银行分布式系统中的差错交易处理方法及装置

技术领域

本发明涉及计算机数据处理技术领域，尤其涉及一种银行分布式系统中的差错交易处理方法及装置。

背景技术

本部分旨在为权利要求书中陈述的本发明实施例提供背景或上下文。此处的描述不因为包括在本部分中就承认是现有技术。

在银行分布式系统中，交易数据往往存在于多个不同的数据库中，需要通过分布式事务保证交易各方的事务一致性。当差错发生时，往往需要判别当前场景下差错交易的处理方式。目前所有差错的判别都是落入中台进行人工处理的，处理效率慢，且可能因为一笔差错未及时处理导致产生雪崩式的多笔错账，容易影响用户体验。

针对上述问题，目前尚未提出有效的解决方案。

发明内容

本发明实施例提供一种银行分布式系统中的差错交易处理方法，用以快速确定差错交易的处理方式，提高银行的差错交易处理效率，降低差错交易的影响范围，改善用户体验，该方法包括：

获取银行分布式系统的历史差错交易数据，所述历史差错交易数据包括每一历史差错交易的交易特征数据和对应的差错交易处理方式；

构建历史差错交易的交易特征向量，其中每一历史差错交易的交易特征向量对应于每一历史差错交易的交易特征数据；对多个历史差错交易的交易特征向量进行聚类，根据聚类结果对历史差错交易数据进行第一次划分，得到多个第一类数据集合，所述第一类数据集合是以交易特征作为分类标准得到的数据集合；

在每一第一类数据集合中，将应用频率最高的差错交易处理方式，确定为该第一类数据集合的差错交易处理方式；

在银行分布式系统中有待处理差错交易时，获取待处理差错交易的交易特征数据；构建待处理差错交易的交易特征向量，所述待处理差错交易的交易特征向量对应于所述待处理差错交易的交易特征数据；计算所述待处理差错交易的交易特征向量与每一第一类数据集合对应的交易特征向量的聚类中心之间的距离；

在有多个距离计算结果小于预设阈值时，确定所述多个距离计算结果对应的多个第一类数据集合为标准数据集合；根据多个小于预设阈值的距离计算结果，从小到大的顺序，确定每一标准数据集合的权重；

根据每一标准数据集合的权重、每一标准数据集合对应的差错交易处理方式，确定待处理差错交易的差错交易处理方式。

本发明实施例还提供一种银行分布式系统中的差错交易处理装置，用以快速确定差错交易的处理方式，提高银行的差错交易处理效率，降低差错交易的影响范围，改善用户体验，该装置包括：

交易数据获取模块，用于获取银行分布式系统的历史差错交易数据，所述历史差错交易数据包括每一历史差错交易的交易特征数据和对应的差错交易处理方式；

第一次划分模块，用于构建历史差错交易的交易特征向量，其中每一历史差错交易的交易特征向量对应于每一历史差错交易的交易特征数据；对多个历史差错交易的交易特征向量进行聚类，根据聚类结果对历史差错交易数据进行第一次划分，得到多个第一类数据集合，所述第一类数据集合是以交易特征作为分类标准得到的数据集合；

第一确定模块，用于在每一第一类数据集合中，将应用频率最高的差错交易处理方式，确定为该第一类数据集合的差错交易处理方式；

计算模块，用于在银行分布式系统中有待处理差错交易时，获取待处理差错交易的交易特征数据；构建待处理差错交易的交易特征向量，所述待处理差错交易的交易特征向量对应于所述待处理差错交易的交易特征数据；计算所述待处理差错交易的交易特征向量与每一第一类数据集合对应的交易特征向量的聚类中心之间的距离；

权重确定模块，用于在有多个距离计算结果小于预设阈值时，确定所述多个距离计算结果对应的多个第一类数据集合为标准数据集合；根据多个小于预设阈值的距离计算结果，从小到大的顺序，确定每一标准数据集合的权重；

