业务处理方法、装置和电子设备与流程

1.本发明涉及计算机信息处理领域，具体而言，涉及一种业务处理方法、装置、电子设备及计算机可读介质。


背景技术：

2.对用户需要办理的业务，市面上往往存在多家能够办理同样业务的机构。每家机构都有自己的独特情况，这导致不同机构对同一用户的业务申请的处理情况是不同的。例如，如果用户需要办理互联网金融业务，因各机构的利率、规模、外部风评等不尽相同，对于是指完成授信申请的客户，不同机构的授信通过率及交易通过率差异较大，最终造成用户的业务办理结果差异较大。
3.目前，当用户提出业务办理申请后，通常是将该申请随机分发给业务办理机构，用户得到的业务办理结果往往不理想。因此，需要一种新的技术方案，对于用户的业务办理申请进行智能分发处理，确保用户得到较优的业务办理结果。


技术实现要素：

4.本发明旨在对于用户的业务办理申请进行智能分发处理，确保用户得到较优的业务办理结果。
5.为了解决上述技术问题，本发明第一方面提出一种业务处理方法，所述方法包括：收到来自用户的请求处理业务的申请时，获取所述用户的信息；根据所述用户的信息构建特征；查询用于处理所述业务的多个候选业务处理系统；将所述用户的特征输入预设的与所述多个候选业务处理系统一一对应的多个通过率预测模型，输出所述多个候选业务处理系统接受所述用户请求的可能性；将所述用户的特征输入预设的与所述多个候选业务处理系统一一对应的多个响应率预测模型，输出所述多个候选业务处理系统为所述用户处理业务的效率；根据所述多个候选业务处理系统接受所述用户请求的可能性以及为所述用户处理业务的效率，从所述多个候选业务处理系统中选择用于推荐给所述用户以处理业务的推荐业务处理系统。
6.根据本发明的一种优选实施方式，所述用户的信息包括：所述用户实施的对所述业务产生风险的行为数据；所述用户使用所述业务相关的应用程序的记录数据；第三方记录的所述用户的信用数据。
7.根据本发明的一种优选实施方式，在所述将所述用户的特征输入预设的与所述多个候选业务处理系统一一对应的多个通过率预测模型之前，还包括：将所述用户的特征输入预设的风险预测模型，输出所述用户处理所述业务所产生的风险；根据所述用户处理所述业务所产生的风险以及所述多个候选业务处理系统的风险承担能力，对所述多个候选业务处理系统进行筛选。
8.根据本发明的一种优选实施方式，还包括：在所述推荐业务处理系统为多个时，分析所述用户对所述业务的关注事项；根据所述用户的关注事项，查询多个推荐业务处理系
统的与所述关注事项匹配的信息并推送给所述用户，供所述用户根据信息从所述多个推荐业务处理系统进行选择。
9.根据本发明的一种优选实施方式，还包括：在所述推荐业务处理系统为多个时，查询与所述用户存在关联的其他用户使用的业务处理系统；如果多个推荐业务处理系统中存在所述其他用户使用的业务处理系统，选择所述其他用户使用的业务处理系统为所述用户处理业务。
10.为了解决上述技术问题，本发明第二方面提出一种业务处理装置，所述装置包括：信息获取模块，收到来自用户的请求处理业务的申请时，获取所述用户的信息；特征构建模块，根据所述用户的信息构建特征；系统查询模块，查询用于处理所述业务的多个候选业务处理系统；通过率分析模块，将所述用户的特征输入预设的与所述多个候选业务处理系统一一对应的多个通过率预测模型，输出所述多个候选业务处理系统接受所述用户请求的可能性；响应率分析模块，将所述用户的特征输入预设的与所述多个候选业务处理系统一一对应的多个响应率预测模型，输出所述多个候选业务处理系统为所述用户处理业务的效率；系统推荐模块，根据所述多个候选业务处理系统接受所述用户请求的可能性以及为所述用户处理业务的效率，从所述多个候选业务处理系统中选择用于推荐给所述用户以处理业务的推荐业务处理系统。
11.根据本发明的一种优选实施方式，所述用户的信息包括：所述用户实施的对所述业务产生风险的行为数据；所述用户使用所述业务相关的应用程序的记录数据；第三方记录的所述用户的信用数据。
