(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 202210784573.2 (22)申请日 2022.07.05 (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 邓亚丽　谢炜琪　陈戈　彭建业　 张珊珊　黄显超　郑凯帆　刘铁成　 余若婷　赵璁　梁展瑞　 (74)专利代理 机构 北京集佳知识产权代理有限 公司 11227 专利代理师 王宝筠 (51)Int.Cl. G06Q 10/04(2012.01) G06N 5/00(2006.01) G06N 20/20(2019.01)G06Q 40/02(2012.01) (54)发明名称 一种银行卡批量业务TPS的预测方法、 装置 及设备 (57)摘要 本申请公开了一种银行卡批量业务TPS的预 测方法、 装置及设备， 可应用于人工智 能领域以 及金融领域， 能够有效提高银行卡批量业务TPS 的预测准确率。 该方法包括： 首先获取预设数量 的样本银行卡批量业务数据及其最大TPS值； 其 中， 样本银行卡批量业务数据为发卡机构每日上 送的文件明细数据， 然后， 从样本银行卡批量业 务数据中提取样本特征； 接着， 利用样本特征、 样 本银行卡批量业务数据的最大TPS值以及预设的 目标函数， 训练得到TPS预测模型； 其中， TPS预测 模型为利用GBDT集成学习算法拟合的多颗CART 回归树； 进而可以利用该TPS预测模型， 对待预测 的目标银行卡批量业务数据的TPS进行预测， 得 到预测结果。 权利要求书2页 说明书7页 附图3页 CN 115169684 A 2022.10.11 CN 115169684 A 1.一种银 行卡批量 业务TPS的预测方法， 其特 征在于， 所述方法包括： 获取预设数量的样本银行卡批量业务数据及其最大TPS值； 所述样本银行卡批量业务 数据为发卡机构每日上送的文件明细数据； 从所述样本银 行卡批量 业务数据中提取样本特 征； 利用所述样本特征、 所述样本银行卡批量业务数据的最大TPS值以及预设的目标函数， 训练得到TPS预测模型； 所述TPS预测模型为利用GBDT集成学习算法拟合的多颗CART回归 树； 利用所述TPS预测模型， 对待预测的目标银行卡批量业务数据的TPS进行预测， 得到预 测结果。 2.根据权利要求1所述的方法， 其特 征在于， 所述方法还 包括： 获取验证银 行卡批量 业务数据及其 最大TPS值； 从所述验证银 行卡批量 业务数据中提取验证特 征； 将所述验证特征输入所述TPS预测模型， 获得所述验证银行卡批量业务数据的最大TPS 预测结果； 当所述验证银行卡批量业务数据的最大TPS预测结果与所述验证银行卡批量业务数据 的最大TPS标记结果不一致时， 将所述验证银行卡批量业务数据重新作为所述样本银行卡 批量业务数据， 对所述TP S预测模型进行 更新。 3.根据权利要求1所述的方法， 其特征在于， 所述目标函数是通过将每个样本银行卡批 量业务数据的预测值和目标值的结果相加得到的。 4.根据权利 要求1‑3任一项所述的方法， 其特征在于， 所述利用所述TPS预测模型， 对待 预测的目标 银行卡批量 业务数据的TP S进行预测， 得到预测结果， 包括 从所述目标 银行卡批量 业务数据中提取目标 特征； 将所述目标特征输入所述TPS预测模型， 获得所述目标银行卡批量业务数据的最大TPS 预测结果。 5.一种银 行卡批量 业务TPS的预测装置， 其特 征在于， 所述装置包括： 第一获取单元， 用于获取预设数量的样本银行卡批量业务数据及其最大TPS值； 所述样 本银行卡批量 业务数据为发卡机构每日上送的文件明细数据； 第一提取单元， 用于从所述样本银 行卡批量 业务数据中提取样本特 征； 训练单元， 用于利用所述样本特征、 所述样本银行卡批量业务数据的最大TPS值以及预 设的目标函数， 训练得到TPS预测模型； 所述TPS预测 模型为利用GBDT集成学习 算法拟合的 多颗CART回归树； 预测单元， 用于利用所述TPS预测模型， 对待预测的目标银行卡批量业务数据的TPS进 行预测， 得到预测结果。 6.根据权利要求5所述的装置， 其特 征在于， 所述装置还 包括： 第二获取 单元， 用于获取验证银 行卡批量 业务数据及其 最大TPS值； 第二提取单元， 用于从所述验证银 行卡批量 业务数据中提取验证特 征； 获得单元， 用于将所述验证特征输入所述TPS预测模型， 获得所述验证银行卡批量业务 数据的最大TP S预测结果； 更新单元， 用于当所述验证银行卡批量业务数据的最大TPS预测结果与所述验证银行权　利　要　求　书 1/2 页 2 CN 115169684 A 2卡批量业务数据的最大TPS标记结果不一致时， 将所述验证银行卡批量业务数据重新作为 所述样本银 行卡批量 业务数据， 对所述TP S预测模型进行 更新。 7.根据权利要求5所述的装置， 其特征在于， 所述目标函数是通过将每个样本银行卡批 量业务数据的预测值和目标值的结果相加得到的。 8.根据权利要求5 ‑7任一项所述的装置， 其特 征在于， 所述预测单 元包括： 提取子单 元， 用于从所述目标 银行卡批量 业务数据中提取目标 特征； 预测子单元， 用于将所述目标特征输入所述TPS预测模型， 获得所述目标银行卡批量业 务数据的最大TP S预测结果。 9.一种银 行卡批量 业务TPS的预测设备， 其特 征在于， 包括： 处 理器、 存储器、 系统总线； 所述处理器以及所述存 储器通过 所述系统总线相连； 所述存储器用于存储一个或多个程序， 所述一个或多个程序包括指令， 所述指令当被 所述处理器执行时使所述处 理器执行权利要求1 ‑4任一项所述的方法。 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中存储有指令， 当所述指令在终端设备 上运行时， 使得 所述终端设备 执行权利要求1 ‑4任一项所述的方法。权　利　要　求　书 2/2 页 3 CN 115169684 A 3