第二确定模块，用于根据每一标准数据集合的权重、每一标准数据集合对应的差错交易处理方式，确定待处理差错交易的差错交易处理方式。

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银行分布式系统中的差错交易处理方法。

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银行分布式系统中的差错交易处理方法。

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银行分布式系统中的差错交易处理方法。

本发明实施例中，获取银行分布式系统的历史差错交易数据；构建历史差错交易的交易特征向量，其中每一历史差错交易的交易特征向量对应于每一历史差错交易的交易特征数据；对多个历史差错交易的交易特征向量进行聚类，根据聚类结果对历史差错交易数据进行第一次划分，得到多个第一类数据集合；在每一第一类数据集合中，将应用频率最高的差错交易处理方式，确定为该第一类数据集合的差错交易处理方式；在银行分布式系统中有待处理差错交易时，获取待处理差错交易的交易特征数据；构建待处理差错交易的交易特征向量，所述待处理差错交易的交易特征向量对应于所述待处理差错交易的交易特征数据；计算所述待处理差错交易的交易特征向量与每一第一类数据集合对应的交易特征向量的聚类中心之间的距离；在有多个距离计算结果小于预设阈值时，确定所述多个距离计算结果对应的多个第一类数据集合为标准数据集合；根据多个小于预设阈值的距离计算结果，从小到大的顺序，确定每一标准数据集合的权重；根据每一标准数据集合的权重、每一标准数据集合对应的差错交易处理方式，确定待处理差错交易的差错交易处理方式，可以快速确定差错交易的处理方式，提高银行的差错交易处理效率，降低差错交易的影响范围，改善用户体验。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。在附图中：

图1为本发明实施例中银行分布式系统中的差错交易处理方法的处理流程图；

图2为本发明实施例中银行分布式系统中的差错交易处理装置的结构示意图；

图3为本发明实施例中银行分布式系统中的差错交易处理装置的一具体实例结构示意图；

图4为本发明实施例中银行分布式系统中的差错交易处理装置的一具体实例结构示意图；

图5为本发明一实施例的计算机设备结构示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚明白，下面结合附图对本发明实施例做进一步详细说明。在此，本发明的示意性实施例及其说明用于解释本发明，但并不作为对本发明的限定。

图1为本发明实施例中银行分布式系统中的差错交易处理方法的处理流程图。如图1所示，本发明实施例中银行分布式系统中的差错交易处理方法可以包括：

步骤101、获取银行分布式系统的历史差错交易数据，所述历史差错交易数据包括每一历史差错交易的交易特征数据和对应的差错交易处理方式；

步骤102、构建历史差错交易的交易特征向量，其中每一历史差错交易的交易特征向量对应于每一历史差错交易的交易特征数据；对多个历史差错交易的交易特征向量进行聚类，根据聚类结果对历史差错交易数据进行第一次划分，得到多个第一类数据集合，所述第一类数据集合是以交易特征作为分类标准得到的数据集合；

步骤103、在每一第一类数据集合中，将应用频率最高的差错交易处理方式，确定为该第一类数据集合的差错交易处理方式；

步骤104、在银行分布式系统中有待处理差错交易时，获取待处理差错交易的交易特征数据；构建待处理差错交易的交易特征向量，所述待处理差错交易的交易特征向量对应于所述待处理差错交易的交易特征数据；计算所述待处理差错交易的交易特征向量与每一第一类数据集合对应的交易特征向量的聚类中心之间的距离；

步骤105、在有多个距离计算结果小于预设阈值时，确定所述多个距离计算结果对应的多个第一类数据集合为标准数据集合；根据多个小于预设阈值的距离计算结果，从小到大的顺序，确定每一标准数据集合的权重；

步骤106、根据每一标准数据集合的权重、每一标准数据集合对应的差错交易处理方式，确定待处理差错交易的差错交易处理方式。

为确定银行分布式系统中不同差错交易的处理方式，可以先获取银行分布式系统的历史差错交易数据，其中历史差错交易数据包括每一历史差错交易的交易特征数据和对应的差错交易处理方式，差错交易处理方式例如可以包括向前执行、向后补偿等。

在一个实施例中，所述交易特征数据可以包括以下至少一个维度的特征数据：交易渠道、交易类别、交易地点、交易账户类别、交易错误码。

由于差错交易的交易特征数据与其对应的差错交易处理方式存在关联关系，可以根据历史差错交易的交易特征对历史差错交易数据进行分类，首先可以构建历史差错交易的交易特征向量，其中每一历史差错交易的交易特征向量对应于每一历史差错交易的交易特征数据；然后可以对多个历史差错交易的交易特征向量进行聚类，根据聚类结果对历史差错交易数据进行第一次划分，得到多个第一类数据集合，其中第一类数据集合是以交易特征作为分类标准得到的数据集合；最后可以在每一第一类数据集合中，将应用频率最高的差错交易处理方式，确定为该第一类数据集合的差错交易处理方式。

