CN111415151A - 连锁商户的识别方法、装置、电子设备及存储介质 - Google Patents
连锁商户的识别方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN111415151A CN111415151A CN202010163136.XA CN202010163136A CN111415151A CN 111415151 A CN111415151 A CN 111415151A CN 202010163136 A CN202010163136 A CN 202010163136A CN 111415151 A CN111415151 A CN 111415151A
- Authority
- CN
- China
- Prior art keywords
- transaction
- cash register
- cluster
- records
- target cash
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q20/00—Payment architectures, schemes or protocols
- G06Q20/30—Payment architectures, schemes or protocols characterised by the use of specific devices or networks
- G06Q20/32—Payment architectures, schemes or protocols characterised by the use of specific devices or networks using wireless devices
- G06Q20/325—Payment architectures, schemes or protocols characterised by the use of specific devices or networks using wireless devices using wireless networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q20/00—Payment architectures, schemes or protocols
- G06Q20/38—Payment protocols; Details thereof
- G06Q20/40—Authorisation, e.g. identification of payer or payee, verification of customer or shop credentials; Review and approval of payers, e.g. check credit lines or negative lists
- G06Q20/401—Transaction verification
- G06Q20/4016—Transaction verification involving fraud or risk level assessment in transaction processing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0609—Buyer or seller confidence or verification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0639—Item locations
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Finance (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Data Mining & Analysis (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Networks & Wireless Communication (AREA)
- Computer Security & Cryptography (AREA)
- Cash Registers Or Receiving Machines (AREA)
Abstract
本说明书实施例提供了一种连锁商户的识别方法、装置、电子设备及存储介质,该连锁商户的识别方法包括基于目标收款码在预定时间段内对应的交易记录中携带的位置信息对交易记录进行聚类,得到所述目标收款码对应的交易簇,获取所述目标收款码对应的交易簇中交易记录的交易特征,并基于所述目标收款码对应的交易簇中交易记录的交易特征,确定该目标收款码是否属于连锁商户。
Description
技术领域
本文件涉及支付领域,尤其涉及一种连锁商户的识别方法、装置、电子设备及存储介质。
背景技术
线下商户是支付业务中重要的一部分,对于线下正常经营的商户,安全策略需要给予通畅的支付体验,减少对该部分商户的误打扰,对于线下商户的支付体验尤为重要。
