技术特征：
1.一种结合大数据及ai智能的支付信息处理方法，其特征在于，应用于业务服务器，所述方法包括：利用第一支付信息挖掘网络对绑定式支付信息范例中的第一支付信息范例进行支付信息挖掘处理，获得对应于所述第一支付信息范例的挖掘内容；基于绑定式支付信息范例集的真实期望描述，对对应于所述第一支付信息范例的挖掘内容进行噪声解析处理，获得对应于所述绑定式支付信息范例的影响因子；利用绑定式信息区分网络对所述绑定式支付信息范例中的第一支付信息范例以及第二支付信息范例进行行为倾向联系区分处理，获得对应于所述绑定式支付信息范例的差异化归类信息；基于所述对应于所述绑定式支付信息范例的影响因子、以及所述对应于所述绑定式支付信息范例的差异化归类信息，创建所述绑定式信息区分网络的网络评估指标；优化所述绑定式信息区分网络的网络变量直到所述网络评估指标满足设定条件，将所述网络评估指标满足设定条件时所述绑定式信息区分网络的优化网络变量确定为通过训练后获得的网络变量；利用所述网络评估指标满足设定条件时的所述绑定式信息区分网络对待区分的绑定式支付信息进行行为倾向联系识别。2.根据权利要求1所述的方法，其特征在于，所述利用第一支付信息挖掘网络对绑定式支付信息范例中的第一支付信息范例进行支付信息挖掘处理，获得对应于所述第一支付信息范例的挖掘内容之前，所述方法还包括：基于绑定式支付信息范例集中第一支付信息训练范例与第二支付信息训练范例的范例联系关键词、以及所述第一支付信息训练范例，对所述第一支付信息挖掘网络进行网络训练，获得完成训练的第一支付信息挖掘网络；所述利用第一支付信息挖掘网络对绑定式支付信息范例中的第一支付信息范例进行支付信息挖掘处理，获得对应于所述第一支付信息范例的挖掘内容，包括：利用所述完成训练的第一支付信息挖掘网络对所述第一支付信息范例进行支付信息挖掘处理，获得对应于所述第一支付信息范例的挖掘内容；其中，所述第一支付信息范例为所述绑定式支付信息范例集中的支付信息范例。3.根据权利要求2所述的方法，其特征在于，所述基于绑定式支付信息范例集中第一支付信息训练范例与第二支付信息训练范例的范例联系关键词、以及所述第一支付信息训练范例，对所述第一支付信息挖掘网络进行网络训练，获得完成训练的第一支付信息挖掘网络，包括：对所述绑定式支付信息范例集进行拆解处理，获得x个绑定式支付信息范例子集；对于所述x个绑定式支付信息范例子集中的任意一第i个绑定式支付信息范例子集，实施如下步骤：默认化所述第一支付信息挖掘网络的网络变量；将除第i个绑定式支付信息范例子集之外的绑定式支付信息范例子集确定为绑定式支付信息范例训练集，并利用所述绑定式支付信息范例训练集对所述第一支付信息挖掘网络进行训练，获得完成训练的第一支付信息挖掘网络；所述利用所述完成训练的第一支付信息挖掘网络对所述第一支付信息范例进行支付
信息挖掘处理，获得对应于所述第一支付信息范例的挖掘内容，包括：基于第i个绑定式支付信息范例子集，利用第一支付信息挖掘网络对所述第i个绑定式支付信息范例子集进行支付信息挖掘处理，获得对应于所述第i个绑定式支付信息范例子集的挖掘内容；其中，i大于0且小于等于x，且i和x皆为自然数。4.根据权利要求2所述的方法，其特征在于，所述利用所述完成训练的第一支付信息挖掘网络对所述第一支付信息范例进行支付信息挖掘处理，获得对应于所述第一支付信息范例的挖掘内容，包括：利用所述完成训练的第一支付信息挖掘网络对所述第一支付信息范例进行多模态描述映射处理，获得所述第一支付信息范例的多模态描述；对所述第一支付信息范例的多模态描述进行特征压缩处理，获得涵盖局部关联内容的特征压缩描述；对所述涵盖局部关联内容的特征压缩描述进行描述翻译处理，获得对应于所述第一支付信息范例的挖掘内容。5.根据权利要求1所述的方法，其特征在于，所述对应于所述第一支付信息范例的挖掘内容为对应于所述第一支付信息范例的各范例联系关键词的量化估计值；所述基于绑定式支付信息范例集的真实期望描述，对对应于所述第一支付信息范例的挖掘内容进行噪声解析处理，获得对应于所述绑定式支付信息范例的影响因子，包括：确定绑定式支付信息范例集在真实期望描述时，所述绑定式支付信息范例中第一支付信息范例与第二支付信息范例的各范例联系关键词的真实期望量化估计值；根据所述对应于所述第一支付信息范例的各范例联系关键词的量化估计值、以及所述各范例联系关键词的真实期望量化估计值，对对应于所述第一支付信息范例的挖掘内容进行噪声解析处理，获得对应于所述绑定式支付信息范例的影响因子；相应的，所述确定绑定式支付信息范例集在真实期望描述时，所述绑定式支付信息范例中第一支付信息范例与第二支付信息范例的各范例联系关键词的真实期望量化估计值，包括：基于各范例联系关键词的基准量化估计值的比例值、以及所述对应于所述第一支付信息范例的各范例联系关键词的量化估计值，对待定的真实期望量化估计值进行阶段性循环处理，获得所述绑定式支付信息范例中第一支付信息范例与第二支付信息范例的各范例联系关键词的真实期望量化估计值；相应的，所述根据所述对应于所述第一支付信息