具体实施时，可以选择K均值对多个历史差错交易的交易特征向量进行聚类，进而获得多个第一类数据集合。由于交易类别作为交易特征中最重要的因素，直接可以影响第一类数据集合的划分，为了获得更加精确的聚类结果，可以对上述获得的多个第一类数据集合中的每一个第一类数据集合，确定该第一类数据集合中每一个交易数据的交易类别；从所有的交易类别中，选取出对应交易数量最多的交易类别，并将该交易类别确定为该第一类数据集合的交易类别。对于每个第一类数据集合，确定该集合是否满足条件p：该第一类数据集合的交易类别对应的交易数量与该第一类数据集合的交易数量的比值是否大于指定比值，如果不满足则继续对该第一类数据集合对应的交易特征向量进行聚类分析，直至新生成的每一个第一类数据集合满足上述条件p。

在得到多个第一类数据集合之后，可以将每一第一类数据集合中，应用频率最高的差错交易处理方式，确定为该第一类数据集合的差错交易处理方式。例如，第一类数据集合H中70％历史差错交易的处理方式为向前执行，30％历史差错交易的处理方式为向后补偿，则可以确定第一类数据集合H的差错交易处理方式为向前执行。

在银行分布式系统中有待处理差错交易时，首先可以获取待处理差错交易的交易特征数据；构建待处理差错交易的交易特征向量，其中，待处理差错交易的交易特征向量对应于所述待处理差错交易的交易特征数据；计算所述待处理差错交易的交易特征向量与每一第一类数据集合对应的交易特征向量的聚类中心之间的距离；在有多个距离计算结果小于预设阈值时，可以确定所述多个距离计算结果对应的多个第一类数据集合为标准数据集合；并根据多个小于预设阈值的距离计算结果，从小到大的顺序，确定每一标准数据集合的权重；根据每一标准数据集合的权重、每一标准数据集合对应的差错交易处理方式，可以确定待处理差错交易的差错交易处理方式。

具体实施时，可以计算所述待处理差错交易的交易特征向量与每一第一类数据集合对应的交易特征向量的聚类中心之间的欧式距离，欧式距离计算公式如下所示：

其中，d(x,y)为待处理差错交易的交易特征向量与每一第一类数据集合对应的交易特征向量的聚类中心之间的欧式距离，x

具体实施时，在确定多个第一类数据集合为标准数据集合之后，可以按照如下公式确定每一标准数据集合的权重，假设有m个标准数据集合，第i个标准数据集合的权重可以设置为：

其中，W

下面以一个具体的例子进行说明：例如有三个欧式距离计算结果小于预设阈值时，可以将所述三个欧式距离计算结果对应的第一类数据集合设置为：标准数据集合A、标准数据集合B、标准数据集合C；其中标准数据集合A的历史差错交易的处理方式为向前执行，标准数据集合B的历史差错交易的处理方式为向前执行，标准数据集合C的历史差错交易的处理方式为向后补偿，通过上述权重计算公式分别计算标准数据集合A、标准数据集合B、标准数据集合C的权重，若标准数据集合A的权重和标准数据集合B的权重之和，大于标准数据集合C的权重，则可以确定待处理差错交易的差错交易处理方式为向前执行。

与现有技术中先确定待处理差错交易属于某一第一类数据集合，再将该第一类数据集合对应的差错交易处理方式作为待处理差错交易的处理方式相比，本发明实施例通过引用权重对多个符合限制条件的第一类数据集合进行综合分析，然后根据分析结果确定待处理差错交易的处理方式，可以提高待处理差错交易处理方式确定的准确性，避免因某一个第一类数据集合本身的局限性，影响待处理差错交易的处理方式选取的可靠性。

在一个实施例中，还可以包括：在只有一个距离计算结果小于预设阈值时，根据该距离计算结果对应的第一类数据集合的差错交易处理方式，确定待处理差错交易的差错交易处理方式；在没有距离计算结果小于预设阈值时，将待处理差错交易上传至银行分布式系统的管理端，由管理端确定待处理差错交易的差错交易处理方式。

