针对交易的制裁扫描方法及装置

摘要

本说明书实施例提供了针对交易的制裁扫描方法及装置。该方法涉及扫描引擎，扫描引擎关联多个审理机器人，该多个审理机器人包括第一审理机器人，该方法包括：扫描引擎将其生成的当前审理任务发送至第一审理机器人，当前审理任务根据针对当笔交易的制裁扫描请求生成；第一审理机器人在本地数据库中查找与当前审理任务相同的目标人工审理任务，其中，该本地数据库存储有若干人工审理任务和该若干人工审理任务分别对应的审理结果；若查找到，则将目标人工审理任务对应的审理结果返回给扫描引擎；若未查找到，则向扫描引擎返回无法决策消息。

说明书

技术领域

本说明书实施例涉及计算机技术领域，具体地，涉及针对交易的制裁扫描方法及装置。

背景技术

目前，在针对交易的制裁扫描业务中，为了保证制裁风险的全面覆盖，扫描引擎通常会在准确性上作出一些牺牲，因此，在实际制裁扫描业务中，通常由分析员对扫描引擎产出的审理任务进行审理，避免因为准确率因素导致的误稽核和客诉。然而，海量的制裁扫描请求通常会致使大量审理任务的产出，审理的人力成本和审理效率面临着巨大的挑战。

因此，迫切需要一种合理、可靠的方案，能实现在制裁扫描业务中，在保障审理准确性的基础上，节省审理的人力成本，以及提升审理效率。

发明内容

本说明书实施例提供了针对交易的制裁扫描方法及装置，能实现在制裁扫描业务中,在保障审理准确性的基础上,节省审理的人力成本,以及提升审理效率。

第一方面，本说明书实施例提供了一种针对交易的制裁扫描方法，涉及扫描引擎，所述扫描引擎关联多个审理机器人，所述多个审理机器人包括第一审理机器人，所述方法包括：所述扫描引擎将其生成的当前审理任务发送至所述第一审理机器人，所述当前审理任务根据针对当笔交易的制裁扫描请求生成；所述第一审理机器人在本地数据库中，查找与所述当前审理任务相同的目标人工审理任务，其中，所述本地数据库存储有若干人工审理任务和所述若干人工审理任务分别对应的审理结果；若查找到，则将所述目标人工审理任务对应的审理结果返回给所述扫描引擎；若未查找到，则向所述扫描引擎返回无法决策消息。

在一些实施例中，所述当前审理任务包括若干扫描参数和所述若干扫描参数分别对应的命中参数，所述若干扫描参数来源于所述当笔交易，所述命中参数与其对应的扫描参数相匹配且包含在预设的制裁名单中；所述多个审理机器人还包括第二审理机器人，所述方法还包括：所述扫描引擎响应于接收到所述第一审理机器人返回的无法决策消息，将所述当前审理任务发送至所述第二审理机器人；所述第二审理机器人从所述若干扫描参数中选取一个扫描参数作为第一扫描参数，并对所述第一扫描参数和其对应的命中参数进行特征提取，得到提取出的第一特征信息；根据所述第一特征信息预测所述第一扫描参数对应的子审理结果；若未预测出所述子审理结果，则向所述扫描引擎返回针对所述当前审理任务的无法决策消息。

在一些实施例中，在所述根据所述第一特征信息预测所述第一扫描参数对应的子审理结果之后，还包括：若预测出所述子审理结果，且所述子审理结果表示拒绝，则针对所述当前审理任务生成用于表示拒绝的审理结果，并将所生成的审理结果返回给所述扫描引擎。

在一些实施例中，在所述根据所述第一特征信息预测所述第一扫描参数对应的子审理结果之后，还包括：若预测出所述子审理结果，且所述子审理结果表示通过，则确定所述若干扫描参数中是否还存在未被选取的扫描参数；若确定结果为是，则从所述未被选取的扫描参数中选取一个扫描参数作为第一扫描参数，并继续执行所述对所述第一扫描参数和其对应的命中参数进行特征提取；若确定结果为否，则针对所述当前审理任务生成用于表示通过的审理结果，并将所生成的审理结果返回给所述扫描引擎。

在一些实施例中，所述方法还包括：所述扫描引擎响应于接收到所述第二审理机器人返回的无法决策消息，将所述当前审理任务发送至相关审理人员使用的审理端；

所述扫描引擎从所述审理端接收所述审理人员对所述当前审理任务的审理结果。

在一些实施例中，所述第二审理机器人保存有特征相关数据，所述特征相关数据包括若干第二特征信息，以及所述若干第二特征信息分别对应的分数，所述分数为拒绝率或通过率；所述第二特征信息和其对应的分数，根据若干人工审理任务和该若干人工审理任务分别对应的审理结果生成。

在一些实施例中，所述根据所述第一特征信息预测所述第一扫描参数对应的子审理结果，包括：在所述若干第二特征信息中，查找与所述第一特征信息相匹配的目标第二特征信息；若查找到所述目标第二特征信息，则确定所述目标第二特征信息对应的分数是否达到分数阈值；若确定所述目标第二特征信息对应的分数达到分数阈值，则根据所述目标第二特征信息对应的分数，生成所述第一扫描参数对应的子审理结果。

在一些实施例中，所述根据所述第一特征信息预测所述第一扫描参数对应的子审理结果，还包括：若未查找到所述目标第二特征信息，或者确定所述目标第二特征信息对应的分数未达到分数阈值，则确定针对所述第一扫描参数无法预测出子审理结果。

