論文の概要: An AI-powered Smart Routing Solution for Payment Systems
- arxiv url: http://arxiv.org/abs/2111.00783v1
- Date: Mon, 1 Nov 2021 09:33:02 GMT
- ステータス: 処理完了
- システム内更新日: 2021-11-03 00:41:23.556289
- Title: An AI-powered Smart Routing Solution for Payment Systems
- Title（参考訳）: AIを利用した支払いシステムのためのスマートルーティングソリューション
- Authors: Ramya Bygari, Aayush Gupta, Shashwat Raghuvanshi, Aakanksha Bapna,
Birendra Sahu
- Abstract要約: 我々は静的モジュールと動的モジュールからなるパイプラインを考案した。
動的モジュールは、成功率、支払い属性、タイムラグなどに基づいて、多くの新しいフィーチャを計算します。
このパイプラインは現在、数百万のトランザクションをリアルタイムでルーティングするRazorpayで運用されている。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/publicdomain/zero/1.0/
- Abstract: In the current era of digitization, online payment systems are attracting
considerable interest. Improving the efficiency of a payment system is
important since it has a substantial impact on revenues for businesses. A
gateway is an integral component of a payment system through which every
transaction is routed. In an online payment system, payment processors
integrate with these gateways by means of various configurations such as
pricing, methods, risk checks, etc. These configurations are called terminals.
Each gateway can have multiple terminals associated with it. Routing a payment
transaction through the best terminal is crucial to increase the probability of
a payment transaction being successful. Machine learning (ML) and artificial
intelligence (AI) techniques can be used to accurately predict the best
terminals based on their previous performance and various payment-related
attributes. We have devised a pipeline consisting of static and dynamic
modules. The static module does the initial filtering of the terminals using
static rules and a logistic regression model that predicts gateway downtimes.
Subsequently, the dynamic module computes a lot of novel features based on
success rate, payment attributes, time lag, etc. to model the terminal
behaviour accurately. These features are updated using an adaptive time decay
rate algorithm in real-time using a feedback loop and passed to a random forest
classifier to predict the success probabilities for every terminal. This
pipeline is currently in production at Razorpay routing millions of
transactions through it in real-time and has given a 4-6\% improvement in
success rate across all payment methods (credit card, debit card, UPI, net
banking). This has made our payment system more resilient to performance drops,
which has improved the user experience, instilled more trust in the merchants,
and boosted the revenue of the business.
- Abstract（参考訳）: 現在のデジタル化時代には、オンライン決済システムがかなりの関心を集めている。
支払いシステムの効率性の向上は、ビジネスの収益に大きな影響を与えるため重要である。
ゲートウェイは、すべてのトランザクションがルーティングされる支払いシステムの不可欠なコンポーネントである。
オンライン決済システムでは、支払い処理は価格、方法、リスクチェックなど様々な設定によってこれらのゲートウェイと統合される。
これらの構成を端末と呼ぶ。
各ゲートウェイには複数の端末が関連付けられる。
支払いトランザクションを最良の端末にルーティングすることは、支払いトランザクションが成功する確率を高めるために不可欠である。
機械学習(ML)と人工知能(AI)技術は、過去のパフォーマンスと様々な支払い関連属性に基づいて、最適な端末を正確に予測するために使用することができる。
我々は静的モジュールと動的モジュールからなるパイプラインを考案した。
静的モジュールは、静的ルールとゲートウェイのダウンタイムを予測するロジスティック回帰モデルを使用して、端末の初期フィルタリングを行う。
その後、動的モジュールは成功率、支払い属性、タイムラグなどに基づいて多くの新しい特徴を計算し、端末動作を正確にモデル化する。
これらの特徴を適応時間減衰率アルゴリズムを用いてリアルタイムにフィードバックループを用いて更新し、ランダムフォレスト分類器に渡して端末毎の成功確率を予測する。