具体实施时，若没有距离计算结果小于预设阈值时，说明待处理差错交易与历史差错交易的交易特征相似度不高，无法根据任一第一类数据集合的差错交易处理方式，得出待处理差错交易的差错交易处理方式。这时可以将待处理差错交易上传至银行分布式系统的管理端，由工作人员确定待处理差错交易的差错交易处理方式，在差错交易处理完成后，还可以将处理完成的差错交易及其处理方式作为新的样本数据保存至历史差错交易数据，用于继续构建历史差错交易的交易特征向量进行聚类，划分得到新的第一类数据集合。

在实际操作过程中，随着银行分布式系统的复杂程度越来越高，总会出现从未处理过的待处理差错交易，在历史差错交易数据的样本数量较少时，容易导致没有与待处理差错交易的距离计算结果小于预设阈值的第一类数据集合，此时若仍根据历史差错交易数据处理待处理差错交易，虽然可以提高效率，但同时容易导致差错交易处理失误，造成更大的损失。因此，可以将根据历史差错交易数据自动处理差错交易，与人工处理差错交易相结合，在实际操作过程中根据历史差错交易数据的样本数量动态调整距离计算结果的预设阈值(即待处理差错交易的交易特征向量与每一第一类数据集合对应的交易特征向量的聚类中心之间的距离的预设阈值)，可以在确保避免银行损失的同时提高差错交易的处理效率。

在一个实施例中，还可以包括：以差错交易处理方式为类别标识，对历史差错交易数据进行第二次划分，得到多个第二类数据集合，其中每一第二类数据集合中的差错交易的处理方式相同；在确定待处理差错交易的差错交易处理方式之后，计算待处理差错交易的交易特征数据，与每一第二类数据集合中交易特征数据的相似度；在与待处理差错交易的交易特征数据相似度最高的第二类数据集合中的差错交易的处理方式，不是已确定的待处理差错交易的差错交易处理方式时，将待处理差错交易上传至银行分布式系统的管理端，由管理端重新确定待处理差错交易的差错交易处理方式。

在一个实施例中，计算待处理差错交易的交易特征数据，与每一第二类数据集合中交易特征数据的相似度，可以包括：预先设置不同维度交易特征数据的优先级，按照不同维度交易特征数据的优先级，依次计算待处理差错交易各个维度的交易特征数据，在每一第二类数据集合对应维度的交易特征数据中所占的比例；根据待处理差错交易各个维度的交易特征数据，在每一第二类数据集合对应维度的交易特征数据中所占的比例，确定待处理差错交易的交易特征数据，与每一第二类数据集合中交易特征数据的相似度。

具体实施时，由于历史差错交易数据包括每一历史差错交易的交易特征数据和对应的差错交易处理方式，除了以交易特征作为分类标准对历史差错交易数据进行第一次划分外，还可以将差错交易处理方式为类别标识，对历史差错交易数据进行第二次划分，得到多个第二类数据集合，其中每一第二类数据集合中的差错交易的处理方式相同，可以用于对上述根据第一类数据集合确定的待处理差错交易的处理方式，进行反向验证，即通过计算待处理差错交易的交易特征数据，与每一第二类数据集合中交易特征数据的相似度，若在与待处理差错交易的交易特征数据相似度最高的第二类数据集合中的差错交易的处理方式，不是已确定的待处理差错交易的差错交易处理方式，说明根据第一类数据集合确定的待处理差错交易的处理方式不准确，若仍按照已确定的差错交易处理方式进行处理，易引发后续多笔错账，造成严重损失。

由于不是所有差错交易都可以根据历史差错交易数据确定处理方式，因此还可以利用第二类数据集合对先前根据第一类数据集合确定的待处理差错交易的差错交易处理方式进行反向验证，能够检测出先前的错误处理方式，及时采取补救措施，避免损失扩大，具体实施时，可以将待处理差错交易上传至银行分布式系统的管理端，由工作人员重新确定待处理差错交易的差错交易处理方式。

