[发明专利]一种商户分类方法、装置、电子设备及介质

说明书

本申请实施例公开了一种商户分类方法、装置、电子设备及介质，涉及人工智能技术领域。该方法包括：将各预设单位时间内采集的预设数量的商户交易数据输入至循环神经网络中，得到第一输出数据；将所述第一输出数据输入至卷积神经网络中，得到第二输出数据；基于归一化函数，对所述第二输出数据进行处理，得到商户分类结果。上述方案解决了目前对对商户进行分类时，采用人工分类的方法或者其他模型分类方法准确率低问题，从而通过循环神经网络确定不同时间的商户交易数据的关联特征，通过卷积神经网络进一步确定商户交易数据的上文之间的特征，从未提高了分类的准确性。

技术领域

本申请实施例涉及人工智能技术领域，尤其涉及一种商户分类方法、装置、电子设备及介质。

背景技术

在商户收单交易中，商户类型的不同会影响收单交易的费用率。而目前对于商户类型的录入的方式一般为，在商户档案建立的时候手工录入，采用人工对商户进行分类的方法，工作量过于繁重，并且具有一定的主观性，不同的人对于商户分类标准的理解不同会导致产生不同的分类结果，影响商户分类的准确性。

另外，还可以根据交易中付款位置信息，确定商户的交易区域。将商户经营区域信息与交易规模、买家规模等其他信息结合来确定商户分类模型，然后使用训练的模型对未知商户进行分类，实现商户经营区域信息与其他经营信息结合。该技术方案依赖于商户交易时付款信息的定位和买家信息的获取，但是通常在交易中，上述信息并不容易获取，因此该方案具有一定的局限性，并且该方案使用的k近邻算法计算复杂度高，K值得选择在很大程度上依赖于数据训练的结果，K值不合适会使得分类很难达到预期效果。

发明内容

本发明实施例提供一种商户分类方法、装置、电子设备及介质，以提高商户分类的准确性。

将各预设单位时间内采集的预设数量的商户交易数据输入至循环神经网络中，得到第一输出数据；

将所述第一输出数据输入至卷积神经网络中，得到第二输出数据；

基于归一化函数，对所述第二输出数据进行处理，得到商户分类结果。

在另一个实施例中，本申请实施例还提供了一种商户分类装置，该装置包括：

第一处理模块，用于将各预设单位时间内采集的预设数量的商户交易数据输入至循环神经网络中，得到第一输出数据；

第二处理模块，用于将所述第一输出数据输入至卷积神经网络中，得到第二输出数据；

分类模块，用于基于归一化函数，对所述第二输出数据进行处理，得到商户分类结果。

在又一个实施例中，本申请实施例还提供了一种电子设备，包括：一个或多个处理器；

存储器，用于存储一个或多个程序；

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现本申请实施例任一项所述的商户分类方法。

在再一个实施例中，本申请实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本申请实施例中任一项所述的商户分类方法。

本申请实施例中，将各预设单位时间内采集的预设数量的商户交易数据输入至循环神经网络中，得到第一输出数据；将所述第一输出数据输入至卷积神经网络中，得到第二输出数据；基于归一化函数，对所述第二输出数据进行处理，得到商户分类结果。上述方案解决了目前对对商户进行分类时，采用人工分类的方法或其他模型分类方法得到的分类准确率低问题，从而通过循环神经网络确定不同时间的商户交易数据的关联特征，通过卷积神经网络进一步确定商户交易数据的上文之间的特征，从未提高了分类的准确性。

附图说明

图1为本发明一种实施例提供的商户分类方法的流程图；