范例的各范例联系关键词的量化估计值、以及各范例联系关键词的真实期望量化估计值，对对应于所述第一支付信息范例的挖掘内容进行噪声解析处理，获得对应于所述绑定式支付信息范例的影响因子，包括：确定对应于所述第一支付信息范例的第一范例联系关键词的第一量化估计值、以及对应于所述第一支付信息范例的第二范例联系关键词的第二量化估计值、第一范例联系关键词的第一真实期望量化估计值以及第二范例联系关键词的第二真实期望量化估计值；将所述第一量化估计值与所述第二真实期望量化估计值的第一加权结果、与所述第二量化估计值与所述第一真实期望量化估计值的第二加权结果进行全局性整合，获得整合结果；将所述整合结果与所述第一加权结果进行比例值处理，获得所述绑定式支付信息范例
对应于所述第一范例联系关键词的影响因子；将所述整合结果与所述第二加权结果进行比例值处理，获得所述绑定式支付信息范例对应于所述第二范例联系关键词的影响因子。6.根据权利要求1所述的方法，其特征在于，所述利用绑定式信息区分网络对所述绑定式支付信息范例中的第一支付信息范例以及第二支付信息范例进行行为倾向联系区分处理，获得对应于所述绑定式支付信息范例的差异化归类信息，包括：分别对所述第一支付信息范例以及所述第二支付信息范例进行多模态描述映射处理，获得所述第一支付信息范例的多模态描述以及所述第二支付信息范例的多模态描述；分别对所述第一支付信息范例的多模态描述以及所述第二支付信息范例的多模态描述进行特征压缩处理，获得涵盖所述第一支付信息范例的局部关联内容的第一特征压缩描述、以及涵盖所述第二支付信息范例的局部关联内容的第二特征压缩描述；对所述第一特征压缩描述以及所述第二特征压缩描述进行组合处理，获得组合描述；对所述组合描述进行行为倾向联系描述翻译处理，获得对应于所述绑定式支付信息范例的差异化归类信息；相应的，对所述第一支付信息范例的多模态描述进行特征压缩处理，获得涵盖所述第一支付信息范例的局部关联内容的第一特征压缩描述，包括：对所述第一支付信息范例的多模态描述进行正序特征压缩处理，获得对应所述第一支付信息范例的第一正序中间描述；对所述第一支付信息范例的多模态描述进行反馈特征压缩处理，获得对应所述第一支付信息范例的第一反馈中间描述；对所述第一正序中间描述以及所述第一反馈中间描述进行合并处理，获得涵盖所述第一支付信息范例的局部关联内容的第一特征压缩描述；对所述第二支付信息范例的多模态描述进行特征压缩处理，获得涵盖所述第二支付信息范例的局部关联内容的第二特征压缩描述，包括：对所述第二支付信息范例的多模态描述进行正序特征压缩处理，获得对应所述第二支付信息范例的第二正序中间描述；对所述第二支付信息范例的多模态描述进行反馈特征压缩处理，获得对应所述第二支付信息范例的第二反馈中间描述；对所述第二正序中间描述以及所述第二反馈中间描述进行合并处理，获得涵盖所述第二支付信息范例的局部关联内容的第二特征压缩描述。7.根据权利要求1所述的方法，其特征在于，所述对应于所述绑定式支付信息范例的差异化归类信息为对应于所述绑定式支付信息范例的各范例联系关键词的条件量化估计值，所述基于所述对应于所述绑定式支付信息范例的影响因子、以及所述对应于所述绑定式支付信息范例的差异化归类信息，创建所述绑定式信息区分网络的网络评估指标，包括：对所述对应于所述绑定式支付信息范例的各范例联系关键词的条件量化估计值的第一映射结果进行投影处理，获得第二映射结果；将所述第二映射结果、与所述基于所述对应于所述绑定式支付信息范例的影响因子的加权结果，确定为所述绑定式信息区分网络的网络评估指标。8.根据权利要求1所述的方法，其特征在于，所述优化所述绑定式信息区分网络的网络
变量直到所述网络评估指标满足设定条件，包括：当所述网络评估指标的指标判定值大于设定指标值时，基于所述绑定式信息区分网络的网络评估指标确定对应的偏差数据；将所述偏差数据在所述绑定式信息区分网络中反馈传输，并在传输的过程中优化所述绑定式信息区分网络的网络变量直到所述网络评估指标满足设定条件。9.一种业务服务器，其特征在于，包括：存储器，用于存储可执行的指令；处理器，用于根据所述可执行的指令的控制，运行所述业务服务器执行如权利要求1-8任一项所述的方法。10.一种计算机可读存储介质，其特征在于，其上存储有计算机程序，所述计算机程序在运行时执行如权利要求1-8任一项所述的方法。
技术总结
本申请的结合大数据及AI智能的支付信息处理方法和业务服务器，根据本申请，能够在绑定式信息区分网络中引入针对绑定式支付信息范例的影响因子，削弱绑定式支付信息集合的噪声，提高绑定式信息区分网络对新鲜样本的适应能力；利用在绑定式信息区分网络中引入针对绑定式支付信息范例的影响因子，继而再对绑定式支付信息中的第一支付信息以及第二支付信息进行行为倾向联系区分处理，可以获得准确可靠的针对绑定式支付信息的差异化归类信息，从而提高绑定式信息区分网络的信息区分和分类性能。能。能。
技术研发人员：吴立艳
受保护的技术使用者：吴立艳
技术研发日：2022.03.11
技术公布日：2022/6/28