(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 202210641905.1 (22)申请日 2022.06.07 (71)申请人 平安科技 （深圳） 有限公司 地址 518000 广东省深圳市福田区福田街 道福安社区益田路5033号平 安金融中 心23楼 (72)发明人 温学良　 (74)专利代理 机构 深圳市赛恩倍吉知识产权代 理有限公司 4 4334 专利代理师 陈海云　严林 (51)Int.Cl. G06F 9/455(2006.01) G06Q 40/02(2012.01) (54)发明名称 基于人工智能的对账方法及相关 设备 (57)摘要 本申请提出一种基于人工智能的对 账方法、 装置、 电子设备及存储介质， 基于人工智能的对 账方法包括： 构建数据库存储账目数据集与虚拟 机参数数据集； 计算所述账目数据集中每条账目 数据的第一权重； 将所述第一权重输入自定义整 合模型获得整合结果以作为账目优 先级指标； 计 算所述虚拟机参数数据集中每个虚拟机的第二 权重； 将所述第二权重输入自定义聚合模型获得 聚合结果以作为虚拟机优先级指标； 基于所述账 目优先级指标和虚拟机优先级指标获取账目虚 拟机匹配序列； 基于所述账目虚拟 机匹配序列运 行预设的对 账程序以获得对账结果。 该方法可以 依据账目和虚拟机的优先级将对账任务合理分 配给虚拟机， 从而能够提高对账效率。 权利要求书2页 说明书22页 附图5页 CN 114896028 A 2022.08.12 CN 114896028 A 1.一种基于人工智能的对账 方法， 其特 征在于， 所述方法包括： 构建数据库存 储原始数据集， 所述原 始数据集包括账目数据集与虚拟机参数 数据集； 计算所述账目数据集中每条账目数据的第一权重， 所述第一权重包括时间权重、 金额 权重和渠道权 重； 将所述第一权 重输入自定义整合模型获得整合结果以作为账目优先级指标； 计算所述虚拟机参数数据集中每个虚拟机的第 二权重， 所述第 二权重包括中央处理器 性能权重、 内存权 重、 速度权 重； 将所述第二权 重输入自定义聚合模型获得聚合结果以作为虚拟机优先级指标； 基于所述账目优先级指标和虚拟机优先级指标获取 账目虚拟机匹配序列； 基于所述账目虚拟机匹配序列运行 预设的对账程序以获得对账 结果。 2.如权利要求1所述的基于人工智能的对账方法， 其特征在于， 所述计算所述账目数据 集中每条 账目数据的第一权 重， 所述第一权 重包括时间权 重、 金额权 重和渠道权 重包括： 依据预设的标准化方法计算所述账目数据集中每条账目已存在的时间跨度数据， 并对 所述时间跨度数据进行归一 化后作为时间权 重； 依据预设的标准化方法计算所述账目数据集中每条账目记录的第 三方渠道金额数据， 并对所述第三方渠道的金额数据进行归一 化后作为金额权 重； 分别统计所述账目数据集中每个第 三方渠道包含的总金额数据， 所述账目数据集包含 多个第三方渠道， 每 个第三方渠道对应多条 账目数据； 基于所述每 个第三方渠道包 含的总金额数据计算渠道权 重。 3.如权利要求1所述的基于人工智能的对账方法， 其特征在于， 所述自定义整合模型满 足关系式： 其中， Ti代表第i个所述账目优先级指标， ti代表第i个所述时间权重， Ni代表第i个所述 金额权重， Gi代表第i个账目的渠道权 重， β 代表预设的调和常数， e代 表自然常数。 4.如权利要求1所述的基于人工智能的对账方法， 其特征在于， 所述计算所述虚拟机参 数数据集中每个虚拟机的第二权重， 所述第二权重包括中央处理器性能权重、 内存权重、 速 度权重包括： 计算所述虚拟机参数数据集中虚拟机的中央处理单元的核心数量和核心频率的第一 乘积， 将所述第一乘积作为该虚拟机对应的中央处 理器性能权 重； 计算所述虚拟机参数数据集中一个虚拟机的内存容量与内存频率的第 二乘积， 将所述 第二乘积作为该虚拟机对应的内存性能权 重； 依据预设的标准化算法计算所述虚拟机参数数据集中一个虚拟机的归一化传输速度 以作为该虚拟机对应的速度权 重。 