基于人工智能的支付业务大数据处理方法及系统技术方案

本申请涉及基于人工智能的支付业务大数据处理方法及系统，通过描述优化量化表达能够灵活确定数据特征处理单元的完成指标。一方面，针对描述优化幅度较低的待处理跨境支付数据，仅需通过少量的特征加权模块进行处理便能够得到较佳的特征处理结果，能够避免额外的、不必要的特征运算所造成的关键内容偏差。另一方面，针对过度描述优化的待处理跨境支付数据，则可通过进一步的特征加权处理来确保待处理跨境支付数据的内容保真性，提高待处理跨境支付数的溯源恢复性能，从而通过自动化和智能化的方案在一定程度上权衡了描述优化消除效果和关键内容偏差所造成的处理误差，还能节省支付业务大数据处理系统的资源开销，提高跨境支付数据的处理效率。

【技术实现步骤摘要】
基于人工智能的支付业务大数据处理方法及系统
本申请实施例涉及人工智能和在线支付
，具体涉及一种基于人工智能的支付业务大数据处理方法及系统。
技术介绍
随着人工智能（ArtificialIntelligence，AI）的不断发展，其所应用的领域越来越广泛，以电子商务和电子金融为例，AI+金融商务科技的有机结合能够提高各类在线支付业务的处理效率，从而有效改善传统支付业务模式带来的地域限制和支付延时缺陷。现目前，在线支付业务的业务量和业务规模不断激增，对于在线支付业务的大数据分析技术而言是一个不小的挑战。在实际实施过程中，为了实现部分支付业务功能的优化升级，需要对支付数据进行特征化处理。然而相关技术在对支付数据进行特征化处理时存在效率低下的问题。
技术实现思路
有鉴于此，本申请实施例提供了一种基于人工智能的支付业务大数据处理方法及系统。本申请实施例提供了一种基于人工智能的支付业务大数据处理方法，应用于支付业务大数据处理系统，所述方法至少包括：获取待处理跨境支付数据，并对所述待处理跨境支付数据进行显著性描述挖掘，得到所述待处理跨境支付数据的支付信息描述；基于所述支付信息描述确定特征调节参量和描述优化量化表达；基于所述描述优化量化表达和已完成训练的数据特征处理单元的网络层连接确定所述已完成训练的数据特征处理单元的目标完成指标；基于所述支付信息描述和所述特征调节参量，获取所述已完成训练的数据特征处理单元在满足所述目标完成指标时的显著性描述调节信息，所述特征调节参量用于在跨境支付数据处理过程中修改支付信息描述的模态情况；将所述显著性描述调节信息进行缓存。优选的，在所述获取待处理跨境支付数据，并对所述待处理跨境支付数据进行显著性描述挖掘，得到所述待处理跨境支付数据的支付信息描述之前，所述方法还包括：获取已完成训练的跨境支付数据分析线程，所述已完成训练的跨境支付数据分析线程包括：已完成训练的显著性描述挖掘单元、已完成训练的描述优化预测单元和已完成训练的数据特征处理单元；所述对所述待处理跨境支付数据进行显著性描述挖掘，得到所述待处理跨境支付数据的支付信息描述，包括：采用所述已完成训练的显著性描述挖掘单元，对所述待处理跨境支付数据进行显著性描述挖掘，得到支付信息描述；所述基于所述支付信息描述确定特征调节参量和描述优化量化表达，包括：将所述支付信息描述传入所述已完成训练的描述优化预测单元，得到所述特征调节参量和所述描述优化量化表达。优选的，所述采用所述已完成训练的显著性描述挖掘单元，对所述待处理跨境支付数据进行显著性描述挖掘，得到支付信息描述，包括：获取所述已完成训练的显著性描述挖掘单元的第一特征加权模块对应的第一特征加权函数、第二特征加权函数和第三特征加权函数，其中，所述第一特征加权函数、所述第二特征加权函数和所述第三特征加权函数的函数参数互相之间存在差异；分别采用所述第一特征加权函数、所述第二特征加权函数和所述第三特征加权函数对所述待处理跨境支付数据进行特征加权处理，得到第一特征加权内容、第二特征加权内容和第三特征加权内容；对所述第一特征加权内容、所述第二特征加权内容和所述第三特征加权内容进行内容组合处理，得到内容组合结果；通过所述已完成训练的显著性描述挖掘单元中的第二特征加权模块对所述内容组合结果继续进行一次或多于一次特征加权处理，得到所述待处理跨境支付数据的支付信息描述。