异常交易对象的识别及控制方法技术

本申请提供了异常交易对象的识别及控制方法

【技术实现步骤摘要】
异常交易对象的识别及控制方法、装置及可读存储介质


[0001]本申请属于计算机应用领域，具体涉及异常交易对象的识别及控制方法
、
装置及可读存储介质
。

技术介绍

[0002]本部分旨在为权利要求书中陈述的本申请的实施方式提供背景或上下文
。
此处的描述不因为包括在本部分中就承认是现有技术
。
[0003]随着互联网商业的发展，构建基础的核心商户池来对重点商户进行经营管理已经成为常态，如面向商户投入一些营销资源
。
但如果对异常状态
(
比如已经关店
)
的商户投入营销资源会带来较差的服务体验
。
所以对核心商户经营状态的精准动态核查愈发重要
。
当前识别商户是否关店的主要方法为，通过抽样巡检来检查商户的受理状况；或通过商户的交易活跃度等来判断商户是否出现异动
。
[0004]但面对大量的商户资源，这种方式效率较低，一方面无法针对全量商户进行洞察，另一方面识别的时效性较差，且消耗较大的人力和物力资源
。
[0005]申请内容
[0006]针对上述现有技术中存在的问题，提出了异常交易对象的识别及控制方法
、
装置及计算机可读存储介质，利用这种方法
、
装置及计算机可读存储介质，能够解决上述问题
。
[0007]本申请提供了以下方案
。
[0008]第一方面，提供一种异常交易对象的识别方法，包括：获取交易对象样本，交易对象样本携带特征数据和用于指示异常状态的标签；基于交易对象样本构建多种观察时间间隔对应的多个训练样本组，并获取每个训练样本的样本特征和标签，其中，观察时间间隔根据设定的观察时间点至上一笔交易时间点之间的间隔长度确定；基于多个训练样本组分别训练出多个识别模型，并确定最佳模型；基于最佳模型识别目标交易对象是否为异常交易对象
。
[0009]在一种实施方式中，构建多种观察时间间隔对应的多组训练样本，还包括：基于设定的多种观察时间点将交易对象样本构建多个训练样本集；在每个训练样本集中，构建多种观察时间间隔对应的多个训练样本组
。
[0010]在一种实施方式中，构建多种观察时间间隔对应的多个交易对象样本组，还包括：针对每个交易对象样本，构建具有不同观察时间点的多个训练样本；根据每个训练样本的观察时间点至上一笔交易时间点之间的间隔长度确定对应的观察时间间隔，将训练样本归类到观察时间间隔对应的训练样本组
。
[0011]在一种实施方式中，基于多种观察时间点将交易对象样本构建多个训练样本集，还包括：针对每个交易对象样本，构建具有不同观察时间点的多个训练样本；根据每个训练样本的观察时间点，将训练样本首先归类到观察时间点对应的训练样本集
。
[0012]在一种实施方式中，获取每个训练样本的样本特征，包括：针对每个训练样本，从观察时间点向前追溯设定周期内的历史交易特征，作为样本特征
。
[0013]在一种实施方式中，历史交易特征包括：月度交易特征
、
周交易特征
、
日交易特征
、
交易波动特征及历史交易间隔特征中的一种或多种
。
[0014]在一种实施方式中，获取每个训练样本的样本特征，包括：针对每个训练样本，获取交易对象的属性特征
、
关联法人特征
、
所在商圈特征
、
用户特征
、
竞合商户特征中的一种或多种，作为样本特征
。
[0015]在一种实施方式中，基于多个训练样本组分别训练出多个识别模型，还包括：通过机器学习模型对每个训练样本组中的多个训练样本的样本特征向量进行监督训练
。
[0016]在一种实施方式中，确定最佳模型，包括：基于识别模型对应的模型评价指标和观察时间间隔综合确定最佳模型
。
[0017]在一种实施方式中，识别模型对应的模型评价指标，包括：用于衡量模型整体性能的准确率
、
召回率
、AUC
值中的一种或多种模型评价指标
。
[0018]在一种实施方式中，确定最佳模型，还包括：确定最佳模型及其对应的最佳观察时间间隔
。
[0019]在一种实施方式中，确定最佳模型，还包括：确定最佳模型及其对应的最佳观察时间点及最佳观察时间间隔
。
[0020]在一种实施方式中，基于最佳模型识别目标交易对象是否为异常交易对象，还包括：获取目标交易对象及其目标观察时间点；判断目标交易对象的目标观察时间点距离其上一笔交易时间点之间的间隔是否超过最佳观察时间间隔；如未超过最佳观察时间间隔，则判断目标交易对象并非异常交易对象；如超过最佳观察时间间隔，则将目标交易对象的特征输入最佳模型，得到异常评分
。
[0021]在一种实施方式中，目标交易对象的特征包括：从目标观察时间点向前追溯设定周期内的历史交易特征；和
/
或，目标交易对象的属性特征
、
关联法人特征
、
所在商圈特征
、
用户特征
、
竞合交易对象特征中的一种或多种
。
[0022]第二方面，提供一种异常交易对象的识别控制方法，包括：获取目标交易对象；对目标交易对象进行数据分析，获取目标交易对象特征；基于目标交易对象及其目标交易对象特征，至少利用如第一方面的方法，输出目标交易对象的异常评分；对目标交易对象的异常评分进行校验，得到校验结果；根据目标交易对象的异常评分和校验结果调整对目标交易对象的控制策略