5.如权利要求1所述的基于人工智能的对账方法， 其特征在于， 所述将所述第 二权重输 入自定义的聚合模型获得聚合结果之前， 所述方法还 包括： 依据所述中央处 理器性能权 重、 内存性能权 重和速度权 重构建协方差矩阵； 计算所述协方差矩阵的特征值， 所述特征值包括中央处理器特征值、 内存性能特征值权　利　要　求　书 1/2 页 2 CN 114896028 A 2和速度特征值， 将所述特征值作为所述中央处理器性能权重、 内存性能权重和速度权重的 修正权重； 将所述修正权重作为参数构建自定义聚合模型。 6.如权利要求5所述的基于人工智能的对账方法， 其特征在于， 所述自定义的聚合模型 满足以下关系式： Pi＝tanh[exp( α1)·CPi+exp( α2)·MPi+exp( α3)·SPi] 其中， Pi代表第i个所述虚拟机优先级指标， tanh代表双曲正切函数， exp代表以自然常 数e为底数的指数函数， CPi代表第i个中央处理器性 能权重， MPi代表第i个所述内存性 能权 重， SPi代表第i个所述速度权重， α1代表所述中央处理器性能权重的修正权重， α2代表所述 内存性能权 重的修正权重， α3代表所述速度权 重的修正权重。 7.如权利要求1所述的基于人工智能的对账方法， 其特征在于， 所述基于所述账目优先 级指标和虚拟机优先级指标获取 账目虚拟机匹配序列包括： 基于所述账目优先级指标对所述账目数据集中的账目信 息进行排序， 账目优先级越高 的账目数据排 位越靠前， 将排序后的账目信息作为账目信息序列； 依据所述虚拟机优先级指标对所述虚拟机参数数据集中的所有虚拟机进行排序， 虚拟 机优先级指标越高的虚拟机越靠前， 并将排序后的虚拟机信息作为虚拟机序列； 分别依次遍历所述账目信 息序列和所述虚拟机序列以获取遍历结果， 所述遍历结果包 括账目遍历结果和虚拟机遍历结果， 组合所述遍历结果以获取 账目虚拟机匹配序列。 8.一种基于人工智能的对账装置， 其特 征在于， 所述装置包括： 获取单元， 用于构建数据库存储原始数据集， 所述原始数据集包括账目数据集与虚拟 机参数数据集； 第一计算单元， 用于计算所述账目数据集中的每条账目数据的第一权重， 所述第一权 重包括时间权 重、 金额权 重和渠道权 重； 整合单元， 用于将所述第一权重输入自定义整合模型获得整合结果， 将所述整合结果 作为对应的账目优先级指标； 第二计算单元， 用于计算所述虚拟机参数数据集中的每个虚拟机的第二权重， 所述第 二权重包括中央处 理器性能权 重、 内存权 重、 速度权 重； 聚合单元， 用于将所述第二权重输入自定义的聚合模型获得聚合结果， 将所述聚合结 果作为对应的虚拟机优先级指标； 匹配单元， 基于所述账目优先级指标和虚拟机优先级指标获取 账目虚拟机匹配序列； 对账单元， 用于基于所述账目虚拟机匹配序列运行 预设的程序以获得对账 结果。 9.一种电子设备， 其特 征在于， 所述电子设备包括： 存储器， 存储计算机可读指令； 及 处理器， 执行所述存储器 中存储的计算机可读指令以实现如权利要求1至7中任意一项 所述的基于人工智能的对账 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计算机 可读指令， 所述计算机可读指 令被电子 设备中的处理器执行以实现如权利要求 1至7中任意 一项所述的基于人工智能的对账 方法。权　利　要　求　书 2/2 页 3 CN 114896028 A 3