智能业务数据库生成系统、方法以及业务处理系统和方法

智能业务数据库生成系统、方法以及业务处理系统和方法
【专利摘要】本发明提供一种智能业务数据库生成系统、方法以及业务处理系统和方法。该智能业务数据库生成系统包括存储海量交易数据的业务数据库、智能分块模块和智能业务数据库，其中每条交易数据都包括金融机构名称、商户名称、交易类型，智能分块模块根据海量交易数据生成交易智能分块数据并将所述交易智能分块数据写入智能业务数据库，其中每条交易智能分块数据包括金融机构名称、商户名称、交易类型和分块号，每条交易数据中的金融机构、商户和交易类型仅对应于一个分块号，每一个分块号所对应的交易类型的交易量完全相等，并且每一个分块号所对应的总交易量也完全一致。利用本发明，可以对交易数据进行处理。
【专利说明】智能业务数据库生成系统、方法以及业务处理系统和方法
【技术领域】
[0001]本发明涉及数据处理领域，尤其涉及智能业务数据库生成系统、方法以及业务处理系统和方法。
【背景技术】
[0002]在银行卡系统中，海量交易在多进程中的分配方式对于最重视系统时效性、处理性能、资源利用的批处理系统来说非常重要。随着银行卡产业的飞速发展，业务量越来越大，系统压力增长速度飞快，系统性能要求越来越高。对于交易批量处理系统来说往往需要多进程并发进行交易清分、流水生成、多维度汇总等复杂处理，目前业界系统对于海量交易进程分配的方法有以下问题:
1、系统按照交易的收单银行或发卡银行多进程处理。
[0003]带来的问题是:
1)机构很多、多进程读交易日志表次数过多，使得读操作过慢；
2)机构业务发展速度不一致，每个进程处理时间不一样。
[0004]2、系统按【1， 固定块数N】随机数对交易分块，应用按照分块标识多进程处理。
[0005]带来的问题是: 1)随机分配使得每个进程对于每种交易、每个机构的负载完全一致，但各个进程之间对汇总结果中记录的交叉访问极多，批量汇总处理较慢，存在过多的更新操作；
2)每个分块中交易权重一致，所以处理时间基本相同，但都处理较慢。
[0006]3、系统按商户代码或机构代码哈希到【1，固定块数N】，再多进程处理。
[0007]带来的问题是:交易分块各进程之间的数据量不一致，并发度不高。

【发明内容】

[0008]有鉴于此，本发明提供一种智能业务数据库生成系统、方法，用以对海量业务数据进行分类。并且本发明还提供一种业务处理系统和方法，用以对海量业务数据进行处理。
[0009]本发明提供以下技术方案:
1.一种智能业务数据库生成系统，其特征在于，所述系统包括存储海量交易数据的业务数据库、智能分块模块和智能业务数据库，其中每条交易数据都包括金融机构名称、商户名称、交易类型，
智能分块模块根据海量交易数据生成交易智能分块数据并将所述交易智能分块数据写入智能业务数据库，其中每条交易智能分块数据包括金融机构名称、商户名称、交易类型和分块号，每条交易数据中的金融机构、商户和交易类型仅对应于一个分块号，每一个分块号所对应的交易类型的交易量完全相等，并且每一个分块号所对应的总交易量也完全一致。
[0010]2.如技术方案I所述的系统，其特征在于，所述智能分块模块包括:
统计模块，用于根据金融机构名称、商户名称、交易类型对交易数据进行统计，生成包括至少一个条目的统计表，其中每个条目包括金融机构名称、商户名称、交易类型、交易笔数；
智能训练模块，对所述统计表使用0-1多次背包算法以生成与所述至少一个条目一一对应的交易智能分块数据并将所述交易智能分块数据写入智能业务数据库。
[0011]3.如技术方案2所述的系统，其特征在于，所述智能分块模块还包括预处理模块，用于在智能训练模块将交易智能分块数据写入智能业务数据库之前清空智能业务数据库。