在一些实施例中，所述特征相关数据还包括若干模式，其中任意的模式对应所述若干第二特征信息中的至少一项，并且还关联有特征提取策略；以及所述对所述第一扫描参数和其对应的命中参数进行特征提取，包括：在所述若干模式中，确定所述第一扫描参数和其对应的命中参数符合的目标模式；利用所述目标模式关联的特征提取策略，对所述第一扫描参数和其对应的命中参数进行特征提取；所述在所述若干第二特征信息中，查找与所述第一特征信息相匹配的目标第二特征信息，包括：在所述目标模式对应的第二特征信息中，查找与所述第一特征信息相匹配的目标第二特征信息。

在一些实施例中，所述特征相关数据还包括若干扫描类别，其中任意的扫描类别对应所述若干模式中的至少一项；以及所述在所述若干模式中，确定所述第一扫描参数和其对应的命中参数符合的目标模式，包括：在所述若干扫描类别中，确定所述第一扫描参数符合的目标扫描类别；在所述目标扫描类别对应的模式中，确定所述第一扫描参数和其对应的命中参数符合的目标模式。

在一些实施例中，所述根据所述目标第二特征信息对应的分数，生成所述第一扫描参数对应的子审理结果，包括：若所述目标第二特征信息对应的分数为拒绝率，则生成所述第一扫描参数对应的且表示拒绝的子审理结果；若所述目标第二特征信息对应的分数为通过率，则生成所述第一扫描参数对应的且表示通过的子审理结果。

在一些实施例中，在所述从所述审理端接收所述审理人员对所述当前审理任务的审理结果之后，还包括：所述扫描引擎将所述当前审理任务作为人工审理任务，并将该人工审理任务和其对应的审理结果更新至所述本地数据库。

在一些实施例中，在所述从所述审理端接收所述审理人员对所述当前审理任务的审理结果之后，还包括：所述扫描引擎将所述当前审理任务作为人工审理任务，并根据该人工审理任务和其对应的审理结果，对所述第二审理机器人进行数据更新。

在一些实施例中，所述方法还包括：所述扫描引擎获取经由所述第二审理机器人审理的若干审理任务，以及所述若干审理任务分别对应的审理结果，并将所述若干审理任务发送至相关审理人员使用的审理端；所述扫描引擎从所述审理端接收所述审理人员对所述若干审理任务的审理结果；所述扫描引擎针对所述若干审理任务中的任意审理任务，确定所述第二审理机器人和所述审理人员对所述任意审理任务的审理结果是否一致，并在确定结果为否时，对所述特征相关数据中针对所述任意审理任务引用的第二特征信息，进行失效处理。

在一些实施例中，所述对所述特征相关数据中针对所述任意审理任务引用的第二特征信息，进行失效处理，包括：对针对所述任意审理任务引用的第二特征信息所对应的分数进行归零处理。

在一些实施例中，针对所述任意审理任务引用的第二特征信息包括若干累积性特征；以及所述对所述特征相关数据中针对所述任意审理任务引用的第二特征信息，进行失效处理，还包括：对所述若干累积性特征进行数值归零处理。

在一些实施例中，所述方法还包括：所述扫描引擎从所述特征相关数据中，获取满足预设质检条件的至少一条第二特征信息，以及所述至少一条第二特征信息分别对应的分数；所述扫描引擎将所述至少一条第二特征信息和其分别对应的分数，发送至相关质检人员使用的质检端，以使得所述质检人员进行质量检验。

第二方面，本说明书实施例提供了一种针对交易的制裁扫描方法，应用于第一审理机器人，所述第一审理机器人包含在扫描引擎关联的多个审理机器人中，所述方法包括：接收所述扫描引擎发送的当前审理任务，所述当前审理任务由所述扫描引擎根据针对当笔交易的制裁扫描请求生成；在本地数据库中查找与所述当前审理任务相同的目标人工审理任务，其中，所述本地数据库存储有若干人工审理任务和所述若干人工审理任务分别对应的审理结果；若查找到，则将所述目标人工审理任务对应的审理结果返回给所述扫描引擎；若未查找到，则向所述扫描引擎返回无法决策消息。

第三方面，本说明书实施例提供了一种针对交易的制裁扫描方法，应用于第二审理机器人，所述第二审理机器人包含在扫描引擎关联的多个审理机器人中，所述多个审理机器人还包括第一审理机器人，所述方法包括：接收所述扫描引擎发送的当前审理任务，所述当前审理任务是在所述第一审理机器人未存储与其相同的目标人工审理任务的情况下发送的，所述当前审理任务由所述扫描引擎根据针对当笔交易的制裁扫描请求生成，并且包括若干扫描参数和所述若干扫描参数分别对应的命中参数，所述若干扫描参数来源于所述当笔交易，所述命中参数与其对应的扫描参数相匹配且包含在预设的制裁名单中；从所述若干扫描参数中选取一个扫描参数作为第一扫描参数，并对所述第一扫描参数和其对应的命中参数进行特征提取，得到提取出的第一特征信息；根据所述第一特征信息预测所述第一扫描参数对应的子审理结果；若未预测出所述子审理结果，则向所述扫描引擎返回针对所述当前审理任务的无法决策消息。

第四方面，本说明书实施例提供了一种针对交易的制裁扫描装置，应用于第一审理机器人，所述第一审理机器人包含在扫描引擎关联的多个审理机器人中，所述装置包括：接收单元，被配置成接收所述扫描引擎发送的当前审理任务，所述当前审理任务由所述扫描引擎根据针对当笔交易的制裁扫描请求生成；查找单元，被配置成在本地数据库中查找与所述当前审理任务相同的目标人工审理任务，其中，所述本地数据库存储有若干人工审理任务和所述若干人工审理任务分别对应的审理结果；输出单元，被配置成若查找到，则将所述目标人工审理任务对应的审理结果返回给所述扫描引擎；若未查找到，则向所述扫描引擎返回无法决策消息。

