[发明专利]一种交易的处理方法及装置有效
申请号: | 202110582927.0 | 申请日: | 2021-05-27 |
公开(公告)号: | CN113256300B | 公开(公告)日: | 2023-04-07 |
发明(设计)人: | 周璟;傅幸;吕乐;杨阳;刘佳;尚田丰;宝鹏庆;王维强 | 申请(专利权)人: | 支付宝(杭州)信息技术有限公司 |
主分类号: | G06Q20/40 | 分类号: | G06Q20/40;G06N3/0455;G06N3/08 |
代理公司: | 北京国昊天诚知识产权代理有限公司 11315 | 代理人: | 朱文杰 |
地址: | 310000 浙江省杭州市*** | 国省代码: | 浙江;33 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 交易 处理 方法 装置 | ||
1.一种交易的处理方法,所述方法包括:
接收第一用户的交易请求;其中,所述交易请求指示所述第一用户与第二用户进行交易;
获取与所述交易请求相关联的历史记录数据;其中,所述历史记录数据包括所述第一用户的历史点击行为序列数据、所述第一用户的交易关系数据、所述第二用户的交易关系数据、以及所述第一用户与所述第二用户之间的历史交易数据;
将所述历史记录数据输入至机器学习模型,通过所述机器学习模型对所述历史点击行为序列数据进行处理,确定所述第一用户所对应的第一囤号风险特征值;以及,通过所述机器学习模型对所述第一用户的交易关系数据、所述第二用户的交易关系数据和所述历史交易数据进行处理,确定所述第一用户所对应的共享风险特征值、第二囤号风险特征值和至少一个其他风险特征值;
通过concat函数对所述第一囤号风险特征值、所述第二囤号风险特征值和所述共享风险特征值进行融合处理,得到所述机器学习模型所对应的第一输出值;
当所述第一输出值为第一数值时,确定所述交易存在囤号风险;当所述第一输出值为第二数值时,确定所述交易不存在囤号风险;
若预测结果指示所述交易不存在囤号风险,则确定所述交易为可信交易。
2.如权利要求1所述的方法,所述获取与所述交易请求相关联的历史记录数据,包括:
以当前时刻作为截止时间,连续获取预设数量个历史点击行为所对应的超级位置模型SPM编码;其中,所述SPM编码表征所述历史点击行为所对应的点击位置信息;
按照各个所述历史点击行为的点击时间信息生成各个所述SPM编码所对应的SPM编码序列;
将所述SPM编码序列确定为所述历史点击行为序列数据。
3.如权利要求1所述的方法,还包括:
根据所述共享风险特征值和所述其他风险特征值,预测所述交易是否存在其他预设类型风险;其中,所述其他预设类型风险包括非常用关系风险、盗用风险和欺诈风险中的至少一项;
若预测结果指示所述交易不存在其他预设类型风险,则确定所述交易为可信交易。
4.如权利要求3所述的方法,所述根据所述共享风险特征值和所述其他风险特征值,预测所述交易是否存在其他预设类型风险,包括:
通过concat函数对所述共享风险特征值和所述其他风险特征值进行融合处理,得到所述机器学习模型所对应的第二输出值;
当所述第二输出值为第一数值时,确定所述交易存在其他预设类型风险;当所述第二输出值为第二数值时,确定所述交易不存在其他类型预设风险。
5.如权利要求1所述的方法,所述通过所述机器学习模型对所述历史点击行为序列数据进行处理,确定所述第一用户所对应的第一囤号风险特征值,包括:
通过所述机器学习模型中的第一子模型对所述历史点击行为序列数据进行处理,得到所述第一囤号风险特征值。
6.如权利要求1所述的方法,所述通过所述机器学习模型对所述第一用户的交易关系数据、所述第二用户的交易关系数据和所述历史交易数据进行处理,确定所述第一用户所对应的共享风险特征值、第二囤号风险特征值和至少一个其他风险特征值,包括:
通过所述机器学习模型中的第二子模型,对所述第一用户的交易关系数据进行处理,确定所述第一用户所对应的第一关系特征数据,通过所述第二子模型,对所述第二用户的交易关系数据进行处理,确定所述第二用户所对应的第二关系特征数据;
通过所述机器学习模型中的第三子模型,对所述历史交易数据进行处理,确定所述第一用户与所述第二用户之间的交易特征数据;
通过concat函数对所述第一关系特征数据、所述第二关系特征数据和所述交易特征数据进行融合处理;
基于融合处理后的特征数据,确定所述第一用户所对应的所述共享风险特征值、所述第二囤号风险特征值和所述其他风险特征值。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于支付宝(杭州)信息技术有限公司,未经支付宝(杭州)信息技术有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202110582927.0/1.html,转载请声明来源钻瓜专利网。