商户识别方法及装置、计算机设备及存储介质制造方法及图纸

一种商户识别方法、计算机设备，该方法包括：获取待识别商户对应的属性特征信息，所述属性特征信息包括至少两个属性特征；根据所述属性特征信息，通过风险商户识别模型对所述待识别商户进行识别，获得所述待识别商户的风险识别结果，所述风险商户识别模型基于无风险样本商户和风险样本商户确定。基于本方法可提高识别准确性。

Merchant identification method and device, computer equipment and storage medium

A merchant identification method and a computer device comprising: acquiring attribute feature information corresponding to the merchant to be identified, the attribute feature information including at least two attribute features; recognizing the merchant to be identified by the risk merchant identification model according to the attribute feature information, and obtaining the merchant to be identified. The risk identification result of a household is determined by the risk identification model based on the risk-free sample merchant and the risk sample merchant. This method can improve the accuracy of recognition.

【技术实现步骤摘要】
商户识别方法及装置、计算机设备及存储介质
本申请涉及数据处理
，特别涉及一种商户识别方法及装置、计算机设备及存储介质。
技术介绍
随着互联网技术以及电子商务的发展，涌现了大量的电商平台，给用户消费带来了便利，即消费者通过网络支付进行商品的购买，足不出户即可从电商平台上接入的商户享受到购物的便捷。为了确保用户支付安全，电商平台会为商户和消费者之间提供第三方支付机构，消费者在购买商品的过程中，首先向第三方支付机构支付商品对应的数额，消费者在收到商品并进行确认收货后，可通知第三方支付机构，第三方支付机构再向商户支付商品对应的数额。由于电商平台接入的商户数量多，商户品质良莠不齐，正常商户数量一般占绝大多数，但其中也会隐藏一些不良商户，此类商户会给电商平台上的第三方支付机构造成风险。为了控制风险，目前常采用的方法是依据商户的行业类别进行简单的交易额度控制，比如，针对交易家具等实物类的商户，则给予较大的交易额度，针对交易游戏道具等虚拟类的商户，则给予较小的交易额度。然而，上述仅根据商户的行业类别进行交易额度控制，对于合规守法的正常商户有一定效果，但对于不良商户，比如，赌博类商户，此类商户为高危商户，无法做到有效地风险控制。目前没有一种方法能准确地识别商户类别，从而不能准确地针对商户做好风险控制，不能确保第三方支付机构的安全，亟需一种能准确识别商户类别的方法。
技术实现思路
基于此，有必要针对不能准确识别商户类别的问题，提出一种商户识别方法及装置、计算机设备及存储介质。一种商户识别方法，包括步骤：获取待识别商户对应的属性特征信息，所述属性特征信息包括至少两个属性特征；根据所述属性特征信息，通过风险商户识别模型对所述待识别商户进行识别，获得所述待识别商户的风险识别结果，所述风险商户识别模型基于无风险样本商户和风险样本商户确定。一种商户识别装置，包括：特征信息获取模块，用于获取待识别商户对应的属性特征信息，所述属性特征信息包括至少两个属性特征；识别模块，根据所述属性特征信息，通过风险商户识别模型对所述待识别商户进行识别，获得所述待识别商户的风险识别结果，所述风险商户识别模型基于无风险样本商户和风险样本商户确定。一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述方法的步骤。一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述方法的步骤。上述商户识别方法及装置、计算机设备及存储介质，在对待识别商户进行风险识别过程中，将待识别商户的至少两个属性特征识别依据，可准确反映待识别商户的整体特性，通过风险商户识别模型，根据上述至少两个属性特征可准确对所述待识别商户进行识别。另外，风险商户识别模型基于无风险样本商户和风险样本商户确定，即不仅将已确定为无风险样本商户作为确定风险识别模型的依据，还将已确定为风险样本商户作为确定风险识别模型的依据，可确保风险识别模型的准确性，根据准确的风险商户识别模型以及至少两个属性特征，可准确对待识别商户进行风险识别，提高商户风险识别的准确性。附图说明图1为一个实施例中商户识别方法的应用环境图；图2为一个实施例的商户识别方法的流程示意图；图3为一个实施例的高斯核函数映射示意图；图4为一个实施例的第三方支付机构对应的搜索结果的界面显示图；图5为一个实施例的商户识别装置的模块示意图；图6为一个实施例中计算机设备的内部结构图。具体实施方式为使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步的详细说明。应当理解，此处所描述的具体实施方式仅仅用以解释本申请，并不限定本申请的保护范围。本申请提供的商户识别方法，可应用于如图1示所示的应用环境图。如图1所示，终端10与服务器20通过网络进行通信。用户通过终端10可与服务器20上的商户进行交易，在服务器20上可记录各商户的属性特征信息。服务器20可获取待识别商户对应的属性特征信息，根据属性特征信息，通过风险商户识别模型对待识别商户进行识别，获得待识别商户的风险识别结果，实现商家风险识别，后续可对为风险商户进行对应的风险控制。该终端10可以是任何一种能够实现智能输入输出的设备，例如，台式电脑或移动终端，移动终端可以是智能手机、平板电脑、车载电脑、穿戴式智能设备等。服务器20可以用独立的服务器或者是多个服务器组成的服务器集群来实现。如图2所示，一种实施例的商户识别方法，以应用于图1中的服务器20为例进行说明，包括步骤S210至步骤S220：S210：获取待识别商户对应的属性特征信息，属性特征信息包括至少两个属性特征。待识别商户，指等待识别的商户，商户，指在第三方支付机构经过认证后进行签约的商家，是为普通消费用户提供交易资源(例如，商品、服务等)的提供者。第三方支付是指具备一定实力和信誉保障的独立机构，采用与各银行签约的方式，提供与银行支付结算系统接口的交易支付平台的网络支付模式。在第三方支付模式，买方选购交易资源后，使用第三方平台提供的账户进行货款支付(支付给第三方)，并由第三方通知卖家货款到账、要求发货，买方收到货物，检验货物，并且进行确认后，再通知第三方付款，第三方再将款项转至卖家账户(即商户对应的账号)。第三方支付机构与各银行之间签订有关协议，使得第三方支付机构与各银行可以进行某种形式的数据交换和相关信息确认。这样第三方支付机构就能实现在普通消费用户(持卡人或消费者)与各银行、最终的收款人或商家之间建立一个支付的流程。属性特征为表征对象特点的信息，即对象具有的性质，待识别商户的属性特征即为表征待识别商户特点的信息。对于待识别商户，对应的属性特征可以有多种多样，在本实施例中，为避免根据单一属性特征进行风险识别导致不准确的问题，便于后续准确对待识别商户进行风险识别，采用至少两个属性特征作为风险识别依据。S220：根据属性特征信息，通过风险商户识别模型对待识别商户进行识别，获得待识别商户的风险识别结果，风险商户识别模型基于无风险样本商户和风险样本商户确定。样本，指研究中实际抽取的一部分个体。样本商户，指从各商户中抽取的一部分样本。风险样本商户(负样本商户)，指存在风险的样本商户，无风险样本商户(正样本商户)，指没有风险的样本商户。在本实施例中，预先基于无风险样本商户和风险样本商户已确定风险商户识别模型，即不仅将已确定的无风险样本商户作为模型确定依据，而且将已确定的风险样本商户作为模型确定依据，如此，在确定的风险识别模型确定过程中，能全面涉及不同风险类别的商户，确保风险识别模型的准确性。在获取待识别商户的属性特征信息之后，通过风险商户识别模型对待识别商户进行识别，即可获得准确的风险识别结果。风险识别结果可以为风险商户或无风险商户，待识别商户为风险商户还是无风险商户，由其对应的属性特征信息以及风险商户识别模型决定。上述商户识别方法，在对待识别商户进行风险识别过程中，将待识别商户的至少两个属性特征识别依据，可准确反映待识别商户的整体特性，通过风险商户识别模型，根据上述至少两个属性特征可准确对所述待识别商户进行识别。另外，风险商户识别模型基于无风险样本商户和风险样本商户确定，即不仅将已确定为无风险样本商户作为确定风险识别模型的依据，还将已确定为风险样本商本文档来自技高网...