[0012]4.一种智能业务数据库生成系统，其特征在于，所述系统包括包括存储海量交易数据的业务数据库、智能分块模块和多个智能业务数据库，其中每条交易数据都包括金融机构名称、商户名称、交易类型和交易日，该多个智能业务数据库对应于多个交易日属性，其中智能分块模块根据海量交易数据生成交易智能分块数据并将所述交易智能分块数据写入交易数据中的交易日的属性所对应的智能业务数据库，其中每条交易智能分块数据包括金融机构名称、商户名称、交易类型和分块号，使得每条交易数据中的金融机构、商户和交易类型仅对应于一个分块号，每一个分块号所对应的交易类型的交易量完全相等，并且每一个分块号所对应的总交易量也完全一致。
[0013]5.如技术方案4所述的系统，其特征在于，所述智能分块模块包括:
交易日属性确定模块，用于确定交易日的属性并发送至智能训练模块；
统计模块，用于根据金融机构名称、商户名称、交易类型对交易数据进行统计，生成包括至少一个条目的统计表，其中每个条目包括金融机构名称、商户名称、交易类型、交易笔数；
智能训练模块，对所述统计表使用0-1多次背包算法以生成与所述至少一个条目一一对应的交易智能分块数据并将所述交易智能分块数据写入该交易日的属性所对应的智能业务数据库。
[0014]6.如技术方案4所述的系统，其特征在于，所述智能分块模块还包括预处理模块，其中交易日属性确定模块还将交易日属性发送至预处理模块，预处理模块根据交易日属性在智能训练模块将交易智能分块数据写入该交易日的属性所对应的智能业务数据库之前清空该智能业务数据库。
[0015]7.一种智能业务数据库生成方法，其特征在于，所述方法包括以下步骤:
从业务数据库获得海量交易数据，每条交易数据都包括金融机构名称、商户名称、交易
类型；
根据海量交易数据生成交易智能分块数据，其中每条交易智能分块数据包括金融机构名称、商户名称、交易类型和分块号，使得每条交易数据中的金融机构、商户和交易类型仅对应于一个分块号、每一个分块号所对应的每一类交易类型的交易量完全相等、并且每一个分块号所对应的总交易量也完全一致；
将所述交易智能分块数据写入智能业务数据库。
[0016]8.如技术方案7所述的方法，其特征在于，根据海量交易数据生成交易智能分块数据的步骤包括:
根据金融机构名称、商户名称、交易类型对交易数据进行统计，生成包括至少一个条目的统计表，其中每个条目包括金融机构名称、商户名称、交易类型、交易笔数；对所述统计表使用0-1多次背包算法以生成与所述至少一个条目一一对应的交易智能分块数据。
[0017]9.如技术方案7所述的方法，其特征在于，所述方法还包括:在将交易智能分块数据写入智能业务数据库之前清空智能业务数据库。
[0018]10.一种生成多个智能业务数据库方法，其特征在于，该多个智能业务数据库与多个交易日属性一一对应，所述方法包括以下步骤:
从业务数据库获得海量交易数据，每条交易数据都包括金融机构名称、商户名称、交易类型、交易日；
根据海量交易数据生成交易智能分块数据，其中每条交易智能分块数据包括金融机构名称、商户名称、交易类型和分块号，使得每条交易数据中的金融机构、商户和交易类型仅对应于一个分块号中、每一个分块号所对应的每一类交易类型的交易量完全相等、并且每一个分块号所对应的总交易量也完全一致；
根据交易日确定交易日属性；以及
将所述交易智能分块数据写入交易日的属性所对应的智能业务数据库。
[0019]11.如技术方案10所述的方法，其特征在于，根据海量交易数据生成交易智能分块数据的步骤包括:
根据金融机构名称、商户名称、交易类型对交易数据进行统计，生成包括至少一个条目的统计表，其中每个条目包括金融机构名称、商户名称、交易类型、交易笔数；以及
对所述统计表使用0-1多次背包算法以生成与所述至少一个条目一一对应的交易智能分块数据。
[0020]12.如技术方案10所述的方法，其特征在于，所述方法还包括在将交易智能分块数据写入交易日的属性所对应的智能业务数据库之前清空该智能业务数据库。
[0021]13.一种业务处理系统，其特征在于，所述业务处理系统包括如技术方案1-3之一所述的智能业务数据库生成系统和决策模块，其中决策模块收到另一日的交易数据，根据另一日的交易数据中的金融机构名称、商户名称、交易类型和智能业务数据库确定分块号，以及将该笔交易数据发送至该分块号所对应的进程进行处理。
