银行卡争议处理方法及装置与流程

本发明涉及争议处理技术领域，尤其是涉及一种银行卡争议处理方法及装置。

背景技术：

争议处理是银行卡交易清算业务流程中的一个十分重要环节，是为解决商户、卡户非正常清算问题的特殊的业务处理。争议处理整个流程的关键点在于如何根据实际情况选择合适的原因码，现有的做法都是业务人员根据客服提的工单描述进行选择原因码，但是由于近年来科技不断发展，银行卡消费的渠道也五花八门，消费的增加相应地争议情况也在不断增加，业务量的增加对于业务人员而言也是庞大的工作量。而且每一类型的争议都有时效性，过了期限将无法进行争议；每一种争议原因都有针对性，使用了不适合的争议原因将导致争议失败，争议失败则可能导致经济损失或持卡人投诉等声誉风险。

技术实现要素：

本发明提供了一种银行卡争议处理方法及装置，可以自动确定争议原因码，从而降低人力成本，提高争议处理的效率和准确率。

第一方面，本发明实施例提供了一种银行卡争议处理方法，该方法包括：获取工单信息；所述工单信息包括银行卡的交易数据；根据所述交易数据和目标自然语言处理模型确定争议原因码；根据所述工单信息和所述争议原因码进行争议处理。

第二方面，本发明实施例还提供一种银行卡争议处理装置，该装置包括：获取模块，用于获取工单信息；所述工单信息包括银行卡的交易数据；确定模块，用于根据所述交易数据和目标自然语言处理模型确定争议原因码；处理模块，用于根据所述工单信息和所述争议原因码进行争议处理。

第三方面，本发明实施例还提供一种计算机设备，包括存储器、处理器，所述存储器中存储有可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述银行卡争议处理方法。

第四方面，本发明实施例还提供一种具有处理器可执行的非易失的程序代码的计算机可读介质，所述程序代码使所述处理器执行上述银行卡争议处理方法。

本发明实施例带来了以下有益效果：本发明实施例提供了一种银行卡争议处理方案，该方案通过获取工单信息得到银行卡的交易数据，之后，根据交易数据和目标自然语言处理模型预测争议原因码，最后，根据工单信息和争议原因码进行争议处理。本发明实施例可以自动化实现争议原因码的确定，可以大幅度的提高业务的处理效率，而且在保证目标自然语言处理模型训练模型成熟的情况下，可以保证争议处理的准确率。

本发明的其他特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。

为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。

附图说明

为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式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，下面描述中的附图是本发明的一些实施方式，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获得其他的附图。

图1为本发明实施例提供的银行卡争议处理方法流程图；

图2为本发明实施例提供的银行卡争议处理方法实施过程示意图；

图3为本发明实施例提供的一种银行卡争议处理装置结构框图；

图4为本发明实施例提供的另一种银行卡争议处理装置结构框图；

图5为本发明实施例提供的计算机设备结构框图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合附图对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

争议(dispute)，是由持卡人发起，是相对于正常交易而言是一种特殊交易。如持卡人对其信用卡中的某笔交易有疑问，持卡人可以通过其发卡行要求对该笔疑问交易进行调查，调查并妥善解决该笔疑问交易的过程即为“争议处理”。银联、visa、mastercard、jcb等卡组织对于发卡行、收单行及其商户的操作有一套规范的操作规则，所有的发卡行、收单行及其商户必须严格按照国际组织规则规范地进行信用卡交易。对于持卡人不承认或发卡行认为收单行或者商户操作不规范的交易，发卡行可以按照国际组织规则向收单行进行查询和追款，收单行及其商户必须按照国际组织规则对争议交易进行核实，对于确实存在问题或操作不规范的交易要主动进行更正处理，对于正常交易要及时回复发卡行相关信息，而对于双方都不承认责任的交易由国际组织进行判决。

争议通常是由持卡人投诉发起，客服系统收到投诉后，根据持卡人描述，建立工单，业务人员根据工单的描述选择相关的争议原因发送卡组织进行拒付，后续卡组将情况反馈给对手行，对手行根据具体情况，可能会继续发送二提，收到二提后，业务人员将结果反馈给客服，由客服联系持卡人是否继续争议。

