一种年金待遇支付信息的处理方法及装置与流程

1.本发明涉及数据处理技术领域，具体涉及一种年金待遇支付信息的处理方法及装置。


背景技术：

2.目前年金待遇支付的业务流程为：受托人发给托管人支付指令，托管人支付完成后将支付情况反馈给受托人，受托人在接收到支付反馈后将支付失败的数据再次发给托管人支付，循环到托管人反馈全部支付成功为止。
3.在实际业务中会遇到一种退款场景，例如托管人于t日反馈给受托人支付成功，但是在t+n日(n为1到3不等)可能会收到支付退款，相对应的之前支付成功的记录会变成支付失败，由于支付结果的变化(原来成功后来失败)，一方面会增加后续再次传输数据的处理流程，另一方面会给受托人和代理人频繁发送支付结果(先成功后失败)，由于上述变化后的最终支付结果为失败，为了保证支付结果成功，还要重新执行年金待遇支付的过程，其间涉及大量的数据收发过程，增加数据传输负担，也影响受托人和代理人的体验效果，从而给后续业务委托带来不良影响。


技术实现要素：

4.针对现有技术中的问题，本发明实施例提供一种年金待遇支付信息的处理方法及装置，能够至少部分地解决现有技术中存在的问题。
5.一方面，本发明提出一种年金待遇支付信息的处理方法，包括：
6.获取影响年金待遇支付退费的影响因子和与各影响因子分别对应的属性信息；所述影响因子包括账户种类、银行行别和行号行名；
7.计算与各影响因子分别对应的属性信息的第一先验概率，以及存在相互依赖关系的两个影响因子的属性信息之间的第一后验概率；
8.根据所述第一先验概率、所述第一后验概率、所述相互依赖关系、年金待遇支付退费发生的第二先验概率和第二后验概率，计算发生年金待遇支付退费的概率值，若确定所述概率值大于预设概率阈值，则生成核实年金待遇支付信息的提示消息。
9.其中，计算存在相互依赖关系的两个影响因子的属性信息之间的第一后验概率，包括：
10.根据吉布斯抽样方法计算存在相互依赖关系的两个影响因子的属性信息之间的第一后验概率。
11.其中，计算年金待遇支付退费发生的第二后验概率，包括：
12.根据吉布斯抽样方法计算年金待遇支付退费发生的第二后验概率。
13.其中，所述根据所述第一先验概率、所述第一后验概率、所述相互依赖关系、年金待遇支付退费发生的第二先验概率和第二后验概率，计算发生年金待遇支付退费的概率值，包括：
14.根据所述相互依赖关系生成计算发生年金待遇支付退费概率的计算表达式；
15.根据所述第一先验概率、所述第一后验概率、所述第二先验概率和所述第二后验概率求解所述计算表达式，得到发生年金待遇支付退费的概率值。
16.其中，所述根据所述第一先验概率、所述第一后验概率、所述第二先验概率和所述第二后验概率求解所述计算表达式，得到发生年金待遇支付退费的概率值，包括：
17.利用贝叶斯公式求解所述第一后验概率和所述第二后验概率，根据求解结果、所述第一先验概率和所述第二先验概率求解所述计算表达式，得到发生年金待遇支付退费的概率值。
18.其中，预先构建贝叶斯网络结构图；相应的，所述年金待遇支付信息的处理方法还包括：
19.根据所述贝叶斯网络结构图确定所述第一后验概率和所述第二后验概率；
20.其中，所述贝叶斯网络结构图的根节点为年金待遇支付退费的发生概率节点，其余每个叶子节点分别对应一个影响因子，所述贝叶斯网络结构图中的节点之间的边分别表示节点之间的相互依赖关系。
21.其中，所述年金待遇支付信息的处理方法还包括：
22.根据所述贝叶斯网络结构图，计算发生年金待遇支付退费的概率值。
23.一方面，本发明提出一种年金待遇支付信息的处理装置，包括：
24.获取单元，用于获取影响年金待遇支付退费的影响因子和与各影响因子分别对应的属性信息；所述影响因子包括账户种类、银行行别和行号行名；
25.计算单元，用于计算与各影响因子分别对应的属性信息的第一先验概率，以及存在相互依赖关系的两个影响因子的属性信息之间的第一后验概率；
26.生成单元，用于根据所述第一先验概率、所述第一后验概率、所述相互依赖关系、年金待遇支付退费发生的第二先验概率和第二后验概率，计算发生年金待遇支付退费的概率值，若确定所述概率值大于预设概率阈值，则生成核实年金待遇支付信息的提示消息。
27.再一方面，本发明实施例提供一种电子设备，包括：处理器、存储器和总线，其中，
28.所述处理器和所述存储器通过所述总线完成相互间的通信；
29.所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令能够执行如下方法：
30.获取影响年金待遇支付退费的影响因子和与各影响因子分别对应的属性信息；所述影响因子包括账户种类、银行行别和行号行名；