12.根据本发明的一种优选实施方式，还包括：风险筛选模块，在所述将所述用户的特征输入预设的与所述多个候选业务处理系统一一对应的多个通过率预测模型之前，将所述用户的特征输入预设的风险预测模型，输出所述用户处理所述业务所产生的风险，并根据所述用户处理所述业务所产生的风险以及所述多个候选业务处理系统的风险承担能力，对所述多个候选业务处理系统进行筛选。
13.根据本发明的一种优选实施方式，还包括：信息推送模块，在所述推荐业务处理系统为多个时，分析所述用户对所述业务的关注事项，并根据所述用户的关注事项，查询多个推荐业务处理系统的与所述关注事项匹配的信息并推送给所述用户，供所述用户根据信息从所述多个推荐业务处理系统进行选择。
14.根据本发明的一种优选实施方式，还包括：系统选择模块，在所述推荐业务处理系统为多个时，查询与所述用户存在关联的其他用户使用的业务处理系统，如果多个推荐业务处理系统中存在所述其他用户使用的业务处理系统，选择所述其他用户使用的业务处理系统为所述用户处理业务。
15.为了解决上述技术问题，本发明第三方面提出一种电子设备，其包括处理器以及存储计算机可执行指令的存储器，所述计算机可执行指令在被执行时使所述处理器执行上述的方法。
16.为了解决上述技术问题，本发明第四方面提出一种计算机可读存储介质，该所述计算机可读存储介质存储一个或多个程序，当所述一个或多个程序被处理器执行时，实现上述的方法。
17.本发明与现有技术方案不同，没有将用户的业务处理申请随即分发至业务处理系
统进行处理，而是预先根据每个业务处理系统的历史业务办理数据为每个业务处理系统分别训练通过率预测模型、响应率预测模型，通过率预测模型能够分析用户的申请被系统接受的可能性，响应率预测模型能够分析系统为用户办理业务的效率高低，则通过每个业务处理系统的通过率预测模型和多个响应率预测模型能够分析出每个业务处理系统接受用户业务申请的可能性以及为用户办理业务的效率，根据分析结果从多个业务处理系统选择适于推荐给用户的业务处理系统，从而保证用户最终得到较优的业务处理结果。
附图说明
18.为了使本发明所解决的技术问题、采用的技术手段及取得的技术效果更加清楚，下面将参照附图详细描述本发明的具体实施例。但需声明的是，下面描述的附图仅仅是本发明的示例性实施例的附图，对于本领域的技术人员来讲，在不付出创造性劳动的前提下，可以根据这些附图获得其他实施例的附图。
19.图1是根据本发明的一个实施例的业务处理方法的流程图；
20.图2是根据本发明的一个实施例的业务处理方法的流程图；
21.图3是根据本发明的一个实施例的业务处理方法的示意图；
22.图4是根据本发明的一个实施例的业务处理装置的框图；
23.图5是根据本发明的一个实施例的业务处理装置的框图；
24.图6是根据本发明的一个实施例的电子设备的框图；
25.图7是根据本发明的一个实施例的计算机可读存储介质的示意图。
具体实施方式
26.现在将参考附图来更加全面地描述本发明的示例性实施例，虽然各示例性实施例能够以多种具体的方式实施，但不应理解为本发明仅限于在此阐述的实施例。相反，提供这些示例性实施例是为了使本发明的内容更加完整，更加便于将发明构思全面地传达给本领域的技术人员。
27.在符合本发明的技术构思的前提下，在某个特定的实施例中描述的结构、性能、效果或者其他特征可以以任何合适的方式结合到一个或更多其他的实施例中。
28.在对于具体实施例的介绍过程中，对结构、性能、效果或者其他特征的细节描述是为了使本领域的技术人员对实施例能够充分理解。但是，并不排除本领域技术人员可以在特定情况下，以不含有上述结构、性能、效果或者其他特征的技术方案来实施本发明。
29.附图中的流程图仅是一种示例性的流程演示，不代表本发明的方案中必须包括流程图中的所有的内容、操作和步骤，也不代表必须按照图中所显示的的顺序执行。例如，流程图中有的操作/步骤可以分解，有的操作/步骤可以合并或部分合并，等等，在不脱离本发明的发明主旨的情况下，流程图中显示的执行顺序可以根据实际情况改变。
30.附图中的框图一般表示的是功能实体，并不一定必然与物理上独立的实体相对应。即，可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
