电子商业汇票支付组合的动态处理方法及装置制造方法及图纸

本发明专利技术提出了一种电子商业汇票支付组合的动态处理方法及装置，涉及人工智能技术，金融科技领域，该方法包括：获取电子商业汇票信息，转换为向量形式，得到历史交易信息对应的序列向量，及交易环境信息、持票人信息、交易对手方信息对应的非序列组合向量；根据非序列组合向量提取注意力特征，根据注意力特征确定非序列组合向量对应的注意力特征向量；对序列向量与注意力特征向量进行融合，将融合结果输入至票据推荐模型，以选票概率为目标训练并调节票据推荐模型参数；获取客户输入的支付需求信息，利用票据推荐模型确定多个待选票据，推荐给客户选择，并根据选择结果继续推荐待选票据，直至得到满足客户本次支付需求的票据组合。合。合。

【技术实现步骤摘要】
电子商业汇票支付组合的动态处理方法及装置


[0001]本专利技术涉及人工智能技术，金融科技领域，尤指一种电子商业汇票支付组合的动态处理方法及装置。

技术介绍

[0002]本部分旨在为权利要求书中陈述的本专利技术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。
[0003]新一代票据赋予了票据可拆分属性，票据金额可以进行拆分，普通票据不可进行拆分，只能支付票面金额。新一代可拆分票据和不可拆分票据进行组合赋予了票据支付更多可能性，衍生出更多的票据支付方案。
[0004]目前，电子商业汇票支付主要存在以下问题：1、在利用票据支付时，客户有非常多的选择方案，例如，只考虑可拆分票据支付、只考虑普通票据支付、或者可拆分票据和不可拆分票据的组合支付。但是，由于票据支付存在多种方式，客户很难计算清楚所有的支付方案，甚至会遗漏其中最适合自身的支付方案，从而导致客户票据支付的处理效率较低，票据支付体验较差。2、现有技术利用常规数学模型分析票据组合支付方式主要是针对普通票据的组合支付，这种方式无法满足可拆分票据与不可拆分票据的组合支付处理，并且常规数学模型需要的数据量较大，数据处理效率低。
[0005]综上来看，亟需一种可以克服上述缺陷，能够为客户动态推荐最优电子商业汇票支付组合方案且数据处理效率高的技术方案。