对于现有的争议处理模式，全部由业务人员手动处理，但是与日俱增的交易量，使得业务的工作量剧增，可能导致无法及时完成所有的争议；而且各卡组织均有一套相对独立的业务流程和业务规则且不断更新，面对庞大的争议业务量，可能导致业务在处理争议时分析失误，使用了错误的原因码；此外争议流程是一系列的过程，有些交易跨越时间较大，可能导致遗漏。

nlp(naturallanguageprocessing，自然语言处理)即帮助计算机理解、使用人类语言，是人工智能和语言学领域的分支科学，主要包括自然语言理解和自然语言生成两个部分。目前，绝大部分的nlp问题可以归纳为四大任务：序列标注、分类任务、句子关系判断和生成式任务。

自然语言处理，是计算机科学领域与人工智能领域中的一个重要方向，它研究能实现人与计算机之间用自然语言进行有效通信的各种理论和方法。现代nlp算法是基于机器学习，特别是统计机器学习。许多不同类的机器学习算法已应用于自然语言处理任务。这些算法的输入是一大组从输入数据生成的“特征”，对于系统的输出，则是抽取有用的信息，如自动提取索引词，自动摘要，自动过滤等等。

通过使用nlp技术对工单描述进行处理，自动匹配相应的争议原因，这样就可以及时有效的处理工单，提高业务的工作效率，而且，训练模型成熟可以保证争议原因的准确率，提高争议成功率。

基于此，本发明实施例提供的一种银行卡争议处理方法及装置，可以实现自动化确定争议原因，降低了人力成本。

为便于对本实施例进行理解，首先对本发明实施例所公开的一种银行卡争议处理方法进行详细介绍。

本发明实施例提供了一种银行卡争议处理方法，参见图1所示的一种银行卡争议处理方法流程图，该方法包括以下步骤：

步骤s102，获取工单信息。

在本发明实施例中，工单信息包括银行卡的交易数据，如卡号数据，参考号数据，交易金额数据，交易日期数据，商户信息数据，以及持卡人对交易的疑问数据等。

步骤s104，根据交易数据和目标自然语言处理模型确定争议原因码。

在本发明实施例中，目标自然语言处理模型是预先训练好的自然语言处理模型，将交易数据作为目标自然语言处理模型的输入，该模型可以自动输出与该银行卡交易数据对应的争议原因码。

步骤s106，根据工单信息和争议原因码进行争议处理。

在本发明实施例中，由于卡组有visa、master、jcb、amex和银联等，每个卡种都有各自的争议规则，得到争议原因码之后，可以根据工单信息可以确定银行卡所属的卡组，之后，再根据各卡组的争议规则进行争议处理。

本发明实施例提供了一种银行卡争议处理方案，该方案通过获取工单信息得到银行卡的交易数据，之后，根据交易数据和目标自然语言处理模型预测争议原因码，最后，根据工单信息和争议原因码进行争议处理。本发明实施例可以自动化实现争议原因码的确定，可以大幅度的提高业务的处理效率，而且在保证目标自然语言处理模型训练模型成熟的情况下，可以保证争议处理的准确率。

考虑到为了提升争议处理的效率，根据交易数据和目标自然语言处理模型确定争议原因码之前，还可以执行如下步骤。

获取投诉信息，并根据投诉信息生成工单信息。

在本发明实施例中，客服接收持卡人的投诉，得到投诉信息，根据投诉信息建立工单信息，需要说明的是，工单信息中包括的交易数据可以是与争议处理相关的交易数据。另外，工单信息需要转换成文本形式，以便于作为目标自然语言处理模型的输入。

考虑到为了确定更高准确率的目标自然语言处理模型，提升预测结果的准确度，根据交易数据和目标自然语言处理模型确定争议原因码之前，可以执行如下步骤：

根据历史交易数据和争议原因确定训练集；根据训练集训练目标自然语言处理模型。

在本发明实施例中，历史交易数据是曾经处理过的争议涉及的交易数据，根据业务逻辑将“交易数据”与“争议原因码”一一标记，得到对应关系，将交易数据和争议原因码作为训练集，使用深度学习的预训练模型进行训练得到目标自然语言处理模型，需要通过不断的调整参数，使得训练得到的目标自然语言处理模型在使用过程中可以准确预测工单的争议原因。