。
[0023]在一种实施方式中，输出目标交易对象的异常评分，还包括：利用如第一方面的方法，输出目标交易对象的第一异常评分；将目标交易对象与对应的外部平台信息进行比对，输出目标交易对象的第二异常评分；基于目标交易对象的历史交易信息和
/
或商圈交易信息进行判断，输出目标交易对象的第三异常评分；对第一异常评分
、
第二异常评分和第三异常评分进行加权融合，输出最终的异常评分；根据最终评分识别目标交易对象是否为异常交易对象
。
[0024]在一种实施方式中，目标交易对象特征包括：目标交易对象的历史交易特征
、
属性特征
、
关联法人特征
、
所在商圈特征
、
用户特征
、
竞合交易对象特征中的一种或多种
。
[0025]在一种实施方式中，目标交易对象对应的外部平台信息包括以下中的一种或多种：实时地图标记信息
、
工商注册标签信息
、
外部平台信息
。
[0026]在一种实施方式中，根据目标交易对象的异常评分和校验结果调整对目标交易本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
异常交易对象的识别方法，其特征在于，包括：获取交易对象样本，所述交易对象样本携带特征数据和用于指示异常状态的标签；基于所述交易对象样本构建对应于多种观察时间间隔的多个训练样本组，并提取每个训练样本的样本特征和标签，其中，所述观察时间间隔根据设定的观察时间点至上一笔交易时间点之间的间隔长度确定；基于所述多个训练样本组分别训练出多个识别模型，并确定最佳模型；基于所述最佳模型识别目标交易对象是否为异常交易对象
。2.
根据权利要求1所述的方法，其特征在于，构建多种观察时间间隔对应的多组训练样本，还包括：基于设定的多种观察时间点处理所述交易对象样本，构建多个训练样本集；在每个训练样本集中，构建多种观察时间间隔对应的多个训练样本组
。3.
根据权利要求1所述的方法，其特征在于，构建多种观察时间间隔对应的多个交易对象样本组，还包括：针对每个交易对象样本，构建具有不同观察时间点的多个训练样本；根据每个训练样本的观察时间点至上一笔交易时间点之间的间隔长度确定对应的观察时间间隔，将所述训练样本归类到所述观察时间间隔对应的训练样本组
。4.
根据权利要求2所述的方法，其特征在于，基于多种观察时间点将交易对象样本构建多个训练样本集，还包括：针对每个交易对象样本，构建具有不同观察时间点的多个训练样本；根据每个训练样本的所述观察时间点，将所述训练样本首先归类到所述观察时间点对应的训练样本集
。5.
根据权利要求1所述的方法，其特征在于，获取每个训练样本的样本特征，包括：针对每个训练样本，从观察时间点向前追溯设定周期内的历史交易特征，作为所述样本特征
。6.
根据权利要求5所述的方法，其特征在于，所述历史交易特征包括：月度交易特征
、
周交易特征
、
日交易特征
、
交易波动特征及历史交易间隔特征中的一种或多种
。7.
根据权利要求1所述的方法，其特征在于，获取每个训练样本的样本特征，包括：针对每个训练样本，获取所述样本对象的属性特征
、
关联法人特征
、
所在商圈特征
、
用户特征
、
竞合样本对象特征中的一种或多种，作为所述样本特征
。8.
根据权利要求1所述的方法，其特征在于，基于所述多个训练样本组分别训练出多个识别模型，还包括：通过机器学习模型对每个训练样本组中的多个训练样本的样本特征向量进行监督训练
。9.
根据权利要求1所述的方法，其特征在于，确定最佳模型，包括：基于所述识别模型对应的模型评价指标和观察时间间隔综合确定最佳模型
。10.
根据权利要求1所述的方法，其特征在于，所述识别模型对应的模型评价指标，包括：用于衡量模型整体性能的准确率
、
召回率
、AUC
值中的一种或多种模型评价指标
。11.
根据权利要求1所述的方法，其特征在于，确定最佳模型，还包括：
确定最佳模型及其对应的最佳观察时间间隔
。12.
根据权利要求2所述的方法，其特征在于，确定最佳模型，还包括：确定最佳模型及其对应的最佳观察时间点及最佳观察时间间隔
。13.
根据权利要求1所述的方法，其特征在于，基于所述最佳模型识别目标交易对象是否为异常交易对象，还包括：获取目标交易对象及其目标观察时间点；判断所述目标交易对象的所述目标观察时间点距离其上一笔交易时间点之间的间隔是否超过所述最佳观察时间间隔；如未超过所述最佳观察时间间隔，则判断所述目标交易对象并非异常交易对象；如超过所述最佳观察时间间隔，则将所述目标交易对象的目标交易对象特征输入所述最佳模型，得到异常评分
。14.
根据权利要求1所述的...

【专利技术属性】
技术研发人员：刘红宝，严秋平，陈滢，郑建宾，李树娟，高鹏飞，杨燕明，王建明，
申请(专利权)人：中国银联股份有限公司，
类型：发明
国别省市：