多账户融合支付方法及装置.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113962689A(43)申请公布日2022.01.21(21)申请号202111247738.4(22)申请日2021.10.26(71)申请人中国银行股份有限公司地址100818北京市西城区复兴门内大街1号(72)发明人穆孙婷杜敏琪李登峰马刚郜璐瑶(74)专利代理机构北京三友知识产权代理有限公司11127代理人汤在彦沈珍珠(51)Int.Cl.G06Q20/22(2012.01)G06Q20/10(2012.01)G06N20/00(2019.01)权利要求书2页说明书6页附图5页(54)发明名称多账户融合支付方法及装置(57)摘要本发明公开了一种多账户融合支付方法及装置，涉及人工智能技术领域，其中该方法包括：接收用户提交的支付请求，支付请求包括账单金额；将用户提交支付请求时的行为数据输入用户行为分析模型，得到用户多个账户的支付优先级；其中，用户行为分析模型根据用户的历史行为数据和对应的用户多个账户的历史支付优先级，对机器学习模型训练得到；按支付优先级从高到低的顺序，依次从用户多个账户扣除可用余额，直至扣除总额满足账单金额。本发明可以避免用户的付款流程中出现断点，提高了用户的支付效率，以及提升了用户体验。CN113962689ACN113962689A权利要求书1/2页1.一种多账户融合支付方法，其特征在于，包括：接收用户提交的支付请求，支付请求包括账单金额；将用户提交支付请求时的行为数据输入用户行为分析模型，得到用户多个账户的支付优先级；其中，用户行为分析模型根据用户的历史行为数据和对应的用户多个账户的历史支付优先级，对机器学习模型训练得到；按支付优先级从高到低的顺序，依次从用户多个账户扣除可用余额，直至扣除总额满足账单金额。2.如权利要求1所述的方法，其特征在于，将用户提交支付请求时的行为数据输入用户行为分析模型之前，还包括：将用户的历史行为数据和对应的用户多个账户的历史支付优先级作为样本数据，构建训练集和测试集；利用训练集对机器学习模型进行训练，得到用户行为分析模型；利用测试集对用户行为分析模型进行测试。3.如权利要求2所述的方法，其特征在于，利用训练集对机器学习模型进行训练，包括：在利用训练集对机器学习模型进行训练时，按时间顺序设置训练集中样本数据的权重，其中距离当前时间越近的样本数据权重越大。4.如权利要求1所述的方法，其特征在于，将用户提交支付请求时的行为数据输入用户行为分析模型，得到用户多个账户的支付优先级之后，还包括：将本次用户行为数据和对应的用户多个账户的支付优先级作为样本数据，补入训练集，继续对机器学习模型进行训练，以更新用户行为分析模型。5.如权利要求1所述的方法，其特征在于，用户的行为数据，包括：用户的支付渠道，和/或，用户的支付用途。6.一种多账户融合支付装置，其特征在于，包括：支付请求接收模块，用于接收用户提交的支付请求，支付请求包括账单金额；支付优先级确定模块，用于将用户提交支付请求时的行为数据输入用户行为分析模型，得到用户多个账户的支付优先级；其中，用户行为分析模型根据用户的历史行为数据和对应的用户多个账户的历史支付优先级，对机器学习模型训练得到；金额扣除模块，用于按支付优先级从高到低的顺序，依次从用户多个账户扣除可用余额，直至扣除总额满足账单金额。7.如权利要求6所述的装置，其特征在于，还包括：样本构建模块，用于将用户的历史行为数据和对应的用户多个账户的历史支付优先级作为样本数据，构建训练集和测试集；训练模块，用于利用训练集对机器学习模型进行训练，得到用户行为分析模型；测试模块，用于利用测试集对用户行为分析模型进行测试。8.如权利要求7所述的装置，其特征在于，训练模块具体用于：在利用训练集对机器学习模型进行训练时，按时间顺序设置训练集中样本数据的权重，其中距离当前时间越近的样本数据权重越大。9.如权利要求6所述的装置，其特征在于，还包括：更新模块，用于将本次用户行为数据和对应的用户多个账户的支付优先级作为样本数2CN113962689A权利要求书2/2页据，补入训练集，继续对机器学习模型进行训练，以更新用户行为分析模型。10.如权利要求6所述的装置，其特征在于，用户的行为数据，包括：用户的支付渠道，和/或，用户的支付用途。11.一种计算机设备，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至5任一所述方法。12.一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执行权利要求1至5任一所述方法的计算机程序。3CN113962689A说明书1/6页多账户融合支付方法及装置技术领域[0001]本发明涉及人工智能技术领域，尤其涉及