技术实现思路

[0006]为解决现有技术存在的问题，本专利技术提出了一种电子商业汇票支付组合的动态处理方法及装置。
[0007]在本专利技术实施例的第一方面，提出了一种电子商业汇票支付组合的动态处理方法，包括：
[0008]获取电子商业汇票信息，其中，所述电子商业汇票信息包括历史交易信息、交易环境信息、持票人信息及交易对手方信息；
[0009]将所述电子商业汇票信息转换为向量形式，得到历史交易信息对应的序列向量，及交易环境信息、持票人信息、交易对手方信息对应的非序列向量，并对所述非序列向量进行组合处理得到非序列组合向量；
[0010]根据所述非序列组合向量提取注意力特征，根据所述注意力特征确定非序列组合向量对应的注意力特征向量；
[0011]对所述序列向量与所述注意力特征向量进行融合，将融合结果输入至票据推荐模型，以选票概率为目标训练并调节所述票据推荐模型参数；
[0012]获取客户输入的支付需求信息，利用所述票据推荐模型根据所述支付需求信息、持票人信息、交易环境信息及交易对手信息确定多个待选票据，推荐给所述客户选择，并根
据选择结果继续推荐待选票据，直至得到满足客户本次支付需求的票据组合。
[0013]在本专利技术实施例的第二方面，提出了一种电子商业汇票支付组合的动态处理装置，包括：
[0014]信息获取模块，用于获取电子商业汇票信息，其中，所述电子商业汇票信息包括历史交易信息、交易环境信息、持票人信息及交易对手方信息；
[0015]信息转换模块，用于将所述电子商业汇票信息转换为向量形式，得到历史交易信息对应的序列向量，及交易环境信息、持票人信息、交易对手方信息对应的非序列向量，并对所述非序列向量进行组合处理得到非序列组合向量；
[0016]注意力特征向量确定模块，用于根据所述非序列组合向量提取注意力特征，根据所述注意力特征确定非序列组合向量对应的注意力特征向量；
[0017]票据推荐模型训练模块，用于对所述序列向量与所述注意力特征向量进行融合，将融合结果输入至票据推荐模型，以选票概率为目标训练并调节所述票据推荐模型参数；
[0018]票据组合处理模块，用于获取客户输入的支付需求信息，利用所述票据推荐模型根据所述支付需求信息、持票人信息、交易环境信息及交易对手信息确定多个待选票据，推荐给所述客户选择，并根据选择结果继续推荐待选票据，直至得到满足客户本次支付需求的票据组合。
[0019]在本专利技术实施例的第三方面，提出了一种计算机设备，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电子商业汇票支付组合的动态处理方法。
[0020]在本专利技术实施例的第四方面，提出了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电子商业汇票支付组合的动态处理方法。
[0021]在本专利技术实施例的第五方面，提出了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电子商业汇票支付组合的动态处理方法。
[0022]本专利技术提出的电子商业汇票支付组合的动态处理方法及装置利用注意力机制分析序列信息和非序列信息，将票据信息、交易环境信息、交易对手信息及交易信息进行有效融合，确定客户交易偏好的重要特征，实现学习客户对于票据组合的偏好，动态生成并优化票据推荐方案；整体过程需要采集的数据量小，数据处理效率高，通过票据组合支付的动态处理满足客户支付需求，为票据组合支付场景提供了有力的技术支持。
附图说明
[0023]为了更清楚地说明本申请实施例技术方案，下面将对实施例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申请的一些实施例，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它的附图。
[0024]图1是本专利技术一实施例的电子商业汇票支付组合的动态处理方法流程示意图。
[0025]图2是本专利技术一实施例中信息转换为向量形式的流程示意图。
[0026]图3是本专利技术一实施例中确定注意力特征向量的流程示意图。
[0027]图4是本专利技术一实施例中训练票据推荐模型的流程示意图。
[0028]图5是本专利技术一实施例的电子商业汇票支付组合的动态处理装置架构示意图。
[0029]图6是本专利技术一实施例的计算机设备结构示意图。
具体实施方式
[0030]下面将参考若干示例性实施方式来描述本专利技术的原理和精神。应当理解，给出这些实施方式仅仅是为了使本领域技术人员能够更好地理解进而实现本专利技术，而并非以任何方式限制本专利技术的范围。相反，提供这些实施方式是为了使本公开更加透彻和完整，并且能够将本公开的范围完整地传达给本领域的技术人员。
[0031]本领域技术人员知道，本专利技术的实施方式可以实现为一种系统、装置、设备、方法或计算机程序产品。因此，本公开可以具体实现为以下形式，即：完全的硬件、完全的软件(包括固件、驻留软件、微代码等)，或者硬件和软件结合的形式。