优选的，所述已完成训练的描述优化预测单元至少包括第三特征加权模块、过拟合削弱模块和分类映射模块，所述将所述支付信息描述传入所述已完成训练的描述优化预测单元，得到所述特征调节参量和所述描述优化量化表达，包括：采用所述第三特征加权模块对所述支付信息描述进行特征加权处理，得到第四特征加权内容；采用所述过拟合削弱模块对所述第四特征加权内容进行过拟合削弱处理，得到过拟合削弱结果；将所述过拟合削弱结果确定为所述特征调节参量；采用所述分类映射模块将所述过拟合削弱结果进行分类映射处理，得到所述描述优化量化表达。优选的，所述基于所述描述优化量化表达和已完成训练的数据特征处理单元的网络层连接确定所述已完成训练的数据特征处理单元的目标完成指标，包括：基于所述已完成训练的数据特征处理单元的网络层连接确定所述已完成训练的数据特征处理单元的评价指标累计结果；基于所述评价指标累计结果确定各个评价指标对应的各个描述优化设定值区间；从各个描述优化设定值区间中确定所述描述优化量化表达所处的目标描述优化设定值区间；将所述目标描述优化设定值区间对应的评价指标确定为所述已完成训练的数据特征处理单元的目标完成指标。优选的，所述基于所述支付信息描述和所述特征调节参量，获取所述已完成训练的数据特征处理单元在满足所述目标完成指标时的显著性描述调节信息，包括：基于所述已完成训练的数据特征处理单元的网络层连接和所述目标完成指标，确定所述目标完成指标对应的目标跨境支付数据的特征处理单元集群；将所述支付信息描述和所述特征调节参量传入至所述目标跨境支付数据的特征处理单元集群，得到所述显著性描述调节信息。优选的，所述将所述支付信息描述和所述特征调节参量传入至所述目标跨境支付数据的特征处理单元集群，得到所述显著性描述调节信息，包括：采用所述特征调节参量创建支付信息描述在各个关注层面的调节权重；基于所述调节权重对所述支付信息描述进行修改，得到修改后的支付信息描述；对所述修改后的跨境支付数据进行特征加权处理，得到第五特征加权内容；当确定还需要再次进行支付数据特征处理时，将所述第五特征加权内容进行特征还原和/或特征精简，得到对应的特征还原结果和/或特征精简结果；将所述特征还原结果和/或特征精简结果确定为过渡支付信息描述，再次采用所述特征调节参量创建过渡支付信息描述在各个关注层面的调节权重，直到确定不还需要再次进行支付数据特征处理，得到所述显著性描述调节信息。优选的，所述方法还包括：获取样本训练集，所述样本训练集中包括多个训练跨境支付数据；获取各个训练跨境支付数据的描述优化量化关键词和预先设置的跨境支付数据分析线程；获取所述预先设置的跨境支付数据分析线程中的显著性描述挖掘单元和描述优化预测单元的第一网络风险评价，获取所述预先设置的跨境支付数据分析线程中的数据特征处理单元对应的第二网络风险评价；采用所述第一网络风险评价和第二网络风险评价对所述预先设置的跨境支付数据分析线程进行训练，得到已完成训练的跨境支付数据分析线程；相应的，所述获取样本训练集，包括：获取初始跨境支付数据集，所述初始跨境支付数据集中包括没有进行描述优化的多个初始跨境支付数据；对所述各个初始跨境支付数据进行不同幅度的描述优化处理，得到各个描述优化后的跨境支付数据；对所述各个描述优化后的跨境支付数据进行数据信息拆分、数据本文档来自技高网...

【技术保护点】
1.一种基于人工智能的支付业务大数据处理方法，其特征在于，应用于支付业务大数据处理系统，所述方法至少包括：/n获取待处理跨境支付数据，并对所述待处理跨境支付数据进行显著性描述挖掘，得到所述待处理跨境支付数据的支付信息描述；/n基于所述支付信息描述确定特征调节参量和描述优化量化表达；/n基于所述描述优化量化表达和已完成训练的数据特征处理单元的网络层连接确定所述已完成训练的数据特征处理单元的目标完成指标；/n基于所述支付信息描述和所述特征调节参量，获取所述已完成训练的数据特征处理单元在满足所述目标完成指标时的显著性描述调节信息，所述特征调节参量用于在跨境支付数据处理过程中修改支付信息描述的模态情况；/n将所述显著性描述调节信息进行缓存。/n