随着收款码产品的逐渐普及,越来越多的用户通过签约方式成为支付平台的线下商户,在签约成为支付平台的线下商户时,支付平台一般不需要用户提供相关的经营资质证明,经营相关的信息也非必填信息,商户信息缺失严重,对商户的稽核难度也越来越大。当前安全策略对线下商户的误稽核情况主要集中在部分连锁门店,该部分商户交易分散在全国、全省、全市各地,与线上风险商户或线下产品滥用至线上的商户交易相似,一些小规模经营的连锁店,店主会用本人同一收钱码摆放在各个不同的门店收银台,也会呈现出收钱码多地收钱的交易特征,容易产生误稽核。
如何识别出线下正常经营的连锁商户,是亟待解决的问题。
发明内容
本说明书实施例提供一种连锁商户的识别方法和装置,用以解决现有技术存在的对正常经营的连锁商户识别困难的问题。
为解决上述技术问题,本申请实施例是这样实现的:
第一方面,提出了一种连锁商户的识别方法,包括:
基于目标收款码在预定时间段内对应的交易记录中携带的位置信息对交易记录进行聚类,得到所述目标收款码对应的交易簇;
获取所述目标收款码对应的交易簇中交易记录的交易特征,所述交易特征至少包括交易资金序列特征;
基于所述目标收款码对应的交易簇中交易记录的交易特征,确定所述目标收款码是否属于连锁商户。
第二方面,提出了一种连锁商户的识别装置,包括:
聚类模块,基于目标收款码在预定时间段内对应的交易记录中携带的位置信息对交易记录进行聚类,得到所述目标收款码对应的交易簇;
获取模块,获取所述目标收款码对应的交易簇中交易记录的交易特征,所述交易特征至少包括交易资金序列特征;
确定模块,基于所述目标收款码对应的交易簇中交易记录的交易特征,确定所述目标收款码是否属于连锁商户。
第三方面,提出了一种电子设备,处理器;以及
被安排成存储计算机可执行指令的存储器,所述可执行指令在被执行时使所述处理器执行以下操作:
基于目标收款码在预定时间段内对应的交易记录中携带的位置信息对交易记录进行聚类,得到所述目标收款码对应的交易簇;
获取所述目标收款码对应的交易簇中交易记录的交易特征,所述交易特征至少包括交易资金序列特征;
基于所述目标收款码对应的交易簇中交易记录的交易特征,确定所述目标收款码是否属于连锁商户。
第四方面,提出了一种计算机可读存储介质,所述计算机可读存储介质存储一个或多个程序,所述一个或多个程序当被包括多个应用程序的电子设备执行时,使得所述电子设备执行以下操作:
基于目标收款码在预定时间段内对应的交易记录中携带的位置信息对交易记录进行聚类,得到所述目标收款码对应的交易簇;
获取所述目标收款码对应的交易簇中交易记录的交易特征,所述交易特征至少包括交易资金序列特征;
基于所述目标收款码对应的交易簇中交易记录的交易特征,确定所述目标收款码是否属于连锁商户。
本说明书实施例采用的上述至少一个技术方案能够达到以下有益效果:
由于基于目标收款码在预定时间段内对应的交易记录中携带的位置信息对交易记录进行聚类,并基于聚类后的交易簇中交易记录的交易特征,确定目标收款码是否属于连锁商户,从而能够准确识别出线下商户是否为正常经营的连锁商户,减少对正常连锁商户的打扰率。
附图说明
此处所说明的附图用来提供对本文件的进一步理解,构成本文件的一部分,本文件的示意性实施例及其说明用于解释本文件,并不构成对本文件的不当限定。在附图中:
图1为本说明书一个实施例提供的连锁商户的识别方法的流程示意图。
图2为本说明书一个实施例提供的确定目标收款码是否属于连锁商户的流程示意图。
图3为本说明书一个实施例提供的另一连锁商户的识别方法的流程示意图。
图4为本说明书一个实施例提供的电子设备的结构示意图。
图5为本说明书一个实施例提供的连锁商户的识别装置的结构示意图。
具体实施方式
为使本文件的目的、技术方案和优点更加清楚,下面将结合本文件具体实施例及相应的附图对本文件技术方案进行清楚、完整地描述。显然,所描述的实施例仅是本文件一部分实施例,而不是全部的实施例。基于本文件中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本文件保护的范围。
为了识别出线下正常经营的连锁商户,本说明书实施例提供了一种连锁商户的识别方法、装置、电子设备及存储介质,该连锁商户的识别方法、装置、电子设备及存储介质可基于目标收款码在预定时间段内对应的交易记录中携带的位置信息对交易记录进行聚类,并基于聚类后的交易簇中交易记录的交易特征,确定目标收款码是否属于连锁商户确,确保正常经营的连锁商户通畅的支付体验。
下面将对本说明书实施例提供的连锁商户的识别方法进行详细说明。
本说明书实施例提供的连锁商户的识别方法可应用于支付平台的服务端,为了便于描述,除特别说明外,本说明书实施例均以支付平台的服务端为执行主体进行说明。
可以理解,所述执行主体并不构成对本说明书实施例的限定。
可选地,该连锁商户的识别方法的流程如图1所示,可以包括如下步骤:
步骤S11,基于目标收款码在预定时间段内对应的交易记录中携带的位置信息对交易记录进行聚类,得到所述目标收款码对应的交易簇。
本说明书实施例中,目标收款码为商户向顾客展示的用于收款的收款码,顾客在商户处购买商品后,可通过移动终端登陆支付平台并扫描该目标收款码进行支付。
在通过移动终端扫描目标收款码完成支付后,会产生相应的交易记录,交易记录中除了本次交易的收付款方信息、交易金额、交易时间等数据外,还携带有本次交易所对应的位置信息,该位置信息可以是通信运营商的无线电通讯网络(如GSM网络、CDMA网络)或外部定位方式(如GPS定位、北斗定位)获取到的扫码支付的移动终端的位置信息。
一般连锁商户的门店之间的距离不会过近,而连锁商户的同一门店所对应的交易记录中的位置信息会与该同一门店的实际位置信息接近。因此,在对连锁商户进行识别时,可根据目标收款码在预定时间段内的交易记录中携带的位置信息对交易记录进行聚类,得到目标收款码对应的多个交易簇。应理解,属于同一个交易簇中的交易记录可以被认为是同一个门店所对应的交易记录,即在同一门店产生的交易记录。