[0022]14.如技术方案13所述的业务处理系统，其特征在于，所述决策模块在处理完另一日的交易数据后，根据另一日的交易数据来更新业务数据库，并发送使能信号至智能分块模块，智能分块模块根据更新后的业务数据库来生成交易智能分块数据并将所述交易智能分块数据写入智能业务数据库。
[0023]15.一种业务处理系统,其特征在于,所述业务处理系统包括如技术方案4_6之一所述的智能业务数据库生成系统和决策模块，其中决策模块收到另一日的交易数据，确定另一日的交易数据中的交易日的属性，根据交易数据中的金融机构名称、商户名称、交易类型和另一日的交易数据中的交易日属性所对应的智能业务数据库确定分块号，以及将该笔交易数据发送至该分块号所对应的进程进行处理。
[0024]16.如技术方案15所述的业务处理系统，其特征在于，所述决策模块在处理完另一日的交易数据后，根据另一日的交易数据来更新业务数据库，并发送使能信号至智能分块模块，智能分块模块根据更新后的业务数据库来生成交易智能分块数据并将所述交易智能分块数据写入另一日的交易数据中的交易日所对应的智能业务数据库。[0025]17.一种业务处理方法，其特征在于，所述业务处理方法包括步骤:
使用如技术方案7-9之一所述的方法生成智能业务数据库；
接收另一日的交易数据，该另一日的交易数据包括金融机构名称、商户名称、交易类
型；
根据交易数据中的金融机构名称、商户名称、交易类型和智能业务数据库确定分块号；
以及
将该笔交易数据发送至该分块号所对应的进程进行处理。
[0026]18.如技术方案17所述的业务处理方法，其特征在于，所述业务处理方法还包括步骤:
在处理完另一日的交易数据后，根据另一日的交易数据来更新业务数据库；
使用如技术方案7-9之一所述的方法来更新智能业务数据库。
[0027]19.一种业务处理方法，其特征在于，所述方法包括步骤:
使用如技术方案10-12之一所述的方法来生成多个智能业务数据库；
接收另一日的交易数据，该另一日的交易数据包括金融机构名称、商户名称、交易类型和交易日；
确定另一日的交易数据中的交易日的属性；
根据交易数据中的金融机构名称、商户名称、交易类型和交易数据中的交易日属性所对应的智能业务数据库确定分块号，以及
将该笔交易数据发送至该分块号所对应的进程进行处理。
[0028]20.如技术方案19所述的业务处理方法，其特征在于，所述业务处理方法还包括步骤:
在处理完另一日的交易数据后，根据另一日的交易数据来更新业务数据库；
使用如技术方案10-12之一所述的方法来更新交易日的属性所对应的智能业务数据库。
[0029]利用本发明，可以对交易数据进行处理。保证每个进程处理的各种交易类型的交易量视同一致。各个进程之间的处理性能耗时差异不超过I分钟，几乎完全负载均衡。使用本发明，在同样交易量的情况下，与传统方案对比，系统中多个模块的性能均有显著提升，根据各模块的个性化处理差异提升比例分别在15%-70%不等。本发明是一种完全智能化的系统训练方案，不关心系统自身的业务处理逻辑，可随着市场业务规则形状的发展变化主动学习、更新系统知识、无需人工干预，对系统运行和维护零影响，高可用水平没有任何降低。
【专利附图】

【附图说明】
[0030]图1为根据本发明的实施例的智能业务数据库生成系统的示意性结构图；
图2为根据本发明的另一实施例的智能业务数据库生成系统的示意性结构图；
图3为根据本发明的实施例的智能业务数据库生成方法的示意性流程图；
图4为根据本发明的另一实施例的生成多个智能业务数据库的方法的示意性流程图；图5为根据本发明的实施例的业务处理系统的示意性结构图；
图6为根据本发明的另一实施例的业务处理系统的示意性结构图；图7为根据本发明的实施例的业务处理方法的示意性流程图；以及图8为根据本发明的另一实施例的业务处理方法的示意性流程图。
[0031]
【具体实施方式】
[0032]下面将结合附图详细描述本发明的优选实施例，在附图中相同的参考标号表示相同的元件。
