交易进度条的处理方法及装置与流程

技术特征：
1.一种交易进度条的处理方法，其特征在于，包括：获取当前交易的特征属性值和交易类型；将当前交易的特征属性值和交易类型输入预先训练生成的交易时长误差类别预测模型，得到当前交易的交易时长误差类别；所述交易时长误差类别预测模型根据多笔历史交易样本预先训练生成；根据当前交易的交易时长误差类别，以及交易时长误差类别与误差时长的关系，确定当前交易的误差时长；根据当前交易类型的平均交易时长和当前交易的误差时长，确定当前交易的总预计时长；根据当前交易的总预计时长及单位时间维度，匀速展示交易进度条。2.如权利要求1所述的交易进度条的处理方法，其特征在于，还包括按照如下方法预先训练生成所述交易时长误差类别预测模型：根据多笔历史交易的交易时长和交易类型，对多笔历史交易进行交易时长误差分类，得到每一交易类型对应的多个交易时长误差类别；将交易时长误差分类后的历史交易数据中的特征属性映射成交易特征属性值；根据每一交易类型对应的多个交易时长误差类别及每一交易特征属性值，训练模型，得到预先训练生成的交易时长误差类别预测模型。3.如权利要求2所述的交易进度条的处理方法，其特征在于，根据多笔历史交易的交易时长和交易类型，对多笔历史交易进行交易时长误差分类，得到每一交易类型对应的多个交易时长误差类别，包括：获取多笔历史交易信息；所述历史交易信息包括交易码和历史交易时长；根据交易码识别出每一历史交易的交易类型；根据每一交易类型的所有历史交易时长，确定每一交易类型的历史交易的平均交易时长；确定每一历史交易的时长与对应交易类型的平均交易时长的差值；根据所述差值的大小，对每一交易类型对应的所有历史交易进行交易时长误差分类，得到每一交易类型对应的多个交易时长误差类别。4.如权利要求2所述的交易进度条的处理方法，其特征在于，将交易时长误差分类后的历史交易数据中的特征属性映射成交易特征属性值还包括：对映射后的历史交易数据进行特征属性提取，得到历史交易数据中重要程度大于预设值的特性属性；根据每一交易类型对应的多个交易时长误差类别及每一交易特征属性值，训练模型，得到预先训练生成的交易时长误差类别预测模型，包括：根据每一交易类型对应的多个交易时长误差类别及重要程度大于预设值的每一交易特征属性值，训练模型，得到预先训练生成的交易时长误差类别预测模型。5.如权利要求4所述的交易进度条的处理方法，其特征在于，对映射后的历史交易数据进行特征属性提取，得到历史交易数据中重要程度大于预设值的特性属性，包括：利用主成分分析pca函数对对映射后的历史交易数据进行特征属性提取，得到历史交易数据中重要程度大于预设值的特性属性。6.如权利要求2所述的交易进度条的处理方法，其特征在于，根据每一交易类型对应的
多个交易时长误差类别及每一交易特征属性值，训练模型，得到预先训练生成的交易时长误差类别预测模型，包括：根据每一交易类型对应的多个交易时长误差类别及每一交易特征属性值，利用svm分类算法训练模型，得到预先训练生成的交易时长误差类别预测模型。7.如权利要求1所述的交易进度条的处理方法，其特征在于，根据当前交易的总预计时长及单位时间维度，匀速展示交易进度条，包括：在根据当前交易的总预计时长及单位时间维度进度条匀速展示到预设百分比范围内时，判断当前交易是否完成；在判断当前交易未完成时，进度条保持在所述预设百分比范围内，等待交易完成后继续匀速展示进度条。8.如权利要求7所述的交易进度条的处理方法，其特征在于，还包括：在判断当前交易完成时，继续匀速展示进度条。9.一种交易进度条的处理装置，其特征在于，包括：获取单元，用于获取当前交易的特征属性值和交易类型；预测单元，用于将当前交易的特征属性值和交易类型输入预先训练生成的交易时长误差类别预测模型，得到当前交易的交易时长误差类别；所述交易时长误差类别预测模型根据多笔历史交易样本预先训练生成；误差时长确定单元，用于根据当前交易的交易时长误差类别，以及交易时长误差类别与误差时长的关系，确定当前交易的误差时长；总预计时长确定单元，用于根据当前交易类型的平均交易时长和当前交易的误差时长，确定当前交易的总预计时长；处理单元，用于根据当前交易的总预计时长及单位时间维度，匀速展示交易进度条。10.