31.计算与各影响因子分别对应的属性信息的第一先验概率，以及存在相互依赖关系的两个影响因子的属性信息之间的第一后验概率；
32.根据所述第一先验概率、所述第一后验概率、所述相互依赖关系、年金待遇支付退费发生的第二先验概率和第二后验概率，计算发生年金待遇支付退费的概率值，若确定所述概率值大于预设概率阈值，则生成核实年金待遇支付信息的提示消息。
33.本发明实施例提供一种非暂态计算机可读存储介质，包括：
34.所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机执行如下方法：
35.获取影响年金待遇支付退费的影响因子和与各影响因子分别对应的属性信息；所
述影响因子包括账户种类、银行行别和行号行名；
36.计算与各影响因子分别对应的属性信息的第一先验概率，以及存在相互依赖关系的两个影响因子的属性信息之间的第一后验概率；
37.根据所述第一先验概率、所述第一后验概率、所述相互依赖关系、年金待遇支付退费发生的第二先验概率和第二后验概率，计算发生年金待遇支付退费的概率值，若确定所述概率值大于预设概率阈值，则生成核实年金待遇支付信息的提示消息。
38.本发明实施例提供的年金待遇支付信息的处理方法及装置，获取影响年金待遇支付退费的影响因子和与各影响因子分别对应的属性信息；所述影响因子包括账户种类、银行行别和行号行名；计算与各影响因子分别对应的属性信息的第一先验概率，以及存在相互依赖关系的两个影响因子的属性信息之间的第一后验概率；根据所述第一先验概率、所述第一后验概率、所述相互依赖关系、年金待遇支付退费发生的第二先验概率和第二后验概率，计算发生年金待遇支付退费的概率值，若确定所述概率值大于预设概率阈值，则生成核实年金待遇支付信息的提示消息，让托管人员在支付前识别出可能会出现退款导致支付失败的待遇支付记录，能够高效执行年金待遇支付信息处理流程，并优化用户体验，从而有利于开展后续业务，并降低数据传输负担。
附图说明
39.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例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，下面描述中的附图仅仅是本发明的一些实施例，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。在附图中：
40.图1是本发明一实施例提供的年金待遇支付信息的处理方法的流程示意图。
41.图2是本发明实施例提供的年金待遇支付信息的处理方法的第一说明示意图。
42.图3是本发明实施例提供的年金待遇支付信息的处理方法的第二说明示意图。
43.图4是本发明一实施例提供的年金待遇支付信息的处理装置的结构示意图。
44.图5为本发明实施例提供的电子设备实体结构示意图。
具体实施方式
45.为使本发明实施例的目的、技术方案和优点更加清楚明白，下面结合附图对本发明实施例做进一步详细说明。在此，本发明的示意性实施例及其说明用于解释本发明，但并不作为对本发明的限定。需要说明的是，在不冲突的情况下，本技术中的实施例及实施例中的特征可以相互任意组合。
46.图1是本发明一实施例提供的年金待遇支付信息的处理方法的流程示意图，如图1所示，本发明实施例提供的年金待遇支付信息的处理方法，包括：
47.步骤s1：获取影响年金待遇支付退费的影响因子和与各影响因子分别对应的属性信息；所述影响因子包括账户种类、银行行别和行号行名。
48.步骤s2：计算与各影响因子分别对应的属性信息的第一先验概率，以及存在相互依赖关系的两个影响因子的属性信息之间的第一后验概率。
49.步骤s3：根据所述第一先验概率、所述第一后验概率、所述相互依赖关系、年金待
遇支付退费发生的第二先验概率和第二后验概率，计算发生年金待遇支付退费的概率值，若确定所述概率值大于预设概率阈值，则生成核实年金待遇支付信息的提示消息。
50.在上述步骤s1中，装置获取影响年金待遇支付退费的影响因子和与各影响因子分别对应的属性信息；所述影响因子包括账户种类、银行行别和行号行名。装置可以是执行该方法的计算机设备，例如可以包括服务器。需要说明是，本发明实施例涉及数据的获取及分析是经用户授权的。
51.相关术语说明：
52.年金待遇支付：是指托管人(本发明方法的使用方)在约定时间根据受托人发来的待遇支付指令给指令中的所有人(公司)支付应得待遇，在待遇支付指令中会有被支付人(公司)的一些账号信息，这些信息会有一部分能够用到如下内容：
53.银行行别：包括各个账号的开户银行。