例如,连锁商户具有门店A、B和C,并在进行收款时使用同一收款码进行收款,门店A、B、C的位置信息不同,因此在对该商户的收款码所对应的交易记录进行聚类时会得到3个交易簇,该3个交易簇分别与门店A、B、C一一对应。
应理解,本说明书实施例中,对交易记录进行聚类,可以但不限于通过基于密度的聚类算法、地理哈希GEOHASH算法等聚类算法对目标收款码在预定时间段内对应的交易记录进行聚类。此外,该预定时间段可根据实际情况进行相应的设置,例如可以是当前时间之前一周、当前时间之前半个月或当前时间之前一个月等,当然,也可以是其它历史时间段,本说明书实施例对此不作限制。
步骤S13,获取所述目标收款码中交易记录的交易特征,其中,交易记录的交易特征至少包括交易资金序列特征。
同一商户经营的连锁商店,通常具有同行业性,即交易单笔价格、交易集中时间、同一顾客的交易笔数(即复购率)呈现相似的特性,因此可以将交易时间、交易笔数以及单笔交易金额中的至少一项作为交易资金序列特征。应理解,交易资金序列特征还可包括付款方信息,根据交易记录中的付款方信息,可以确定交易簇内交易记录是否来自同一支付账号。
另外,由于目前公共Wi-Fi尚不普及,经营门店提供Wi-Fi的情况也较少,且顾客在商户的店铺购买商品时,通常逗留的时间不长,在连接Wi-Fi状态所下产生的交易记录的占比相对较低。因此也可将交易簇中在连接Wi-Fi状态所下产生的交易记录的占比作为交易记录的一个交易特征,如果交易簇中连接Wi-Fi状态产生的交易记录的占比大于第一阈值,则可以认定为该交易簇不是到店交易簇,或者。其中,第一预设阈值可根据历史大数据得到,或通过其它方式得到,本说明书实施例对此不作限制。
此外,同一商户经营的连锁商店,其选址也会存在一些相似的特性,即门店的位置具有相似性。例如,同一商户的多个门店均位于学校,则可能为学校不同食堂的档口交易或不同校区的超市。又例如,同一商户的多个门店均位于写字楼区域,则可能为某品牌连锁的便利店。因此也可将交易簇中的交易记录所对应的地理环境相似度作为交易记录的一个交易特征。
在对交易记录进行聚类,得到所述目标收款码对应的多个交易簇后,可获取各交易簇中交易记录的交易特征。
如上所述,在本说明书实施例中,交易簇中交易记录的交易特征可包括交易资金序列特征、交易簇中的交易记录所对应的地理环境相似度以及交易簇中在连接Wi-Fi状态所下产生的交易记录的占比等。交易资金序列特征可以包括交易时间、交易笔数以及单笔交易金额等。可以理解的,在其他的一些实施例中,交易簇中交易记录的交易特征也可以仅包括交易资金序列特征、交易记录所对应的地理环境相似度以及连接Wi-Fi状态所下产生的交易记录的占比这三个特征中的其中一个或两个,或者这三个特征之外的其他一些连锁商户所共有的一些特征。另外,若交易簇中交易记录的交易特征包括交易资金序列特征,该交易资金序列特征中可以包括交易时间、交易笔数以及单笔交易金额中的其中一个或两个,或者交易时间、交易笔数以及单笔交易金额之外的其他一些特征。
步骤S15,基于所述目标收款码对应的交易簇中交易记录的交易特征,确定目标收款码是否属于连锁商户。
如果商户为连锁商户,则个连锁门店的交易记录的交易特征会存在一定的相似性。因此,在判断目标收款码是否属于连锁商户时,可根据所述目标收款码对应的交易簇中交易记录的交易特征相似度,来确定目标收款码是否属于连锁商户。
请参阅图2,确定目标收款码是否属于连锁商户可以包括如下步骤:
步骤S151,计算所述目标收款码对应的交易簇之间的交易记录的交易特征相似度。
应理解,交易簇中的交易记录包括多个交易特征,不同交易簇之间的交易记录的交易特征相似度越高,说明不同交易簇之间的交易记录越相近,目标收款码属于连锁商户的可能性越高。
因此,在确定目标收款码是否属于连锁商户时,可先计算出多个交易簇之间的交易记录的交易特征相似度。
例如,对于连接Wi-Fi状态所下产生的交易记录的占比这一交易特征,如果两个交易簇之间的交易特征的差值在10%以内,可以将两个交易簇之间这一个特征的相似度用1表示,如果差值在10%-20%之间,可以将两个交易簇之间这一个特征的相似度用0.8表示,如果差值在30%-50%之间,可以将两个交易簇之间这一个特征的相似度用0.5表示。假定在交易簇a的交易记录中,连接Wi-Fi状态所下产生的交易记录的占比为15%,而在交易簇b的交易记录中,连接Wi-Fi状态所下产生的交易记录的占比为17%,两者的差值在10%-20%之间,因此交易簇a与交易簇b在连接Wi-Fi状态所下产生的交易记录的占比这一交易特征上的相似度为0.8。
类似地,也可以计算出各簇之间的交易记录的其他各项交易特征相似度。
步骤S153,根据所述目标收款码对应的交易簇之间的交易记录的交易特征相似度,确定目标收款码是否属于连锁商户。
本说明书实施例中,可预先设置一个用于评价目标收款码是否属于连锁商户的相似度阈值,如果多个交易簇之间的交易记录的交易特征相似度超过预设的第一相似度阈值,则可以判定目标收款码属于连锁商户。如果多个交易簇之间的交易记录的交易特征相似度小于第二相似度阈值,则可以判定目标收款码不属于连锁商户,其中,第二相似度阈值可以取值为第一相似度阈值,或小于第一相似度阈值的一个数值。应理解,第一相似度阈值、第二相似度阈值可以通过历史大数据统计得到,或通过其它方式得到,本说明书实施例对此不作限制。
