[发明专利]数据处理方法、装置、电子设备及计算机可读存储介质

权利要求书

1.一种数据处理方法，其特征在于，所述方法包括：

响应于针对目标对象的待支付任务的支付请求，确定所述待支付任务的任务特征，所述待支付任务的任务特征包括所述待支付任务的任务类型；

基于所述待支付任务的任务特征与所述目标对象的已支付任务的关联关系，确定所述待支付任务的重复支付可能性；

若确定所述待支付任务存在重复支付，根据所述待支付任务的任务类型的任务等级，确定是否拦截针对所述待支付任务的支付请求的支付操作。

2.根据权利要求1所述的方法，其特征在于，所述基于所述待支付任务的任务特征与所述目标对象的已支付任务的关联关系，确定所述待支付任务的重复支付可能性，包括：

将所述待支付任务的任务特征输入至已训练好的重复支付确定模块，确定所述待支付任务的重复支付可能性，所述重复支付确定模块用于提取所述待支付任务的任务特征与所述已支付任务的任务特征之间的关联关系；

其中，所述重复支付确定模块是基于所述已支付任务作为训练样本预训练得到的。

3.根据权利要求2所述的方法，其特征在于，所述重复支付确定模块是通过以下方式训练得到的：

获取训练数据集，所述训练数据集中包含多个训练样本，每个所述训练样本包括样本任务以及所述样本任务的标注标签，所述标注标签包括所述样本任务是否属于重复支付，所述样本任务为多个所述已支付任务中的任意一个；

将各所述样本任务依次输入至初始神经网络模型中，得到各所述样本任务的重复支付可能性；

基于各所述样本任务的重复支付可能性和所述标注标签，确定所述初始神经网络模型的损失；

在所述损失满足预设的训练结束条件的情况下，结束训练，得到所述重复支付确定模块；

在所述损失不满足所述预设的训练结束条件的情况下，对所述初始神经网络模型的模型参数进行调整，并基于所述训练数据集对调整后的初始神经网络模型继续进行训练。

4.根据权利要求1所述的方法，其特征在于，所述基于所述待支付任务的任务特征与所述目标对象的已支付任务的关联关系，确定所述待支付任务的重复支付可能性，包括：

根据所述已支付任务确定所述目标对象的行为特征；

根据所述待支付任务的任务特征和所述目标对象的行为特征，确定所述待支付任务的任务特征是否与所述目标对象的行为特征相匹配；

若所述待支付任务的任务特征与所述目标对象的行为特征相匹配，确定所述重复支付可能性为所述待支付任务存在重复支付；

若所述待支付任务的任务特征与所述目标对象的行为特征不匹配，确定所述重复支付可能性为所述待支付任务不存在重复支付。

5.根据权利要求1所述的方法，其特征在于，所述根据所述待支付任务的任务类型的任务等级，确定是否拦截针对所述待支付任务的支付请求的支付操作，包括：

若所述待支付任务的任务类型的任务等级是第一等级，执行针对所述待支付任务的支付操作；

若所述待支付任务的任务类型的任务等级不是所述第一等级，拦截针对所述待支付任务的支付操作；

所述第一等级对应的待支付任务的支付优先级高于不是所述第一等级对应的待支付任务的支付优先级。

6.根据权利要求5所述方法，其特征在于，在拦截针对所述待支付任务的支付操作之后，所述方法还包括：

若所述待支付任务的任务类型的任务等级是第二等级，根据所述待支付任务生成第一提示信息，并将所述第一提示信息发送至所述目标对象对应终端；

响应于接收到的来自所述目标对象的针对所述第一提示信息的第一反馈信息，确定是否执行针对所述待支付任务的支付操作，所述第一反馈信息用于指示是否执行针对所述待支付任务的支付操作。