第五方面，本说明书实施例提供了一种针对交易的制裁扫描装置，应用于第二审理机器人，所述第二审理机器人包含在扫描引擎关联的多个审理机器人中，所述多个审理机器人还包括第一审理机器人，所述装置包括：接收单元，被配置成接收所述扫描引擎发送的当前审理任务，所述当前审理任务是在所述第一审理机器人未存储与其相同的目标人工审理任务的情况下发送的，所述当前审理任务由所述扫描引擎根据针对当笔交易的制裁扫描请求生成，并且包括若干扫描参数和所述若干扫描参数分别对应的命中参数，所述若干扫描参数来源于所述当笔交易，所述命中参数与其对应的扫描参数相匹配且包含在预设的制裁名单中；特征提取单元，被配置成从所述若干扫描参数中选取一个扫描参数作为第一扫描参数，并对所述第一扫描参数和其对应的命中参数进行特征提取，得到提取出的第一特征信息；预测单元，被配置成根据所述第一特征信息预测所述第一扫描参数对应的子审理结果；输出单元，被配置成若未预测出所述子审理结果，则向所述扫描引擎返回针对所述当前审理任务的无法决策消息。

第六方面，本说明书实施例提供了一种计算机可读存储介质，其上存储有计算机程序，其中，当该计算机程序在计算机中执行时，令该计算机执行如第二方面和第三方面中任一实现方式描述的方法。

第七方面，本说明书实施例提供了一种计算设备，包括存储器和处理器，其中，该存储器中存储有可执行代码，该处理器执行该可执行代码时，实现如第二方面和第三方面中任一实现方式描述的方法。

第八方面，本说明书实施例提供了一种计算机程序，其中，当该计算机程序在计算机中执行时，令该计算机执行如第二方面和第三方面中任一实现方式描述的方法。

本说明书的上述实施例提供的方案涉及扫描引擎，扫描引擎关联多个审理机器人，扫描引擎可以利用其关联的多个审理机器人中的审理机器人，对当前审理任务进行智能审理，从而节省审理的人力成本，以及提升审理效率。

另外，该多个审理机器人包括第一审理机器人，第一审理机器人的本地数据库存储有若干人工审理任务和该若干人工审理任务分别对应的审理结果。应该理解，该若干人工审理任务是经人工审理过的审理任务，该若干人工审理任务分别对应的审理结果是人工审理的结果，具有较高的准确性。扫描引擎通过利用第一审理机器人对当前审理任务进行审理，可以使得第一审理机器人在当前审理任务为重复任务或重试任务时，也即在当前审理任务与该本地数据库存储的某个人工审理任务相同时，直接进行决策，这样不仅能提升审理效率，还能保障审理准确性。

附图说明

为了更清楚地说明本说明书披露的多个实施例的技术方案，下面将对实施例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说明书披露的多个实施例，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它的附图。

图1是本说明书的一些实施例可以应用于其中的一个示例性系统架构图；

图2是针对交易的制裁扫描方法的一个实施例的流程图；

图3是第二审理机器人的审理过程的一个示意图；

图4是针对交易的制裁扫描装置的一个结构示意图；

图5是针对交易的制裁扫描装置的一个结构示意图。

具体实施方式

下面结合附图和实施例对本说明书作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。所描述的实施例仅仅是本说明书一部分实施例，而不是全部的实施例。基于本说明书中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。在不冲突的情况下，本说明书中的实施例及实施例中的特征可以相互组合。另外，本说明书中的“第一”、“第二”等词，仅用于信息区分，不起任何限定作用。

如前所述，在实际制裁扫描业务中，通常由分析员对扫描引擎产出的审理任务进行审理，避免因为准确率因素导致的误稽核和客诉。然而，海量的制裁扫描请求通常会致使大量审理任务的产出，审理的人力成本和审理效率面临着巨大的挑战。

基于此，本说明书的一些实施例提供了针对交易的制裁扫描方法，能实现在制裁扫描业务中,在保障审理准确性的基础上,节省审理的人力成本,以及提升审理效率。

具体地，图1示出了适用于本说明书的一些实施例的示例性系统架构图。如图1所示，系统架构可以包括扫描引擎，以及扫描引擎关联的多个审理机器人，如图1中示出的第一审理机器人和第二审理机器人。

实践中，扫描引擎可以接收针对交易的制裁扫描请求，并在该交易满足审理要求时，根据该制裁扫描请求，生成审理任务，以及利用上述多个审理机器人中的审理机器人，对所生成的审理任务进行审理。

其中，制裁扫描请求所针对的交易，可以是任意业务场景下的实时交易，该任意业务场景例如可以包括商户入驻、支付或购物等场景。该交易可以包括多个参数。以支付交易为例，其可以包括支付人的姓名、银行卡号等参数。需要指出，该制裁扫描请求可以包括该交易本身，或者包括该多个参数。

扫描引擎可以保存有预设的若干制裁名单。该若干制裁名单例如可以包括国际机构和/或国家机构等发布的制裁名单。具体地，该若干制裁名单例如可以包括，人名名单，公司名单，船舶名单，地址名单，和/或银行卡号名单，等等。需要指出，制裁名单也可以称为制裁黑名单，其中的各个名单项分别指示的对象，例如人、公司、船舶、地址或银行卡号等，是已被相关机构制裁的对象。

