(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211274404.0 (22)申请日 2022.10.18 (71)申请人 中国银行股份有限公司 地址 100818 北京市西城区复兴门内大街1 号 (72)发明人 金洋旭　 (74)专利代理 机构 北京三友知识产权代理有限 公司 11127 专利代理师 臧微微 (51)Int.Cl. G06F 16/248(2019.01) G06K 9/62(2022.01) G06Q 40/04(2012.01) G06N 20/00(2019.01) (54)发明名称 数据项展示方法及装置 (57)摘要 本发明公开了一种数据项展示方法及 装置， 涉及人工智 能， 其中该方法包括： 确定输入的交 易数据的发生场景以及输入渠道； 根据交易数据 输入的发生场景以及输入渠道， 通过基于机器学 习的缺陷预测模 型选择的分类器的分类结果， 为 交易数据匹配需要展示的数据项； 其中， 所述机 器学习模型是在将不同场景下以及不同输入渠 道下， 用户期望的展示数据项输入基于机器学习 的缺陷预测模 型后， 对训练集进行处理变成平衡 数据， 该平衡数据用以供机器学习模 型选择分类 器。 本发明可 以在不需要人工介入的情况下， 提 升交易在不同渠道、 不同场景展示的准确性， 提 供准确友好的对客 服务， 提升客户的体验。 权利要求书1页 说明书6页 附图2页 CN 115510131 A 2022.12.23 CN 115510131 A 1.一种数据项 展示方法， 其特 征在于， 包括： 确定输入的交易数据的发生场景以及输入渠道； 根据交易数据输入的发生场景以及输入渠道， 通过基于机器学习的缺陷预测模型选择 的分类器的分类结果， 为交易数据匹配需要展示的数据项； 其中， 所述机器学习模型是在将 不同场景下以及不同输入渠道下， 用户期 望的展示数据项输入基于机器学习的缺陷预测模 型后， 对训练集进行处 理变成平衡数据， 该平衡数据用以供机器学习模型选择分类 器。 2.如权利要求1所述的方法， 其特征在于， 对训练集进行处理变成平衡数据， 是使用取 样方法对训练集进行处 理后， 将训练集变成平衡数据。 3.如权利要求2所述的方法， 其特征在于， 使用取样方法对训练集进行处理时， 使用的 是SMOTE算法。 4.如权利要求1所述的方法， 其特征在于， 基于机器学习的缺陷预测模型选择的分类 器， 是自适应选择分类 器。 5.一种数据项 展示装置， 其特 征在于， 包括： 交易模块， 用于确定 输入的交易数据的发生场景以及输入渠道； 展示模块， 用于根据交易数据输入的发生场景以及输入渠道， 通过基于机器学习的缺 陷预测模 型选择的分类器的分类结果， 为交易数据匹配需要展示的数据项； 其中， 所述机器 学习模型是在将不同场景下以及不同输入渠道下， 用户期 望的展示数据项输入基于机器学 习的缺陷预测模型后， 对训练集进行处理变成平衡数据， 该平衡数据用以供机器学习模型 选择分类 器。 6.如权利要求5所述的装置， 其特征在于， 展示模块进一步用于对训练集进行处理变成 平衡数据， 是使用取样方法对训练集进行处 理后， 将训练集变成平衡数据。 7.如权利要求6所述的装置， 其特征在于， 展示模块进一步用于使用取样方法对训练集 进行处理时， 使用的是SMOTE算法。 8.如权利要求5所述的装置， 其特征在于， 展示模块进一步用于在基于机器学习的缺陷 预测模型中选择的分类 器， 是自适应选择分类 器。 9.一种计算机设备， 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4任一所述方 法。 10.一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4任一所述方法。 11.一种计算机程序产品， 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4任一所述方法。权　利　要　求　书 1/1 页 2 CN 115510131 A 2数据项展示方 法及装置 技术领域 [0001]本发明涉及人工智能技 术领域， 尤其涉及数据项 展示方法及装置 。 背景技术 [0002]目前， 各种交易类型不断增多， 交易数据来源的渠道也 不相同， 例如金融交易。 [0003]每种交易下， 都有不同的数据项展示要求， 为更好的服务不同场景下， 满足交易的 展示需求， 需要通过人工调研判别等方式来确定所需展示的数据项， 这无疑耗费了大量的 人力物力。 [0004]现有技术的不足在于， 没有技术方案支持交易在不 同渠道、 不 同场景下展示相应 的数据项。 发明内容 [0005]本发明实施例提供一种数据项展示方法， 用以解决没有技术方案支持交易在 不同 渠道、 不同场景 下展示相应的数据项的问题， 该 方法包括： [0006]确定输入的交易数据的发生场景以及输入渠道； [0007]根据交易数据 输入的发生场景以及输入渠道， 通过基于机器学习的缺陷预测模型 选择的分类器的分类结果， 为交易数据匹配需要展示的数据项； 其中， 所述机器学习模型是 在将不同场景下以及不同输入渠道下， 用户期 望的展示数据项输入基于机器学习的缺陷预 测模型后， 对训练集进行处 理变成平衡数据， 该平衡数据用以供机器学习模型选择分类 器。 [0008]本发明实施例还提供一种数据项展示装置， 用以解决没有技术方案支持交易在不 同渠道、 不同场景 下展示相应的数据项的问题， 该装置包括： [0009]交易模块， 用于确定 输入的交易数据的发生场景以及输入渠道； [0010]展示模块， 用于根据交易数据输入的发生场景以及输入渠道， 通过基于机器学习 的缺陷预测模型选择的分类器的分类结果， 为交易数据匹配需要展示的数据项； 其中， 所述 机器学习模型是在将不同场景下以及不同输入渠道下， 用户期 望的展示数据项输入基于机 器学习的缺陷预测模型后， 对训练集进行处理变成平衡数据， 该平衡数据用以供机器学习 模型选择分类 器。 [0011]本发明实施例还提供一种计算机设备， 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， 所述处理器执行所述计算机程序时实现上述数据项展示 方法。 [0012]本发明实施例还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有 计算机程序， 所述计算机程序被处 理器执行时实现上述数据项 展示方法。 [0013]本发明实施例还提供一种计算机程序产品， 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 理器执行时实现上述数据项 展示方法。 [0014]本发明实施例中， 与现有技术中使用人工调研、 人工管理的技术方案相比， 通过使 用基于机器学习的缺陷预测模型， 对交易数据的在不同发生场景以及输入渠道下， 用户期说　明　书 1/6 页 3 CN 115510131 A 3