54.账户种类：卡的类型，通常卡的类型包括：借记卡、贷记卡、借记贷记双用卡和对公账户。
55.行号行名：行名就是该账户的开户银行网点名，比如：某银行某分行营业部，行号就是对应的号码。有三种类型：有行号无行名，有行名无行号和有行号有行名。
56.从实际的业务情况，造成年金待遇支付退费的原因包括以下情况：
57.代理人收集错了银行行别，比如a行的卡填成了b行的卡，导致划过去后退回。这种情况由两种证据变量解释，该种退费情况可以转化成退费依赖于银行行别和账户种类，有向无环图如图2所示。
58.代理人收集的银行行别无误，但是收集错了行号或者收集错了行名，或者行号行名都错误，导致该卡不是在信息中对应网点开的，划过去后退回，与上个情况不同的是，有的卡种对行名行号不是强校验，比如有的银行借记卡可以在行号不对的情况下依然能够支付成功(因为有的银行支付能力比较强，有的卡种或者账号种类只要账号正确就不用太注意行号行名的校验)。因此，退费主要的解释变量就是两种：账户种类和银行行别，通过行号行名解释的账户种类更能够有退费的解释作用，有向无环图如图3所示。
59.以上两种情况的鉴别是无法通过或者需要付出巨大成本去进行一个强校验，但是收集强校验所需信息可能会有法律风险。但是可以通过构建条件概率分布去模拟出一个较强的校验去鉴别。
60.参照上述说明，行号行名的属性变量为：有行号无行名，有行名无行号；有行号有行名，属性向量记为a。
61.银行行别的属性变量就是各个银行的行别，属性向量记为b。
62.账户种类的属性变量为：借记卡、贷记卡、借记贷记双用卡、对公账户，属性向量记为c。
63.在上述步骤s2中，装置计算与各影响因子分别对应的属性信息的第一先验概率，以及存在相互依赖关系的两个影响因子的属性信息之间的第一后验概率。如图3所示，以账户种类和行号行名为例，对计算与各影响因子分别对应的属性信息的第一先验概率，说明如下：
64.第一先验概率包括：
65.c＝“借记卡”(θ1＝借记卡)的概率是0.3(p(θ1)＝0.3)，c＝“贷记卡”的概率是0.4，
c＝“借记贷记双用卡”的概率是0.1，c＝“对公账户”的概率是0.2。
66.a＝“有行号无行名”(θ2＝有行号无行名)的概率是0.3，a＝“有行名无行号”(θ2＝有行名无行号)的概率是0.5，a＝“有行号有行名”(θ2＝有行号有行名)的概率是0.2。
67.确定第一先验结果概率的方法可以是统计近一年的数据，将对应的结果除以总量。
68.计算存在相互依赖关系的两个影响因子的属性信息之间的第一后验概率，包括：
69.根据吉布斯抽样方法计算存在相互依赖关系的两个影响因子的属性信息之间的第一后验概率。
70.通过已知变量观测值来推测待查询变量的过程为“推断”，已知变量观测值为“证据”。
71.近似推断采用方法可选为吉布斯抽样。
72.假设已知随机变量x服从具有参数θ＝(θ1,θ2)的分布x～p(x|θ)，且θ的先验分布为p(θ1,θ2)。另外，设{x1,...,xn}是从该分布抽取出的一组样本。可以通过贝叶斯定理计算得到后验分布：
73.p(θ1,θ2|x1,...,xn)。
74.该后验分布即为需要进行抽样的目标分布。
75.吉布斯抽样，通过被称为满条件概率分布(full conditional distribution)的目标分布对每一个维度的θi进行抽样。θ1和θ2的full conditional distribution的形式如下：
[0076][0077]
假设θ2已知，完成对维度θ1的抽样。
[0078]
确定θ2的方式：
[0079]
在吉布斯抽样中，利用最后一个样本中的来抽取并使用对进行抽样。因此，吉布斯抽样的完整算法流程如下：
[0080]
已知：随机变量x服从的分布p(x|θ)，样本为{x1,...,xn}，分布参数θ的先验分布为p(θ1,θ2)。
[0081]
执行下列步骤：
[0082]
1、初始化，随机得到第一个样本
[0083]
2、利用从中抽取
[0084]
3、利用从中抽取构成θ
i+1
；
[0085]
4、重复步骤2与步骤3，直到抽取θ的样本个数满足需求为止。
[0086]
结合本发明方法，执行下列步骤：
[0087]
1、初始化，随机得到第一个样本
[0088]
2、利用(初始抽到有行号无行名)，从样本中抽取到(假设抽到了贷记卡)。
[0089]
3、利用(现在是贷记卡)，从中抽取(假设抽到了有行名无行号)。构成
[0090]
4、利用(根据上一个抽到结果有行名无行号)，从样本中抽取到(假设抽到了借记贷记双用卡)；
[0091]
5、利用(现在是借记贷记双用卡)，从中抽取(假设抽到了有行号有行名)。构成；
[0092]