上述审理要求例如可以指示出，交易中存在符合(命中)上述若干制裁名单中的制裁名单的参数，且该参数与所符合的制裁名单中的某个名单项相匹配。

上述多个审理机器人可以分别实现为软件模块或服务器等，在此不做具体限定。另外，上述多个审理机器人一般采用不同的审理方式。

例如，第一审理机器人可以对重复任务和重试任务直接进行决策。具体地，第一审理机器人的本地数据库可以存储有若干人工审理任务，以及该若干人工审理任务分别对应的审理结果。应该理解，该若干人工审理任务是经人工审理过的审理任务，该若干人工审理任务分别对应的审理结果是人工审理的结果。第一审理机器人在进行任务审理时，若识别出其审理的审理任务与该若干人工审理任务中的某个人工审理任务相同，则可以判定该审理任务是重复任务或重试任务，从而可以对该审理任务直接进行决策，例如将该某个人工审理任务对应的审理结果作为该审理任务的审理结果。

第二审理机器人例如可以对其审理的审理任务进行特征提取，并基于提取出的特征进行任务审理。

根据前文中对第一审理机器人和第二审理机器人的描述，可以获知，第一审理机器人的审理结果的准确性相对较高。因而，扫描引擎例如可以先利用第一审理机器人对所生成的审理任务进行审理。而后，在第一审理机器人针对该审理任务无法进行决策时，再接着利用第二审理机器人对该审理任务进行审理。

在一个实施例中，扫描引擎还可以支持人工审理。例如，上述系统架构还可以包括相关审理人员使用的审理端。在上述多个审理机器人针对审理任务均无法进行决策时，扫描引擎可以将该审理任务发送至审理端，由审理人员对该审理任务进行人工审理，从而可以得到审理人员对该审理任务的审理结果。

下面，以当笔交易为例，如图1所示，扫描引擎可以接收针对当笔交易的制裁扫描请求，例如从当笔交易所归属的业务对应的业务系统接收，或者从其他系统(如风控系统等)接收。在根据该制裁扫描请求，确定当笔交易满足上述审理要求后，扫描引擎可以针对当笔交易生成当前审理任务。

而后，扫描引擎可以如标号102所示，将当前审理任务发送至第一审理机器人，由第一审理机器人审理当前审理任务。第一审理机器人在完成审理后，可以对扫描引擎进行信息反馈，例如可以如标号104所示，向扫描引擎返回审理结果或无法决策消息。若扫描引擎接收到第一审理机器人返回的无法决策消息，则可以如标号106所示，将当前审理任务发送至第二审理机器人，由第二审理机器人审理当前审理任务。第二审理机器人在完成审理后，也可以对扫描引擎进行信息反馈，例如可以如标号108所示，向扫描引擎返回审理结果或无法决策消息。

接着，若扫描引擎接收到第二审理机器人返回的无法决策消息，则可以如标号110所示，将当前审理任务发送至相关审理人员使用的审理端，由审理人员对当前审理任务进行人工审理。例如，审理端可以如标号112所示，向审理人员提供当前审理任务。审理人员可以对当前审理任务进行人工审理，之后如标号114所示，将对当前审理任务的审理结果提交给审理端。接着，审理端可以如标号116所示，将该审理结果返回给扫描引擎。

采用以上描述的审理过程，能实现在制裁扫描业务中，在保障审理准确性的基础上，节省审理的人力成本，以及提升审理效率。

下面，结合具体的实施例，描述上述方法的具体实施步骤。

参看图2，其为针对交易的制裁扫描方法的一个实施例的示意图。其中，该方法涉及扫描引擎，扫描引擎关联多个审理机器人，该多个审理机器人包括第一审理机器人。该方法包括以下步骤：

步骤202，扫描引擎将其生成的当前审理任务发送至第一审理机器人，当前审理任务根据针对当笔交易的制裁扫描请求生成；

步骤204，第一审理机器人在本地数据库中查找与当前审理任务相同的目标人工审理任务；

步骤206，第一审理机器人若查找到目标人工审理任务，则将目标人工审理任务对应的审理结果返回给扫描引擎；若未查找到目标人工审理任务，则向扫描引擎返回无法决策消息。

实践中，在步骤202之前，扫描引擎可以接收针对当笔交易的制裁扫描请求，例如从当笔交易所归属的业务对应的业务系统接收，或者从其他系统(如风控系统等)接收。其中，当笔交易可以包括多个参数。制裁扫描请求可以包括当笔交易本身，或者包括该多个参数。在根据该制裁扫描请求，确定当笔交易满足如前所述的审理要求后，扫描引擎可以针对当笔交易生成当前审理任务。

作为示例，扫描引擎可以支持若干扫描类别，该若干扫描类别例如可以包括，扫人，扫公司，扫船舶，和/或扫地址，等等。另外，单个扫描类别可以对应前文中描述的若干制裁名单中的至少一个制裁名单。扫描引擎例如可以根据该若干扫描类别，从当笔交易的多个参数中确定出有待扫描的若干参数。应该理解，该若干参数中的参数符合该若干扫描类别中的扫描类别。例如，若当笔交易包括参与交易的人的姓名，并且该若干扫描类别包括扫人，则可以确定该姓名符合扫人这一扫描类别，从而可以将该姓名作为有待扫描的参数。