[0033]图1为根据本发明的实施例的智能业务数据库生成系统的示意性结构图。如图所示，该智能业务数据库生成系统包括业务数据库1、智能分块模块2和智能业务数据库3。业务数据库I存储有海量交易数据，每条交易数据都包括金融机构名称、商户名称、交易类型。交易类型例如可以为取现、交费等。智能分块模块2根据海量交易数据生成交易智能分块数据并将所述交易智能分块数据写入智能业务数据库3。
[0034]智能分块模块2包括统计模块21、智能训练模块22、预处理模块23。统计模块21根据金融机构名称、商户名称、交易类型对交易数据进行统计，生成包括至少一个条目的统计表，其中每个条目包括金融机构名称、商户名称、交易类型、交易笔数。
[0035]智能训练模块22对统计表使用0-1多次背包算法以生成与所述至少一个条目一一对应的交易智能分块数据并将所述交易智能分块数据写入智能业务数据库。每条交易智能分块数据包括统计表中所对应的条目的金融机构名称、商户名称、交易类型和分块号，其中每条交易数据中的金融机构、商户和交易类型仅对应于一个分块号，每一个分块号所对应的交易类型的交易量完全相等，并且每一个分块号所对应的总交易量也完全一致。
[0036]预处理模块23用于在智能训练模块22将交易智能分块数据写入智能业务数据库3之前清空智能业务数据库3。
[0037]优选地，统计模块21可以对金融机构名称和/或商户名称进行哈希算法。鉴于本领域技术人员能够知道如何对金融机构名称和/或商户名称进行哈希算法，本发明在此不再赘述。以统计模块21仅对商户名称进行哈希算法为例。统计模块21仅对商户名称进行哈希算法，根据金融机构名称、哈希后的商户名称、交易类型对交易数据进行统计，生成包括至少一个条目的统计表，其中每个条目包括金融机构名称、哈希后的商户名称、交易类型、交易笔数。
[0038]智能训练模块22对统计表使用0-1多次背包算法以生成交易智能分块数据。每条交易智能分块数据包括统计表中所对应的条目的金融机构名称、哈希后的商户名称、交易类型和分块号，其中每条交易数据中的金融机构、哈希后的商户和交易类型仅对应于一个分块号，每一个分块号所对应的交易类型的交易量完全相等，并且每一个分块号所对应的总交易量也完全一致。
[0039]然而，应当理解，上述仅以对商户名称进行哈希算法为例，并非用来限制本发明。本领域技术人员基于上述示例性实施例能够知道如何对金融机构名称以及对金融机构名称和商户名称两者进行哈希算法以及智能训练模块如何基于统计表来生成交易智能分块数据。
[0040]图2为根据本发明的另一实施例的智能业务数据库生成系统的示意性结构图。如图所示，该智能业务数据库生成系统包括业务数据库1、智能分块模块2和智能业务数据库31、32。业务数据库I存储有海量交易数据，每条交易数据都包括金融机构名称、商户名称、交易类型。交易类型例如可以为取现、交费等。智能业务数据库31、32对应于不同的交易日属性。该交易日属性与日期有关，将日期划分为不同的类别。例如可以按日划分周一、周二、周三、周四、周五、周六、周日，或者可以为工作日和非工作日、假日和非假日等等。应当理解，仅示例性地列出了交易日属性的若干实施例，本发明并不局限于此。智能分块模块2’根据海量交易数据生成交易智能分块数据并将所述交易智能分块数据写入交易数据中的交易日的属性所对应的智能业务数据库。
[0041]智能分块模块2’包括交易日属性确定模块20、统计模块21、智能训练模块22、预处理模块23。
[0042]交易日属性确定模块20用于确定海量交易数据中的交易数据中的交易日的属性并将交易日属性发送至智能训练模块22和预处理模块23。
[0043]统计模块21根据金融机构名称、商户名称、交易类型对交易数据进行统计，生成包括至少一个条目的统计表，其中每个条目包括金融机构名称、商户名称、交易类型、交易笔数。
[0044]智能训练模块22，对所述统计表使用0-1多次背包算法以生成与所述至少一个条目一一对应的交易智能分块数据并将所述交易智能分块数据写入该交易日的属性所对应的智能业务数据库。每条交易智能分块数据包括统计表中所对应的条目的金融机构名称、商户名称、交易类型和分块号，其中每条交易数据中的金融机构、商户和交易类型仅对应于一个分块号，每一个分块号所对应的交易类型的交易量完全相等，并且每一个分块号所对应的总交易量也完全一致。
