[发明专利]数字应用工具实例化

说明书

向数字应用添加工具包括一种处理器，用于基于与工具与对手方和用户的交互有关的历史数据来训练机器学习过程。处理器接收向与用户相关联的数字应用添加工具的请求并且访问与工具、用户和数字应用相关联的数据。处理器将访问的数据输入到机器学习过程中并且基于机器学习过程确定向数字应用添加工具的风险得分。如果处理器确定风险得分小于或等于配置的阈值，则处理器向数字应用添加工具。如果风险得分大于阈值，则处理器拒绝工具的添加。

技术领域

本公开涉及在数字应用上安装工具。更具体而言，机器学习算法被训练并且被用于确定工具的安装在数字工具上的实例化之时是否具有大于阈值的风险可能性。

背景技术

在传统系统中，处理系统在使用时评估交互以确定交互是否具有高风险。被认为具有升高的风险的交互可被拒绝或者被发送来进行进一步评估。当交互被拒绝时，交互可被延迟或终止，同时在销售点识别适当的工具或替换交互。当交互被延迟或终止时，用户和交互对手方变得挫败并且气馁并且可能不会完成交互。

发明内容

本文的技术提供了计算机实现的方法来在未决交互的时间之前的时间向数字应用添加工具。该方法包括基于与工具与对手方和用户的交互有关的历史数据来训练机器学习过程。处理器接收向与用户相关联的数字应用添加工具的请求并且访问与工具、用户和数字应用相关联的数据。处理器将访问的数据输入到机器学习过程中并且基于机器学习过程确定向数字应用添加工具的风险得分。如果处理器确定风险得分低于或等于配置的阈值，则处理器向数字应用添加工具。如果风险得分高于阈值，则处理器拒绝工具的添加。

在本文描述的某些其他示例方面中，提供了向数字应用添加工具的系统和计算机程序产品。

本领域普通技术人员在考虑对图示示例实施例的以下详细描述后将清楚示例实施例的这些和其他方面、目标、特征和优点。

附图说明

图1是根据某些示例描绘向数字应用添加工具的系统的框图。

图2是根据某些示例描绘向数字应用添加工具的方法的方框流程图。

图3是根据某些示例描绘经由机器学习算法分析工具的方法的方框流程图。

图4是根据某些示例描绘计算机器和模块的框图。

具体实施方式

概述

在某些示例中，机器学习算法、处理器、软件或其他机器学习系统被训练并且利用来分析工具以确定该工具是否应当被添加到数字应用。如果工具被确定为造成欺诈的风险或者在其他方面基于识别的因素和特性被确定为不是适当的工具，则数字应用将拒绝该工具。也就是说，当风险得分升高时，工具根本不被添加到数字应用。如果工具基于情况和访问的历史是适当的工具，则数字应用并入该工具并且允许用户在后续交互时访问该工具。

在一示例中，工具是支付工具或者访问工具，例如信用卡、借记卡、商店卡、预付卡、积分卡、识别卡或者任何其他适当的工具。在一示例中，数字应用是数字钱包或者用户采用来管理支付工具和其他工具的类似应用。数字钱包允许了用户制定规则来决定对于不同的交互使用哪个工具。数字钱包在支付工具被请求时可执行任何其他算法或选择过程。在一示例中，交互是支付交易，但其他类型的交互可被使用，例如入住登记、访问授权、票券显示或者任何其他适当的交互。

在本文描述的某些示例中，工具将被描述为支付工具，数字应用将被描述为数字钱包，并且交互将被描述为交易。这些示例是用于说明的。