6、重复步骤2、步骤3、步骤4和步骤5等，直到抽取的θ样本个数满足需求(例如抽取1000次)。
[0093]
根据抽样得到的频率，计算每个a条件下的后验概率p(θ1|θ2)，由此得到：
[0094][0095]
如图3所示，第一先验概率为p(a)、p(b)和p(c)，第一后验概率为p(c|a)。
[0096]
在上述步骤s3中，装置根据所述第一先验概率、所述第一后验概率、所述相互依赖关系、年金待遇支付退费发生的第二先验概率和第二后验概率，计算发生年金待遇支付退费的概率值，若确定所述概率值大于预设概率阈值，则生成核实年金待遇支付信息的提示消息。计算年金待遇支付退费发生的第二后验概率，包括：
[0097]
根据吉布斯抽样方法计算年金待遇支付退费发生的第二后验概率。
[0098]
与上一个吉布斯抽样不同的是，这次吉布斯抽样是多维抽样：令q＝{q1,q2,...,qn}，表示待查询变量，e＝{e1,e2,...,ek}为证据变量，已知其取值为e＝{e1,e2,...,ek}。目标计算后验概率p(q＝q|e＝e)，其中q＝{q1,q2,...,qn}是待查询变量的一组取值。
[0099]
应用在本发明：待查询变量为q＝{是否会退费}，证据变量为e＝{b,c}，且已知其取值，查询的目标值是q＝{是}。即计算p(q＝q|e＝e)。
[0100]
先随机产生一个与证据e＝e一致的样本q0作为初始点，然后每步从当前出发产生下一个样本。具体来说，在第t次采样中，算法先假设q
t
＝q
t-1
，然后对非证据变量逐个进行采样改变其取值，采样概率可以根据贝叶斯网和其他变量的当前取值z＝z计算获得。假定经过t次采样得到的与q一致的样本共有nq个，则可近似估算出后验概率：
[0101][0102]
可以通过已有算法进行快速计算
[0103][0104][0105]
采样方式其实和上次采样一样，只是之前只是3种情况，现在由于是多维，因此是(行别个数
×
4)种情况，所以抽样次数要多些达到收敛状态，这样能获得(行别个数
×
4)种后验概率。
[0106]
计算年金待遇支付退费发生的第二先验概率的方法，可以与计算第一先验概率的方法相同，第二先验概率p(q)可以通过统计近一年的数据，将对应的结果除以总量作为第二先验概率。
[0107]
如图3所示，可以确定年金待遇支付退费发生与账户类别c和银行行别b有关联，而账户类别c与行号行名a存在依赖关系，因此，第二后验概率为p(a|q)和p(b|q)。
[0108]
所述根据所述第一先验概率、所述第一后验概率、所述相互依赖关系、年金待遇支付退费发生的第二先验概率和第二后验概率，计算发生年金待遇支付退费的概率值，包括：
[0109]
根据所述相互依赖关系生成计算发生年金待遇支付退费概率的计算表达式；如图3所示，b和c互相独立，a和c相关，q与bc分别相关，因此计算表达式可以根据如下公式表示：
[0110]
p(a,b,c,q)＝p(a|q)p(c|a)p(b|q)p(q)
[0111]
根据所述第一先验概率、所述第一后验概率、所述第二先验概率和所述第二后验概率求解所述计算表达式，得到发生年金待遇支付退费的概率值。所述根据所述第一先验概率、所述第一后验概率、所述第二先验概率和所述第二后验概率求解所述计算表达式，得到发生年金待遇支付退费的概率值，包括：
[0112]
利用贝叶斯公式求解所述第一后验概率和所述第二后验概率，根据求解结果、所述第一先验概率和所述第二先验概率求解所述计算表达式，得到发生年金待遇支付退费的概率值。
[0113]
根据贝叶斯公式：
[0114][0115]
由于分母一般为1，所以直接转化为计算：
[0116]
p(a,b,c,q)＝p(a)p(q|a)p(c)p(a|c)p(b)p(q|b)p(q)
[0117]
其中，p(q|a)、p(a|c)和p(q|b)可以根据抽样统计方法计算得到。
[0118]
需要说明的是，如果行号行名与年金待遇支付退费发生无关，即如图2所示，则计算计算发生年金待遇支付退费的概率值可以进一步简化，就与后验概率计算无关了。
[0119]
预先构建贝叶斯网络结构图；相应的，所述年金待遇支付信息的处理方法还包括：
[0120]
根据所述贝叶斯网络结构图确定所述第一后验概率和所述第二后验概率；
[0121]
其中，所述贝叶斯网络结构图的根节点为年金待遇支付退费的发生概率节点，其余每个叶子节点分别对应一个影响因子，所述贝叶斯网络结构图中的节点之间的边分别表示节点之间的相互依赖关系。如图2所示，根节点为退费，叶子节点有两个，分别为与账户种类对应的第一叶子节点，以及与银行行别对应的第二叶子节点。
[0122]