31.各附图中相同的附图标记表示相同或类似的元件、组件或部分，因而下文中可能
省略了对相同或类似的元件、组件或部分的重复描述。还应理解，虽然本文中可能使用第一、第二、第三等表示编号的定语来描述各种器件、元件、组件或部分，但是这些器件、元件、组件或部分不应受这些定语的限制。也就是说，这些定语仅是用来将一者与另一者区分。例如，第一器件亦可称为第二器件，但不偏离本发明实质的技术方案。此外，术语“和/或”、“及/或”是指包括所列出项目中的任一个或多个的所有组合。
32.现有技术方案中，当存在多个系统可以接收用户处理业务的申请时，往往将该用户的业务处理申请随机分发至任一系统，由于多个系统的业务处理方式、能力均有所不同，所以随机分配用户申请会导致无法为用户选择恰当的系统进行业务处理，从而得不到较优的处理结果。本发明与现有技术方案不同，在收到来自用户的请求处理业务的申请时，首先获取用户的信息，并根据用户的信息构建特征，查询用于处理业务的多个候选业务处理系统，并未随机挑选系统处理业务申请，而是将用户的特征输入预设的与多个候选业务处理系统一一对应的多个通过率预测模型，输出多个候选业务处理系统接受用户请求的可能性，以及将用户的特征输入预设的与多个候选业务处理系统一一对应的多个响应率预测模型，输出多个候选业务处理系统为用户处理业务的效率，根据多个候选业务处理系统接受用户请求的可能性以及为用户处理业务的效率，从多个候选业务处理系统中选择用于推荐给用户以处理业务的推荐业务处理系统，从而为用户选择恰当的业务处理系统，并最终为用户带来最优的业务处理结果。
33.如图1所示，本发明的一个实施例中提供了一种业务处理方法，所述方法包括：
34.步骤s110，收到来自用户的请求处理业务的申请时，获取用户的信息。
35.在本实施例中，对于用户请求处理的业务类型不进行限制，例如，用户可以是申请办理互联网金融业务。
36.步骤s120，根据用户的信息构建特征。
37.在本实施例中，对用户的信息类型不进行限制。具体地，用户的信息可以包括：用户实施的对业务产生风险的行为数据，用户的风险行为影响业务系统接受用户申请的可能性；用户使用业务相关的应用程序的记录数据，当用户通过该业务相关app提交业务申请时，用户对该app的使用记录能够反应用户的一些特征；第三方记录的用户的信用数据，同样地，用户的信用情况直接影响业务系统接受用户申请的可能性。
38.步骤s130，查询用于处理业务的多个候选业务处理系统。
39.步骤s140，将用户的特征输入预设的与多个候选业务处理系统一一对应的多个通过率预测模型，输出多个候选业务处理系统接受用户请求的可能性。
40.步骤s150，将用户的特征输入预设的与多个候选业务处理系统一一对应的多个响应率预测模型，输出多个候选业务处理系统为用户处理业务的效率。
41.在本实施例中，需要根据每个业务处理系统的历史业务办理数据为每个业务处理系统分别训练通过率预测模型、响应率预测模型，通过率预测模型能够分析用户的申请被系统接受的可能性，响应率预测模型能够分析系统为用户办理业务的效率高低，则通过每个业务处理系统的通过率预测模型和响应率预测模型能够分析出每个业务处理系统接受用户业务申请的可能性以及为用户办理业务的效率。
42.步骤s160，根据多个候选业务处理系统接受用户请求的可能性以及为用户处理业务的效率，从多个候选业务处理系统中选择用于推荐给用户以处理业务的推荐业务处理系
统。
43.根据本实施例的技术方案，在分析出每个业务处理系统接受用户业务申请的可能性以及为用户办理业务的效率后，根据分析结果从多个业务处理系统选择适于推荐给用户的业务处理系统，从而保证用户最终得到较优的业务处理结果。
44.如图2所示，本发明的一个实施例中提供了一种业务处理方法，方法包括：
45.步骤s210，收到来自用户的请求处理业务的申请时，获取用户的信息。
46.步骤s220，根据用户的信息构建特征。
47.步骤s230，查询用于处理业务的多个候选业务处理系统。
48.步骤s240，将用户的特征输入预设的风险预测模型，输出用户处理业务所产生的风险。
49.步骤s250，根据用户处理业务所产生的风险以及多个候选业务处理系统的风险承担能力，对多个候选业务处理系统进行筛选。