应理解,多个交易簇之间的交易记录的交易特征相似度超过第一相似度阈值,可以是指该多个交易簇之间的交易记录的交易特征相似度的平均值超过该第一相似度阈值,也可以是指该多个交易簇之间的交易记录的交易特征相似度的中间值超过该第一相似度阈值,本说明书实施例不做具体限定。
应理解,对于目标收款码属于连锁商户的情况,支付平台的服务器无需对该目标收款码进行再次稽核,给予其通畅的支付体验,从而减少了对正常的连锁商户的打扰率,保障正常经营的连锁商户通畅的支付体验。
本说明书实施例提供的技术方案,由于基于目标收款码在预定时间段内对应的交易记录中携带的位置信息对交易记录进行聚类,并基于所述目标收款码对应的交易簇中交易记录的交易特征,确定目标收款码是否属于连锁商户,从而能够准确识别出线下商户是否为正常经营的连锁商户,减少对正常连锁商户的打扰率。
此外,本说明书实施例的技术方案,由于减少了对正常连锁商户的打扰率,从而能够给予正常经营的连锁商户通畅的支付体验。其次,本说明书实施例的技术方案对连锁商户的识别不依赖单一来源数据,能够对没有任何门店标签或经营信息数据的商户进行识别覆盖。
请参阅图3,是本说明书实施例提供的另一连锁商户的识别方法的流程图。如图3所示,可选地,在步骤S11之后,步骤S13之前,还可对所述目标收款码对应的多个交易簇进行处理。
可选地,在步骤S11之后,步骤S13之前,该方法还可包括步骤S111。
S111,基于所述目标收款码对应的交易簇的簇特征,对所述目标收款码对应的交易簇中的无效交易簇进行过滤处理。
应理解,实际情形中,一些非正常交易产生的交易记录,可能在聚类后形成交易簇,并对连锁商户的识别准确性产生影响。如单个用户累计支付或通过作弊刷单形成的交易簇,或者一些风险商户的交易记录在聚类后也可能会形成交易簇(如赌徒单日多次扫码同一赌博庄家支付赌资)。另外,定位时由于位置信息漂移导致聚类时产生较多噪点(即不能够被聚类到交易簇中的点),也会对连锁商户的识别准确性产生影响。
因此,本说明书实施例中,在聚类得到多个交易簇后,还根据聚类后的交易簇的簇特征,将可能会对连锁商户的识别准确性产生影响的无效交易簇进行过滤,以提高连锁商户的识别准确性。
应理解,交易簇的簇特征有很多种,例如,聚类后的交易簇中的交易记录占所述交易记录所在区域中所述目标收款码的所有交易记录的比例;聚类后的交易簇中的交易记录中同一付款账户在预定时间段内的付款次数;聚类后的交易簇中的交易记录所对应的付款账户的数量,等等。
可选地,如果某一交易簇中的交易记录占所述交易记录所在区域中所述目标收款码的所有交易记录的比例未超过设定的比例值,则判定为该交易簇为无效交易簇。即,无效交易簇可包括交易簇中的交易记录占所在区域中所述目标收款码的所有交易记录的比例小于或等于第三预设阈值的交易簇。当然,如果某一交易簇中的交易记录占该交易记录所在区域中所述目标收款码的所有交易记录的比例超过设定的比例值(也即聚类时产生的噪点较少),并不能直接判定为该交易簇为有效交易簇,因为通过其它簇特征可能判定该交易簇为无效交易簇。例如,对于交易簇a,交易簇a对应的目标收款码的所有交易记录中,由于定位不准确一部分交易记录在聚类时未能够被聚类至交易簇a中,假定目标收款码对应的所有交易记录携带的位置信息均位于区域甲中,设定的比例值为70%,如果交易簇a的交易记录占区域甲中目标收款码的所有交易记录的比例未超过70%,则判定为该交易簇为无效交易簇。当然,设定的比例值也可以为其他值,如60%、75%、80%等,本说明书实施例对此不作限制。
可选地,如果聚类后的交易簇中的交易记录中同一付款账户在预定时间段内的付款次数高于预设的次数,则判定为该交易簇为无效交易簇。即,该无效交易簇可包括交易簇中的交易记录中同一付款账户在预定时间段内的付款次数大于或等于第二预设阈值的交易簇。一般来说,单个用户的单日复购率不超过3次,该情况符合大多数线下商户的交易特征,因此在一种可选的方案中,该预定时间段可以设置为1天,预设的次数可以设置为3次。例如,同一付款账户在1天内的付款次数在3次以上,则可以认定这个付款账户属于异常账户,这个交易簇无效。
可选地,如果聚类后的交易簇中的交易记录所对应的付款账户的数量小于或等于预设数量,则判定为该交易簇为无效交易簇。即,该无效交易簇可包括交易簇中的交易记录所对应的付款账户的数量小于或等于第三预设阈值的交易簇。例如,当第一预设阈值取1时,即单个用户的交易记录聚类形成的交易簇,只有1个用户刷单形成的交易,显然可以视为无效交易簇。当然,第一预设阈值还可以取更大一些的数值,例如2、3、4等等,这个可以根据历史数据确认,本说明书实施例对此不作限制。
可以理解的,在其他的一些实施例中,聚类后的交易簇的簇特征也可以包括上述的其中一种或两种,本说明书实施例不做具体限定。
通过剔除聚类后的交易簇中的无效交易簇,可有效消除用户刷单、风险商户以及位置信息漂移等情形对连锁商户识别的影响,提高连锁商户的识别准确性。
可选地,在步骤S11之后,步骤S13之前,该方法还可包括步骤S111。
S113,基于所述目标收款码对应的交易簇的簇特征,对所述目标收款码对应的交易簇中位置距离小于预设间距的交易簇进行合并处理。
其中,所述簇特征包括交易簇内交易记录的位置信息。
应理解,在定位不准确的情形下,可能会由于定位不准确导致交易记录中携带的位置信息与实际的位置信息之间存在一定的误差,在聚类时可能产生两个及以上的交易簇,但这些交易簇所对应位置一般不会相差太远。为了避免由于定位误差导致同一门店的交易记录聚类到不同的交易簇中进而影响连锁商户识别的准确性,本说明书实施例中,在对交易记录进行聚类后还可以根据交易簇内交易记录携带的位置信息,将簇间距小于预设间距的交易簇进行合并。其中,该预设间距可根据实际的定位误差值确定,例如一般定位误差不会超过200米,则该预设值可设置为200米左右。当然,这个预设间距也可以设置为其它的数值,例如500米,等等,本说明书实施例对此不作限制。