[0045]预处理模块23根据交易日属性在智能训练模块22将交易智能分块数据写入该交易日的属性所对应的智能业务数据库之前清空该智能业务数据库。
[0046]类似地，在图2所示的实施例中，也可以对金融机构名称和/或商户名称进行哈希算法，其过程与图1中所示的实施例相似，故在此不再赘述。
[0047]在图2中，示例性地绘出了 2个智能业务数据库。然而，应当理解本发明并不局限于此。本领域技术人员可以根据交易日属性的划分来设置智能业务数据库的数量。例如如果交易日属性为周一至周日，则设置7个智能业务数据库。
[0048]图3为根据本发明的实施例的智能业务数据库生成方法的示意性流程图。如图所示，在步骤301，从业务数据库获得海量交易数据，其中每条交易数据都包括金融机构名称、商户名称、交易类型。然后，在步骤302处，根据海量交易数据生成交易智能分块数据。其中每条交易智能分块数据包括金融机构名称、商户名称、交易类型和分块号，使得每条交易数据中的金融机构、商户和交易类型仅对应于一个分块号、每一个分块号所对应的每一类交易类型的交易量完全相等、并且每一个分块号所对应的总交易量也完全一致。在步骤303处，将交易智能分块数据写入智能业务数据库。
[0049]其中步骤302包括:根据金融机构名称、商户名称、交易类型对交易数据进行统计，生成包括至少一个条目的统计表，其中每个条目包括金融机构名称、商户名称、交易类型、交易笔数；以及对所述统计表使用0-1多次背包算法以生成与所述至少一个条目一一对应的交易智能分块数据，每条交易智能分块数据包括统计表中所对应的条目的金融机构名称、商户名称、交易类型和分块号，其中每条交易数据中的金融机构、商户和交易类型仅对应于一个分块号，每一个分块号所对应的交易类型的交易量完全相等，并且每一个分块号所对应的总交易量也完全一致。
[0050]优选地，图3所示的示例性方法还包括在将交易智能分块数据写入智能业务数据库之前清空智能业务数据库。该步骤例如可以位于步骤301之前、步骤301和302之间、或步骤302和303之间。
[0051]类似地，在步骤302中，也可以对金融机构名称和/或商户名称进行哈希算法，其过程与图1中所示的实施例相似，故在此不再赘述。
[0052]图4为根据本发明的另一实施例的生成多个智能业务数据库的方法的示意性流程图。该多个智能业务数据库与多个交易日属性一一对应。其如图所示，在步骤401，从业务数据库获得海量交易数据，每条交易数据都包括金融机构名称、商户名称、交易类型、交易曰。在步骤402，根据海量交易数据生成交易智能分块数据，其中每条交易智能分块数据包括金融机构名称、商户名称、交易类型和分块号，使得每条交易数据中的金融机构、商户和交易类型仅对应于一个分块号中、每一个分块号所对应的每一类交易类型的交易量完全相等、并且每一个分块号所对应的总交易量也完全一致。在步骤403，根据交易日确定交易日属性。在步骤404，将所述交易智能分块数据写入交易日的属性所对应的智能业务数据库。
[0053]优选地，步骤402包括以下步骤:
根据金融机构名称、商户名称、交易类型对交易数据进行统计，生成包括至少一个条目的统计表，其中每个条目包括金融机构名称、商户名称、交易类型、交易笔数；以及
对所述统计表使用0-1多次背包算法以生成与所述至少一个条目一一对应的交易智能分块数据。每条交易智能分块数据包括统计表中所对应的条目的金融机构名称、商户名称、交易类型和分块号，其中每条交易数据中的金融机构、商户和交易类型仅对应于一个分块号，每一个分块号所对应的交易类型的交易量完全相等，并且每一个分块号所对应的总交易量也完全一致。
[0054]优选地，图4所示的示例性方法还包括在将交易智能分块数据写入交易日的属性所对应的智能业务数据库之前清空该智能业务数据库。该步骤例如可以位于步骤401之前、步骤401和402之间、步骤402和403或步骤403和404之间。
