本公开涉及非接触式刷卡，尤其涉及一种智能选卡方法和装置。
背景技术：
1、nfc电子设备常见的工作模式包括读卡器模式(rw)、点对点模式(p2p)和卡模拟模式(ce)，读卡器模式用于扫描对端设备的nfc标签读取标签内信息，点对点模式用于与其它对端设备建立连接实现数据交互，卡模拟模式用于与对端设备交互实现消费、门禁等非接触业务处理。
2、nfc电子设备需要处理的非接触业务多种多样，故而需要安装多张虚拟卡，每一次虚拟卡之间的切换皆需用户手动选择匹配卡片，再贴近对端设备进行响应，不同场景下的使用的虚拟卡各不相同。
3、然而，手动选卡的方式频繁切换过于不适和繁琐，在用户每天使用场景较多的情况下，需要用户频繁地执行解锁、打开应用、点击选择、刷卡等一系列动作，选卡耗时长，响应缓慢，使得选卡性能低下，用户使用体验感较差，为用户使用带来诸多不便。
技术实现思路
1、有鉴于此，本公开实施例提供一种智能选卡方法和装置，能够解决手动选卡频繁切换过程中的不适和繁琐，选卡耗时长，响应缓慢，使得选卡性能低下，用户使用体验感较差的问题。
2、为实现上述目的，根据本公开的一方面，提供了一种智能选卡方法，包括：
3、获取多个虚拟卡的卡模拟信息、特征信息和用户信息；
4、将所述卡模拟信息、所述特征信息和所述用户信息输入影响因素筛选模型，根据所述影响因素筛选模型的输出，确定一个或多个主影响因素、以及与所述主影响因素对应的主权重；
5、综合各个所述主影响因素及其对应的主权重进行排序，得到与各个所述主影响因素对应的多个虚拟卡的卡片推荐列表；
6、按序从所述卡片推荐列表中确定响应对端设备的目标卡片。
7、在一些可能的实现方式中，在所述主影响因素为多个的情况下，所述综合各个所述主影响因素及其对应的主权重进行排序，得到与各个所述主影响因素对应的多个虚拟卡的卡片推荐列表，包括：
8、将多个主影响因素的主权重进行排序，将最高的主权重对应的主影响因素根据因素值进行排序，得到所述最高的主权重对应的主影响因素的排序结果；
9、判断所述排序结果是否存在相同的因素值；
10、在所述最高的主权重对应的排序结果不存在相同的因素值的情况下，根据所述最高的主权重对应的主影响因素的排序结果对应的多个虚拟卡的卡片标识，构建所述卡片推荐列表。
11、在一些可能的实现方式中，在所述最高的主权重对应的排序结果存在相同的因素值的情况下，还包括：
12、判断所述最高的主权重对应的排序结果中相同的因素值的个数占全部的因素值的总个数的比例是否超过比例阈值；
13、在未超过所述比例阈值的情况下，按照次高的主权重，将相同的因素值对应的次高的主影响因素进行排序，得到与所述次高的主权重对应的排序结果，直至得到最后一个主权重对应的排序结果，将各个主权重的排序结果对应的虚拟卡的卡片标识进行组合，得到所述卡片推荐列表。
14、在一些可能的实现方式中，在所述最高的主权重对应的排序结果中相同的因素值的个数占全部的因素值的总个数的比例超过比例阈值的情况下，还包括：
15、剔除超过所述比例阈值的主影响因素对应的信息特征，将剩下的卡模拟信息、特征信息和用户信息重新输入影响因素筛选模型，输出更新后的主影响因素及对应的主权重；
16、构建与所述更新后的主影响因素及对应的主权重对应的虚拟卡的卡片推荐列表。
17、在一些可能的实现方式中，在所述主影响因素为一个的情况下，还包括：
18、根据主影响因素的因素值从大到小、或者因素值的出现频次从密到疏、或者因素值中的关键字的出现频次从密到疏的顺序对所述主影响因素进行排序，构建与排序后的主影响因素对应的虚拟卡的卡片推荐列表。
19、在一些可能的实现方式中，还包括：
20、接收所述对端设备返回的刷卡结果；
21、在所述刷卡结果为刷卡成功的情况下，所述刷卡结果包括至少一个已知特征值的信息特征，根据所述已知特征值的信息特征，逆推未知的信息特征的特征值，得到更新后的卡模拟信息、特征信息和用户信息，以更新所述卡片推荐列表。
22、在一些可能的实现方式中，所述根据所述刷卡结果包括的至少一个已知特征值的信息特征，逆推未知的信息特征的特征值，包括：
23、利用所述已知特征值的信息特征，生成已知信息特征获取指令并下发给与所述已知特征值的信息特征对应的信息源；
24、接收所述信息源响应于所述逆推指令返回的所述已知特征值的信息特征的特征值；
25、根据所述已知特征值的信息特征的特征值，确定所述未知的信息特征的特征值，更新所述卡模拟信息、特征信息和用户信息。
26、在一些可能的实现方式中，在所述刷卡结果为刷卡失败的情况下，还包括：
27、判断所述目标卡片是否为所述卡片推荐列表的最后一个；
