一种支付方式推荐方法、装置及设备制造方法及图纸

本说明书实施例公开了一种支付方式推荐方法、装置以及设备。所述方法包括：获取用户信息、待支付信息和支付方式信息等实时的多维特征信息，利用推荐机器学习模型基于上述信息，对用户可用的支付方式进行打分排序，根据排序结果，针对指定用户推荐其所需的支付方式，以便用户可以快速的完成支付操作。便用户可以快速的完成支付操作。便用户可以快速的完成支付操作。

【技术实现步骤摘要】
一种支付方式推荐方法、装置及设备
[0001]本申请为2018年4月2日提交的申请号为201810284452.5，名为“一种支付方式推荐方法、装置及设备”的专利技术专利申请的分案申请。


[0002]本说明书涉及计算机
，尤其涉及一种支付方式推荐方法、装置以及设备。

技术介绍

[0003]随着非现金货币支付技术的发展，人们在网上购物或者实体店购物时，越来越多地选择支付软件完成支付。
[0004]在现有技术中，支付软件向用户提供了多种支付方式，例如，银行卡支付、代付、账户余额支付等。为了满足用户的快速支付需求，在用户进行支付时，支付软件通常会为用户推荐支付方式。现有的推荐支付方式通常是基于用户使用习惯等简单规则实现。
[0005]基于现有技术，需要能够准确的针对指定用户进行支付方式推荐的方案。

