信息预测方法、交易控制方法、装置、设备、介质及产品与流程

1.本公开涉及大数据技术领域，可应用于金融科技技术领域，特别涉及一种信息预测方法、交易控制方法、装置、设备、介质及产品。


背景技术：

2.商户收单作为银行的基础性金融服务，占据了业务金融服务中较大的比重。在商户收单中，为了能够进一步推进获客、粘客、活客，可以基于用户的综合情况预测并给予用户手续费优惠。现有信息预测方法不能精准地实现用户分层预测以及对信息的动态预测，并且准确性及效率存在不足，而对优惠信息预测的准确性会影响商户收单业务的高效开展，若预测有误，向用户给予不匹配的优惠信息，会影响用户的体验，造成用户流失。并且，由于用户群体一般比较庞大，预测会涉及海量的数据，数据计算量大，在保证信息预测准确的前提下降低数据计算量，提高预测效率且降低计算成本也是推进获客、粘客、活客的关键。


技术实现要素：

3.有鉴于此，本公开的主要目的是提供一种信息预测方法、装置、电子设备、介质及产品，旨在至少部分解决现有信息预测方法预测准确性低，计算量大，不能精准地实现用户分层预测等技术问题。
4.为实现上述目的，本公开实施例第一方面提供一种信息预测方法，包括：为不同的用户配置不同的标签，其中，所述标签表征商户收单中用户的类型，所述标签具备时效性；根据当前用户的所述标签匹配与所述当前用户对应的活动信息，其中，所述活动信息包括用户在所述商户收单中参与活动的关联信息；获取所述当前用户的历史交易行为信息；基于提示学习方法，根据所述活动信息和所述历史交易行为信息确定所述当前用户的预测信息，其中，所述预测信息表征所述当前用户参与活动的预测优惠信息。
5.根据本公开的实施列，其中，所述为不同的用户配置不同的标签包括：根据所述标签的时效性确定所述标签是否为无效标签，其中，所述无效标签定义为超出有效期的所述标签；响应于所述标签为无效标签，重置所述无效标签。
6.根据本公开的实施列，其中，所述为不同的用户配置不同的标签包括：获取不同用户分别对应的属性信息，其中，所述属性信息表征所述用户的质量等级；为不同属性信息的用户配不同时效性的标签。
7.根据本公开的实施列，其中，所述基于提示学习方法，根据所述活动信息和所述历史交易行为信息确定所述当前用户的预测信息包括：根据所述活动信息确定与所述当前用户对应的第一信息，其中，所述第一信息表征针对所述当前用户的优惠额度阈值信息；根据所述历史交易行为信息确定与所述当前用户对应的第二信息，其中，所述第二信息表征所述当前用户的优惠额度需求信息；根据所述第一信息与所述第二信息确定所述预测信息。
8.根据本公开的实施列，其中，所述根据所述活动信息确定与所述当前用户对应的
第一信息包括：根据所述活动信息确定所述当前用户当前参与的活动；获取所述当前用户针对当前参与的活动的贡献度梯度信息；根据所述贡献度梯度信息确定当前参与的活动各个维度上的额度信息；根据各个维度上的额度信息确定所述第一信息。
9.根据本公开的实施列，其中，所述根据所述历史交易行为信息确定与所述当前用户对应的第二信息包括：根据所述历史交易行为信息构建与所述历史交易行为信息对应的提示语；将所述提示语输入预训练模型，输出所述第二信息。
10.根据本公开的实施列，其中，根据所述第一信息与所述第二信息确定所述预测信息包括：根据所述第一信息确定所述当前用户的优惠额度阈值；根据所述第二信息确定所述当前用户的优惠额度需求值；响应于所述优惠额度阈值大于所述优惠额度需求值，确定所述优惠额度阈值为所述当前用户的预测信息；响应于所述优惠额度阈值小于所述优惠额度需求值，确定所述优惠额度需求值为所述当前用户的预测信息。
11.根据本公开的实施列，其中，所述方法还包括：获取所述当前用户参与活动的实际信息，其中，所述实际信息表征所述当前用户参与活动的实际优惠信息；将所述实际信息与所述预测信息进行匹配；响应于订单实际优惠信息与所述预测优惠信息不相符，接收所述当前用户的提额申请请求；响应于所述提额申请请求，配置白名单对所述当前用户的预测信息进行更新。
12.本公开实施例第三方面提供一种交易控制方法，包括：确定预测信息，其中，所述预测信息是由上述所述的信息预测方法确定的；响应于所述当前用户的联机交易请求，根据所述预测信息对所述当前用户进行至少一种模式的激励。
13.本公开实施例第四方面提供一种交易控制方法，包括：确定预测信息，其中，所述预测信息是由上述所述的信息预测方法确定的；响应于所述当前用户的联机交易请求，执行交易；确定所述交易是否发生交易故障，其中，所述交易故障包括交易中断或交易异常；响应于所述交易发生交易故障，根据所述预测信息生成交易补偿信息，其中，所述交易补偿信息包括针对所述当前用户的补偿措施。
14.本公开实施例第五方面提供一种信息预测装置，包括：配置模块，用于为不同的用户配置不同的标签，其中，所述标签表征商户收单中用户的类型，所述标签具备时效性；匹配模块，用于根据当前用户的所述标签匹配与所述当前用户对应的活动信息，其中，所述活动信息包括用户在所述商户收单中参与活动的关联信息；获取模块，用于获取所述当前用户的历史交易行为信息；第一确定模块，用于基于提示学习方法，根据所述活动信息和所述历史交易行为信息确定所述当前用户的预测信息，其中，所述预测信息表征所述当前用户参与活动的预测优惠信息。
15.本公开实施例第六方面提供一种交易控制装置，包括：如权利要求11所述的信息预测装置，用于确定预测信息；响应模块，用于响应于所述当前用户的联机交易请求，根据所述预测信息对所述当前用户进行至少一种模式的激励。
16.本公开实施例第七方面提供一种交易控制装置，包括：如上述所述的信息预测装置，用于确定预测信息；执行模块，用于响应于所述当前用户的联机交易请求，执行交易；第二确定模块，用于确定所述交易是否发生交易故障，其中，所述交易故障包括交易中断或交易异常；生成模块，用于响应于所述交易发生交易故障，根据所述预测信息生成交易补偿信息，其中，所述交易补偿信息包括针对所述当前用户的补偿措施。