本说明书实施例中,簇间距可以是指交易簇之间核心交易记录所对应的定位距离,即交易簇之间对应位置最密集的交易记录所对应的定位距离。例如,在交易簇a的所有交易记录对应的位置信息中,A点为最为密集的点,则A点所对应的交易记录a1为交易簇a中的核心交易记录。在交易簇b的所有交易记录对应的位置信息中,B点为最为密集的点,则B点所对应的交易记录b1为交易簇b中的核心交易记录。交易簇a与交易簇b之间的簇间距则为A点与B点之间的实际距离。
本说明书实施例提供的技术方案,由于基于目标收款码在预定时间段内对应的交易记录中携带的位置信息对交易记录进行聚类,并基于目标收款码对应的交易簇中交易记录的交易特征,确定目标收款码是否属于连锁商户,从而能够准确识别出线下商户是否为正常经营的连锁商户,减少对正常连锁商户的打扰率,确保正常经营的连锁商户通畅的支付体验。
图4是本说明书的一个实施例电子设备的结构示意图。请参考图4,在硬件层面,该电子设备包括处理器,可选地还包括内部总线、网络接口、存储器。其中,存储器可能包含内存,例如高速随机存取存储器(Random-Access Memory,RAM),也可能还包括非易失性存储器(non-volatile memory),例如至少1个磁盘存储器等。当然,该电子设备还可能包括其他业务所需要的硬件。
处理器、网络接口和存储器可以通过内部总线相互连接,该内部总线可以是ISA(Industry StandardArchitecture,工业标准体系结构)总线、PCI(Peripheral ComponentInterconnect,外设部件互连标准)总线或EISA(Extended IndustryStandardArchitecture,扩展工业标准结构)总线等。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示,图4中仅用一个双向箭头表示,但并不表示仅有一根总线或一种类型的总线。
存储器,用于存放程序。具体地,程序可以包括程序代码,所述程序代码包括计算机操作指令。存储器可以包括内存和非易失性存储器,并向处理器提供指令和数据。
处理器从非易失性存储器中读取对应的计算机程序到内存中然后运行,在逻辑层面上形成连锁商户的识别装置。处理器,执行存储器所存放的程序,并具体用于执行以下操作:
基于目标收款码在预定时间段内对应的交易记录中携带的位置信息对交易记录进行聚类,得到目标收款码对应的交易簇;
获取目标收款码对应的交易簇中交易记录的交易特征,所述交易特征至少包括交易资金序列特征;
基于目标收款码对应的交易簇中交易记录的交易特征,确定所述目标收款码是否属于连锁商户。
上述如本说明书图4所示实施例揭示的连锁商户的识别装置执行的方法可以应用于处理器中,或者由处理器实现。处理器可能是一种集成电路芯片,具有信号的处理能力。在实现过程中,上述方法的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器可以是通用处理器,包括中央处理器(Central ProcessingUnit,CPU)、网络处理器(Network Processor,NP)等;还可以是数字信号处理器(DigitalSignal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable GateArray,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本说明书一个或多个实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本说明书一个或多个实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成,或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器,闪存、只读存储器,可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器,处理器读取存储器中的信息,结合其硬件完成上述方法的步骤。
该电子设备还可执行图1-3所示实施例的方法,并实现连锁商户的识别装置在图1-3所示实施例的功能,本说明书实施例在此不再赘述。
当然,除了软件实现方式之外,本说明书的电子设备并不排除其他实现方式,比如逻辑器件抑或软硬件结合的方式等等,也就是说以下处理流程的执行主体并不限定于各个逻辑单元,也可以是硬件或逻辑器件。
本说明书实施例还提出了一种计算机可读存储介质,该计算机可读存储介质存储一个或多个程序,该一个或多个程序包括指令,该指令当被包括多个应用程序的便携式电子设备执行时,能够使该便携式电子设备执行图1-3所示实施例的方法,并具体用于执行以下操作:
基于目标收款码在预定时间段内对应的交易记录中携带的位置信息对交易记录进行聚类,得到目标收款码对应的交易簇;
获取目标收款码对应的交易簇中交易记录的交易特征,所述交易特征至少包括交易资金序列特征;
基于目标收款码对应的交易簇中交易记录的交易特征,确定所述目标收款码是否属于连锁商户。
图5是本说明书的一个实施例提供的连锁商户的识别装置50的结构示意图。请参考图5,在一种软件实施方式中,提供的连锁商户的识别装置50可包括:
聚类模块51,基于目标收款码在预定时间段内对应的交易记录中携带的位置信息对交易记录进行聚类,得到目标收款码对应的交易簇;
获取模块53,获取目标收款码对应的交易簇中交易记录的交易特征,所述交易特征至少包括交易资金序列特征;
确定模块55,基于目标收款码对应的交易簇中交易记录的交易特征,确定所述目标收款码是否属于连锁商户。
本说明书实施例提供的技术方案,由于能够基于目标收款码在预定时间段内对应的交易记录中携带的位置信息对交易记录进行聚类,并基于聚类后的交易簇中交易记录的交易特征,确定目标收款码是否属于连锁商户,从而能够准确识别出线下商户是否为正常经营的连锁商户,减少对正常连锁商户的打扰率,确保正常经营的连锁商户通畅的支付体验。
上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
总之,以上所述仅为本说明书的较佳实施例而已,并非用于限定本说明书的保护范围。凡在本说明书的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本说明书的保护范围之内。
上述实施例阐明的系统、装置、模块或单元,具体可以由计算机芯片或实体实现,或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的,计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于系统实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
Claims (12)
1.一种连锁商户的识别方法,包括:
基于目标收款码在预定时间段内对应的交易记录中携带的位置信息对交易记录进行聚类,得到所述目标收款码对应的交易簇;
获取所述目标收款码对应的交易簇中交易记录的交易特征,所述交易特征至少包括交易资金序列特征;
基于所述目标收款码对应的交易簇中交易记录的交易特征,确定所述目标收款码是否属于连锁商户。
2.根据权利要求1所述的方法,所述基于目标收款码在预定时间段内对应的交易记录中携带的位置信息对交易记录进行聚类,包括:
基于目标收款码在预定时间段内对应的交易记录中携带的位置信息,通过基于密度的聚类算法或地理哈希GEOHASH算法对所述目标收款码在预定时间段内对应的交易记录进行聚类。
3.根据权利要求1所述的方法,所述基于所述目标收款码对应的交易簇中交易记录的交易特征,确定所述目标收款码是否属于连锁商户,包括:
如果所述目标收款码对应的交易簇之间的交易记录的交易特征相似度超过预设的相似度阈值,则确定所述目标收款码属于连锁商户。
4.根据权利要求1所述的方法,在获取所述目标收款码对应的交易簇中交易记录的交易特征之前,所述方法还包括:
基于所述目标收款码对应的交易簇的簇特征,对所述目标收款码对应的交易簇中的无效交易簇进行过滤处理。
5.根据权利要求4所述的方法,交易簇的簇特征包括如下至少一种:
交易簇中的交易记录占所述交易记录所在区域中所述目标收款码的所有交易记录的比例;
交易簇中的交易记录中同一付款账户在预定时间段内的付款次数;
交易簇中的交易记录所对应的付款账户的数量。
6.如权利要求5所述的方法,所述无效交易簇包括如下至少一种:
交易簇中的交易记录占所在区域中所述目标收款码的所有交易记录的比例小于或等于第一预设阈值的交易簇;
交易簇中的交易记录中同一付款账户在预定时间段内的付款次数大于或等于第二预设阈值的交易簇;
交易簇中的交易记录所对应的付款账户的数量小于或等于第三预设阈值的交易簇。
7.根据权利要求1所述的方法,在基于所述目标收款码对应的交易簇中交易记录的交易特征,确定所述目标收款码是否属于连锁商户之前,所述方法还包括:
基于所述目标收款码对应的交易簇的簇特征,对所述目标收款码对应的交易簇中位置距离小于预设间距的交易簇进行合并处理,其中,所述簇特征包括交易簇内交易记录的位置信息。
8.根据权利要求1所述的方法,所述交易资金序列特征包括交易时间、交易笔数以及单笔交易金额中的至少一项。
9.根据权利要求1所述的方法,所述交易特征还包括所属交易簇中的交易记录所对应的地理环境相似度和/或所属交易簇中在连接Wi-Fi状态所下产生的交易记录的占比。
10.一种连锁商户的识别装置,包括:
聚类模块,基于目标收款码在预定时间段内对应的交易记录中携带的位置信息对交易记录进行聚类,得到所述目标收款码对应的交易簇;
获取模块,获取所述目标收款码对应的交易簇中交易记录的交易特征,所述交易特征至少包括交易资金序列特征;
确定模块,基于所述目标收款码对应的交易簇中交易记录的交易特征,确定所述目标收款码是否属于连锁商户。
11.一种电子设备,包括处理器、通信接口、存储器和通信总线,其中,处理器,通信接口,存储器通过总线完成相互间的通信;
存储器,用于存放计算机程序;
处理器,用于执行存储器上所存放的程序,实现以下流程:
基于目标收款码在预定时间段内对应的交易记录中携带的位置信息对交易记录进行聚类,得到所述目标收款码对应的交易簇;
获取所述目标收款码对应的交易簇中交易记录的交易特征,所述交易特征至少包括交易资金序列特征;
基于所述目标收款码对应的交易簇中交易记录的交易特征,确定所述目标收款码是否属于连锁商户。
12.一种计算机可读存储介质,所述存储介质内存储有计算机程序,所述计算机程序被处理器执行时实现以下流程:
基于目标收款码在预定时间段内对应的交易记录中携带的位置信息对交易记录进行聚类,得到所述目标收款码对应的交易簇;