如权利要求9所述的交易进度条的处理装置，其特征在于，还包括训练单元，用于按照如下方法预先训练生成所述交易时长误差类别预测模型：根据多笔历史交易的交易时长和交易类型，对多笔历史交易进行交易时长误差分类，得到每一交易类型对应的多个交易时长误差类别；将交易时长误差分类后的历史交易数据中的特征属性映射成交易特征属性值；根据每一交易类型对应的多个交易时长误差类别及每一交易特征属性值，训练模型，得到预先训练生成的交易时长误差类别预测模型。11.如权利要求10所述的交易进度条的处理装置，其特征在于，根据多笔历史交易的交易时长和交易类型，对多笔历史交易进行交易时长误差分类，得到每一交易类型对应的多个交易时长误差类别，包括：获取多笔历史交易信息；所述历史交易信息包括交易码和历史交易时长；根据交易码识别出每一历史交易的交易类型；根据每一交易类型的所有历史交易时长，确定每一交易类型的历史交易的平均交易时长；确定每一历史交易的时长与对应交易类型的平均交易时长的差值；根据所述差值的大小，对每一交易类型对应的所有历史交易进行交易时长误差分类，得到每一交易类型对应的多个交易时长误差类别。12.如权利要求10所述的交易进度条的处理装置，其特征在于，将交易时长误差分类后
的历史交易数据中的特征属性映射成交易特征属性值还包括：对映射后的历史交易数据进行特征属性提取，得到历史交易数据中重要程度大于预设值的特性属性；根据每一交易类型对应的多个交易时长误差类别及每一交易特征属性值，训练模型，得到预先训练生成的交易时长误差类别预测模型，包括：根据每一交易类型对应的多个交易时长误差类别及重要程度大于预设值的每一交易特征属性值，训练模型，得到预先训练生成的交易时长误差类别预测模型。13.如权利要求12所述的交易进度条的处理装置，其特征在于，对映射后的历史交易数据进行特征属性提取，得到历史交易数据中重要程度大于预设值的特性属性，包括：利用主成分分析pca函数对对映射后的历史交易数据进行特征属性提取，得到历史交易数据中重要程度大于预设值的特性属性。14.如权利要求10所述的交易进度条的处理装置，其特征在于，根据每一交易类型对应的多个交易时长误差类别及每一交易特征属性值，训练模型，得到预先训练生成的交易时长误差类别预测模型，包括：根据每一交易类型对应的多个交易时长误差类别及每一交易特征属性值，利用svm分类算法训练模型，得到预先训练生成的交易时长误差类别预测模型。15.如权利要求9所述的交易进度条的处理装置，其特征在于，所述处理单元具体用于：在根据当前交易的总预计时长及单位时间维度进度条匀速展示到预设百分比范围内时，判断当前交易是否完成；在判断当前交易未完成时，进度条保持在所述预设百分比范围内，等待交易完成后继续匀速展示进度条。16.如权利要求15所述的交易进度条的处理装置，其特征在于，所述处理单元还用于：在判断当前交易完成时，继续匀速展示进度条。17.一种计算机设备，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8任一所述方法。18.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1至8任一所述方法。19.一种计算机程序产品，其特征在于，所述计算机程序产品包括计算机程序，所述计算机程序被处理器执行时实现权利要求1至8任一所述方法。

技术总结
本发明公开了一种交易进度条的处理方法及装置，涉及人工智能领域，其中该方法包括：获取当前交易的特征属性值和交易类型；将当前交易的特征属性值和交易类型输入预先训练生成的交易时长误差类别预测模型，得到当前交易的交易时长误差类别；所述交易时长误差类别预测模型根据多笔历史交易样本预先训练生成；根据当前交易的交易时长误差类别，以及交易时长误差类别与误差时长的关系，确定当前交易的误差时长；根据当前交易类型的平均交易时长和当前交易的误差时长，确定当前交易的总预计时长；根据当前交易的总预计时长及单位时间维度，匀速展示交易进度条。本发明可以基于交易所需时长匀速地展示进度条，提高了用户体验。提高了用户体验。提高了用户体验。


技术研发人员：滕建德 王欣 王增峰
受保护的技术使用者：中国银行股份有限公司
技术研发日：2022.07.19
技术公布日：2022/10/11