17.本公开实施例第八方面提供一种电子设备，包括：一个或多个处理器；存储装置，用于存储一个或多个程序，其中，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器执行根据上述信息预测方法。
18.本公开实施例第九方面提供一种计算机可读存储介质，所述计算机可读存储介质上存储有可执行指令，该指令被处理器执行时使处理器执行根据上述信息预测方法。
19.本公开实施例第十方面提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现根据上述信息预测方法。
20.根据本公开实施例提供的信息预测方法、装置、电子设备、介质及产品，至少具备以下有益效果：
21.通过为不同用户配置不同的标签，能够基于标签直接匹配对应用户的相关信息确定该用户预测信息，针对性强，从而实现了对用户的分层预测。
22.通过设置时效性的标签，预测过程只匹配在有效期限内的用户信息进行预测，不仅降低预测过程中信息的计算量，提高了预测效率且降低了成本，而且减小了无效信息对预测的影响，提高了预测的准确性。
23.由于同一用户在不同的时期的交易特性可能存在不同，通过动态更新标签，以适配于用户的不同交易特性，从而实现了动态、实时预测，更能够满足实际应用场景需求。
24.由于不同用户的交易特性可能存在不同，通过为不同属性信息的用户配不同时效性的标签，以适配于不同用户的不同交易特性，从而提高信息预测的准确性，更能够满足实际应用场景需求。
附图说明
25.为了更清楚地说明本公开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公开的一些实施例，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示出的结构获得其他的附图。
26.图1示意性示出了根据本公开实施例的信息预测方法及装置的系统架构100；
27.图2示意性示出了根据本公开一实施例的信息预测方法的流程图；
28.图3示意性示出了根据本公开一实施例的图2所示操作s201中配置标签的方法流程图；
29.图4示意性示出了根据本公开另一实施例的图2所示操作s201中配置标签的方法流程图；
30.图5示意性示出了根据本公开另一实施例的图2所示操作s204中确定当前用户的预测信息的方法流程图；
31.图6示意性示出了根据本公开实施例的图5所示操作s501中确定第一信息的方法流程图；
32.图7示意性示出了根据本公开实施例的图5所示操作s502中确定第二信息的方法流程图；
33.图8示意性示出了根据本公开实施例的图5所示操作s503中确定预测信息的方法流程图；
34.图9示意性示出了根据本公开另一实施例的信息预测方法流程图；
35.图10示意性示出了根据本公开一实施例的交易控制方法流程图；
36.图11示意性示出了根据本公开另一实施例的交易控制方法流程图；
37.图12示意性示出了根据本公开实施例的商户收单中活动使用方法流程图；
38.图13示意性示出了根据本公开一实施例的信息预测装置的框图；
39.图14示意性示出了根据本公开一实施例的交易控制装置的框图；
40.图15示意性示出了根据本公开另一实施例的交易控制装置的框图；
41.图16示意性示出了根据本公开实施例的适于实现上文描述的方法的电子设备的框图。
具体实施方式
42.以下，将参照附图来描述本公开的实施例。但是应该理解，这些描述只是示例性的，而并非要限制本公开的范围。在下面的详细描述中，为便于解释，阐述了许多具体的细节以提供对本公开实施例的全面理解。然而，明显地，一个或多个实施例在没有这些具体细节的情况下也可以被实施。此外，在以下说明中，省略了对公知结构和技术的描述，以避免不必要地混淆本公开的概念。
43.在此使用的术语仅仅是为了描述具体实施例，而并非意在限制本公开。在此使用的术语“包括”、“包含”等表明了所述特征、步骤、操作和/或部件的存在，但是并不排除存在或添加一个或多个其他特征、步骤、操作或部件。
44.在此使用的所有术语(包括技术和科学术语)具有本领域技术人员通常所理解的含义，除非另外定义。应注意，这里使用的术语应解释为具有与本说明书的上下文相一致的含义，而不应以理想化或过于刻板的方式来解释。
45.在使用类似于“a、b和c等中至少一个”这样的表述的情况下，一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释(例如，“具有a、b和c中至少一个的系统”应包括但不限于单独具有a、单独具有b、单独具有c、具有a和b、具有a和c、具有b和c、和/或具有a、b、c的系统等)。在使用类似于“a、b或c等中至少一个”这样的表述的情况下，一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释(例如，“具有a、b或c中至少一个的系统”应包括但不限于单独具有a、单独具有b、单独具有c、具有a和b、具有a和c、具有b和c、和/或具有a、b、c的系统等)。
46.附图中示出了一些方框图和/或流程图。应理解，方框图和/或流程图中的一些方框或其组合可以由计算机程序指令来实现。这些计算机程序指令可以提供给通用计算机、专用计算机或其他可编程信息预测装置的处理器，从而这些指令在由该处理器执行时可以创建用于实现这些方框图和/或流程图中所说明的功能/操作的装置。本公开的技术可以硬件和/或软件(包括固件、微代码等)的形式来实现。另外，本公开的技术可以采取存储有指令的计算机可读存储介质上的计算机程序产品的形式，该计算机程序产品可供指令执行系统使用或者结合指令执行系统使用。
47.在本公开的技术方案中，所涉及的信息的收集、存储、使用、加工、传输、提供、公开和应用等处理，均符合相关法律法规的规定，采取了必要保密措施，且不违背公序良俗。