根节点与第一叶子节点之间的边，表示退费与账户种类存在依赖关系；根节点与第二叶子节点之间的边，表示退费与银行行别存在依赖关系。
[0123]
图3所示，根节点为退费，叶子节点有三个，分别为与账户种类对应的第一叶子节点、与银行行别对应的第二叶子节点，以及与行号行名对应的第三叶子节点。
[0124]
根节点与第一叶子节点之间的边，表示退费与账户种类存在依赖关系；根节点与第二叶子节点之间的边，表示退费与银行行别存在依赖关系；第一叶子节点与第三叶子节点之间的边，表示账户种类与行号行名存在依赖关系。
[0125]
参照图3，由于第一叶子节点、第三叶子节点和根节点之间的依赖关系，可以快速直接确定第一后验概率p(c|a)，以及第二后验概率p(a|q)和p(b|q)。
[0126]
所述年金待遇支付信息的处理方法还包括：
[0127]
根据所述贝叶斯网络结构图，计算发生年金待遇支付退费的概率值。如图3所述，可以根据贝叶斯网络结构图确定依赖关系和节点(根节点和叶子节点)，根据上述确定内容，得到第一先验概率、第一后验概率、第二先验概率和第二后验概率，进而快速直接的实
现计算发生年金待遇支付退费的概率值。
[0128]
本发明实施例提供的年金待遇支付信息的处理方法，能够让托管人在待遇支付前提供一个先验参考，识别出可能会出现退款的待遇支付记录并自主处理。
[0129]
优点是：减少可能出现的退款场景，提升托管人支付效率和受托人、代理人的支付体验。
[0130]
本发明实施例提供的年金待遇支付信息的处理方法，通过生成核实年金待遇支付信息的提示消息，使得对于未来会有较大概率出现的年金待遇支付退费情况，能够及时提醒相关人员根据上述提示消息进行复核，使得大幅降低年金待遇支付退费情况发生，也就减少了后续执行年金待遇支付的数据交互过程，从而降低数据传输负担。
[0131]
本发明实施例提供的年金待遇支付信息的处理方法，获取影响年金待遇支付退费的影响因子和与各影响因子分别对应的属性信息；所述影响因子包括账户种类、银行行别和行号行名；计算与各影响因子分别对应的属性信息的第一先验概率，以及存在相互依赖关系的两个影响因子的属性信息之间的第一后验概率；根据所述第一先验概率、所述第一后验概率、所述相互依赖关系、年金待遇支付退费发生的第二先验概率和第二后验概率，计算发生年金待遇支付退费的概率值，若确定所述概率值大于预设概率阈值，则生成核实年金待遇支付信息的提示消息，让托管人员在支付前识别出可能会出现退款导致支付失败的待遇支付记录，能够高效执行年金待遇支付信息处理流程，并优化用户体验，从而有利于开展后续业务，并降低数据传输负担。
[0132]
进一步地，计算存在相互依赖关系的两个影响因子的属性信息之间的第一后验概率，包括：
[0133]
根据吉布斯抽样方法计算存在相互依赖关系的两个影响因子的属性信息之间的第一后验概率。可参照上述实施例说明，不再赘述。
[0134]
本发明实施例提供的年金待遇支付信息的处理方法，能够高效计算第一后验概率。
[0135]
进一步地，计算年金待遇支付退费发生的第二后验概率，包括：
[0136]
根据吉布斯抽样方法计算年金待遇支付退费发生的第二后验概率。可参照上述实施例说明，不再赘述。
[0137]
本发明实施例提供的年金待遇支付信息的处理方法，能够高效计算第二后验概率。
[0138]
进一步地，所述根据所述第一先验概率、所述第一后验概率、所述相互依赖关系、年金待遇支付退费发生的第二先验概率和第二后验概率，计算发生年金待遇支付退费的概率值，包括：
[0139]
根据所述相互依赖关系生成计算发生年金待遇支付退费概率的计算表达式；可参照上述实施例说明，不再赘述。
[0140]
根据所述第一先验概率、所述第一后验概率、所述第二先验概率和所述第二后验概率求解所述计算表达式，得到发生年金待遇支付退费的概率值。可参照上述实施例说明，不再赘述。
[0141]
本发明实施例提供的年金待遇支付信息的处理方法，能够高效计算发生年金待遇支付退费的概率值。
[0142]
进一步地，所述根据所述第一先验概率、所述第一后验概率、所述第二先验概率和所述第二后验概率求解所述计算表达式，得到发生年金待遇支付退费的概率值，包括：
[0143]
利用贝叶斯公式求解所述第一后验概率和所述第二后验概率，根据求解结果、所述第一先验概率和所述第二先验概率求解所述计算表达式，得到发生年金待遇支付退费的概率值。可参照上述实施例说明，不再赘述。
[0144]
本发明实施例提供的年金待遇支付信息的处理方法，进一步能够高效计算发生年金待遇支付退费的概率值。
[0145]
进一步地，预先构建贝叶斯网络结构图；相应的，所述年金待遇支付信息的处理方法还包括：