50.在本实施例中，不但站在用户角度考虑，为用户获取最优处理结果，还站在系统方考虑，避免用户为系统方带来过高的风险。
51.步骤s260，将用户的特征输入预设的与多个候选业务处理系统一一对应的多个通过率预测模型，输出多个候选业务处理系统接受用户请求的可能性。
52.步骤s270，将用户的特征输入预设的与多个候选业务处理系统一一对应的多个响应率预测模型，输出多个候选业务处理系统为用户处理业务的效率。
53.步骤s280，根据多个候选业务处理系统接受用户请求的可能性以及为用户处理业务的效率，从多个候选业务处理系统中选择用于推荐给用户以处理业务的推荐业务处理系统。
54.步骤s290，在推荐业务处理系统为多个时，分析用户对业务的关注事项；根据用户的关注事项，查询多个推荐业务处理系统的与关注事项匹配的信息并推送给用户，供用户根据信息从多个推荐业务处理系统进行选择。
55.在本实施例中，通过分析用户对业务的关注事项，能够发现用户的关注点，按照关注点将各业务处理系统的信息提供给用户，使得用户能够获得自己更想要了解的信息，从而选择更符合自己的业务处理系统进行处理。
56.步骤s2100，在推荐业务处理系统为多个时，查询与用户存在关联的其他用户使用的业务处理系统，如果多个推荐业务处理系统中存在其他用户使用的业务处理系统，选择其他用户使用的业务处理系统为用户处理业务。
57.在本实施例中，与用户存在关联的其他用户可以是用户的家人、朋友等熟悉的人，而用户往往对自己熟悉的人更加信赖，所以可以选择用户亲友所使用的业务处理系统为用户处理业务，有利于提升用户的信任程度。
58.根据本实施例的一个具体实施方案如图3所示，该方案应用于互联网金融领域，其主要针对各个互联网金融服务机构分别建立风险预测模型、通过率预测模型、响应率预测模型，并在将用户的金融业务申请分发到各机构系统之前，基于用户各类行为特征、模型分数、外部资信等数据，首先使用风险预测模型筛选可承接该用户风险的机构，而后使用通过率预测模型、响应率预测模型为用户寻求最优“响应——通过”效果，最终确定机构进行定向分发。具体步骤如图3所示：
59.step1：获取用户最新特征，包括风险行为数据、app(互联网金融应用)行为数据、外部资信、人行数据等。
60.step2：建立xgboost(xgboost是一个优化的分布式梯度增强库)风险预测模型，对用户群进行风险评价；根据评价结果将用户群分成20层；根据各机构的风险承受能力，将各层的用户分配给各个机构。
61.step3：1.对各家机构，结合历史审核数据及撞库审核数据，分别建立对应的xgboost通过率预测模型，得到各家机构对每位用户申请的通过概率。2.对各家机构，结合历史响应数据分别建立对应的lstm(一种时间循环神经网络)神经网络响应率预测模型，得到每位用户在各家机构的响应效率。3.得到用户在每家机构的响应效率及通过概率。
62.step4：根据用户在每家机构的响应效率及通过概率，从所有机构中选择最优的两家，此时可以将用户的申请提交至该两家机构。
63.由此可见，本实施例的技术方案，根据“分而治之”的原则，充分利用机构历史业务数据，针对各机构分别建立风险预测模型、通过率预测模型、响应率预测模型，根据风险预测模型、通过率预测模型、响应率预测模型的输出结果，为用户选择办理业务的金融机构，不但确保金融服务机构风险可控，而且为用户提供了最优的业务办理结果。
64.本领域技术人员可以理解，实现上述实施例的全部或部分步骤被实现为由数据处理设备(包括计算机)执行的程序，即计算机程序。在该计算机程序被执行时，可以实现本发明提供的上述方法。而且，所述的计算机程序可以存储于计算机可读存储介质中，该存储介质可以是磁盘、光盘、rom、ram等可读存储介质，也可以是多个存储介质组成的存储阵列，例如磁盘或磁带存储阵列。所述的存储介质不限于集中式存储，其也可以是分布式存储，例如基于云计算的云存储。
65.下面描述本发明的装置实施例，该装置可以用于执行本发明的方法实施例。对于本发明装置实施例中描述的细节，应视为对于上述方法实施例的补充；对于在本发明装置实施例中未披露的细节，可以参照上述方法实施例来实现。