48.在本公开的技术方案中，若需要获取用户个人信息，在获取或采集用户个人信息
之前，均获取了用户的授权或同意。
49.针对相关技术中存在的技术问题，本公开实施例提供了一种信息预测方法，包括：为不同的用户配置不同的标签，其中，标签表征商户收单中用户的类型，标签具备时效性；根据当前用户的标签匹配与当前用户对应的活动信息，其中，活动信息包括用户在商户收单中参与活动的关联信息；获取当前用户的历史交易行为信息；基于提示学习方法，根据活动信息和历史交易行为信息确定当前用户的预测信息，其中，预测信息表征当前用户参与活动的预测优惠信息。
50.图1示意性示出了根据本公开实施例的信息预测方法及装置的系统架构100。需要注意的是，图1所示仅为可以应用本公开实施例的系统架构的示例，以帮助本领域技术人员理解本公开的技术内容，但并不意味着本公开实施例不可以用于其他设备、系统、环境或场景。
51.如图1所示，根据该实施例的系统架构100可以包括终端101，存储设备102，网络103和服务器104。网络103用于终端101，存储设备102与服务器104之间提供通信链路。
52.终端101例如可以是带有触摸显示屏的电子设备，例如可以包括手机、平板、智能柜机，用户可以通过电子设备发起例如商户收单等基础性金融服务的交易请求。存储设备102用于存储执行交易请求所指示的交易过程中产生的历史交易行为信息、与用户参与的活动关联的活动信息以及为不同用户配置的标签，可以为硬件存储设备、也可以是软件存储设备。网络103可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。其中有线方式例如可以是采用线缆及以下多种接口中的任一种连接：光纤通道、红外线接口、d型数据接口、串行接口、usb接口、usb type-c接口或dock接口，无线方式例如可以是采用无线通信方式连接的，其中的无线通信例如可采用蓝牙、wi-fi、infrared、zigbee等多个无线技术标准中的任一个。服务器104可以通过网络103从存储设备102获取不同用户的标签和历史交易行为信息，根据当前用户的标签匹配与当前用户对应的活动信息，基于提示学习方法，根据活动信息和历史交易行为信息确定当前用户的预测信息。
53.需要说明的是，本公开实施例所提供的信息预测方法可以由服务器104执行。相应地，本公开实施例所提供的信息预测装置可以设置于服务器104中。或者，本公开实施例所提供的信息预测方法也可以由不同于服务器104且能够与存储设备102和/或服务器104通信的服务器或服务器集群执行。相应地，本公开实施例所提供的信息预测装置也可以设置于不同于服务器104且能够与存储设备102和/或信息预测平台104通信的服务器或服务器集群中。或者，本公开实施例所提供的信息预测方法也可以部分由服务器104执行，部分由存储设备102执行。相应的，本公开实施例所提供的信息预测装置也可以部分设置于服务器104中，部分设置于存储设备102中。
54.应该理解，图1中的终端、存储设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端、网络和服务器。
55.本公开实施例提供的信息预测方法，可以应用于金融科技领域。例如，对于银行而言，在商户收单金融服务中，可以基于商户的综合情况给予用户周期性手续费优惠。由于不同的商户具备不同的交易特性，同一商户在不同的时期也可能存在不同的交易特性，优惠的策略可能不同，若采用同一优惠策略，会影响商户活动效果。因此，在商户活动开展过程中，需要考虑银行的支出成本保证商户活动效果，避免营收倒挂，同时需要关注商户成长，
根据商户成长动态调整激励活动。在此场景下，可以采用本公开实施例提供的信息预测方法，基于为商户配置的标签，根据活动信息和历史交易行为信息分层、动态、实时、准确、高效地预测不同商户的优惠信息，进而提高商户活动效果。
56.应当理解是，本公开实施例提供的信息预测方法不仅限于应用于金融科技领域，也可用于除金融领域之外的任意领域。上述描述只是示例性的，对于例涉及信息预测的例如电子商务、商品推荐、物流等其他技术领域，都可以应用本公开实施例的信息预测方法。
57.以下将基于图1描述的行外资产挖掘场景，通过图2～图11对本公开实施例的信息预测方法及交易控制方法进行详细描述。
58.图2示意性示出了根据本公开一实施例的信息预测方法的流程图。
59.如图2所示，该信息预测方法例如可以包括操作s201～操作s204。
60.在操作s201，为不同的用户配置不同的标签。
61.在本公开的实施例中，标签可以理解为表征商户收单中用户的类型，例如可以包括优质用户、潜力用户、回归用户和新用户，优质用户可以理解为高贡献度、高粘性、高消费类的用户，潜力用户可以理解为低贡献度、高消费类的用户，回归用户可以理解为低贡献度且近一年资产递交、消费递减的用户。时效性可以理解为标签的有效时间。
62.在操作s202，根据当前用户的标签匹配与当前用户对应的活动信息。
63.在本公开的实施例中，活动信息可以包括用户在商户收单中参与活动的关联信息，该关联信息例如可以包括用户参与活动的名称、类型及属性信息，用户在参与活动中发生的交易行为对活动的贡献情况等等。
64.在操作s203，获取当前用户的历史交易行为信息。
65.在本公开的实施例中，历史交易行为信息例如可以包括历史交易情况、交易笔数、回佣金额信息、用户存款及资产信息等等。历史交易情况可以理解为交易是否成功，交易未成功可以理解为交易异常或交易中断等等。
66.在操作s204，基于提示学习方法，根据活动信息和交易行为信息确定当前用户的预测信息。
67.在本公开的实施例中，预测信息可以理解为表征当前用户参与活动的预测优惠信息，预测优惠信息例如可以包括优惠笔数、优惠金额、周期内优惠的上限等等。
