[发明专利]MCC套码的识别方法、装置、计算机可读存储介质及系统

权利要求书

1.一种MCC套码的识别方法，其特征在于，包括：

获取银联交易的消费数据；

计算所述银联交易的消费数据特征值，所述银联交易的消费数据特征值包括：金额类特征值、交易时间段占比特征值和交易季节性特征值；

将所述银联交易的消费数据特征值输入至预设的第一MCC的识别模型，对所述银联交易的消费数据进行识别，识别所述银联交易的消费数据是否套码。

2.根据权利要求1所述的MCC套码的识别方法，其特征在于，采用如下步骤建立所述预设的第一MCC的识别模型，包括：

获取预设的第一MCC对应的消费数据；

基于预设的第一MCC对应的消费数据计算预设的第一MCC对应的消费数据特征值，所述预设的第一MCC对应的消费数据特征值包括：金额类特征值、交易时间段占比特征值和交易季节性特征值；

基于所述预设的第一MCC对应的消费数据特征值和机器学习算法，建立预设的第一MCC的识别模型。

3.根据权利要求1或2所述的MCC套码的识别方法，其特征在于，所述金额类特征值包括以下至少一种：交易金额CV均值和标准差、单次交易金额均值和标准差。

4.根据权利要求1或2所述的MCC套码的识别方法，其特征在于，所述交易时间段占比特征值包括以下至少一种：上午交易占比值、中午交易占比值、下午交易占比值、晚上交易占比值和深夜交易占比值。

5.根据权利要求1或2所述的MCC套码的识别方法，其特征在于，所述交易季节性特征值包括：法定节假日交易人数值。

6.根据权利要求2所述的MCC套码的识别方法，其特征在于，所述基于所述预设的第一MCC对应的消费数据特征值和机器学习算法，建立预设的第一MCC的识别模型，包括：

对所述预设的第一MCC对应的消费数据特征值进行有效性判断，生成预设的第一MCC对应的消费数据有效特征值；

基于所述预设的第一MCC对应的消费数据有效特征值和机器学习算法，建立预设的第一MCC的识别模型。

7.根据权利要求6所述的MCC套码的识别方法，其特征在于，所述有效性判断包括：差异性判断和相关性判断，将所述差异性和所述相关性均判断有效的预设的第一MCC对应的消费数据特征值作为预设的第一MCC对应的消费数据有效特征值。

8.根据权利要求7所述的MCC套码的识别方法，其特征在于，所述差异性判断包括：

获取预设的第二MCC对应的消费数据；

基于预设的第二MCC对应的消费数据计算预设的第二MCC对应的消费数据特征值；

判断预设的第一MCC对应的消费数据特征值和预设的第二MCC对应的消费数据特征值是否体现商户的差异，如果预设的第一MCC对应的消费数据特征值和预设的第二MCC对应的消费数据特征值能够体现商户的差异，则预设的第一MCC对应的消费数据特征值有效。

9.根据权利要求7所述的MCC套码的识别方法，其特征在于，所述相关性判断包括：

依次计算任意两个预设的第一MCC对应的消费数据特征值的相关值，如果计算的相关值大于预设的相关系数门限，则参与计算的两个预设的第一MCC对应的消费数据特征值任选一个有效，另一个无效。

10.根据权利要求6所述的MCC套码的识别方法，其特征在于，所述基于所述预设的第一MCC对应的消费数据有效特征值和机器学习算法，建立预设的第一MCC的识别模型，包括：

利用CART决策树，对所述预设的第一MCC对应的消费数据有效特征值进行离散化处理；

基于离散化处理后的预设的第一MCC对应的消费数据有效特征值和机器学习算法，建立预设的第一MCC的识别模型。

11.根据权利要求2所述的MCC套码的识别方法，其特征在于，所述机器学习算法包括：逻辑回归算法。

12.一种MCC套码的识别装置，其特征在于，包括：

获取单元，适于获取银联交易的消费数据；

计算单元，适于计算所述银联交易的消费数据特征值，所述银联交易的消费数据特征值包括：金额类特征值、交易时间段占比特征值和交易季节性特征值；

识别单元，适于将所述银联交易的消费数据的特征值输入至预设的第一MCC的识别模型，对所述银联交易的消费数据进行识别，识别所述银联交易的消费数据是否套码。