对于上述若干参数中的任意参数，扫描引擎例如可以在上述若干制裁名单中确定该任意参数符合的制裁名单，例如在该任意参数符合的扫描类别所对应的制裁名单中，确定该任意参数符合的制裁名单，进而可以对该任意参数和该制裁名单中的名单项进行匹配，例如进行相似度计算。需要指出，该任意参数符合的制裁名单，可以称为该任意参数的命中名单。在从该命中名单中匹配出与该任意参数相匹配的名单项后，可以确定当笔交易满足审理要求，从而可以将该任意参数作为扫描参数，将该名单项作为该扫描参数对应的命中参数，以及将该扫描参数和其对应的命中参数归入针对当笔交易的当前审理任务。

可选地，当前审理任务还可以包括其他内容，例如可以将当笔交易所归属的业务场景，和/或当笔交易涉及的语种(例如中文或英文等)等，归入当前审理任务。

基于当前审理任务的生成过程，可以获知，当前审理任务可以包括若干扫描参数和该若干扫描参数分别对应的命中参数，该若干扫描参数来源于当笔交易，该命中参数与其对应的扫描参数相匹配且包含在预设的制裁名单中。

在针对当笔交易生成当前审理任务后，扫描引擎可以通过执行步骤202，将当前审理任务发送至第一审理机器人。其中，第一审理机器人的本地数据库可以存储有若干人工审理任务，以及该若干人工审理任务分别对应的审理结果。应该理解，该若干人工审理任务是经人工审理过的审理任务，该若干人工审理任务分别对应的审理结果是人工审理的结果，具有较高的准确性。

接着，在步骤204中，第一审理机器人可以在本地数据库中，查找与当前审理任务相同的目标人工审理任务。若查找到目标人工审理任务，则第一审理机器人可以判定当前审理任务是重复任务或重试任务，并直接依据目标人工审理任务对应的审理结果进行决策，如将目标人工审理任务对应的审理结果，确定为当前审理任务对应的审理结果。若未查找到目标人工审理任务，则第一审理机器人可以判定当前审理任务不是重复任务或重试任务，进而可以确定针对当前审理任务无法进行决策。

接着，在步骤206中，第一审理机器人可以向扫描引擎返回目标人工审理任务对应的审理结果，或者无法决策消息。例如，在查找到目标人工审理任务时，将目标人工审理任务对应的审理结果返回给扫描引擎；在未查找到目标人工审理任务时，向扫描引擎返回无法决策消息。

在图2对应的实施例中，通过对步骤202-206的执行，可以使得扫描引擎利用第一审理机器人对当前审理任务进行智能审理，能实现在制裁扫描业务中，在保障审理准确性的基础上，节省审理的人力成本，以及提升审理效率。

在一个实施例中，上述多个审理机器人还可以包括第二审理机器人。第二审理机器人可以采用不同于第一审理机器人的审理方式。若在步骤206中，第一审理机器人向扫描引擎返回无法决策消息，则扫描引擎可以接着利用第二审理机器人对当前审理任务进行智能审理。

具体地，在步骤206之后，还可以执行如图2中示出的步骤208-226内的步骤。

在步骤208中，扫描引擎可以响应于接收到第一审理机器人返回的无法决策消息，将当前审理任务发送至第二审理机器人。可以理解的是，当前审理任务可以是在第一审理机器人未存储与其相同的目标人工审理任务的情况下发送的。

接着，第二审理机器人例如可以对当前审理任务进行特征提取，并基于提取出的特征进行任务审理，进而向扫描引擎进行信息反馈，例如返回审理结果或无法决策消息。

具体地，根据前文中的描述，当前审理任务可以包括若干扫描参数和该若干扫描参数分别对应的命中参数。第二审理机器人可以通过执行步骤210，从该若干扫描参数中选取一个扫描参数作为第一扫描参数，以及通过执行步骤212，对第一扫描参数和其对应的命中参数进行特征提取，得到提取出的第一特征信息。这里，第二审理机器人例如可以利用预设的特征提取策略，对第一扫描参数和其对应的命中参数进行特征提取。

接着，在步骤214中，第二审理机器人可以根据第一特征信息预测第一扫描参数对应的子审理结果。

作为示例，第二审理机器人可以保存有特征相关数据，该特征相关数据可以包括若干第二特征信息，以及该若干第二特征信息分别对应的分数，该分数可以为拒绝率或通过率。第二特征信息和其对应的分数，可以根据若干人工审理任务和该若干人工审理任务分别对应的审理结果生成。

基于此，在步骤214中，第二审理机器人可以在上述若干第二特征信息中，查找与第一特征信息相匹配的目标第二特征信息。若查找到目标第二特征信息，则可以确定目标第二特征信息对应的分数是否达到分数阈值。若确定该分数达到分数阈值，则可以根据该分数，生成第一扫描参数对应的子审理结果。

例如，若该分数为拒绝率，则可以生成第一扫描参数对应的且表示拒绝的子审理结果，进而可以执行步骤218。若该分数为通过率，则可以生成第一扫描参数对应的且表示通过的子审理结果，进而可以执行步骤220。需要说明，“拒绝”可以表示有风险，需要阻断。“通过”可以表示无风险，需要放行。

另外，若未查找到目标第二特征信息，或者确定目标第二特征信息对应的分数未达到分数阈值，则可以确定针对第一扫描参数无法预测出子审理结果，进而可以确定针对当前审理任务无法进行决策，从而可以执行步骤216。