68.根据本公开实施例的信息预测方法，通过为不同用户配置不同的标签，能够基于标签直接匹配对应用户的相关信息确定该用户预测信息，具备较强的针对性，从而实现了对用户的精准分层预测。通过设置时效性的标签，预测过程只匹配在有效期限内的用户信息进行预测，不仅降低预测过程中信息的计算量，提高了预测效率且降低了成本，而且减小了无效信息对预测的影响，提高了预测的准确性。
69.图3示意性示出了根据本公开一实施例的图2所示操作s201中配置标签的方法流程图。
70.如图3所示，操作s201中配置标签的方法例如可以包括操作s301～操作s302。
71.在操作s301，根据标签的时效性确定标签是否为无效标签。
72.在本公开的实施例中，无效标签可以理解为超出标签的时效性所定义的有效期的标签，例如，为第一用户配置的标签的时效性为一个月，为第二用户配置的标签的时效性为两个月，则经过一个月后，为第一用户配置的标签超过一个月的有效期，变为无效标签，为
第二用户配置的标签未超过两个月的有效期，仍旧为无效标签。应当理解，为标签配置时效性的目的是配合周期性的信息预测。例如，对于商户收单，其涉及的活动是具备周期性的(月度活动、季度活动或年度活动)，其对于优惠信息的预测可能存在不同，因此对于标签的配置需要存在区别。此外，由于活动的类型改变或者用户客观需求的改变，同一用户在不同的时期的交易特性可能存在不同，若为同一用户配置的标签固定不变，则不配不同时期信息预测的需求，因此，需要为标签设置时效性以满足周期性的信息预测。
73.在操作s302，响应于标签为无效标签，重置无效标签。
74.在本公开的实施例中，重置的无效标签的时效性和该无效标签之前的时效性可以相同，也可以不同。可以理解，在用户标签失效后，在用户的交易行为未发生明显变化的情况下，重置无效标签的时效性可以与之前一致，在用户的交易行为发生明显变化的情况下，重置无效标签的时效性可以与之前不同，根据具体的交易行为增大或较小重置后的标签的有效时间。
75.在本公开的实施例中，可以采用机器学习的方式为不同的用户配置标签。
76.根据本公开实施例提供的信息预测方法，由于同一用户在不同的时期的交易特性可能存在不同，通过动态更新无效标签，以适配于用户的不同交易特性时的信息预测需求，从而实现了动态、实时预测，更能够满足实际应用场景需求。
77.图4示意性示出了根据本公开另一实施例的图2所示操作s201中配置标签的方法流程图。
78.如图4所示，操作s201中配置标签的方法例如可以包括操作s401～操作s402。
79.在操作s401，获取不同用户分别对应的属性信息。
80.在本公开的实施例中，属性信息可以理解为表征用户的质量等级。例如，优质用户可以定义为高质量等级用户，潜力用户可以定义为中质量等级用户，回归用户可以定义为低等级质量用户。应当理解，属性信息是在用户交易过程中客观生成的用于表征用户质量的信息，前述用户质量等级的定义只是示例性的，并不用于限制本公开。
81.在操作s402，为不同属性信息的用户配不同时效性的标签。
82.在本公开的实施例中，不同的用户可能具备不同的交易特性，也即在交易过程中的交易行为存在不同，对信息预测的需求也就不同。若为不同用户配置的时效性均相同，无针对性，明显会影响不同用户预测信息的精度，因此，需要为不同属性信息的用户配不同时效性的标签。
83.例如，如对于高贡献度、高粘性、高消费类用户设置优质用户标签，标签有效期一个月；对于低贡献度、高消费用户设置潜力用户标签，标签有效期三个月，三个月后重置标签；对于低贡献度且近一年资产递减、消费递减用户设置为待回归用户，标签有效期六个月，六个月后重置标签；对于新商户提供三个月观察期，期内设置新商户标签。
84.根据本公开实施例提供的信息预测方法，由于不同用户的交易特性可能存在不同，通过为不同属性信息的用户配不同时效性的标签，以适配于不同用户的不同交易特性，从而提高信息预测的准确性，更能够满足实际应用场景需求。
85.图5示意性示出了根据本公开另一实施例的图2所示操作s204中确定当前用户的预测信息的方法流程图。
86.如图5所示，操作s204中确定当前用户的预测信息的方法例如可以包括操作s501
～操作s503。
87.在操作s501，根据活动信息确定与当前用户对应的第一信息。
88.在本公开的实施例中，第一信息可以理解为表征针对当前用户的优惠额度阈值信息。
89.在操作s502，根据交易行为信息确定与当前用户对应的第二信息。
90.在本公开的实施例中，第二信息可以理解为表征当前用户的优惠额度需求信息。
91.在操作s503，根据第一信息与第二信息确定预测信息。
92.在本公开的实施例中，预测信息可以理解为表征当前用户参与活动的预测优惠信息。
93.例如，在商户收单这一应用场景中，预测信息例如可以包括借记卡手续费减免笔数、贷记卡手续费减免金额、扫码手续费减免额度等。例如对于优质用户标签，给予a类高额优惠活动；对于潜力用户标签，给予其连续三个月b类挖潜活动，三个月满后根据商户实际标签重置下个周期的活动；对于待回归用户，给予其连续六个月c类激活活动，六个月后重置活动；对于新商户，给予其连续三个月d类新用户活动，期满重置活动。
94.根据本公开实施例提供的信息预测方法，基于多维度的信息确定不同的优惠信息，再基于不同的优惠信息综合确定最终的预测信息，保证了信息预测的准确性。
95.图6示意性示出了根据本公开实施例的图5所示操作s501中确定第一信息的方法流程图。
96.如图6所示，操作s501中确定第一信息的方法例如可以包括操作s601～操作s604。
97.在操作s601，根据活动信息确定当前用户当前参与的活动。
98.在操作s602，获取当前用户针对当前参与的活动的贡献度梯度信息。
99.在操作s603，根据贡献度梯度信息确定当前参与的活动各个维度上的额度信息。
100.在操作s604，根据各个维度上的额度信息确定第一信息。
101.例如，对于商户收单这一应用场景，用户销售产品，接收借记卡、贷记卡或第三方支付平台三个维度的付款，则可以获取三个维度的贡献度，贡献度可以理解为三个维度的付款金额。