获取所述目标收款码对应的交易簇中交易记录的交易特征,所述交易特征至少包括交易资金序列特征;
基于所述目标收款码对应的交易簇中交易记录的交易特征,确定所述目标收款码是否属于连锁商户。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010163136.XA CN111415151A (zh) | 2020-03-10 | 2020-03-10 | 连锁商户的识别方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010163136.XA CN111415151A (zh) | 2020-03-10 | 2020-03-10 | 连锁商户的识别方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111415151A true CN111415151A (zh) | 2020-07-14 |
Family
ID=71490965
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010163136.XA Pending CN111415151A (zh) | 2020-03-10 | 2020-03-10 | 连锁商户的识别方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111415151A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111985938A (zh) * | 2020-08-18 | 2020-11-24 | 支付宝(杭州)信息技术有限公司 | 一种跨境交易的真实性验证方法、装置及设备 |
CN118014584A (zh) * | 2024-04-08 | 2024-05-10 | 北京开科唯识技术股份有限公司 | 一种二维码自动甄别异常的方法 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104537380A (zh) * | 2014-12-30 | 2015-04-22 | 小米科技有限责任公司 | 聚类方法和装置 |
WO2015135277A1 (zh) * | 2014-03-14 | 2015-09-17 | 小米科技有限责任公司 | 聚类方法及相关装置 |
CN105184574A (zh) * | 2015-06-30 | 2015-12-23 | 电子科技大学 | 一种套用商户类别码欺诈行为的检测方法 |
CN105809195A (zh) * | 2016-03-08 | 2016-07-27 | 中国银联股份有限公司 | 用于判别一个商户是否属于特定商户类别的方法和装置 |
CN107133289A (zh) * | 2017-04-19 | 2017-09-05 | 银联智策顾问(上海)有限公司 | 一种确定商圈的方法和装置 |
CN108876465A (zh) * | 2018-06-28 | 2018-11-23 | 阿里巴巴集团控股有限公司 | 一种对商户进行经营模式分群的方法、装置和服务器 |
CN109101989A (zh) * | 2018-06-29 | 2018-12-28 | 阿里巴巴集团控股有限公司 | 一种商户分类模型构建和商户分类方法、装置及设备 |
CN110458651A (zh) * | 2019-07-18 | 2019-11-15 | 阿里巴巴集团控股有限公司 | 商户识别方法、装置、设备及存储介质 |
CN110659961A (zh) * | 2019-09-12 | 2020-01-07 | 阿里巴巴集团控股有限公司 | 一种用于识别线下商户的方法和装置 |
CN110781971A (zh) * | 2019-10-31 | 2020-02-11 | 支付宝(杭州)信息技术有限公司 | 一种商户类型识别方法、装置、设备和可读介质 |
-
2020
- 2020-03-10 CN CN202010163136.XA patent/CN111415151A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015135277A1 (zh) * | 2014-03-14 | 2015-09-17 | 小米科技有限责任公司 | 聚类方法及相关装置 |
CN104537380A (zh) * | 2014-12-30 | 2015-04-22 | 小米科技有限责任公司 | 聚类方法和装置 |
CN105184574A (zh) * | 2015-06-30 | 2015-12-23 | 电子科技大学 | 一种套用商户类别码欺诈行为的检测方法 |
CN105809195A (zh) * | 2016-03-08 | 2016-07-27 | 中国银联股份有限公司 | 用于判别一个商户是否属于特定商户类别的方法和装置 |
CN107133289A (zh) * | 2017-04-19 | 2017-09-05 | 银联智策顾问(上海)有限公司 | 一种确定商圈的方法和装置 |
CN108876465A (zh) * | 2018-06-28 | 2018-11-23 | 阿里巴巴集团控股有限公司 | 一种对商户进行经营模式分群的方法、装置和服务器 |
CN109101989A (zh) * | 2018-06-29 | 2018-12-28 | 阿里巴巴集团控股有限公司 | 一种商户分类模型构建和商户分类方法、装置及设备 |
