[发明专利]一种支付渠道推荐方法及装置

权利要求书

1.一种支付渠道推荐方法，该方法包括：

获得目标用户的历史支付数据，根据所述历史支付数据中各历史支付行为所使用的支付渠道，确定所述目标用户对各支付渠道的倾向性排序；

针对任一支付渠道：获得该支付渠道当前接收到的支付请求的请求量、以及当前对支付请求的可处理量，确定该支付渠道当前请求量与可处理量的差值；

根据各支付渠道当前请求量与可处理量的差值，确定各支付渠道的推荐性排序；

基于所述倾向性排序与所述推荐性排序，根据预设支付渠道推荐规则，确定向所述目标用户推荐的支付渠道。

2.根据权利要求1所述的方法，所述根据所述历史支付数据中各历史支付行为所使用的支付渠道，确定所述目标用户对各支付渠道的倾向性排序，包括：

根据所述历史支付数据，提取所述目标用户的历史支付特征向量；

将所提取的历史支付特征向量输入预先训练的历史支付模型，并根据模型的输出值确定所述目标用户对各支付渠道的倾向性排序。

3.根据权利要求2所述的方法，所述根据所述历史支付数据，提取所述目标用户的历史支付特征向量，包括：

确定各历史支付行为的支付场景类型，得到场景特征；和/或

确定各历史支付行为的支付金额，得到金额特征；和/或

根据所述历史支付数据中各历史支付行为的支付渠道数据，得到渠道特征；所述渠道特征至少用于表示各历史支付行为所使用的支付渠道。

4.根据权利要求3所述的方法，所述渠道特征还用于表示：

各历史支付行为使用所述支付渠道的支付结果、支付时间和/或支付频次。

5.根据权利要求3所述的方法，在所述将所提取的历史支付特征向量输入预先训练的历史支付模型前，所述方法还包括：

对所述历史支付模型进行训练，训练过程包括如下处理：

确定若干样本用户，针对每个样本用户：

获得该样本用户的历史支付数据，并根据所述提取历史支付特征向量的方法，提取该样本用户的历史支付特征向量；以及，获得该样本用户对各支付渠道的倾向性排序；

将所获得的倾向性排序作为标签值，并将所提取的历史支付特征向量作为特征值，构成该样本用户对应的训练样本；

根据所述若干样本用户构成的若干对应的训练样本，通过机器学习算法训练历史支付模型。

6.根据权利要求1所述的方法，所述根据所述历史支付数据中各各所使用的支付渠道，确定所述目标用户对各支付渠道的倾向性排序，包括：

统计所述历史支付数据中各历史支付行为使用各支付渠道的总次数、和/或总频率；

针对所述各历史支付行为所使用的任一支付渠道：统计各历史支付行为中使用该支付渠道的次数、和/或频率；

根据所述总次数、总频率、各支付渠道的次数、和/或各支付渠道的频率，计算得到各支付渠道的倾向性分值；

根据所计算的各支付渠道的倾向性分值，确定所述目标用户对各支付渠道的倾向性排序。

7.根据权利要求1所述的方法，所述确定该支付渠道当前请求量与可处理量的差值，包括：

计算该支付渠道当前请求量与可处理量的差值。

8.根据权利要求7所述的方法，所述确定该支付渠道当前请求量与可处理量的差值，还包括：

获得该支付渠道在预设时段后的预测请求量、以及预测可处理量；

将所计算的差值作为初始差值，并根据所述预测请求量与预测可处理量，对所述初始差值进行修正，得到修正后的该支付渠道当前请求量与可处理量的差值。

9.根据权利要求1所述的方法，所述基于所述倾向性排序与所述推荐性排序，根据预设支付渠道推荐规则，确定向所述目标用户推荐的支付渠道，包括：

基于所述倾向性排序与所述推荐性排序，计算各支付渠道的加权值；

判断各支付渠道是否符合预设推荐条件；

将符合推荐条件的支付渠道中加权值最大的支付渠道，确定为向所述目标用户推荐的支付渠道。