本發(fā)明公開(kāi)了一種聚合商戶模型構(gòu)建和異常風(fēng)險(xiǎn)聚合商戶監(jiān)控方法，通過(guò)nlp技術(shù)，先提取聚合商戶的經(jīng)營(yíng)范圍和聚合商戶地址，對(duì)商戶的經(jīng)營(yíng)范圍和地址做矯正之后，用訓(xùn)練好的詞向量對(duì)矯正好的商戶經(jīng)營(yíng)范圍和地址進(jìn)行表征，生成聚合商戶表征向量。本發(fā)明的有益效果如下：增加了地址矯正和商戶經(jīng)營(yíng)范圍矯正技術(shù)，有效地填補(bǔ)了商戶地址、聚合商戶經(jīng)營(yíng)范圍缺失或者信息不全的情況，提升了對(duì)于異常商戶識(shí)別的準(zhǔn)確性；能夠有效地將地址相近、經(jīng)營(yíng)范圍相近的聚合商戶聚類到一起，提升異常商戶識(shí)別的準(zhǔn)確性；最后，針對(duì)實(shí)際場(chǎng)景中，異常商戶的占比很低的情況，本發(fā)明創(chuàng)新性地運(yùn)用有監(jiān)督異常檢測(cè)的算法訓(xùn)練模型，提升了問(wèn)題異常商戶識(shí)別的準(zhǔn)確性。

技術(shù)領(lǐng)域

本發(fā)明涉及電子信息技術(shù)領(lǐng)域，特別涉及一種聚合商戶模型構(gòu)建和異常風(fēng)險(xiǎn)聚合商戶監(jiān)控方法。

背景技術(shù)

當(dāng)前，聚合支付發(fā)展迅速，在實(shí)際交易中占了較多的比重。但是聚合商戶很多都是非自己體系內(nèi)的商戶，從合作方處能夠獲取的信息較少(僅有一些交易金額、時(shí)間、類型、加密后的用戶id等信息)，合規(guī)風(fēng)險(xiǎn)敞口大，在實(shí)際監(jiān)控中存在監(jiān)控難的問(wèn)題。目前針對(duì)這一塊的風(fēng)險(xiǎn)，很少有相關(guān)的方法進(jìn)行監(jiān)控。同時(shí)，僅通過(guò)店鋪的一些交易特征來(lái)監(jiān)控，對(duì)于黑商戶覆蓋率低，對(duì)于正常的商戶誤抓率高。通過(guò)前期對(duì)于聚合商戶的詳細(xì)分析，我們發(fā)現(xiàn)其具有明顯的行業(yè)聚集性和地域聚集性。同時(shí)，異常風(fēng)險(xiǎn)商戶在我們?nèi)康纳虘糁械恼急容^低。為提高對(duì)于聚合商戶(特別是賭博、套現(xiàn)類商戶)的風(fēng)險(xiǎn)交易識(shí)別率，我們發(fā)明了一種聚合商戶模型構(gòu)建和異常風(fēng)險(xiǎn)聚合商戶監(jiān)控方法。

發(fā)明內(nèi)容

本發(fā)明要解決的技術(shù)問(wèn)題是克服現(xiàn)有技術(shù)的缺陷，提供一種聚合商戶模型構(gòu)建和異常風(fēng)險(xiǎn)聚合商戶監(jiān)控方法，1.本發(fā)明對(duì)于聚合商戶的經(jīng)營(yíng)地址和聚合商戶經(jīng)營(yíng)范圍，增加了地址矯正和商戶經(jīng)營(yíng)范圍矯正技術(shù)，有效地填補(bǔ)了商戶地址、聚合商戶經(jīng)營(yíng)范圍缺失或者信息不全的情況，提升了對(duì)于異常商戶識(shí)別的準(zhǔn)確性；2.本發(fā)明創(chuàng)新性地從文本的角度，運(yùn)用nlp技術(shù)將聚合商戶進(jìn)行聚類，能夠有效地將地址相近、經(jīng)營(yíng)范圍相近的聚合商戶聚類到一起，提升異常商戶識(shí)別的準(zhǔn)確性；3.最后，針對(duì)實(shí)際場(chǎng)景中，異常商戶的占比很低的情況，本發(fā)明創(chuàng)新性地運(yùn)用有監(jiān)督異常檢測(cè)的算法訓(xùn)練模型，提升了問(wèn)題異常商戶識(shí)別的準(zhǔn)確性。

為了解決上述技術(shù)問(wèn)題，本發(fā)明提供了如下的技術(shù)方案：

本發(fā)明一種聚合商戶模型構(gòu)建和異常風(fēng)險(xiǎn)聚合商戶監(jiān)控方法，包括以下步驟：

S1.商戶行業(yè)信息和地址信息處理模塊，提取聚合商戶填寫(xiě)的行業(yè)信息和地址信息，先針對(duì)對(duì)全國(guó)地址信息、商戶行業(yè)信息訓(xùn)練語(yǔ)料訓(xùn)練詞向量，然后針對(duì)聚合商戶行業(yè)信息和地址信息的缺失、模糊的問(wèn)題做相應(yīng)的矯正，最后將聚合商戶的行業(yè)和地址信息語(yǔ)句分詞之后，用詞向量加權(quán)求平均后表征一個(gè)商戶；

S2.商戶劃分模塊，利用S1中每個(gè)商戶生成的表征的詞向量，對(duì)商戶進(jìn)行聚類，最終，將地址相近，行業(yè)類型相近的聚合商戶聚類到一起，根據(jù)業(yè)務(wù)指標(biāo)設(shè)定合理的閾值，將聚合商戶劃分成n類；

S3.異常檢測(cè)模塊，對(duì)于S2中的劃分的n類，每一類選取黑白樣本單獨(dú)建模，每一類采用有監(jiān)督的異常檢測(cè)算法，檢測(cè)類中的異常商戶，并最終將n類的結(jié)果合并輸出。

作為本發(fā)明的一種優(yōu)選技術(shù)方案，步驟S1中包含以下：

S1.1：獲取全國(guó)的所有的地理位置地址、商戶經(jīng)營(yíng)范圍描述的預(yù)料庫(kù)，分詞之后，利用word2vec訓(xùn)練詞向量；

S1.2：針對(duì)聚合商戶的注冊(cè)地址和經(jīng)營(yíng)范圍缺失、填寫(xiě)模糊的問(wèn)題做矯正，針對(duì)聚合商戶注冊(cè)地址缺失的問(wèn)題，我們利用該聚合商戶下經(jīng)常發(fā)生交易的lbs位置信息對(duì)應(yīng)的地址進(jìn)行填充，針對(duì)一些聚合商戶填寫(xiě)地址模糊的問(wèn)題，利用lbs位置信息進(jìn)行矯正，例如某些聚合商戶只填寫(xiě)xx路xx號(hào)的情況，根據(jù)lbs數(shù)據(jù)，矯正為xx省xx市xx路xx號(hào)，針對(duì)聚合商戶經(jīng)營(yíng)范圍缺失的問(wèn)題，選取同一地區(qū)的已知經(jīng)營(yíng)范圍的商戶，提取商戶的買家規(guī)模、交易習(xí)慣、買家活躍度等特征，對(duì)缺失經(jīng)營(yíng)范圍的聚合商戶進(jìn)行經(jīng)營(yíng)范圍的預(yù)測(cè)，填補(bǔ)缺失；