考虑到为了提升预测速度和预测的准确度，根据训练集训练目标自然语言处理模型，可以按照如下步骤执行：

根据bert(bidirectionalencoderrepresentationfromtransformers，来自变换器的双向编码器表征量)模型和训练集确定预测模型，并将预测模型作为目标自然语言处理模型。

在本发明实施例中，bert是一个自然语言处理领域的一个预训练器。将训练集使用bert预训练得到预测模型，将经过训练得到的预测模型作为目标自然语言处理模型。

需要说明的是，bert模型基于双向transformers的大规模预训练语言模型。其中“双向”表示模型在处理某一个词时，它能同时利用前面的词和后面的词两部分信息。这种“双向”的来源在于bert模型与传统语言模型不同，它不是在给定所有前面词的条件下预测最可能的当前词，而是随机遮掩一些词，并利用所有没被遮掩的词进行预测。bert作为开源代码，可以直接应用于争议处理的场景。

在一个具体的实施例中，参见图2所示的银行卡争议处理方法实施过程示意图，可以通过三个模块，预训练模块，工单模块和争议处理模块实现该方法。

1、预训练模块：使用现有的生产历史交易数据，按照争议规则分类标记作为训练集，使用bert预训练模型训练得到预测模型；

2、工单模块：客服接收持卡人的投诉，建立工单，工单包括交易的基本信息，如卡号，参考号，交易金额，交易日期，商户信息，以及持卡人对交易的疑问点。工单模块需要提取有用的信息，形成文本信息，作为预测模型的输入；

3、争议处理模块：将工单模块得到的文本使用预测模型进行预测争议原因，发送卡组进行争议，卡组收到争议交易后，会将信息传送到对手行，对手行根据实际情况，可能选择接受或者拒绝该笔争议，拒绝该笔争议的情况下，就会继续走争议流程，同样可以提取关键信息，使用预测模型预测后续争议步骤的争议原因，直到该笔争议结束(争议成功或者争议失败)。

本发明实施例提供了一种银行卡争议处理方法及装置，该方法通过使用nlp技术将“业务分析工单得出对应原因码”这个过程自动化，实现争议原因码的自动匹配生成，可以大幅度的提高业务的处理效率。通过把现有的历史数据，作为训练集，标记各个争议场景描述文字对应的争议原因码，将训练集使用bert进行训练得到模型，后续的工单，通过模型直接预测出争议原因，发送卡组进行后续处理。在保证训练模型成熟的情况下，该方法可以保证争议原因码的匹配准确率，从而提高争议的成功率。争议成功可以减少银行、商户或持卡人的经济损失，提升客户用卡体验，客户的粘性增加，有利于银行的发展。

本发明实施例还提供一种银行卡争议处理装置，参见图3所示的一种银行卡争议处理装置结构框图，该装置包括：

获取模块71，用于获取工单信息；工单信息包括银行卡的交易数据；确定模块72，用于根据交易数据和目标自然语言处理模型确定争议原因码；处理模块73，用于根据工单信息和争议原因码进行争议处理。

在一个实施例中，获取模块，还用于：获取投诉信息，并根据投诉信息生成工单信息。

在一个实施例中，参见图4所示的另一种银行卡争议处理装置结构框图，该装置还包括训练模块74，用于：根据历史交易数据和争议原因确定训练集；根据训练集训练目标自然语言处理模型。

在一个实施例中，训练模块，具体用于：根据bert模型和训练集确定预测模型，并将预测模型作为目标自然语言处理模型。

本发明实施例还提供一种计算机设备，参见图5所示的计算机设备结构示意框图，该计算机设备包括存储器81、处理器82，存储器中存储有可在处理器上运行的计算机程序，处理器执行计算机程序时实现上述任一种方法的步骤。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的计算机设备的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述

本发明实施例还提供一种具有处理器可执行的非易失的程序代码的计算机可读介质，程序代码使处理器执行上述任一种方法的步骤。

本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。

本发明是参照根据本发明实施例的方法和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

最后应说明的是：以上所述实施例，仅为本发明的具体实施方式，用以说明本发明的技术方案，而非对其限制，本发明的保护范围并不局限于此，尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应所述以权利要求的保护范围为准。