在步骤216中，第二审理机器人可以在未预测出第一扫描参数对应的子审理结果时，向扫描引擎返回无法决策消息。

在步骤218中，在预测出第一扫描参数对应的子审理结果的情况下，若该子审理结果表示拒绝，则第二审理机器人可以针对当前审理任务生成用于表示拒绝的审理结果，并通过执行步骤226，将该审理结果返回给扫描引擎。

在步骤220中，在预测出第一扫描参数对应的子审理结果的情况下，若该子审理结果表示通过，则第二审理机器人可以确定上述若干扫描参数中是否还存在未被选取的扫描参数。若确定结果为是，则可以执行步骤222。若确定结果为否，则可以执行步骤224。

在步骤222中，可以响应于步骤220的确定结果为是，从上述未被选取的扫描参数中选取一个扫描参数作为第一扫描参数，并基于该第一扫描参数继续执行步骤212。

在步骤224中，可以响应于步骤220的确定结果为否，针对当前审理任务生成用于表示通过的审理结果，并通过执行步骤226，将该审理结果返回给扫描引擎。

根据前文中对步骤208-226的描述，可以获知，只有在上述若干扫描参数分别对应的子审理结果均表示通过时，第二审理机器人才针对当前审理任务给出通过结论，该通过结论可以表示当笔交易无风险，需要放行。只要上述若干扫描参数中有一个扫描参数对应的子审理结果表示拒绝，第二审理机器人便会针对当前审理任务给出拒绝结论，该拒绝结论可以表示当笔交易有风险，需要阻断。而且，只要上述若干扫描参数中有一个扫描参数对应的子审理结果无法预测得出，第二审理机器人便不会针对当前审理任务进行决策。

在一个实施例中，上述特征相关数据还可以包括若干模式，其中任意的模式可以对应上述若干第二特征信息中的至少一项，并且还关联有特征提取策略。基于此，前文中的步骤212可以进一步包括，如图3中示出的步骤302和步骤304。

具体地，在步骤302中，可以在上述若干模式中，确定第一扫描参数和其对应的命中参数符合的目标模式。在步骤304中，可以利用目标模式关联的特征提取策略，对第一扫描参数和其对应的命中参数进行特征提取，得到提取出的第一特征信息。相应的，前文中的步骤214可以进一步包括，如图3中示出的步骤306。

在步骤306中，可以在目标模式对应的第二特征信息中，查找与第一特征信息相匹配的目标第二特征信息。如此，可以避免将第一特征信息与上述特征相关数据中的各条第二特征信息都进行匹配，能有效节省特征匹配时间。

需要说明，对于上述若干模式中任意的模式，该模式可以反映其对应的第二特征信息关联的扫描参数和命中参数的特点，该模式可以基于该特点而生成。以姓名为例，假设该扫描参数包括“刘一二”，“刘一二”对应的命中参数为“刘二一”，通过观察这两个姓名，可以看出，二者具有姓相同，名相同且顺序颠倒的特点，因而该模式例如可以是“名字颠倒模式”。

接着以名字颠倒模式为例，其对应的第二特征信息例如可以指示出，姓相同，名相同且顺序颠倒。该名字颠倒模式关联的特征提取策略例如可以指示，提取的第一特征信息需要指示出姓相同，名相同且顺序颠倒。进一步地，该第二特征信息还可以指示出其他内容，相应的，该特征提取策略还可以指示提取的第一特征信息需要指示出其他内容。例如，该第二特征信息还可以指示出，其关联的交易所归属的业务场景，该交易涉及的语种，和/或该第二特征信息关联的扫描参数的命中类别(例如人)，等等；相应的，该特征提取策略还可以指示，提取的第一特征信息需要指示出当笔交易所归属的业务场景，当笔交易涉及的语种，和/或扫描参数的命中类别，等等。

继续以姓名为例，对于上述若干模式中任意的模式，假设该模式对应的第二特征信息关联的某个扫描参数为“A1B1C1”，该扫描参数对应的命中参数为“A2B2C2”，其中，A1与A2，B1与B2完全匹配或者对齐匹配(如达到对齐匹配阈值)，词对C1与C2未对齐匹配。在这样的情况下，该模式可以为词对模式。

实践中，词对模式对应的第二特征信息例如可以指示出，词对数目，完全匹配词对数目，对齐匹配词对数目，未对齐匹配词对数目，未对齐匹配词对历史人工审理任务拒绝数，未对齐匹配词对历史人工审理任务通过数。相应的，词对模式关联的特征提取策略可以指示，提取的第一特征信息需要指示出词对数目，完全匹配词对数目，对齐匹配词对数目，未对齐匹配词对数目。可选地，该第二特征信息还可以指示出，其关联的交易所归属的业务场景，该交易涉及的语种，和/或该第二特征信息关联的扫描参数的命中类别，等等；相应的，该特征提取策略还可以指示，提取的第一特征信息需要指示出当笔交易所归属的业务场景，当笔交易涉及的语种，和/或扫描参数的命中类别，等等。

在一个实施例中，上述特征相关数据还可以包括若干扫描类别，该若干扫描类别可以对应上述若干模式中的至少一项。基于此，在步骤302中，可以在该若干扫描类别中，确定第一扫描参数符合的目标扫描类别，进而在目标扫描类别对应的模式中，确定第一扫描参数和其对应的命中参数符合的目标模式。

需要说明，第二审理机器人例如可以保存有第一对应关系信息，其用于表征参数类别和扫描类别之间的对应关系。在步骤302中，可以先确定第一扫描参数所归属的参数类别，该参数类别可以称为第一扫描参数的命中类别。进而，可以根据第一对应关系信息，确定该参数类别对应的扫描类别，并将该扫描类别确定为第一扫描参数符合的目标扫描类别。在确定第一扫描参数和其对应的命中参数符合的目标模式时，可以根据第一扫描参数和其对应的命中参数的特点，确定该目标模式。