102.根据本公开实施例提供的信息预测方法，通过不同维度的贡献值综合确定维度信息，进而提高了信息预测的准确性。
103.图7示意性示出了根据本公开实施例的图5所示操作s502中确定第二信息的方法流程图。
104.如图7所示，操作s502中确定第二信息的方法例如可以包括操作s701～操作s702。
105.在操作s701，根据交易行为信息构建与交易行为信息对应的提示语。
106.在操作s702，将提示语输入预训练模型，输出第二信息。
107.例如，预训练模型可以采用bert预训练模型(bidirectional encoder representation from transformers)或基于转换器的生成式预训练模型(generative pre-trained transformers，gpt)。
108.在商务收单这一应用场景，预训练模型的输入为交易行为信息，可以包括历史交易情况、用户上月存款、资产、交易笔数、回佣收取金额等，输出为第二信息，可以包括不同类型优惠活动及活动限额、用户当月各维度优惠需求。提示学习(prompt learning)可以立
即为通过设计与预训练任务相似的提示模板的方式。根据已有大量用户的历史数据，采用基于提示学习方法进行模型训练及预测。具体地，首先根据用户的历史交易情况、用户上月存款、资产、交易笔数、回佣收取金额等历史数据构建提示语，并将该提示语作为预训练模型的输入，同时将标签优惠需求和优惠活动类别及上限作为模型的输出。
109.以bert为例：
110.输入prompt：[cls]客户上月交易30笔，存款300万人民币，资产500万人民币，回佣收取20万人民币。[sep]当月优惠需求借记卡减免[mask]笔，贷记卡减免[mask]元，二维码减免[mask]元，银行给予[mask]类优惠活动，当月借记卡减免上限[mask]笔，贷记卡减免上限[mask]元，二维码减免上限[mask]元。
[0111]
输出：[30，1000，2000，b，20，500，600]。
[0112]
根据本公开实施例提供的信息预测方法，采用提示学习的方法结合预训练模型确定第二信息，由于提示学习能够有效降低预训练任务与下游任务的差异，显著提升预训练模型在下游任务的效果，因此能够提高信息预测的准确性。
[0113]
图8示意性示出了根据本公开实施例的图5所示操作s503中确定预测信息的方法流程图。
[0114]
如图8所示，操作s503中确定预测信息的方法例如可以包括操作s801～操作s804。
[0115]
在操作s801，根据第一信息确定当前用户的优惠额度阈值。
[0116]
在操作s802，根据第二信息确定当前用户的优惠额度需求值。
[0117]
在操作s803，响应于优惠额度阈值大于优惠额度需求值，确定优惠额度阈值为当前用户的预测信息。
[0118]
在操作s804，响应于优惠额度阈值小于优惠额度需求值，确定优惠额度需求值为当前用户的预测信息。
[0119]
例如，在商户收单这一应用场景中，对于存量用户，根据商户综合指标挂靠某类活动对应梯度获取银行优惠额度上限，根据商户历史交易行为预测用户手续费免费需求，再根据上述银行上限和用户需求预测两个数值间取小进行设置，从而即能满足银行正向收益，又能满足用户实际活动需求。需要说明的是，对于新用户，可以通过业务人员审查及外部大数据分析预设新户优惠额度。
[0120]
根据本公开实施例体从的信息预测方法，采用两个优惠信息反馈的优惠额度取小的方式确定最终的优惠信息，更能适用于实际应用场景的需求。
[0121]
图9示意性示出了根据本公开另一实施例的信息预测方法流程图。
[0122]
如图9所示，该信息预测方法例如可以包括操作s901～操作s904。
[0123]
在操作s901，获取当前用户参与活动的实际信息。
[0124]
在操作s902，将实际信息与预测信息进行匹配。
[0125]
在操作s903，响应于订单实际优惠信息与预测优惠信息不相符，接收当前用户的提额申请请求。
[0126]
在操作s904，响应于提额申请请求，配置白名单对当前用户的预测信息进行更新。
[0127]
在本公开的实施例中，实际信息表征当前用户参与活动的实际优惠信息。
[0128]
例如，在商务收单这一应用场景，可以构建商户服务系统，用户可以通过商户服务系统查询历史活动使用情况，未来的活动相关的预测信息以及且对于未来活动预测信息与
其实际使用不符的情况，在银行活动上限范围内可发起提额申请，系统将在业务审核后，通过增设周期白名单标签完成额度调整。
[0129]
根据本公开实施例的信息预测方法，由于通过将预测信息与实际信息进行匹配，以动态更新预测信息，从而实现了信息的动态预测，使得该信息预测方法跟贴合实际的使用场景。
[0130]
基于上述信息预测方法，本公开实施例还提供交易控制方法以更好地实现交易控制。
[0131]
图10示意性示出了根据本公开一实施例的交易控制方法流程图。
[0132]
如图10所示，该交易控制方法例如可以包括操作s1001～操作s1002。
[0133]
在操作s1001，确定预测信息。
[0134]
在本公开实施例中，可以采用上述图2-图9所示的信息预测方法确定预测信息，此处不再赘述。
[0135]
在操作s1002，响应于当前用户的联机交易请求，根据预测信息对当前用户进行至少一种模式的激励。
[0136]
在本公开的实施例中，至少一种模式可以包括用户实时减免的激励模式或者先收后返的激励模式。
[0137]
图11示意性示出了根据本公开另一实施例的交易控制方法流程图。
[0138]
如图11所示，该交易控制方法例如可以包括操作s1101～操作s1102。
[0139]
在操作s1101，确定预测信息。
[0140]
在本公开实施例中，可以采用上述图2-图9所示的信息预测方法确定预测信息，此处不再赘述。
[0141]
在操作s1102，响应于当前用户的联机交易请求，执行交易。
[0142]