[0055]类似地，在步骤402中，也可以对金融机构名称和/或商户名称进行哈希算法，其过程与图1中所示的实施例相似，故在此不再赘述。
[0056]图5为根据本发明的实施例的业务处理系统的示意性结构图。如图所示，该业务处理系统包括业务数据库1、智能分块模块2、智能业务数据库3和决策模块4。业务数据库I存储有海量交易数据，每条交易数据都包括金融机构名称、商户名称、交易类型。智能分块模块2根据海量交易数据生成交易智能分块数据并将所述交易智能分块数据写入智能业务数据库3。
[0057]决策模块4收到另一日的交易数据，根据另一日的交易数据中的金融机构名称、商户名称、交易类型和智能业务数据库3确定分块号，以及将该笔交易数据发送至该分块号所对应的进程进行处理。
[0058]决策模块4在处理完另一日的交易数据后，根据另一日的交易数据来更新业务数据库1，并发送使能信号至智能分块模块2，智能分块模块2根据更新后的业务数据库来生成交易智能分块数据并将所述交易智能分块数据写入智能业务数据库3。优选地，在将交易智能分块数据写入智能业务数据库3之前清空智能业务数据库3。
[0059]图6为根据本发明的另一实施例的业务处理系统的示意性结构图。如图所示，该业务处理系统包括业务数据库1、智能分块模块2、智能业务数据库31、32和决策模块4’。业务数据库I存储有海量交易数据，每条交易数据都包括金融机构名称、商户名称、交易类型和交易日。智能分块模块2根据海量交易数据生成交易智能分块数据并将所述交易智能分块数据写入交易日属性所对应的智能业务数据库。
[0060]决策模块4’收到另一日的交易数据，确定另一日的交易数据中的交易日的属性，根据交易数据中的金融机构名称、商户名称、交易类型和另一日的交易数据中的交易日属性所对应的智能业务数据库确定分块号，以及将该笔交易数据发送至该分块号所对应的进程进行处理。
[0061]决策模块4’在处理完另一日的交易数据后，根据另一日的交易数据来更新业务数据库1，并发送使能信号至智能分块模块2，智能分块模块2根据更新后的业务数据库来生成交易智能分块数据并将交易智能分块数据写入另一日的交易数据中的交易日所对应的智能业务数据库。优选地，在将交易智能分块数据写入另一日的交易数据中的交易日所对应的智能业务数据库之前，清空相应的智能业务数据库。
[0062]图7为根据本发明的实施例的业务处理方法的示意性流程图。如图所示，在步骤701，生成智能业务数据库。例如根据图3所示的方法来生成智能业务数据库。在步骤702，接收另一日的交易数据，该另一日的交易数据包括金融机构名称、商户名称、交易类型。在步骤703，根据交易数据中的金融机构名称、商户名称、交易类型和智能业务数据库确定分块号。在步骤704，将该笔交易数据发送至该分块号所对应的进程进行处理。
[0063]优选地，该方法还包括:
在处理完另一日的交易数据后，根据另一日的交易数据来更新业务数据库；
更新智能业务数据库。例如可以根据图3所示的方法来更新智能业务数据库。
[0064]图8为根据本发明的另一实施例的业务处理方法的示意性流程图。如图所示，在步骤801，生成多个智能业务数据库。例如根据图4所示的方法来生成多个智能业务数据库。在步骤802，接收另一日的交易数据，该另一日的交易数据包括金融机构名称、商户名称、交易类型和交易日。在步骤803，确定另一日的交易数据中的交易日的属性。在步骤804，根据交易数据中的金融机构名称、商户名称、交易类型和交易数据中的交易日属性所对应的智能业务数据库确定分块号。在步骤805，将该笔交易数据发送至该分块号所对应的进程进行处理。
[0065]优选地，该方法还包括:
在处理完另一日的交易数据后，根据另一日的交易数据来更新业务数据库；以及更新交易日的属性所对应的智能业务数据库。例如可以使用图4所示的的方法来更新交易日的属性所对应的智能业务数据库。
[0066]鉴于这些教导，熟悉本领域的技术人员将容易想到本发明的其它实施例、组合和修改。因此，当结合上述说明和附图进行阅读时，本发明仅仅由权利要求限定。
【权利要求】