このパイプラインは現在razorpayで運用中であり、数百万のトランザクションをリアルタイムにルーティングし、すべての支払い方法(クレジットカード、デビットカード、upi、ネットバンキング)で成功率を4-6\%向上させている。
これにより、当社の決済システムはパフォーマンス低下に対する耐性が向上し、ユーザエクスペリエンスが向上し、商人への信頼が増し、ビジネスの収益が向上しました。
関連論文リスト
- Maximizing Success Rate of Payment Routing using Non-stationary Bandits [5.781861264333114]
帯域幅に基づく支払いルーティングを1秒あたり1万トランザクション以上に最適にスケールするためのRayベースの実装を提案する。
我々は,ファンタジースポーツプラットフォームDream11上で,決済取引システムの実演実験を行った。
我々の非定常帯域ベースアルゴリズムは、従来のルールベースの手法に比べて1ヶ月でトランザクションの成功率を0.92%改善する。
論文 参考訳（メタデータ） (2023-08-02T09:23:16Z) - Does Continual Learning Equally Forget All Parameters? [55.431048995662714]
連続学習(CL)における分散シフト(タスクやドメインシフトなど)は通常、ニューラルネットワークを壊滅的に忘れてしまう。
ニューラルネットワークのどのモジュールが、CL中のトレーニングダイナミクスを調査することによって忘れやすいかを検討する。
CL中に周期的にトリガされるFPFの1段階ごとのリプレイを完全に取り除き,わずか$k$で置き換える,より効率的でシンプルな手法を提案する。
論文 参考訳（メタデータ） (2023-04-09T04:36:24Z) - Research of an optimization model for servicing a network of ATMs and
information payment terminals [0.0]
本研究の目的は、決済端末のネットワークに現金管理システムを構築することである。
本稿では,ATMにおける毎日の現金引き揚げの予測結果について述べる。
提案モデルの有効性と信頼性は,従来のBaumol-Tobin在庫管理モデルよりも高いことが証明された。
論文 参考訳（メタデータ） (2022-10-18T15:15:17Z) - Matching Pursuit Based Scheduling for Over-the-Air Federated Learning [67.59503935237676]
本稿では,フェデレートラーニング手法を用いて,オーバー・ザ・エアラーニングのための低複雑さデバイススケジューリングアルゴリズムのクラスを開発する。
最先端の提案方式と比較すると,提案方式は極めて低効率なシステムである。
提案手法の有効性は,CIFARデータセットを用いた実験により確認した。
論文 参考訳（メタデータ） (2022-06-14T08:14:14Z) - Finite-time System Identification and Adaptive Control in Autoregressive
Exogenous Systems [79.67879934935661]
未知のARXシステムのシステム識別と適応制御の問題について検討する。
我々は,オープンループとクローズループの両方のデータ収集の下で,ARXシステムに対する有限時間学習保証を提供する。
論文 参考訳（メタデータ） (2021-08-26T18:00:00Z) - SpanNer: Named Entity Re-/Recognition as Span Prediction [62.66148736099347]
スパン予測モデルは名前付きエンティティ認識に使用される。
我々は11のデータセットに154のシステムを実験的に実装し、3つの言語をカバーした。
私たちのモデルはExplainaBoardプラットフォームにデプロイされました。
論文 参考訳（メタデータ） (2021-06-01T17:11:42Z) - Regret Analysis of Distributed Online LQR Control for Unknown LTI
Systems [8.832969171530056]
線形時間不変(LTI)系に対する分散オンライン線形2次レギュレータ(LQR)問題について研究する。
本稿では,各エージェントが探索段階でシステム推定を計算するオンラインlqrアルゴリズムの分散型を提案する。
我々は,提案アルゴリズムが$tildeO(T2/3)$をスケールしていることを証明する。
論文 参考訳（メタデータ） (2021-05-15T23:02:58Z) - Timely Communication in Federated Learning [65.1253801733098]
我々は,パラメータサーバ(PS)が,クラウドサーバにクライアントデータを集中的に格納することなく,$n$クライアントを用いてグローバルモデルを訓練するグローバルラーニングフレームワークを検討する。
提案されたスキームでは、各イテレーションでPSは$m$のクライアントを待ち、現在のモデルを送信する。
各クライアントが経験する情報の平均年齢を見つけ、与えられた$n$の年齢最適値である$m$と$k$を数値的に特徴付ける。
論文 参考訳（メタデータ） (2020-12-31T18:52:08Z) - An online learning approach to dynamic pricing and capacity sizing in
service systems [26.720986177499338]
本稿では,$GI/GI/1$キューにおいて,動的価格とキャパシティサイズの問題について検討する。
私たちのフレームワークは、GOLiQ(Gradient-based Online Learning in Queue)と呼ばれています。
論文 参考訳（メタデータ） (2020-09-07T07:17:20Z) - Superiority of Simplicity: A Lightweight Model for Network Device
Workload Prediction [58.98112070128482]
本稿では,歴史観測に基づく時系列予測のための軽量な解を提案する。
ニューラルネットワークと平均予測器という2つのモデルからなる異種アンサンブル法で構成されている。
利用可能なFedCSIS 2020チャレンジデータセットの総合的なR2$スコア0.10を達成している。
論文 参考訳（メタデータ） (2020-07-07T15:44:16Z) - Interleaved Sequence RNNs for Fraud Detection [4.406007955584059]
我々は,プリプロセスからデプロイまでの効率的なMLパイプラインを提案し,リアルタイムに不正を検出するための完全なRNNフレームワークを提案する。
これらの特徴のないマルチシーケンスのRNNは、数百万ドルもの不正検出と少ない計算資源を節約した最先端のモデルより優れていることを示す。
論文 参考訳（メタデータ） (2020-02-14T12:04:11Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。