[0032]根据本专利技术的实施方式，提出了一种电子商业汇票支付组合的动态处理方法及装置，涉及人工智能技术，金融科技领域。本专利技术可以克服可拆分票据与不可拆分票据支付场景下，不同票据包组合构建形成现金流作为支付手段中，动态组合构建困难的问题。本专利技术的电子商业汇票支付组合的动态处理方法及装置适用于持票人手中具有大量可拆分票据及不可拆分票据，对票据组合构建具有较高的定制度要求，且收款方要求在特定日期具有特定现值的票据子包组合场景，本专利技术利用本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种电子商业汇票支付组合的动态处理方法，其特征在于，包括：获取电子商业汇票信息，其中，所述电子商业汇票信息包括历史交易信息、交易环境信息、持票人信息及交易对手方信息；将所述电子商业汇票信息转换为向量形式，得到历史交易信息对应的序列向量，及交易环境信息、持票人信息、交易对手方信息对应的非序列向量，并对所述非序列向量进行组合处理得到非序列组合向量；根据所述非序列组合向量提取注意力特征，根据所述注意力特征确定非序列组合向量对应的注意力特征向量；对所述序列向量与所述注意力特征向量进行融合，将融合结果输入至票据推荐模型，以选票概率为目标训练并调节所述票据推荐模型参数；获取客户输入的支付需求信息，利用所述票据推荐模型根据所述支付需求信息、持票人信息、交易环境信息及交易对手信息确定多个待选票据，推荐给所述客户选择，并根据选择结果继续推荐待选票据，直至得到满足客户本次支付需求的票据组合。2.根据权利要求1所述的方法，其特征在于，将所述电子商业汇票信息转换为向量形式，得到历史交易信息对应的序列向量，及交易环境信息、持票人信息、交易对手方信息对应的非序列向量，并对所述非序列向量进行组合处理得到非序列组合向量，包括：对于所述历史交易信息，采用固定位置编码方法进行序列信息向量化，得到历史交易信息对应的序列向量；对于所述交易环境信息、持票人信息及交易对手方信息，采用独热编码及自然语言处理方法进行非序列信息向量化，得到交易环境信息、持票人信息、交易对手方信息对应的非序列向量；对所述非序列向量进行组合处理得到非序列组合向量。3.根据权利要求1所述的方法，其特征在于，根据所述非序列组合向量提取注意力特征，根据所述注意力特征确定非序列组合向量对应的注意力特征向量，包括：构建查询变换矩阵、键变换矩阵及值变换矩阵；其中，变换矩阵的初始化状态为任意数值的矩阵；根据所述查询变换矩阵、键变换矩阵及值变换矩阵，采用多头注意力机制对非序列组合向量进行处理，得到查询向量、键向量及值向量；根据所述查询向量及键向量，确定客户的注意力权重矩阵；根据客户的注意力权重矩阵及所述值向量，确定注意力特征向量。4.根据权利要求1所述的方法，其特征在于，对所述序列向量与所述注意力特征向量进行融合，将融合结果输入至票据推荐模型，以选票概率为目标训练并调节所述票据推荐模型参数，包括：将所述序列向量以所述注意力特征向量的形式组成矩阵并加入序列编码维度，得到融合结果；将所述融合结果输入到票据推荐模型的编码器中，提取时序特征；所述票据推荐模型的解码器通过掩码机制，输入客户掩码后的选票信息，得到选票概率对应的向量；以选票概率为目标训练优化所述票据推荐模型，得到训练完成的票据推荐模型。5.根据权利要求1所述的方法，其特征在于，获取客户输入的支付需求信息，利用所述票据推荐模型根据所述支付需求信息、持票人信息、交易环境信息及交易对手信息确定多
个待选票据，推荐给所述客户选择，并根据选择结果继续推荐待选票据，直至得到满足客户本次支付需求的票据组合，包括：在票据推荐时，采用单票依次推荐模式，根据所述票据推荐模型输出多个选票概率最高的票据，推荐给客户进行选择；在客户选择后，票据推荐模型以选择后的持票情况作为输入样本，输出多个选票概率最高的票据，推荐给客户进行选择；通过重复以上过程，直至客户选择的票据满足本次交易的支付需求，得到票据组合。6.根据权利要求1所述的方法，其特征在于，获取客户输入的支付需求信息，利用所述票据推荐模型根据所述支付需求信息、持票人信息、交易环境信息及交易对手信息确定多个待选票据，推荐给所述客户选择，并根据选择结果继续推荐待选票据，直至得到满足客户本次支付需求的票据组合，包括：在票据推荐时，采用备选方案推荐模式，根据客户选中的多张票据，利用票据推荐模型按照剩余票据的组合生成多种票据备选方案，推荐给客户选择；根据客户选择票据备选方案，得到票据组合。7.根据权利要求1所述的方法，其特征在于，交易环境信息至少包括：当前交易环境下的场景信息，经济状况信息；持票人信息至少包括：持票人的非票据资产信息，持票人持有的可拆分票据信息与不可拆分票据信息，持票人的交易行为信息；交易对手方信息至少包括：交易对手方的交易风险信息，交易对手方的交易...

【专利技术属性】
技术研发人员：牛竟泽，董豪雨，金凤，冯铭，
申请(专利权)人：中国工商银行股份有限公司，
类型：发明
国别省市：