1.一种智能业务数据库生成系统，其特征在于，所述系统包括存储海量交易数据的业务数据库、智能分块模块和智能业务数据库，其中每条交易数据都包括金融机构名称、商户名称、交易类型，智能分块模块根据海量交易数据生成交易智能分块数据并将所述交易智能分块数据写入智能业务数据库，其中每条交易智能分块数据包括金融机构名称、商户名称、交易类型和分块号，每条交易数据中的金融机构、商户和交易类型仅对应于一个分块号，每一个分块号所对应的交易类型的交易量完全相等，并且每一个分块号所对应的总交易量也完全一致。
2.如权利要求1所述的系统，其特征在于，所述智能分块模块包括:统计模块，用于根据金融机构名称、商户名称、交易类型对交易数据进行统计，生成包括至少一个条目的统计表，其中每个条目包括金融机构名称、商户名称、交易类型、交易笔数；智能训练模块，对所述统计表使用0-1多次背包算法以生成与所述至少一个条目一一对应的交易智能分块数据并将所述交易智能分块数据写入智能业务数据库。
3.如权利要求2所述的系统，其特征在于，所述智能分块模块还包括预处理模块，用于在智能训练模块将交易智能分块数据写入智能业务数据库之前清空智能业务数据库。
4.一种智能业务数据库生成系统，其特征在于，所述系统包括包括存储海量交易数据的业务数据库、智能分块模块和多个智能业务数据库，其中每条交易数据都包括金融机构名称、商户名称、交易类型和交易日，该多个智能业务数据库对应于多个交易日属性，其中智能分块模块根据海量交易数据生成交易智能分块数据并将所述交易智能分块数据写入交易数据中的交易日的属性所对应的智能业务数据库，其中每条交易智能分块数据包括金融机构名称、商户名称、交易类型和分块号，使得每条交易数据中的金融机构、商户和交易类型仅对应于一个分块号，每一`个分块号所对应的交易类型的交易量完全相等，并且每一个分块号所对应的总交易量也完全一致。
5.如权利要求4所述的系统，其特征在于，所述智能分块模块包括:交易日属性确定模块，用于确定交易日的属性并发送至智能训练模块；统计模块，用于根据金融机构名称、商户名称、交易类型对交易数据进行统计，生成包括至少一个条目的统计表，其中每个条目包括金融机构名称、商户名称、交易类型、交易笔数；智能训练模块，对所述统计表使用0-1多次背包算法以生成与所述至少一个条目一一对应的交易智能分块数据并将所述交易智能分块数据写入该交易日的属性所对应的智能业务数据库。
6.如权利要求4所述的系统，其特征在于，所述智能分块模块还包括预处理模块，其中交易日属性确定模块还将交易日属性发送至预处理模块，预处理模块根据交易日属性在智能训练模块将交易智能分块数据写入该交易日的属性所对应的智能业务数据库之前清空该智能业务数据库。
7.一种智能业务数据库生成方法，其特征在于，所述方法包括以下步骤:从业务数据库获得海量交易数据，每条交易数据都包括金融机构名称、商户名称、交易类型；根据海量交易数据生成交易智能分块数据，其中每条交易智能分块数据包括金融机构名称、商户名称、交易类型和分块号，使得每条交易数据中的金融机构、商户和交易类型仅对应于一个分块号、每一个分块号所对应的每一类交易类型的交易量完全相等、并且每一个分块号所对应的总交易量也完全一致；将所述交易智能分块数据写入智能业务数据库。
8.如权利要求7所述的方法，其特征在于，根据海量交易数据生成交易智能分块数据的步骤包括:根据金融机构名称、商户名称、交易类型对交易数据进行统计，生成包括至少一个条目的统计表，其中每个条目包括金融机构名称、商户名称、交易类型、交易笔数；对所述统计表使用0-1多次背包算法以生成与所述至少一个条目一一对应的交易智能分块数据。
9.如权利要求7所述的方法，其特征在于，所述方法还包括:在将交易智能分块数据写入智能业务数据库之前清空智能业务数据库。