28、在所述目标卡片为所述卡片推荐列表的最后一个的情况下，向用户发送告警通知，使得所述用户添加与所述对端设备匹配的虚拟卡。
29、在一些可能的实现方式中，在所述刷卡结果为刷卡失败的情况下，还包括：
30、判断所述目标卡片是否为所述卡片推荐列表的最后一个；
31、在所述目标卡片为所述卡片推荐列表的最后一个的情况下，剔除与所述刷卡失败的刷卡结果对应的主影响因素对应的信息特征；
32、利用剔除后的卡模拟信息、特征信息和用户信息，更新所述卡片推荐列表。
33、在一些可能的实现方式中，在所述目标卡片不是所述卡片推荐列表的最后一个的情况下，还包括：
34、从所述卡片推荐列表选择下一张虚拟卡作为目标卡片以响应所述对端设备。
35、在一些可能的实现方式中，在所述刷卡结果为刷卡失败的情况下，还包括：
36、利用所述刷卡结果包括的至少一个已知特征值的信息特征，更新所述卡片推荐列表。
37、在一些可能的实现方式中，所述利用所述刷卡结果包括的至少一个已知特征值的信息特征，更新所述卡片推荐列表，包括：
38、确定所述刷卡结果包括的至少一个已知特征值的信息特征；
39、挑选特征值等于所述已知特征值的信息特征的特征值的保留虚拟卡；
40、根据刷卡之前所述保留虚拟卡中各个主影响因素及其对应的主权重，重新排序以更新所述卡片推荐列表。
41、根据本公开的另一方面，提供了一种智能选卡装置，包括：
42、获取模块，用于获取多个虚拟卡的卡模拟信息、特征信息和用户信息；
43、筛选模块，用于将所述卡模拟信息、所述特征信息和所述用户信息输入影响因素筛选模型，根据所述影响因素筛选模型的输出，确定一个或多个主影响因素、以及与所述主影响因素对应的主权重；
44、排序模块，用于综合各个所述主影响因素及其对应的主权重进行排序，得到与各个所述主影响因素对应的多个虚拟卡的卡片推荐列表；
45、响应模块，用于按序从所述卡片推荐列表中确定响应对端设备的目标卡片。
46、根据本公开的再一方面，提供了一种电子设备，包括：
47、处理器；以及
48、存储程序的存储器，
49、其中，所述程序包括指令，所述指令在由所述处理器执行时使所述处理器执行所述智能选卡方法。
50、根据本公开实施例的还一个方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行所述智能选卡方法。
51、本技术实施例中提供的一个或多个技术方案，通过卡模拟信息、特征信息和用户信息，筛选主影响因素及其对应权重，综合排序后确定最准确的卡片推荐列表，可以实现提高智能选卡的准确性和稳定性，及时跟踪用户使用习惯，灵活调整卡片优先级，扩展性强，抗干扰性强，实现用户无感的快速、智能刷卡体验的技术效果。
1.一种智能选卡方法，其特征在于，包括：
2.如权利要求1所述的智能选卡方法，其特征在于，在所述主影响因素为多个的情况下，所述综合各个所述主影响因素及其对应的主权重进行排序，得到与各个所述主影响因素对应的多个虚拟卡的卡片推荐列表，包括：
3.如权利要求2所述的智能选卡方法，其特征在于，在所述最高的主权重对应的排序结果存在相同的因素值的情况下，还包括：
4.如权利要求3所述的智能选卡方法，其特征在于，在所述最高的主权重对应的排序结果中相同的因素值的个数占全部的因素值的总个数的比例超过比例阈值的情况下，还包括：
5.如权利要求1所述的智能选卡方法，其特征在于，在所述主影响因素为一个的情况下，还包括：
6.如权利要求1所述的智能选卡方法，其特征在于，还包括：
7.如权利要求6所述的智能选卡方法，其特征在于，所述根据所述刷卡结果包括的至少一个已知特征值的信息特征，逆推未知的信息特征的特征值，包括：
8.如权利要求6所述的智能选卡方法，其特征在于，在所述刷卡结果为刷卡失败的情况下，还包括：
9.如权利要求6所述的智能选卡方法，其特征在于，在所述刷卡结果为刷卡失败的情况下，还包括：
10.如权利要求8或者9所述的智能选卡方法，其特征在于，在所述目标卡片不是所述卡片推荐列表的最后一个的情况下，还包括：
11.如权利要求6所述的智能选卡方法，其特征在于，在所述刷卡结果为刷卡失败的情况下，还包括：
12.如权利要求11所述的智能选卡方法，其特征在于，所述利用所述刷卡结果包括的至少一个已知特征值的信息特征，更新所述卡片推荐列表，包括：
13.一种智能选卡装置，其特征在于，包括：
14.一种电子设备，包括：
15.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据权利要求1-12中任一项所述的智能选卡方法。
