【技术实现步骤摘要】
行业类别判断方法、装置、电子设备及存储介质
本公开涉及互联网
，具体而言，涉及一种行业类别判断方法、行业类别判断装置、电子设备以及计算机可读存储介质。
技术介绍
随着互联网技术的发展，基于第三方支付机构的网络交易技术得到了广泛的普及和应用。现有的网络交易技术中，由于各种因素的影响，商户可能在入驻信息中填写的行业类别与实际所属的行业类别并不相同，例如在各行业类别的入驻费用不相同的情况下，商户为了支付较少的入驻费用而滥选类别，这严重加大了第三方支付机构对入驻信息进行人工审核的工作量和审核难度，并可能导致后续的统计、营销等相关工作产生错误数据，从而影响相关的决策判断。因此，有必要提供一种行业类别判断方法及装置，以解决现有技术中存在的上述问题。需要说明的是，在上述
技术介绍
部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。
技术实现思路
本公开的目的在于提供一种行业类别判断方法及装置，进而在一定程度上克服由于相关技术的限制和缺陷而导致的行...
【技术保护点】
1.一种行业类别判断方法，其特征在于，包括：/n获取业务主体的经营许可文本信息以及营业场所图像信息；/n根据所述经营许可文本信息以及经营许可文本信息与行业类别之间的映射模型，对所述业务主体进行行业类别判别，得到第一行业类别；/n根据所述营业场所图像信息以及营业场所图像信息与行业类别之间的映射模型，对所述业务主体进行行业类别判别，得到第二行业类别；/n在所述第一行业类别与所述第二行业类别一致时，将所述第一行业类别或第二行业类别确定为所述业务主体的行业类别。/n
【技术特征摘要】
1.一种行业类别判断方法，其特征在于，包括：
获取业务主体的经营许可文本信息以及营业场所图像信息；
根据所述经营许可文本信息以及经营许可文本信息与行业类别之间的映射模型，对所述业务主体进行行业类别判别，得到第一行业类别；
根据所述营业场所图像信息以及营业场所图像信息与行业类别之间的映射模型，对所述业务主体进行行业类别判别，得到第二行业类别；
在所述第一行业类别与所述第二行业类别一致时，将所述第一行业类别或第二行业类别确定为所述业务主体的行业类别。
2.根据权利要求1所述的行业类别判断方法，其特征在于，在所述根据所述经营许可文本信息以及经营许可文本信息与行业类别之间的映射模型，对所述业务主体进行行业类别判别之前，还包括：
根据已知经营许可文本信息及对应的行业类别对神经网络模型进行训练，得到所述经营许可文本信息与行业类别之间的映射模型。
3.根据权利要求2所述的行业类别判断方法，其特征在于，所述根据已知的经营许可文本信息及对应的行业类别对神经网络模型进行训练，得到所述经营许可文本信息与行业类别之间的映射模型，包括：
通过卷积层提取所述已知经营许可文本信息的特征点信息作为所述神经网络模型的输入；
通过卷积层提取所述行业类别的特征点信息作为所述神经网络模型的输出；
通过隐含层调整所述神经网络模型的权重值；以及
通过全连接层对各特征点信息进行分类，得到所述经营许可文本信息与行业类别之间的映射模型。
4.根据权利要求3所述的行业类别判断方法，其特征在于，所述神经网络模型至少包括以下一种：fasttext算法模型、CNN深度学习模型和RNN深度学习模型。
5.根据权利要求1所述的行业类别判断方法，其特征在于，在所述根据所述营业场所图像信息以及营业场所图像信息与行业类别之间的映射模型，对所述业务主体进行行业类别判别之前，还包括：
根据已知营业场所图像信息及对应的行业类别对神经网络模型进行训练，得到所述营业场所图像信息与行业类别之间的映射模型。
6.根据权利要求5所述的行业类别判断方法，其特征在于，所述根据已知的图像营业场所图像信息及对应的行业类别对神经网络模型进行训练，得到所述营业场所图像信息与行业类别之间的映射模型，包括：
通过卷积运算提取所述已知营业场所图像信息的特征点信息作为所述神经网络模型的输入；
通过卷积运算提取所述行业类别的特征点信息作为所述神经网络模型的输出；
通过隐含层调整所述神经网络模型的权重值；以及
通过全连接层对各特征点信息进行分类，得到所述营业场所图像信息与行业类别之间的映射模型。
7.根据权利要求1所述的行业类别判断方法，其特征在于，所述获取业务主体的经营许可文本信息包括：
对所述业务主体的营业执照图像进行文本识别，得到所述经营许可文本信息。
8.根据权利要求1所述的行业类别判...
【专利技术属性】
技术研发人员：邹文，
申请(专利权)人：财付通支付科技有限公司，
类型：发明
国别省市：广东;44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。