仍继续以上述内容为例，第二类数据集合可以分为两个，对应向前执行的第二类数据集合M，和对应向后补偿的第二类数据集合N；例如预先设置不同维度交易特征数据的优先级为：交易错误码>交易类别>交易账户类别>交易渠道>交易渠道；其中待处理差错交易的：交易错误码：10001(用户认证失败)、交易类别：转账、账户类别：普通用户、交易渠道：ATM、交易地点：P地；若交易错误码为10001的数据占第二类数据集合M中交易错误码数据的60％，也占第二类数据集合N中交易错误码数据的60％，则按优先级继续比较交易类别，若交易类别为转账的数据占第二类数据集合M中交易类别数据的80％，占第二类数据集合N中交易类别数据的50％，则不必继续比较交易账户类别、交易渠道、交易渠道在第二类数据集合M、N中对应维度的交易特征数据中所占的比例，可以确定待处理差错交易与第二类数据集合M的相似度最高，且第二类数据集合M的差错交易处理方式为向前执行，与已确定的待处理差错交易的差错交易处理方式相同，可以证明上述根据第一类数据集合确定的待处理差错交易的处理方式是准确的，最终确定以向前执行的方式处理待处理差错交易。

具体实施时，除前述方法中分别将交易特征和差错交易处理方式作为变量，得到第一类数据集合和第二类数据集合外，为提高聚类操作的效率，还可以按照如下方法对多个历史差错交易的交易特征向量进行聚类：(通过一次聚类即可保证每个数据集合的交易特征相似度符合预设要求，且每个数据集合的差错交易处理方式相同)

1.在历史差错交易的交易特征向量空间中选取K个聚类中心，每个聚类中心对应于一个第三类数据集合，该第三类数据集合的初始元素只包含聚类中心对应的历史差错交易数据；

2.对于每一历史差错交易数据，从所有的聚类中心中选取出和该历史差错交易数据的差错交易处理方式一致的多个聚类中心；计算选取出的每个聚类中心和该历史差错交易数据的交易特征向量的距离；选取出该多个距离中的最小值作为该历史差错交易数据处理方式相同的交易特征最小距离；计算未被选取出的每个聚类中心和该历史差错交易数据的交易特征向量的距离；选取出该多个距离中的最小值作为该历史差错交易数据处理方式不同的交易特征最小距离；

3.对于每一历史差错交易数据，如果处理方式相同的交易特征最小距离小于处理方式不同的交易特征最小距离，则将该历史差错交易数据划分到该处理方式相同的交易特征最小距离对应的聚类中心对应的第三类数据集合中；如果处理方式相同的交易特征最小距离大于处理方式不同的交易特征最小距离，则新建一个聚类中心，该新建的聚类中心对应一个新的第三类数据集合，该新的第三类数据集合的初始元素只包含该历史差错交易数据；

4.对所有的历史差错交易数据执行完上述步骤2和步骤3后，对于每一第三类数据集合，将该第三类数据集合对应的聚类中心更新为该第三类数据集合对应的所有交易特征向量的均值；

5.重复上述步骤2，步骤3和步骤4，直至聚类中心的变化非常小(聚类中心在更新前后的两个值的差的绝对值小于阈值)，从而得到多个第三类数据集合。

本发明实施例中还提供了一种银行分布式系统中的差错交易处理装置，如下面的实施例所述。由于该装置解决问题的原理与银行分布式系统中的差错交易处理方法相似，因此该装置的实施可以参见银行分布式系统中的差错交易处理方法的实施，重复之处不再赘述。

图2为本发明实施例中银行分布式系统中的差错交易处理装置的结构示意图。如图2所示，本发明实施例中银行分布式系统中的差错交易处理装置具体可以包括：

交易数据获取模块201，用于获取银行分布式系统的历史差错交易数据，所述历史差错交易数据包括每一历史差错交易的交易特征数据和对应的差错交易处理方式；

第一次划分模块202，用于构建历史差错交易的交易特征向量，其中每一历史差错交易的交易特征向量对应于每一历史差错交易的交易特征数据；对多个历史差错交易的交易特征向量进行聚类，根据聚类结果对历史差错交易数据进行第一次划分，得到多个第一类数据集合，所述第一类数据集合是以交易特征作为分类标准得到的数据集合；

第一确定模块203，用于在每一第一类数据集合中，将应用频率最高的差错交易处理方式，确定为该第一类数据集合的差错交易处理方式；

计算模块204，用于在银行分布式系统中有待处理差错交易时，获取待处理差错交易的交易特征数据；构建待处理差错交易的交易特征向量，所述待处理差错交易的交易特征向量对应于所述待处理差错交易的交易特征数据；计算所述待处理差错交易的交易特征向量与每一第一类数据集合对应的交易特征向量的聚类中心之间的距离；

