的SWIFT报文软条款识别装置的结构示意图一；图9为本专利技术的实施例中的SWIFT报文软条款识别装置的结构示意图二；图10为本专利技术的实施例中的SWIFT报文软条款识别装置中模型建立单元结构示意图；图11为本专利技术的实施例中的SWIFT报文软条款识别装置中模型生成模块结构示意图；图12为本专利技术的实施例中的电子设备的结构示意图。具体实施方式为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整的描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。由
技术介绍
可知，现有技术中，针对SWIFT报文处理方法存在以下问题：1、对于出口信用证MT700/710/720报文现有技术仅可以对报文按栏位拆解保存，无法对内容进行深度分析处理。2、需要用户手工将MT700/710/720报文内容分析理解后，输入系统录入界面对应栏位，效率较低，人力资源占用较多。3、现有系统前端展示效果单一，无法通过带颜色、下划线等富文本的手段进行展示。基于上述内容(现有技术的缺点)，本专利技术的实施例提供了一种SWIFT报文软条款识别方法的具体实施方式，参见图1，该方法具体包括如下内容：步骤100：获取软条款待识别的SWIFT报文。可以理解的是，一份标准的SWIFT报文由报头、正文、报尾组成，还包括发报银行和收报银行。步骤200：利用所述SWIFT报文及预先建立的深度学习分类模型对所述SWIFT报文中的软条款进行识别。...

【技术保护点】
1.一种SWIFT报文软条款识别方法，其特征在于，包括：/n获取软条款待识别的SWIFT报文；/n利用所述SWIFT报文及预先建立的深度学习分类模型对所述SWIFT报文中的软条款进行识别。/n

【技术特征摘要】
1.一种SWIFT报文软条款识别方法，其特征在于，包括：
获取软条款待识别的SWIFT报文；
利用所述SWIFT报文及预先建立的深度学习分类模型对所述SWIFT报文中的软条款进行识别。


2.根据权利要求1所述的SWIFT报文软条款识别方法，其特征在于，还包括：建立所述深度计算分类模型的步骤，包括：
根据非软条款及所述软条款生成第一训练集，其中，所述第一训练集中所述软条款数量大于所述非软条款数量；
利用深度学习算法，根据所述第一训练集生成所述深度学习分类模型。


3.根据权利要求2所述的SWIFT报文软条款识别方法，其特征在于，所述利用深度学习算法，根据所述第一训练集生成所述深度学习分类模型，包括：
利用深度学习算法，根据所述训练集，生成所述软条款的二分类模型；
根据所述二分类模型生成第二训练集，其中，所述第二训练集中为所述软条款集合；
利用深度学习算法，根据所述第二训练集,生成所述深度学习分类模型。


4.根据权利要求1所述的SWIFT报文软条款识别方法，其特征在于，所述SWIFT报文包括：MT700报文、MT710报文以及MT720报文。


5.一种SWIFT报文软条款识别装置，其特征在于，包括：
报文获取单元，用于获取软条款待识别的SWIFT报文；
软条款识别单元，用于利用所述SWIFT报文及预先建立的深度学习分类模型对所述SWIFT报文中的软条款进行识别。

【专利技术属性】
技术研发人员：王国悦，刘爱辉，韦有华，张玉敏，王启杰，雷鸣，卢时云，万光明，李力，韦浩昕，李瑾，张剑涛，陆佳庆，马超龙，饶帆，汪宏，任贺，欧佶，石莹滢，孙春银，梁佳敏，潘玉婷，黄珊丽，袁娟，张小彪，喻凯，
申请(专利权)人：中国建设银行股份有限公司，建信金融科技有限责任公司，
类型：发明
国别省市：北京;11