66.如图4所示，本发明的一个实施例中提供了一种业务处理装置，所述装置包括：
67.信息获取模块410，收到来自用户的请求处理业务的申请时，获取用户的信息。
68.在本实施例中，对于用户请求处理的业务类型不进行限制，例如，用户可以是申请办理互联网金融业务。
69.特征构建模块420，根据用户的信息构建特征。
70.在本实施例中，对用户的信息类型不进行限制。具体地，用户的信息可以包括：用户实施的对业务产生风险的行为数据，用户的风险行为影响业务系统接受用户申请的可能性；用户使用业务相关的应用程序的记录数据，当用户通过该业务相关app提交业务申请时，用户对该app的使用记录能够反应用户的一些特征；第三方记录的用户的信用数据，同样地，用户的信用情况直接影响业务系统接受用户申请的可能性。
71.系统查询模块430，查询用于处理业务的多个候选业务处理系统。
72.通过率分析模块440，将用户的特征输入预设的与多个候选业务处理系统一一对应的多个通过率预测模型，输出多个候选业务处理系统接受用户请求的可能性。
73.响应率分析模块450，将用户的特征输入预设的与多个候选业务处理系统一一对应的多个响应率预测模型，输出多个候选业务处理系统为用户处理业务的效率。
74.在本实施例中，需要根据每个业务处理系统的历史业务办理数据为每个业务处理系统分别训练通过率预测模型、响应率预测模型，通过率预测模型能够分析用户的申请被系统接受的可能性，响应率预测模型能够分析系统为用户办理业务的效率高低，则通过每个业务处理系统的通过率预测模型和响应率预测模型能够分析出每个业务处理系统接受用户业务申请的可能性以及为用户办理业务的效率。
75.系统推荐模块460，根据多个候选业务处理系统接受用户请求的可能性以及为用户处理业务的效率，从多个候选业务处理系统中选择用于推荐给用户以处理业务的推荐业务处理系统。
76.根据本实施例的技术方案，在分析出每个业务处理系统接受用户业务申请的可能性以及为用户办理业务的效率后，根据分析结果从多个业务处理系统选择适于推荐给用户的业务处理系统，从而保证用户最终得到较优的业务处理结果。
77.如图5所示，本发明的一个实施例中提供了一种业务处理装置，方法包括：
78.信息获取模块510，收到来自用户的请求处理业务的申请时，获取用户的信息。
79.特征构建模块520，根据用户的信息构建特征。
80.系统查询模块530，查询用于处理业务的多个候选业务处理系统。
81.风险筛选模块540，将用户的特征输入预设的风险预测模型，输出用户处理业务所产生的风险，并根据用户处理业务所产生的风险以及多个候选业务处理系统的风险承担能力，对多个候选业务处理系统进行筛选。
82.在本实施例中，不但站在用户角度考虑，为用户获取最优处理结果，还站在系统方考虑，避免用户为系统方带来过高的风险。
83.通过率分析模块550，将用户的特征输入预设的与多个候选业务处理系统一一对应的多个通过率预测模型，输出多个候选业务处理系统接受用户请求的可能性。
84.响应率分析模块560，将用户的特征输入预设的与多个候选业务处理系统一一对应的多个响应率预测模型，输出多个候选业务处理系统为用户处理业务的效率。
85.系统推荐模块570，根据多个候选业务处理系统接受用户请求的可能性以及为用户处理业务的效率，从多个候选业务处理系统中选择用于推荐给用户以处理业务的推荐业务处理系统。
86.信息推送模块580，在推荐业务处理系统为多个时，分析用户对业务的关注事项；根据用户的关注事项，查询多个推荐业务处理系统的与关注事项匹配的信息并推送给用户，供用户根据信息从多个推荐业务处理系统进行选择。
87.在本实施例中，通过分析用户对业务的关注事项，能够发现用户的关注点，按照关注点将各业务处理系统的信息提供给用户，使得用户能够获得自己更想要了解的信息，从而选择更符合自己的业务处理系统进行处理。
88.系统选择模块590，在推荐业务处理系统为多个时，查询与用户存在关联的其他用户使用的业务处理系统，如果多个推荐业务处理系统中存在其他用户使用的业务处理系统，选择其他用户使用的业务处理系统为用户处理业务。