权重确定模块205，用于在有多个距离计算结果小于预设阈值时，确定所述多个距离计算结果对应的多个第一类数据集合为标准数据集合；根据多个小于预设阈值的距离计算结果，从小到大的顺序，确定每一标准数据集合的权重；

第二确定模块206，用于根据每一标准数据集合的权重、每一标准数据集合对应的差错交易处理方式，确定待处理差错交易的差错交易处理方式。

在一个实施例中，所述交易特征数据包括以下至少一个维度的特征数据：

交易渠道、交易类别、交易地点、交易账户类别、交易错误码。

图3为本发明实施例中银行分布式系统中的差错交易处理装置的一具体实例结构示意图。如图3所示，在实施例中，图2所示的银行分布式系统中的差错交易处理装置还包括：

第三确定模块301，用于：

在只有一个距离计算结果小于预设阈值时，根据该距离计算结果对应的第一类数据集合的差错交易处理方式，确定待处理差错交易的差错交易处理方式；

在没有距离计算结果小于预设阈值时，将待处理差错交易上传至银行分布式系统的管理端，由管理端确定待处理差错交易的差错交易处理方式。

图4为本发明实施例中银行分布式系统中的差错交易处理装置的一具体实例结构示意图。如图4所示，在实施例中，图2所示的银行分布式系统中的差错交易处理装置还包括：

第二次划分模块401，用于：

以差错交易处理方式为类别标识，对历史差错交易数据进行第二次划分，得到多个第二类数据集合，其中每一第二类数据集合中的差错交易的处理方式相同；

在确定待处理差错交易的差错交易处理方式之后，计算待处理差错交易的交易特征数据，与每一第二类数据集合中交易特征数据的相似度；

在与待处理差错交易的交易特征数据相似度最高的第二类数据集合中的差错交易的处理方式，不是已确定的待处理差错交易的差错交易处理方式时，将待处理差错交易上传至银行分布式系统的管理端，由管理端重新确定待处理差错交易的差错交易处理方式。

图4中可以包括图3中的第三确定模块301。

在一个实施例中，第二次划分模块401具体用于：

预先设置不同维度交易特征数据的优先级，按照不同维度交易特征数据的优先级，依次计算待处理差错交易各个维度的交易特征数据，在每一第二类数据集合对应维度的交易特征数据中所占的比例；

根据待处理差错交易各个维度的交易特征数据，在每一第二类数据集合对应维度的交易特征数据中所占的比例，确定待处理差错交易的交易特征数据，与每一第二类数据集合中交易特征数据的相似度。

基于前述发明构思，如图5所示，本发明还提出了一种计算机设备500，包括存储器510、处理器520及存储在存储器510上并可在处理器520上运行的计算机程序530，所述处理器520执行所述计算机程序530时实现前述银行分布式系统中的差错交易处理方法。

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银行分布式系统中的差错交易处理方法。

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银行分布式系统中的差错交易处理方法。

综上所述，本发明实施例中，获取银行分布式系统的历史差错交易数据；构建历史差错交易的交易特征向量，其中每一历史差错交易的交易特征向量对应于每一历史差错交易的交易特征数据；对多个历史差错交易的交易特征向量进行聚类，根据聚类结果对历史差错交易数据进行第一次划分，得到多个第一类数据集合；在每一第一类数据集合中，将应用频率最高的差错交易处理方式，确定为该第一类数据集合的差错交易处理方式；在银行分布式系统中有待处理差错交易时，获取待处理差错交易的交易特征数据；构建待处理差错交易的交易特征向量，所述待处理差错交易的交易特征向量对应于所述待处理差错交易的交易特征数据；计算所述待处理差错交易的交易特征向量与每一第一类数据集合对应的交易特征向量的聚类中心之间的距离；在有多个距离计算结果小于预设阈值时，确定所述多个距离计算结果对应的多个第一类数据集合为标准数据集合；根据多个小于预设阈值的距离计算结果，从小到大的顺序，确定每一标准数据集合的权重；根据每一标准数据集合的权重、每一标准数据集合对应的差错交易处理方式，确定待处理差错交易的差错交易处理方式，可以快速确定差错交易的处理方式，提高银行的差错交易处理效率，降低差错交易的影响范围，改善用户体验。

本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施例而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。