CN110458651A (zh) * | 2019-07-18 | 2019-11-15 | 阿里巴巴集团控股有限公司 | 商户识别方法、装置、设备及存储介质 |
CN110659961A (zh) * | 2019-09-12 | 2020-01-07 | 阿里巴巴集团控股有限公司 | 一种用于识别线下商户的方法和装置 |
CN110781971A (zh) * | 2019-10-31 | 2020-02-11 | 支付宝(杭州)信息技术有限公司 | 一种商户类型识别方法、装置、设备和可读介质 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111985938A (zh) * | 2020-08-18 | 2020-11-24 | 支付宝(杭州)信息技术有限公司 | 一种跨境交易的真实性验证方法、装置及设备 |
CN118014584A (zh) * | 2024-04-08 | 2024-05-10 | 北京开科唯识技术股份有限公司 | 一种二维码自动甄别异常的方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11989789B2 (en) | Systems and methods for locating merchant terminals based on transaction data | |
US11301855B2 (en) | Data verification in transactions in distributed network | |
US8554670B1 (en) | Systems and methods for crediting missed location-based electronic check-ins in a social network | |
WO2019218746A1 (zh) | 指标波动分析方法及装置 | |
US20200005316A1 (en) | Method and System for Determining Terminal Locations | |
CA2905298C (en) | Method and system of detecting and using geofencing for fraud detection and modeling | |
CN108399543B (zh) | 支付卡的绑定方法、信任评估方法、装置和电子设备 | |
US20160364727A1 (en) | System and method for identifying compromised accounts | |
CN109034583B (zh) | 异常交易识别方法、装置及电子设备 | |
US20210142330A1 (en) | Systems and methods for detecting out-of-pattern transactions | |
CA3024009A1 (en) | Systems and methods for enhanced authorization response | |
US20140358769A1 (en) | Merchant data correction through location averaging | |
US20210042751A1 (en) | Systems and methods for identifying payment accounts to segments | |
US20140279331A1 (en) | System and method for pro-actively responding to mass compromise situations | |
CN109493086B (zh) | 一种确定违规商户的方法及装置 | |
US11093925B2 (en) | Methods and systems for providing chargeback scoring for network transactions | |
CN111415151A (zh) | 连锁商户的识别方法、装置、电子设备及存储介质 | |
US20160328802A1 (en) | System and method for determining merchant revenue using transaction data and geotemporal data | |
CN115062079A (zh) | 交易流水处理方法、装置、设备及存储介质 | |
CN108170821B (zh) | 确定一码多址的方法、装置及电子设备 | |
CN111640209A (zh) | 一种乘车计费方法、装置及电子设备 | |
US11797997B2 (en) | Data verification in transactions in distributed network | |
CN114283004A (zh) | 交易风险检测方法和装置 | |
CN116909885A (zh) | 金融系统的佣金记账测试方法、装置、设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200714 |