技术实现思路

[0006]本说明书实施例提供支付方式推荐方法、装置以及设备，用于解决以下技术问题：需要能够准确的针对指定用户进行支付方式推荐的方案。
[0007]为解决上述技术问题，本说明书实施例是这样实现的：
[0008]本说明书实施例提供的一种支付方式推荐方法，包括：
[0009]针对每一次支付，获取用户信息和待支付信息；
[0010]根据所述用户信息和所述待支付信息，利用预训练的推荐机器学习模型，对已有支付方式排序；
[0011]根据排序结果向用户推荐支付方式。
[0012]本说明书实施例提供的一种支付方式推荐装置，包括：
>[0013]第一获取模块，针对每一次支付，获取用户信息和待支付信息；
[0014]排序模块，根据所述用户信息和所述待支付信息，利用预训练的推荐机器学习模型，对已有支付方式排序；
[0015]推荐模块，根据排序结果向用户推荐支付方式。
[0016]本说明书实施例提供的一种电子设备，包括：
[0017]至少一个处理器；以及，
[0018]与所述至少一个处理器通信连接的存储器；其中，
[0019]所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够：
[0020]针对每一次支付，获取用户信息和待支付信息；
[0021]根据所述用户信息和所述待支付信息，利用预训练的推荐机器学习模型，对已有支付方式排序；
[0022]根据排序结果向用户推荐支付方式。
[0023]本说明书实施例采用的上述至少一个技术方案能够达到以下有益效果：
[0024]通过利用推荐机器学习模型，根据用户个人信息、用户历史支付信息、用户可用的支付方式信息、待支付场景信息和待支付商品信息等，多种特征同时考虑，根据实际支付情况针对指定用户进行支付方式的推荐，能够有效提升支付方式推荐的准确率。
附图说明
[0025]为了更清楚地说明本说明书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说明书中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0026]图1为本说明书的方案在实际应用场景下涉及的支付方式推荐系统的示意图；
[0027]图2为本说明书实施例提供的一种支付方式推荐方法的流程示意图；
[0028]图3为本说明书实施例提供的推荐机器学习模型的训练方法的流程示意图；
[0029]图4为本说明书实施例提供的LTR模型训练方法示意图；
[0030]图5为本说明书实施例提供的模型训练数据图；
[0031]图6为本说明书实施例提供的一种支付方式推荐装置的结构示意图；
[0032]图7为本说明书实施例提供的支付方式推荐系统结构示意图；
[0033]图8为本说明书实施例提供的平台架构的示意图。
具体实施方式
[0034]为了使本
的人员更好地理解本说明书中的技术方案，下面将结合本说明书实施例中的附图，对本说明书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实施例，而不是全部的实施例。基于本说明书实施例，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，都应当属于本申请保护的范围。
[0035]图1为本说明书的方案在一种实际应用场景下涉及的支付方式推荐系统的示意图。基于用户信息、待支付场景信息、待支付商品信息、支付方式信息等，利用预先训练好的推荐机器学习模型，针对指定用户准确的推荐用户所需的支付方式；例如，该推荐机器学习模型为LTR(learning to rank，排序学习)模型，该LTR模型根据用户信息与支付方式之间的相关度对用户可选的各个支付方式进行打分并排序，为用户推荐排序比较靠前的支付方式。其中，推荐机器学习模型是基于用户信息特征参数、待支付场景信息特征参数、待支付商品信息特征参数、支付方式特征参数等训练得到的。
[0036]需要说明的是，这里所说的支付方式，可以是基于支付软件支付的方式，具体包括：基于支付软件通过其中所包含的信用支付、代支付、账户余额支付等支付的方式；也可以是基于支付软件通过各种银行卡(例如，信用卡、借记卡等)完成支付的方式。容易理解，实现该支付方式需要借助用户端来实现，例如，该用户端可以是用户手机、电脑等可支持支付软件的设备。
[0037]基于上述场景，下面对本说明书的方案进行详细说明。
[0038]图2为本说明书实施例提供的一种支付方式推荐方法的流程示意图，该方法具体可以包括以下步骤：
[0039]步骤S202：针对每一次支付，获取用户信息和待支付信息。
[0040]例如，假设用户在其手机端安装有某支付软件，用户通过支付软件登录用户账号，并且基于该用户账号绑定或者启用相关支付方式。容易理解，用户账号中会涉及到用户的个人信息；绑定或者启用的支付方式，包括基于该支付软件的信用支付、代支付、账户余额支付等支付方式；也可以是基于支付软件绑定的各种银行卡(例如，信用卡、借记卡等)。
[0041]在实际应用中，待支付信息、用户信息以及支付方式的状态信息等可能在上一次支付完成之后发生了变化，因此，每一次支付操作时，需要实时获取用户信息和待支付信息，以便可以根据实时获取的信息更加准确的为用户推荐支付方式。
[0042]步骤S204：根据所述用户信息和所述待支付信息，利用预训练的推荐机器学习模型，对已有支付方式排序。
[0043]在实际应用中，由于各个用户的支付软件所启用的支付方式，和所绑定的银行卡情况都是不同的，并且，各个用户的支付习惯也会有差别。比如，用户甲在进行小额支付时，喜欢用信用支付；进行大额支付时，喜欢用借记卡支付。再比如，用户借记卡中的可用余额是变动的，支付软件在推荐支付方式时，需要考虑各支付方式的状态是否可用。
[0044]这里所说的已有支付方式，主要包括本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种支付方式推荐方法，包括：针对每一次支付，获取用户信息和待支付信息；根据所述用户信息和所述待支付信息，利用预训练的排序学习模型，对已有支付方式排序；所述排序学习模型的训练数据包括，具有分组标记的训练样本，同一分组标记的训练样本对应于相同的用户，且同一分组标记的训练样本中，支付方式按照人工标注的用户与支付方式的相关度进行排序；根据排序结果向用户推荐支付方式。2.如权利要求1所述的方法，对已有支付方式排序，具体包括：根据所述用户信息，确定与所述用户具有绑定关系的可用的支付方式；针对确定出的所述支付方式进行排序；其中，所述用户信息包括：用户历史支付信息和用户个人信息；所述待支付信息包括：待支付场景信息和待支付商品信息。3.如权利要求2所述的方法，其中，所述用户历史支付信息包括历史支付场景、历史支付时间、历史支付区域、历史支付商品信息中至少一种。4.如权利要求1所述的方法，所述相关度通过以下方式获取：获取训练用户信息和训练支付方式信息，确定所述训练用户信息与所述训练支付方式信息之间的对应关系；根据所述对应关系，获取人工标注的训练用户与支付方式的相关度。5.如权利要求1所述的方法，其中，所述同一分组标记的训练样本在数据表中连续出现。6.如权利要求1所述的方法，其中，所述相关度作用为标签，所述排序学习模型用于对所述标签进行预测。7.一种支付方式推荐装置，包括：第一获取模块，针对每一次支付，获取用户信息和待支付信息；排序模块，根据所述用户信息和所述待支付信息，利用预训练的排序学习模型，对已有支付方式排序；所述排序学习模型的训练数据包括，具有分组标记的训练样本，同一分组标记的训练样本对应于相同的用户，且同一分组标记的训练样...

【专利技术属性】
技术研发人员：张林江，
申请(专利权)人：创新先进技术有限公司，
类型：发明
国别省市：