继续参看图2，在第二审理机器人针对当前审理任务无法进行决策时，扫描引擎还可以采用人工审理方式。

具体地，在第二审理机器人通过执行步骤216，向扫描引擎返回无法决策消息后，扫描引擎可以响应于接收到第二审理机器人返回的无法决策消息，通过执行步骤228，向相关审理人员使用的审理端发送当前审理任务。接着，审理端可以向审理人员提供当前审理任务，由审理人员进行审理。审理人员在完成审理后，可以将其对当前审理任务的审理结果提交给审理端，进而审理端可以通过执行步骤230，将审理人员对当前审理任务的审理结果返回给扫描引擎。

根据前文中对步骤228和步骤230的描述，可以获知，扫描引擎只有在上述多个审理机器人针对当前审理任务均无法进行决策时，才采用人工审理方式。这样能有效节省审理的人工成本。

在一个实施例中，经人工审理的审理任务和其对应的审理结果，可以用于审理机器人的数据更新，如此能有效提升审理机器人的审理参考数据的全面性和审理准确性。

具体地，在步骤230之后，扫描引擎可以响应于接收到审理人员对当前审理任务的审理结果，将当前审理任务作为人工审理任务，并将该人工审理任务和其对应的审理结果更新至第一智能机器人的本地数据库。

另外，扫描引擎还可以根据该人工审理任务和其对应的审理结果，对第二审理机器人进行数据更新，例如对第二审理机器人中的特征相关数据进行更新。

例如，当该特征相关数据中存在与该人工审理任务相关的第二特征信息时，可以根据该人工审理任务对应的审理结果，更新该第二特征信息对应的分数。进一步地，当该第二特征信息包括若干累积性特征时，可以根据该人工审理任务和该审理结果，对该若干累积性特征进行数值更新。

再例如，当该特征相关数据中不存在与该人工审理任务相关的第二特征信息时，可以利用预设的模板特征提取策略，对该人工审理任务进行特征提取，从而得到用于作为模板特征的第二特征信息，并且可以根据该人工审理任务对应的审理结果，确定该第二特征信息对应的分数。之后，可以将该第二特征信息和其对应的分数更新至该特征相关数据。

在一个实施例中，扫描引擎还可以实现对第二审理机器人中的第二特征信息的质量控制，以避免出现系统性决策错误风险，并保障智能审理准确性，满足合规需求。

具体地，在一个例子中，扫描引擎可以获取(例如周期性的获取)经由第二审理机器人审理的若干审理任务，以及该若干审理任务分别对应的审理结果，并将该若干审理任务发送至相关审理人员使用的审理端。之后，扫描引擎可以从审理端接收审理人员对该若干审理任务的审理结果。接着，扫描引擎可以针对该若干审理任务中的任意审理任务，确定第二审理机器人和审理人员对该任意审理任务的审理结果是否一致，并在确定结果为否时，对上述特征相关数据中针对该任意审理任务引用的第二特征信息，进行失效处理。例如，可以对该第二特征信息对应的分数进行归零处理。进一步地，当该第二特征信息包括若干累积性特征时，还可以对该若干累积性特征进行数值归零处理。

在另一个例子中，扫描引擎可以从上述特征相关数据中，获取(例如周期性的获取)满足预设质检条件的至少一条第二特征信息，以及该至少一条第二特征信息分别对应的分数。之后，扫描引擎可以将该至少一条第二特征信息和其分别对应的分数，发送至相关质检人员使用的质检端，以使得质检人员进行质量检验。其中，该质检人员和前文中的审理人员，可以相同，也可以不同，在此不做具体限定。

预设质检条件可以包括一个或多个子条件，例如预设质检条件可以包括，所对应的分数被进行过归零处理，和/或被引用的次数达到次数阈值。需要指出，当预设质检条件包括多个子条件时，上述至少一条第二特征信息中任意的第二特征信息，可以满足该多个子条件中的一个或多个，在此不做具体限定。

进一步参考图4，本说明书提供了一种针对交易的制裁扫描装置的一个实施例，该装置可以应用于如图1所示的第一审理机器人。其中，第一审理机器人包含在扫描引擎关联的多个审理机器人中。

如图4所示，本实施例的针对交易的制裁扫描装置400包括：接收单元401、查找单元402和输出单元403。其中，接收单元401被配置成接收扫描引擎发送的当前审理任务，当前审理任务由扫描引擎根据针对当笔交易的制裁扫描请求生成；查找单元402被配置成在本地数据库中查找与当前审理任务相同的目标人工审理任务，其中，本地数据库存储有若干人工审理任务和该若干人工审理任务分别对应的审理结果；输出单元403被配置成若查找到，则将目标人工审理任务对应的审理结果返回给扫描引擎；若未查找到，则向扫描引擎返回无法决策消息。

在一些实施例中，接收单元401还可以被配置成：接收扫描引擎发送的人工审理任务和该人工审理任务对应的审理结果；上述装置400还可以包括：存储单元(图中未示出)，被配置成将该人工审理任务和该审理结果存储至本地数据库。

进一步参考图5，本说明书提供了一种针对交易的制裁扫描装置的一个实施例，该装置可以应用于如图1所示的第二审理机器人。其中，第二审理机器人包含在扫描引擎关联的多个审理机器人中，该多个审理机器人还包括第一审理机器人。