10.一种生成多个智能业务数据库方法，其特征在于，该多个智能业务数据库与多个交易日属性一一对应，所述方法包括以下步骤:从业务数据库获得海 量交易数据，每条交易数据都包括金融机构名称、商户名称、交易类型、交易日；根据海量交易数据生成交易智能分块数据，其中每条交易智能分块数据包括金融机构名称、商户名称、交易类型和分块号，使得每条交易数据中的金融机构、商户和交易类型仅对应于一个分块号中、每一个分块号所对应的每一类交易类型的交易量完全相等、并且每一个分块号所对应的总交 易量也完全一致；根据交易日确定交易日属性；以及将所述交易智能分块数据写入交易日的属性所对应的智能业务数据库。
11.如权利要求10所述的方法，其特征在于，根据海量交易数据生成交易智能分块数据的步骤包括:根据金融机构名称、商户名称、交易类型对交易数据进行统计，生成包括至少一个条目的统计表，其中每个条目包括金融机构名称、商户名称、交易类型、交易笔数；以及对所述统计表使用0-1多次背包算法以生成与所述至少一个条目一一对应的交易智能分块数据。
12.如权利要求10所述的方法，其特征在于，所述方法还包括在将交易智能分块数据写入交易日的属性所对应的智能业务数据库之前清空该智能业务数据库。
13.一种业务处理系统，其特征在于，所述业务处理系统包括如权利要求1-3之一所述的智能业务数据库生成系统和决策模块，其中决策模块收到另一日的交易数据，根据另一日的交易数据中的金融机构名称、商户名称、交易类型和智能业务数据库确定分块号，以及将该笔交易数据发送至该分块号所对应的进程进行处理。
14.如权利要求13所述的业务处理系统，其特征在于，所述决策模块在处理完另一日的交易数据后，根据另一日的交易数据来更新业务数据库，并发送使能信号至智能分块模块，智能分块模块根据更新后的业务数据库来生成交易智能分块数据并将所述交易智能分块数据写入智能业务数据库。
15.—种业务处理系统,其特征在于,所述业务处理系统包括如权利要求4-6之一所述的智能业务数据库生成系统和决策模块，其中决策模块收到另一日的交易数据，确定另一日的交易数据中的交易日的属性，根据交易数据中的金融机构名称、商户名称、交易类型和另一日的交易数据中的交易日属性所对应的智能业务数据库确定分块号，以及将该笔交易数据发送至该分块号所对应的进程进行处理。
16.如权利要求15所述的业务处理系统，其特征在于，所述决策模块在处理完另一日的交易数据后，根据另一日的交易数据来更新业务数据库，并发送使能信号至智能分块模块，智能分块模块根据更新后的业务数据库来生成交易智能分块数据并将所述交易智能分块数据写入另一日的交易数据中的交易日所对应的智能业务数据库。
17.一种业务处理方法，其特征在于，所述业务处理方法包括步骤:使用如权利要求7-9之一所述的方法生成智能业务数据库；接收另一日的交易数据，该另一日的交易数据包括金融机构名称、商户名称、交易类型；根据交易数据中的金融机构名称、商户名称、交易类型和智能业务数据库确定分块号；以及将该笔交易数据发送至该分块号所对应的进程进行处理。
18.如权利要求17所述的业务处理方法，其特征在于，所述业务处理方法还包括步骤:在处理完另一日的交易数据后，根据另一日的交易数据来更新业务数据库；使用如权利要求7-9之一所述的方法来更新智能业务数据库。
19.一种业务处理方法，其特征在于，所述方法包括步骤:使用如权利要求10-12之一所述的方法来生成多个智能业务数据库；接收另一日的交易数据， 该另一日的交易数据包括金融机构名称、商户名称、交易类型和交易日；确定另一日的交易数据中的交易日的属性；根据交易数据中的金融机构名称、商户名称、交易类型和交易数据中的交易日属性所对应的智能业务数据库确定分块号，以及将该笔交易数据发送至该分块号所对应的进程进行处理。
20.如权利要求19所述的业务处理方法，其特征在于，所述业务处理方法还包括步骤:在处理完另一日的交易数据后，根据另一日的交易数据来更新业务数据库；使用如权利要求10-12之一所述的方法来更新交易日的属性所对应的智能业务数据库。
【文档编号】G06F17/30GK103679530SQ201210328906
【公开日】2014年3月26日 申请日期:2012年9月7日 优先权日:2012年9月7日
【发明者】冯哲, 张工厂, 冯小草 申请人:中国银联股份有限公司