[0146]
根据所述贝叶斯网络结构图确定所述第一后验概率和所述第二后验概率；可参照上述实施例说明，不再赘述。
[0147]
其中，所述贝叶斯网络结构图的根节点为年金待遇支付退费的发生概率节点，其余每个叶子节点分别对应一个影响因子，所述贝叶斯网络结构图中的节点之间的边分别表示节点之间的相互依赖关系。可参照上述实施例说明，不再赘述。
[0148]
本发明实施例提供的年金待遇支付信息的处理方法，能够高效确定第一后验概率和第二后验概率。
[0149]
进一步地，所述年金待遇支付信息的处理方法还包括：
[0150]
根据所述贝叶斯网络结构图，计算发生年金待遇支付退费的概率值。可参照上述实施例说明，不再赘述。
[0151]
本发明实施例提供的年金待遇支付信息的处理方法，进一步能够高效计算发生年金待遇支付退费的概率值。
[0152]
需要说明的是，本发明实施例提供的年金待遇支付信息的处理方法可用于金融领域，也可用于除金融领域之外的任意技术领域，本发明实施例对年金待遇支付信息的处理方法的应用领域不做限定。
[0153]
图4是本发明一实施例提供的年金待遇支付信息的处理装置的结构示意图，如图4所示，本发明实施例提供的年金待遇支付信息的处理装置，包括获取单元401、计算单元402和生成单元403，其中：
[0154]
获取单元401用于获取影响年金待遇支付退费的影响因子和与各影响因子分别对应的属性信息；所述影响因子包括账户种类、银行行别和行号行名；计算单元402用于计算与各影响因子分别对应的属性信息的第一先验概率，以及存在相互依赖关系的两个影响因子的属性信息之间的第一后验概率；生成单元403用于根据所述第一先验概率、所述第一后验概率、所述相互依赖关系、年金待遇支付退费发生的第二先验概率和第二后验概率，计算发生年金待遇支付退费的概率值，若确定所述概率值大于预设概率阈值，则生成核实年金待遇支付信息的提示消息。
[0155]
具体的，装置中的获取单元401用于获取影响年金待遇支付退费的影响因子和与各影响因子分别对应的属性信息；所述影响因子包括账户种类、银行行别和行号行名；计算单元402用于计算与各影响因子分别对应的属性信息的第一先验概率，以及存在相互依赖关系的两个影响因子的属性信息之间的第一后验概率；生成单元403用于根据所述第一先验概率、所述第一后验概率、所述相互依赖关系、年金待遇支付退费发生的第二先验概率和
第二后验概率，计算发生年金待遇支付退费的概率值，若确定所述概率值大于预设概率阈值，则生成核实年金待遇支付信息的提示消息。
[0156]
本发明实施例提供的年金待遇支付信息的处理装置，获取影响年金待遇支付退费的影响因子和与各影响因子分别对应的属性信息；所述影响因子包括账户种类、银行行别和行号行名；计算与各影响因子分别对应的属性信息的第一先验概率，以及存在相互依赖关系的两个影响因子的属性信息之间的第一后验概率；根据所述第一先验概率、所述第一后验概率、所述相互依赖关系、年金待遇支付退费发生的第二先验概率和第二后验概率，计算发生年金待遇支付退费的概率值，若确定所述概率值大于预设概率阈值，则生成核实年金待遇支付信息的提示消息，让托管人员在支付前识别出可能会出现退款导致支付失败的待遇支付记录，能够高效执行年金待遇支付信息处理流程，并优化用户体验，从而有利于开展后续业务，并降低数据传输负担。
[0157]
进一步地，所述计算单元402具体用于：
[0158]
根据吉布斯抽样方法计算存在相互依赖关系的两个影响因子的属性信息之间的第一后验概率。
[0159]
本发明实施例提供的年金待遇支付信息的处理装置，能够高效计算第一后验概率。
[0160]
进一步地，所述年金待遇支付信息的处理装置用于：
[0161]
根据吉布斯抽样方法计算年金待遇支付退费发生的第二后验概率。
[0162]
本发明实施例提供的年金待遇支付信息的处理装置，能够高效计算第二后验概率。
[0163]
进一步地，所述生成单元403具体用于：
[0164]
根据所述相互依赖关系生成计算发生年金待遇支付退费概率的计算表达式；
[0165]
根据所述第一先验概率、所述第一后验概率、所述第二先验概率和所述第二后验概率求解所述计算表达式，得到发生年金待遇支付退费的概率值。
[0166]
本发明实施例提供的年金待遇支付信息的处理装置，能够高效计算发生年金待遇支付退费的概率值。
[0167]
进一步地，所述生成单元403还具体用于：
[0168]
利用贝叶斯公式求解所述第一后验概率和所述第二后验概率，根据求解结果、所述第一先验概率和所述第二先验概率求解所述计算表达式，得到发生年金待遇支付退费的概率值。
