[发明专利]基于人工智能的支付业务大数据处理方法及系统

说明书

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。

技术领域

本申请实施例涉及人工智能和在线支付技术领域，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。

背景技术

随着人工智能（Artificial Intelligence，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。

发明内容

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；