89.在本实施例中，与用户存在关联的其他用户可以是用户的家人、朋友等熟悉的人，而用户往往对自己熟悉的人更加信赖，所以可以选择用户亲友所使用的业务处理系统为用户处理业务，有利于提升用户的信任程度。
90.根据本实施例的一个具体实施方案如图3所示，该方案应用于互联网金融领域，其主要针对各个互联网金融服务机构分别建立风险预测模型、通过率预测模型、响应率预测模型，并在将用户的金融业务申请分发到各机构系统之前，基于用户各类行为特征、模型分数、外部资信等数据，首先使用风险预测模型筛选可承接该用户风险的机构，而后使用通过率预测模型、响应率预测模型为用户寻求最优“响应——通过”效果，最终确定机构进行定向分发。具体步骤如图3所示：
91.step1：获取用户最新特征，包括风险行为数据、app(互联网金融应用)行为数据、外部资信、人行数据等。
92.step2：建立xgboost(xgboost是一个优化的分布式梯度增强库)风险预测模型，对用户群进行风险评价；根据评价结果将用户群分成20层；根据各机构的风险承受能力，将各层的用户分配给各个机构。
93.step3：1.对各家机构，结合历史审核数据及撞库审核数据，分别建立对应的xgboost通过率预测模型，得到各家机构对每位用户申请的通过概率。2.对各家机构，结合历史响应数据分别建立对应的lstm(一种时间循环神经网络)神经网络响应率预测模型，得到每位用户在各家机构的响应效率。3.得到用户在每家机构的响应效率及通过概率。
94.step4：根据用户在每家机构的响应效率及通过概率，从所有机构中选择最优的两家，此时可以将用户的申请提交至该两家机构。
95.由此可见，本实施例的技术方案，根据“分而治之”的原则，充分利用机构历史业务数据，针对各机构分别建立风险预测模型、通过率预测模型、响应率预测模型，根据风险预测模型、通过率预测模型、响应率预测模型的输出结果，为用户选择办理业务的金融机构，不但确保金融服务机构风险可控，而且为用户提供了最优的业务办理结果。
96.本领域技术人员可以理解，上述装置实施例中的各模块可以按照描述分布于装置中，也可以进行相应变化，分布于不同于上述实施例的一个或多个装置中。上述实施例的模块可以合并为一个模块，也可以进一步拆分成多个子模块。
97.下面描述本发明的电子设备实施例，该电子设备可以视为对于上述本发明的方法和装置实施例的实体形式的实施方式。对于本发明电子设备实施例中描述的细节，应视为对于上述方法或装置实施例的补充；对于在本发明电子设备实施例中未披露的细节，可以参照上述方法或装置实施例来实现。
98.图6是根据本发明的一种电子设备的示例性实施例的结构框图。图6显示的电子设备仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
99.如图6所示，该示例性实施例的电子设备200以通用数据处理设备的形式表现。电子设备200的组件可以包括但不限于：至少一个处理单元210、至少一个存储单元220、连接不同系统组件(包括存储单元220和处理单元210)的总线230、显示单元240等。
100.其中，所述存储单元220存储有计算机可读程序，其可以是源程序或都只读程序的代码。所述程序可以被处理单元210执行，使得所述处理单元210执行本发明各种实施方式的步骤。例如，所述处理单元210可以执行如图1或图2所示的步骤。
101.所述存储单元220可以包括易失性存储单元形式的可读介质，例如随机存取存储单元(ram)2201和/或高速缓存存储单元2202，还可以进一步包括只读存储单元(rom)2203。所述存储单元220还可以包括具有一组(至少一个)程序模块2205的程序/实用工具2204，这
样的程序模块2205包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。
102.总线230可以为表示几类总线结构中的一种或多种，包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