在操作s1103，确定交易是否发生交易故障。
[0143]
在本公开的实施例中，交易故障可以包括交易中断或交易异常。
[0144]
在操作s1104，响应于交易发生交易故障，根据预测信息生成交易补偿信息。
[0145]
在本公开的实施例中，交易补偿信息包括针对当前用户的补偿措施。
[0146]
示例性的，在商户收单中，可以通过构建商户活动系统，在商户联机交易过程中，给予客户实时减免或者先收后返的多种激励模式；并且针对交易中断或者交易异常的情况，提供增补措施，避免客户投诉。
[0147]
根据本公开实施例的交易控制方法，能够准确高效地实现对用户发起的交易的精准控制，提升用户的体验。
[0148]
图12示意性示出了根据本公开实施例的商户收单中活动使用方法流程图。
[0149]
如图12所示，商户收单中活动优惠信息的预测基于上图2～图9所示的信息预测方法确定。具体过程可以为：
[0150]
首先，登记商户活动：在联机交易时预先读取商户活动，如果读取成功，则判断是否有剩余额度，如果有剩余额度则先扣减优惠值，完成优惠登记，如没有优惠则无需登记。
[0151]
其次，优惠享受：判断商户优惠模式，如果是实时优惠，则先扣减手续费优惠额度后完成商户入账，如隔日优惠，则当日扣除全额手续费入账后，次日单独返还商户手续费。
[0152]
最后，优惠修正：由于入商户账存在疑帐或者失败的情况，隔日重新计算商户优惠
进行优惠修正，例如t日联机客户支付成功，商户入账失败，t+1日计算时发现商户仍有额度，则进行优惠补返还。
[0153]
该活动方法采用本公开实施例提供的信息预测方法，基于机器提示学习动态计价的模式，实现商户分层、动态、实时优惠，真正做到一客一价，有效促活。
[0154]
基于图2～图9所示的信息预测方法和图10～图11所示的交易控制方法，本公开实施例还提供一种信息预测装置及交易控制装置，以下将基于图1描述的场景，通过图11～图14对本公开实施例的信息预测装置进行描述。
[0155]
图13示意性示出了根据本公开一实施例的信息预测装置的框图。
[0156]
如图13所示，信息预测装置1300可以包括配置模块1310、匹配模块1320、获取模块1330以及第一确定模块1340。
[0157]
配置模块1310，用于为不同的用户配置不同的标签，其中，标签表征商户收单中用户的类型，标签具备时效性。
[0158]
匹配模块1320，用于根据当前用户的标签匹配与当前用户对应的活动信息，其中，活动信息包括用户在商户收单中参与活动的关联信息。
[0159]
获取模块1330，用于获取当前用户的历史交易行为信息。
[0160]
第一确定模块1340，用于基于提示学习方法，根据活动信息和历史交易行为信息确定当前用户的预测信息，其中，预测信息表征当前用户参与活动的预测优惠信息。
[0161]
在本公开的实施例中，配置模块1310可以包括确定单元、重置单元、获取单元及配置单元。
[0162]
确定单元，用于根据标签的时效性确定标签是否为无效标签，其中，无效标签定义为超出有效期的所述标签。重置单元，用于响应于标签为无效标签，重置无效标签。获取单元，用于获取不同用户分别对应的属性信息，其中，属性信息表征所述用户的质量等级。配置单元，用于为不同属性信息的用户配置不同时效性的标签。
[0163]
图14示意性示出了根据本公开一实施例的交易控制装置的框图。
[0164]
如图14所示，交易控制装置1400可以包括信息预测装置1300以及响应模块1410。
[0165]
信息预测装置1300，用于确定预测信息。
[0166]
响应模块1410，用于响应于当前用户的联机交易请求，根据预测信息对当前用户进行至少一种模式的激励。
[0167]
图15示意性示出了根据本公开另一实施例的交易控制装置的框图。
[0168]
如图15所示，交易控制装置1400可以包括信息预测装置1300、执行模块1510、第二确定模块1520以及生成模块1530。
[0169]
信息预测装置1300，用于确定预测信息。
[0170]
执行模块1510，用于响应于当前用户的联机交易请求，执行交易。
[0171]
第二确定模块1520，用于确定交易是否发生交易故障，其中，交易故障包括交易中断或交易异常。
[0172]
生成模块1530，用于响应于交易发生交易故障，根据预测信息生成交易补偿信息，其中，交易补偿信息包括针对所述当前用户的补偿措施。
[0173]
根据本公开的实施例的模块、子模块、单元、子单元中的任意多个、或其中任意多个的至少部分功能可以在一个模块中实现。根据本公开实施例的模块、子模块、单元、子单
元中的任意一个或多个可以被拆分成多个模块来实现。根据本公开实施例的模块、子模块、单元、子单元中的任意一个或多个可以至少被部分地实现为硬件电路，例如现场可编程门阵列(fpga)、可编程逻辑阵列(pla)、片上系统、基板上的系统、封装上的系统、专用集成电路(asic)，或可以通过对电路进行集成或封装的任何其他的合理方式的硬件或固件来实现，或以软件、硬件以及固件三种实现方式中任意一种或以其中任意几种的适当组合来实现。或者，根据本公开实施例的模块、子模块、单元、子单元中的一个或多个可以至少被部分地实现为计算机程序模块，当该计算机程序模块被运行时，可以执行相应的功能。
[0174]
