[發明專利]數字應用工具實例化

在審

• 申請號: 202010635931.4
• 申請日: 2020-07-03
• 公開（公告）號: CN112183761A
• 公開（公告）日: 2021-01-05
• 發明（設計）人: V.戈雅爾;D.I.尼斯特
• 申請（專利權）人: 谷歌有限責任公司
• 主分類號: G06N20/00
• 分類號: G06N20/00;G06Q20/36
• 代理公司: 北京市柳沈律師事務所 11105
• 代理人: 金玉潔

向數字應用添加工具包括一種處理器，用于基于與工具與對手方和用戶的交互有關的歷史數據來訓練機器學習過程。處理器接收向與用戶相關聯的數字應用添加工具的請求并且訪問與工具、用戶和數字應用相關聯的數據。處理器將訪問的數據輸入到機器學習過程中并且基于機器學習過程確定向數字應用添加工具的風險得分。如果處理器確定風險得分小于或等于配置的閾值，則處理器向數字應用添加工具。如果風險得分大于閾值，則處理器拒絕工具的添加。

技術領域

本公開涉及在數字應用上安裝工具。更具體而言，機器學習算法被訓練并且被用于確定工具的安裝在數字工具上的實例化之時是否具有大于閾值的風險可能性。

背景技術

在傳統系統中，處理系統在使用時評估交互以確定交互是否具有高風險。被認為具有升高的風險的交互可被拒絕或者被發送來進行進一步評估。當交互被拒絕時，交互可被延遲或終止，同時在銷售點識別適當的工具或替換交互。當交互被延遲或終止時，用戶和交互對手方變得挫敗并且氣餒并且可能不會完成交互。

發明內容

本文的技術提供了計算機實現的方法來在未決交互的時間之前的時間向數字應用添加工具。該方法包括基于與工具與對手方和用戶的交互有關的歷史數據來訓練機器學習過程。處理器接收向與用戶相關聯的數字應用添加工具的請求并且訪問與工具、用戶和數字應用相關聯的數據。處理器將訪問的數據輸入到機器學習過程中并且基于機器學習過程確定向數字應用添加工具的風險得分。如果處理器確定風險得分低于或等于配置的閾值，則處理器向數字應用添加工具。如果風險得分高于閾值，則處理器拒絕工具的添加。

在本文描述的某些其他示例方面中，提供了向數字應用添加工具的系統和計算機程序產品。

本領域普通技術人員在考慮對圖示示例實施例的以下詳細描述后將清楚示例實施例的這些和其他方面、目標、特征和優點。

附圖說明

圖1是根據某些示例描繪向數字應用添加工具的系統的框圖。

圖2是根據某些示例描繪向數字應用添加工具的方法的方框流程圖。

圖3是根據某些示例描繪經由機器學習算法分析工具的方法的方框流程圖。

圖4是根據某些示例描繪計算機器和模塊的框圖。

具體實施方式

概述

在某些示例中，機器學習算法、處理器、軟件或其他機器學習系統被訓練并且利用來分析工具以確定該工具是否應當被添加到數字應用。如果工具被確定為造成欺詐的風險或者在其他方面基于識別的因素和特性被確定為不是適當的工具，則數字應用將拒絕該工具。也就是說，當風險得分升高時，工具根本不被添加到數字應用。如果工具基于情況和訪問的歷史是適當的工具，則數字應用并入該工具并且允許用戶在后續交互時訪問該工具。

在一示例中，工具是支付工具或者訪問工具，例如信用卡、借記卡、商店卡、預付卡、積分卡、識別卡或者任何其他適當的工具。在一示例中，數字應用是數字錢包或者用戶采用來管理支付工具和其他工具的類似應用。數字錢包允許了用戶制定規則來決定對于不同的交互使用哪個工具。數字錢包在支付工具被請求時可執行任何其他算法或選擇過程。在一示例中，交互是支付交易，但其他類型的交互可被使用，例如入住登記、訪問授權、票券顯示或者任何其他適當的交互。

在本文描述的某些示例中，工具將被描述為支付工具，數字應用將被描述為數字錢包，并且交互將被描述為交易。這些示例是用于說明的。