103.电子设备200也可以与一个或多个外部设备300(例如键盘、显示器、网络设备、蓝牙设备等)通信，使得用户能经由这些外部设备300与该电子设备200交互，和/或使得该电子设备200能与一个或多个其它数据处理设备(例如路由器、调制解调器等等)进行通信。这种通信可以通过输入/输出(i/o)接口250进行，还可以通过网络适配器260与一个或者多个网络(例如局域网(lan)，广域网(wan)和/或公共网络，例如因特网)进行。网络适配器260可以通过总线230与电子设备200的其它模块通信。应当明白，尽管图中未示出，电子设备200中可使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、raid系统、磁带驱动器以及数据备份存储系统等。
104.图7是本发明的一个计算机可读介质实施例的示意图。如图7所示，所述计算机程序可以存储于一个或多个计算机可读介质上。计算机可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、光纤、便携式紧凑盘只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。当所述计算机程序被一个或多个数据处理设备执行时，使得该计算机可读介质能够实现本发明的上述方法，即：收到来自用户的请求处理业务的申请时，获取所述用户的信息；根据所述用户的信息构建特征；查询用于处理所述业务的多个候选业务处理系统；将所述用户的特征输入预设的与所述多个候选业务处理系统一一对应的多个通过率预测模型，输出所述多个候选业务处理系统接受所述用户请求的可能性；将所述用户的特征输入预设的与所述多个候选业务处理系统一一对应的多个响应率预测模型，输出所述多个候选业务处理系统为所述用户处理业务的效率；根据所述多个候选业务处理系统接受所述用户请求的可能性以及为所述用户处理业务的效率，从所述多个候选业务处理系统中选择用于推荐给所述用户以处理业务的推荐业务处理系统。
105.通过以上的实施方式的描述，本领域的技术人员易于理解，本发明描述的示例性实施例可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本发明实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个计算机可读的存储介质(可以是cd-rom，u盘，移动硬盘等)中或网络上，包括若干指令以使得一台数据处理设备(可以是个人计算机、服务器、或者网络设备等)执行根据本发明的上述方法。
106.所述计算机可读存储介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。可读存储介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。可读存储介质上包含的程序代码可以用任何适当的介质传输，包
括但不限于无线、有线、光缆、rf等等，或者上述的任意合适的组合。
107.可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如java、c 等，还包括常规的过程式程序设计语言—诸如“c”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(lan)或广域网(wan)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
108.综上所述，本发明可以执行计算机程序的方法、装置、电子设备或计算机可读介质来实现。可以在实践中使用微处理器或者数字信号处理器(dsp)等通用数据处理设备来实现本发明的一些或者全部功能。
109.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，应理解的是，本发明不与任何特定计算机、虚拟装置或者电子设备固有相关，各种通用装置也可以实现本发明。以上所述仅为本发明的具体实施例而已，并不用于限制本发明，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。