【技术保护点】
1.一种商户识别方法，其特征在于，包括步骤：获取待识别商户对应的属性特征信息，所述属性特征信息包括至少两个属性特征；根据所述属性特征信息，通过风险商户识别模型对所述待识别商户进行识别，获得所述待识别商户的风险识别结果，所述风险商户识别模型基于无风险样本商户和风险样本商户确定。

【技术特征摘要】
1.一种商户识别方法，其特征在于，包括步骤：获取待识别商户对应的属性特征信息，所述属性特征信息包括至少两个属性特征；根据所述属性特征信息，通过风险商户识别模型对所述待识别商户进行识别，获得所述待识别商户的风险识别结果，所述风险商户识别模型基于无风险样本商户和风险样本商户确定。2.根据权利要求1所述的方法，其特征在于，风险商户识别模型的确定方式包括：获取样本商户的属性特征信息以及对应的风险类别标识，所述样本商户包括所述无风险样本商户和所述风险样本商户；根据各所述样本商户的属性特征信息以及对应的风险类别标识，进行机器学习训练，获得所述风险商户识别模型。3.根据权利要求2所述的方法，其特征在于，根据各所述样本商户的属性特征信息以及对应的风险类别标识，进行机器学习训练，获得所述风险商户识别模型，包括：基于各所述样本商户的属性特征信息以及对应的风险类别标识，求取预定约束条件下的目标函数的目标最优解，获得第一待定参数的值；所述预定约束条件与所述第一待定参数以及各所述样本商户的风险类别标识相关；根据所述第一待定参数的值，确定所述风险商户识别模型。4.根据权利要求3所述的方法，其特征在于，所述目标函数与所述第一待定参数、核函数和各所述样本商户的风险类别标识参数相关，所述核函数与各所述样本商户的属性特征信息相关。5.根据权利要求4所述的方法，其特征在于，所述核函数为与各所述样本商户的属性特征信息之间的距离相关的函数，各所述样本商户的属性特征信息之间的距离，根据各所述样本商户之间的各属性特征之间的差值确定。6.根据权利要求5所述的方法，其特征在于，在所述属性特征包括行业类别时，各所述样本商户之间的属性特征之间的差值，包括：各所述样本商户的行业类别之间的第一差值；在所述属性特征包括注册地址时，各所述样本商户之间的各属性特征之间的差值，包括：各所述样本商户的注册地址之间的第二差值；在所述属性特征包括注册资本时，各所述样本商户之间的各属性特征之间的差值，包括：各所述样本商户的注册资本之间的第三差值；在所述属性特征包括企业人数时，各所述样本商户之间的各属性特征之间的差值，包括：各所述样本商户的企业人数之间的第四差值；在所述属性特征包括营业额时，各所述样本商户之间的各属性特征之间的差值，包括：各所述样本商户的营业额之间的第五差值；在所述属性特征包括经营开始时间时，各所述样本商户之间的属性特征之间的差值，包括：对各所述样本商户的经营开始时间之间的第...

【专利技术属性】
技术研发人员：邹文，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：广东,44