例如，配置模块1310、匹配模块1320、获取模块1330以及第一确定模块1340、响应模块1410、执行模块1510、第二确定模块1520以及生成模块1530中的任意多个可以合并在一个模块/单元/子单元中实现，或者其中的任意一个模块/单元/子单元可以被拆分成多个模块/单元/子单元。或者，这些模块/单元/子单元中的一个或多个模块/单元/子单元的至少部分功能可以与其他模块/单元/子单元的至少部分功能相结合，并在一个模块/单元/子单元中实现。根据本公开的实施例，配置模块1310、匹配模块1320、获取模块1330以及第一确定模块1340、响应模块1410、执行模块1510、第二确定模块1520以及生成模块1530中的至少一个可以至少被部分地实现为硬件电路，例如现场可编程门阵列(fpga)、可编程逻辑阵列(pla)、片上系统、基板上的系统、封装上的系统、专用集成电路(asic)，或可以通过对电路进行集成或封装的任何其他的合理方式等硬件或固件来实现，或以软件、硬件以及固件三种实现方式中任意一种或以其中任意几种的适当组合来实现。或者，配置模块1310、匹配模块1320、获取模块1330以及第一确定模块1340、响应模块1410、执行模块1510、第二确定模块1520以及生成模块1530中的至少一个可以至少被部分地实现为计算机程序模块，当该计算机程序模块被运行时，可以执行相应的功能。
[0175]
需要说明的是，本公开的实施例中信息预测装置及交易控制装置部分与本公开的实施例中信息预测方法及交易控制方法部分是相对应的，其具体实施细节及带来的技术效果也是相同的，在此不再赘述。
[0176]
图16示意性示出了根据本公开实施例的适于实现上文描述的方法的电子设备的框图。图16示出的电子设备仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。
[0177]
如图16所示，根据本公开实施例的电子设备1600包括处理器1601，其可以根据存储在只读存储器(rom)1602中的程序或者从存储部分1608加载到随机访问存储器(ram)1603中的程序而执行各种适当的动作和处理。处理器1601例如可以包括通用微处理器(例如cpu)、指令集处理器和/或相关芯片组和/或专用微处理器(例如，专用集成电路(asic))，等等。处理器1601还可以包括用于缓存用途的板载存储器。处理器1601可以包括用于执行根据本公开实施例的方法流程的不同动作的单一处理单元或者是多个处理单元。
[0178]
在ram 1603中，存储有电子设备1600操作所需的各种程序和数据。处理器1601、rom 1602以及ram1603通过总线1604彼此相连。处理器1601通过执行rom 1602和/或ram1603中的程序来执行根据本公开实施例的方法流程的各种操作。需要注意，所述程序也可以存储在除rom 1602和ram 1603以外的一个或多个存储器中。处理器1601也可以通过执行存储在所述一个或多个存储器中的程序来执行根据本公开实施例的方法流程的各种操作。
[0179]
根据本公开的实施例，电子设备1600还可以包括输入/输出(i/o)接口1605，输入/输出(i/o)接口1605也连接至总线1604。电子设备1600还可以包括连接至i/o接口1605的以下部件中的一项或多项：包括键盘、鼠标等的输入部分1606；包括诸如阴极射线管(crt)、液晶显示器(lcd)等以及扬声器等的输出部分1607；包括硬盘等的存储部分1608；以及包括诸如lan卡、调制解调器等的网络接口卡的通信部分1609。通信部分1609经由诸如因特网的网络执行通信处理。驱动器1610也根据需要连接至i/o接口1605。可拆卸介质1611，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器1610上，以便于从其上读出的计算机程序根据需要被安装入存储部分1608。
[0180]
根据本公开的实施例，根据本公开实施例的方法流程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读存储介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分1609从网络上被下载和安装，和/或从可拆卸介质1611被安装。在该计算机程序被处理器1601执行时，执行本公开实施例的系统中限定的上述功能。根据本公开的实施例，上文描述的系统、设备、装置、模块、单元等可以通过计算机程序模块来实现。
[0181]
本公开还提供了一种计算机可读存储介质，该计算机可读存储介质可以是上述实施例中描述的设备/装置/系统中所包含的；也可以是单独存在，而未装配入该设备/装置/系统中。上述计算机可读存储介质承载有一个或者多个程序，当上述一个或者多个程序被执行时，实现根据本公开实施例的方法。
[0182]
根据本公开的实施例，计算机可读存储介质可以是非易失性的计算机可读存储介质。例如可以包括但不限于：便携式计算机磁盘、硬盘、随机访问存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、便携式紧凑磁盘只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
[0183]
例如，根据本公开的实施例，计算机可读存储介质可以包括上文描述的rom1602和/或ram 1603和/或rom 1602和ram 1603以外的一个或多个存储器。
[0184]
附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图或流程图中的每个方框、以及框图或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。本领域技术人员可以理解，本公开的各个实施例和/或权利要求中记载的特征可以进行多种组合和/或结合，即使这样的组合或结合没有明确记载于本公开中。特别地，在不脱离本公开精神和教导的情况下，本公开的各个实施例和/或权利要求中记载的特征可以进行多种组合和/或结合。所有这些组合和/或结合均落入本公开的范围。

技术特征：