[0169]
本发明实施例提供的年金待遇支付信息的处理装置，进一步能够高效计算发生年金待遇支付退费的概率值。
[0170]
进一步地，预先构建贝叶斯网络结构图；相应的，所述年金待遇支付信息的处理装置用于：
[0171]
根据所述贝叶斯网络结构图确定所述第一后验概率和所述第二后验概率；
[0172]
其中，所述贝叶斯网络结构图的根节点为年金待遇支付退费的发生概率节点，其余每个叶子节点分别对应一个影响因子，所述贝叶斯网络结构图中的节点之间的边分别表示节点之间的相互依赖关系。
[0173]
本发明实施例提供的年金待遇支付信息的处理装置，能够高效确定第一后验概率
和第二后验概率。
[0174]
进一步地，所述年金待遇支付信息的处理装置用于：
[0175]
根据所述贝叶斯网络结构图，计算发生年金待遇支付退费的概率值。
[0176]
本发明实施例提供的年金待遇支付信息的处理装置，进一步能够高效计算发生年金待遇支付退费的概率值。
[0177]
本发明实施例提供年金待遇支付信息的处理装置的实施例具体可以用于执行上述各方法实施例的处理流程，其功能在此不再赘述，可以参照上述方法实施例的详细描述。
[0178]
图5为本发明实施例提供的电子设备实体结构示意图，如图5所示，所述电子设备包括：处理器(processor)501、存储器(memory)502和总线503；
[0179]
其中，所述处理器501、存储器502通过总线503完成相互间的通信；
[0180]
所述处理器501用于调用所述存储器502中的程序指令，以执行上述各方法实施例所提供的方法，例如包括：
[0181]
获取影响年金待遇支付退费的影响因子和与各影响因子分别对应的属性信息；所述影响因子包括账户种类、银行行别和行号行名；
[0182]
计算与各影响因子分别对应的属性信息的第一先验概率，以及存在相互依赖关系的两个影响因子的属性信息之间的第一后验概率；
[0183]
根据所述第一先验概率、所述第一后验概率、所述相互依赖关系、年金待遇支付退费发生的第二先验概率和第二后验概率，计算发生年金待遇支付退费的概率值，若确定所述概率值大于预设概率阈值，则生成核实年金待遇支付信息的提示消息。
[0184]
本实施例公开一种计算机程序产品，所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，计算机能够执行上述各方法实施例所提供的方法，例如包括：
[0185]
获取影响年金待遇支付退费的影响因子和与各影响因子分别对应的属性信息；所述影响因子包括账户种类、银行行别和行号行名；
[0186]
计算与各影响因子分别对应的属性信息的第一先验概率，以及存在相互依赖关系的两个影响因子的属性信息之间的第一后验概率；
[0187]
根据所述第一先验概率、所述第一后验概率、所述相互依赖关系、年金待遇支付退费发生的第二先验概率和第二后验概率，计算发生年金待遇支付退费的概率值，若确定所述概率值大于预设概率阈值，则生成核实年金待遇支付信息的提示消息。
[0188]
本实施例提供一种计算机可读存储介质，所述计算机可读存储介质存储计算机程序，所述计算机程序使所述计算机执行上述各方法实施例所提供的方法，例如包括：
[0189]
获取影响年金待遇支付退费的影响因子和与各影响因子分别对应的属性信息；所述影响因子包括账户种类、银行行别和行号行名；
[0190]
计算与各影响因子分别对应的属性信息的第一先验概率，以及存在相互依赖关系的两个影响因子的属性信息之间的第一后验概率；
[0191]
根据所述第一先验概率、所述第一后验概率、所述相互依赖关系、年金待遇支付退费发生的第二先验概率和第二后验概率，计算发生年金待遇支付退费的概率值，若确定所述概率值大于预设概率阈值，则生成核实年金待遇支付信息的提示消息。
[0192]
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。
[0193]
本发明是参照根据本发明实施例的方法、设备(系统)、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。
[0194]
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。
[0195]
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。
[0196]
在本说明书的描述中，参考术语“一个实施例”、“一个具体实施例”、“一些实施例”、“例如”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