【技术特征摘要】
1.一种基于人工智能的支付业务大数据处理方法，其特征在于，应用于支付业务大数据处理系统，所述方法至少包括：
获取待处理跨境支付数据，并对所述待处理跨境支付数据进行显著性描述挖掘，得到所述待处理跨境支付数据的支付信息描述；
基于所述支付信息描述确定特征调节参量和描述优化量化表达；
基于所述描述优化量化表达和已完成训练的数据特征处理单元的网络层连接确定所述已完成训练的数据特征处理单元的目标完成指标；
基于所述支付信息描述和所述特征调节参量，获取所述已完成训练的数据特征处理单元在满足所述目标完成指标时的显著性描述调节信息，所述特征调节参量用于在跨境支付数据处理过程中修改支付信息描述的模态情况；
将所述显著性描述调节信息进行缓存。


2.根据权利要求1中所述的方法，其特征在于，在所述获取待处理跨境支付数据，并对所述待处理跨境支付数据进行显著性描述挖掘，得到所述待处理跨境支付数据的支付信息描述之前，所述方法还包括：
获取已完成训练的跨境支付数据分析线程，所述已完成训练的跨境支付数据分析线程包括：
已完成训练的显著性描述挖掘单元、已完成训练的描述优化预测单元和已完成训练的数据特征处理单元；
所述对所述待处理跨境支付数据进行显著性描述挖掘，得到所述待处理跨境支付数据的支付信息描述，包括：
采用所述已完成训练的显著性描述挖掘单元，对所述待处理跨境支付数据进行显著性描述挖掘，得到支付信息描述；
所述基于所述支付信息描述确定特征调节参量和描述优化量化表达，包括：
将所述支付信息描述传入所述已完成训练的描述优化预测单元，得到所述特征调节参量和所述描述优化量化表达。


3.根据权利要求2中所述的方法，其特征在于，所述采用所述已完成训练的显著性描述挖掘单元，对所述待处理跨境支付数据进行显著性描述挖掘，得到支付信息描述，包括：
获取所述已完成训练的显著性描述挖掘单元的第一特征加权模块对应的第一特征加权函数、第二特征加权函数和第三特征加权函数，其中，所述第一特征加权函数、所述第二特征加权函数和所述第三特征加权函数的函数参数互相之间存在差异；
分别采用所述第一特征加权函数、所述第二特征加权函数和所述第三特征加权函数对所述待处理跨境支付数据进行特征加权处理，得到第一特征加权内容、第二特征加权内容和第三特征加权内容；
对所述第一特征加权内容、所述第二特征加权内容和所述第三特征加权内容进行内容组合处理，得到内容组合结果；
通过所述已完成训练的显著性描述挖掘单元中的第二特征加权模块对所述内容组合结果继续进行一次或多于一次特征加权处理，得到所述待处理跨境支付数据的支付信息描述。


4.根据权利要求2中所述的方法，其特征在于，所述已完成训练的描述优化预测单元至少包括第三特征加权模块、过拟合削弱模块和分类映射模块，所述将所述支付信息描述传入所述已完成训练的描述优化预测单元，得到所述特征调节参量和所述描述优化量化表达，包括：
采用所述第三特征加权模块对所述支付信息描述进行特征加权处理，得到第四特征加权内容；
采用所述过拟合削弱模块对所述第四特征加权内容进行过拟合削弱处理，得到过拟合削弱结果；将所述过拟合削弱结果确定为所述特征调节参量；
采用所述分类映射模块将所述过拟合削弱结果进行分类映射处理，得到所述描述优化量化表达。


5.根据权利要求1中所述的方法，其特征在于，所述基于所述描述优化量化表达和已完成训练的数据特征处理单元的网络层连接确定所述已完成训练的数据特征处理单元的目标完成指标，包括：
基于所述已完成训练的数据特征处理单元的网络层连接确定所述已完成训练的数据特征处理单元的评价指标累计结果；
基于所述评价指标累计结果确定各个评价指标对应的各个描述优化设定值区间；
从各个描述优化设定值区间中确定所述描述优化量化表达所处的目标描述优化设定值区间；
将所述目标描述优化设定值区间对应的评价指标确定为所述已完成训练的数据特征处理单元的目标...

【专利技术属性】
技术研发人员：钟蕙冰，杨文静，邓华，林和音，
申请(专利权)人：东莞市爱学爱玩教育科技有限公司，
类型：发明
国别省市：广东;44