1.一种信息预测方法，包括：为不同的用户配置不同的标签，其中，所述标签表征商户收单中用户的类型，所述标签具备时效性；根据当前用户的所述标签匹配与所述当前用户对应的活动信息，其中，所述活动信息包括用户在所述商户收单中参与活动的关联信息；获取所述当前用户的历史交易行为信息；基于提示学习方法，根据所述活动信息和所述历史交易行为信息确定所述当前用户的预测信息，其中，所述预测信息表征所述当前用户参与活动的预测优惠信息。2.根据权利要求1所述的信息预测方法，其中，所述为不同的用户配置不同的标签包括：根据所述标签的时效性确定所述标签是否为无效标签，其中，所述无效标签定义为超出有效期的所述标签；响应于所述标签为无效标签，重置所述无效标签。3.根据权利要求1所述的信息预测方法，其中，所述为不同的用户配置不同的标签包括：获取不同用户分别对应的属性信息，其中，所述属性信息表征所述用户的质量等级；为不同属性信息的用户配置不同时效性的标签。4.根据权利要求1所述的信息预测方法，其中，所述基于提示学习方法，根据所述活动信息和所述历史交易行为信息确定所述当前用户的预测信息包括：根据所述活动信息确定与所述当前用户对应的第一信息，其中，所述第一信息表征针对所述当前用户的优惠额度阈值信息；根据所述历史交易行为信息确定与所述当前用户对应的第二信息，其中，所述第二信息表征所述当前用户的优惠额度需求信息；根据所述第一信息与所述第二信息确定所述预测信息。5.根据权利要求4所述的信息预测方法，其中，所述根据所述活动信息确定与所述当前用户对应的第一信息包括：根据所述活动信息确定所述当前用户当前参与的活动；获取所述当前用户针对当前参与的活动的贡献度梯度信息；根据所述贡献度梯度信息确定当前参与的活动各个维度上的额度信息；根据各个维度上的额度信息确定所述第一信息。6.根据权利要求4所述的信息预测方法，其中，所述根据所述历史交易行为信息确定与所述当前用户对应的第二信息包括：根据所述历史交易行为信息构建与所述历史交易行为信息对应的提示语；将所述提示语输入预训练模型，输出所述第二信息。7.根据权利要求4所述的信息预测方法，其中，根据所述第一信息与所述第二信息确定所述预测信息包括：根据所述第一信息确定所述当前用户的优惠额度阈值；根据所述第二信息确定所述当前用户的优惠额度需求值；响应于所述优惠额度阈值大于所述优惠额度需求值，确定所述优惠额度阈值为所述当
前用户的预测信息；响应于所述优惠额度阈值小于所述优惠额度需求值，确定所述优惠额度需求值为所述当前用户的预测信息。8.根据权利要求4所述的信息预测方法，其中，所述方法还包括：获取所述当前用户参与活动的实际信息，其中，所述实际信息表征所述当前用户参与活动的实际优惠信息；将所述实际信息与所述预测信息进行匹配；响应于订单实际优惠信息与所述预测优惠信息不相符，接收所述当前用户的提额申请请求；响应于所述提额申请请求，配置白名单对所述当前用户的预测信息进行更新。9.一种交易控制方法，包括：确定预测信息，其中，所述预测信息是由权利要求1-8任一项所述的信息预测方法确定的；响应于所述当前用户的联机交易请求，根据所述预测信息对所述当前用户进行至少一种模式的激励。10.一种交易控制方法，包括：确定预测信息，其中，所述预测信息是由权利要求1-8任一项所述的信息预测方法确定的；响应于所述当前用户的联机交易请求，执行交易；确定所述交易是否发生交易故障，其中，所述交易故障包括交易中断或交易异常；响应于所述交易发生交易故障，根据所述预测信息生成交易补偿信息，其中，所述交易补偿信息包括针对所述当前用户的补偿措施。11.一种信息预测装置，包括：配置模块，用于为不同的用户配置不同的标签，其中，所述标签表征商户收单中用户的类型，所述标签具备时效性；匹配模块，用于根据当前用户的所述标签匹配与所述当前用户对应的活动信息，其中，所述活动信息包括用户在所述商户收单中参与活动的关联信息；获取模块，用于获取所述当前用户的历史交易行为信息；第一确定模块，用于基于提示学习方法，根据所述活动信息和所述历史交易行为信息确定所述当前用户的预测信息，其中，所述预测信息表征所述当前用户参与活动的预测优惠信息。12.一种交易控制装置，包括：如权利要求11所述的信息预测装置，用于确定预测信息；响应模块，用于响应于所述当前用户的联机交易请求，根据所述预测信息对所述当前用户进行至少一种模式的激励。13.一种交易控制装置，包括：如权利要求11所述的信息预测装置，用于确定预测信息；执行模块，用于响应于所述当前用户的联机交易请求，执行交易；第二确定模块，用于确定所述交易是否发生交易故障，其中，所述交易故障包括交易中
断或交易异常；生成模块，用于响应于所述交易发生交易故障，根据所述预测信息生成交易补偿信息，其中，所述交易补偿信息包括针对所述当前用户的补偿措施。14.一种电子设备，包括：一个或多个处理器；存储装置，用于存储一个或多个程序，其中，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器执行根据权利要求1～10中任一项所述的方法。15.一种计算机可读存储介质，所述计算机可读存储介质上存储有可执行指令，该指令被处理器执行时使处理器执行根据权利要求1～10中任一项所述的方法。16.一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现根据权利要求1～10中任一项所述的方法。

技术总结
本公开提供一种信息预测方法、装置、电子设备、介质及产品，涉及大数据技术领域，可应用于金融科技领域，方法包括：为不同的用户配置不同的标签，其中，所述标签表征商户收单中用户的类型，所述标签具备时效性；根据当前用户的所述标签匹配与所述当前用户对应的活动信息，其中，所述活动信息包括用户在所述商户收单中参与活动的关联信息；获取所述当前用户的历史交易行为信息；基于提示学习方法，根据所述活动信息和所述历史交易行为信息确定所述当前用户的预测信息，其中，所述预测信息表征所述当前用户参与活动的预测优惠信息。所述当前用户参与活动的预测优惠信息。所述当前用户参与活动的预测优惠信息。


技术研发人员：惠小珏 陈峰
受保护的技术使用者：中国工商银行股份有限公司
技术研发日：2023.05.16
技术公布日：2023/8/13