如图5所示，本实施例的针对交易的制裁扫描装置500包括：接收单元501、特征提取单元502、预测单元503和输出单元504。其中，接收单元501被配置成接收扫描引擎发送的当前审理任务，当前审理任务是在第一审理机器人未存储与其相同的目标人工审理任务的情况下发送的，当前审理任务由扫描引擎根据针对当笔交易的制裁扫描请求生成，并且包括若干扫描参数和该若干扫描参数分别对应的命中参数，该若干扫描参数来源于当笔交易，该命中参数与其对应的扫描参数相匹配且包含在预设的制裁名单中；特征提取单元502被配置成从该若干扫描参数中选取一个扫描参数作为第一扫描参数，并对第一扫描参数和其对应的命中参数进行特征提取，得到提取出的第一特征信息；预测单元503被配置成根据第一特征信息预测第一扫描参数对应的子审理结果；输出单元504被配置成若未预测出子审理结果，则向扫描引擎返回针对当前审理任务的无法决策消息。

在一些实施例中，上述装置500还可以包括：第一生成单元(图中未示出)，被配置成若预测单元503预测出上述子审理结果，且上述子审理结果表示拒绝，则针对当前审理任务生成用于表示拒绝的审理结果；输出单元504还可以被配置成将该审理结果返回给扫描引擎。

在一些实施例中，上述装置500还可以包括确定单元(图中未示出)和第二生成单元(图中未示出)。确定单元可以被配置成若预测单元503预测出上述子审理结果，且上述子审理结果表示通过，则确定上述若干扫描参数中是否还存在未被选取的扫描参数；特征提取单元502还可以被配置成若确定单元的确定结果为是，则从该未被选取的扫描参数中选取一个扫描参数作为第一扫描参数，并继续执行对第一扫描参数和其对应的命中参数进行特征提取；第二生成单元可以被配置成若确定单元的确定结果为否，则针对当前审理任务生成用于表示通过的审理结果；输出单元504还可以被配置成将该审理结果返回给扫描引擎。

在一些实施例中，第二审理机器人可以保存有特征相关数据，该特征相关数据可以包括若干第二特征信息，以及该若干第二特征信息分别对应的分数，该分数可以为拒绝率或通过率。第二特征信息和其对应的分数，可以根据若干人工审理任务和该若干人工审理任务分别对应的审理结果生成。

在一些实施例中，预测单元503可以进一步被配置成：在上述若干第二特征信息中，查找与第一特征信息相匹配的目标第二特征信息；若查找到目标第二特征信息，则确定目标第二特征信息对应的分数是否达到分数阈值；若确定目标第二特征信息对应的分数达到分数阈值，则根据目标第二特征信息对应的分数，生成第一扫描参数对应的子审理结果。

在一些实施例中，预测单元503可以进一步被配置成：若未查找到目标第二特征信息，或者确定目标第二特征信息对应的分数未达到分数阈值，则确定针对第一扫描参数无法预测出子审理结果。

在一些实施例中，上述特征相关数据还可以包括若干模式，其中任意的模式对应上述若干第二特征信息中的至少一项，并且还关联有特征提取策略；以及特征提取单元502可以进一步被配置成：在上述若干模式中，确定第一扫描参数和其对应的命中参数符合的目标模式，并利用目标模式关联的特征提取策略，对第一扫描参数和其对应的命中参数进行特征提取；预测单元503可以进一步被配置成：在目标模式对应的第二特征信息中，查找与第一特征信息相匹配的目标第二特征信息。

在一些实施例中，上述特征相关数据还可以包括若干扫描类别，其中任意的扫描类别对应上述若干模式中的至少一项；以及特征提取单元502可以进一步被配置成：在该若干扫描类别中，确定第一扫描参数符合的目标扫描类别，并在目标扫描类别对应的模式中，确定第一扫描参数和其对应的命中参数符合的目标模式。

在一些实施例中，预测单元503可以进一步被配置成：若目标第二特征信息对应的分数为拒绝率，则生成第一扫描参数对应的且表示拒绝的子审理结果；若目标第二特征信息对应的分数为通过率，则生成第一扫描参数对应的且表示通过的子审理结果。

在图4、图5分别对应的装置实施例中，各单元的具体处理及其带来的技术效果可参考前文中方法实施例的相关说明，在此不再赘述。

本说明书实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，其中，当该计算机程序在计算机中执行时，令计算机执行以上各方法实施例分别描述的针对交易的制裁扫描方法。

本说明书实施例还提供了一种计算设备，包括存储器和处理器，其中，该存储器中存储有可执行代码，该处理器执行该可执行代码时，实现以上各方法实施例分别描述的针对交易的制裁扫描方法。

本说明书实施例还提供了一种计算机程序，其中，当该计算机程序在计算机中执行时，令计算机执行以上各方法实施例分别描述的针对交易的制裁扫描方法。

本领域技术人员应该可以意识到，在上述一个或多个示例中，本说明书披露的多个实施例所描述的功能可以用硬件、软件、固件或它们的任意组合来实现。当使用软件实现时，可以将这些功能存储在计算机可读介质中或者作为计算机可读介质上的一个或多个指令或代码进行传输。

在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。

以上所述的具体实施方式，对本说明书披露的多个实施例的目的、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，以上所述仅为本说明书披露的多个实施例的具体实施方式而已，并不用于限定本说明书披露的多个实施例的保护范围，凡在本说明书披露的多个实施例的技术方案的基础之上，所做的任何修改、等同替换、改进等，均应包括在本说明书披露的多个实施例的保护范围之内。