[0197]
以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施例而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

技术特征：
1.一种年金待遇支付信息的处理方法，其特征在于，包括：获取影响年金待遇支付退费的影响因子和与各影响因子分别对应的属性信息；所述影响因子包括账户种类、银行行别和行号行名；计算与各影响因子分别对应的属性信息的第一先验概率，以及存在相互依赖关系的两个影响因子的属性信息之间的第一后验概率；根据所述第一先验概率、所述第一后验概率、所述相互依赖关系、年金待遇支付退费发生的第二先验概率和第二后验概率，计算发生年金待遇支付退费的概率值，若确定所述概率值大于预设概率阈值，则生成核实年金待遇支付信息的提示消息。2.根据权利要求1所述的年金待遇支付信息的处理方法，其特征在于，计算存在相互依赖关系的两个影响因子的属性信息之间的第一后验概率，包括：根据吉布斯抽样方法计算存在相互依赖关系的两个影响因子的属性信息之间的第一后验概率。3.根据权利要求1所述的年金待遇支付信息的处理方法，其特征在于，计算年金待遇支付退费发生的第二后验概率，包括：根据吉布斯抽样方法计算年金待遇支付退费发生的第二后验概率。4.根据权利要求1所述的年金待遇支付信息的处理方法，其特征在于，所述根据所述第一先验概率、所述第一后验概率、所述相互依赖关系、年金待遇支付退费发生的第二先验概率和第二后验概率，计算发生年金待遇支付退费的概率值，包括：根据所述相互依赖关系生成计算发生年金待遇支付退费概率的计算表达式；根据所述第一先验概率、所述第一后验概率、所述第二先验概率和所述第二后验概率求解所述计算表达式，得到发生年金待遇支付退费的概率值。5.根据权利要求4所述的年金待遇支付信息的处理方法，其特征在于，所述根据所述第一先验概率、所述第一后验概率、所述第二先验概率和所述第二后验概率求解所述计算表达式，得到发生年金待遇支付退费的概率值，包括：利用贝叶斯公式求解所述第一后验概率和所述第二后验概率，根据求解结果、所述第一先验概率和所述第二先验概率求解所述计算表达式，得到发生年金待遇支付退费的概率值。6.根据权利要求1至5任一所述的年金待遇支付信息的处理方法，其特征在于，预先构建贝叶斯网络结构图；相应的，所述年金待遇支付信息的处理方法还包括：根据所述贝叶斯网络结构图确定所述第一后验概率和所述第二后验概率；其中，所述贝叶斯网络结构图的根节点为年金待遇支付退费的发生概率节点，其余每个叶子节点分别对应一个影响因子，所述贝叶斯网络结构图中的节点之间的边分别表示节点之间的相互依赖关系。7.根据权利要求6所述的年金待遇支付信息的处理方法，其特征在于，所述年金待遇支付信息的处理方法还包括：根据所述贝叶斯网络结构图，计算发生年金待遇支付退费的概率值。8.一种年金待遇支付信息的处理装置，其特征在于，包括：获取单元，用于获取影响年金待遇支付退费的影响因子和与各影响因子分别对应的属性信息；所述影响因子包括账户种类、银行行别和行号行名；
计算单元，用于计算与各影响因子分别对应的属性信息的第一先验概率，以及存在相互依赖关系的两个影响因子的属性信息之间的第一后验概率；生成单元，用于根据所述第一先验概率、所述第一后验概率、所述相互依赖关系、年金待遇支付退费发生的第二先验概率和第二后验概率，计算发生年金待遇支付退费的概率值，若确定所述概率值大于预设概率阈值，则生成核实年金待遇支付信息的提示消息。9.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述方法的步骤。

技术总结
本发明提供一种年金待遇支付信息的处理方法及装置，涉及数据处理技术领域，可用于金融领域或其他技术领域。所述方法包括：获取影响年金待遇支付退费的影响因子和与各影响因子分别对应的属性信息；计算与各影响因子分别对应的属性信息的第一先验概率，以及存在相互依赖关系的两个影响因子的属性信息之间的第一后验概率；根据所述第一先验概率、所述第一后验概率、所述相互依赖关系、年金待遇支付退费发生的第二先验概率和第二后验概率，计算发生年金待遇支付退费的概率值，若确定所述概率值大于预设概率阈值，则生成核实年金待遇支付信息的提示消息。所述装置执行上述方法。本发明实施例提供的方法及装置，能够降低数据传输负担。负担。负担。


技术研发人员：高汉 吴鹏 郭紫嫣 李玉如
受保护的技术使用者：中国工商银行股份有限公司
技术研发日：2023.05.29
技术公布日：2023/8/28