CN111915340A - 商户类型的识别方法、装置、设备及存储介质 - Google Patents

商户类型的识别方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN111915340A
CN111915340A CN201910385795.5A CN201910385795A CN111915340A CN 111915340 A CN111915340 A CN 111915340A CN 201910385795 A CN201910385795 A CN 201910385795A CN 111915340 A CN111915340 A CN 111915340A
Authority
CN
China
Prior art keywords
time period
merchant
target
sub
type
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.)
Granted
Application number
CN201910385795.5A
Other languages
English (en)
Other versions
CN111915340B (zh
Inventor
沈彦
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Tencent Technology Shenzhen Co Ltd
Original Assignee
Tencent Technology Shenzhen Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Tencent Technology Shenzhen Co Ltd filed Critical Tencent Technology Shenzhen Co Ltd
Priority to CN201910385795.5A priority Critical patent/CN111915340B/zh
Publication of CN111915340A publication Critical patent/CN111915340A/zh
Application granted granted Critical
Publication of CN111915340B publication Critical patent/CN111915340B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0282—Rating or review of business operators or products

Abstract

本申请公开了一种商户类型的识别方法、装置、设备及存储介质，涉及机器学习领域，该方法包括：获取目标商户在目标时间段内的交易数据，目标时间段中包括第一子时间段和第二子时间段；确定与第一子时间段对应的第一子数据以及与第二子时间段对应的第二子数据；根据第一子数据和第二子数据的比对结果确定目标商户所属的商户类型。根据目标商户在目标时间段内的交易事件生成的交易数据，以及交易数据中与第一子时间段对应的第一子数据和与第二子时间段对应的第二子数据确定该目标商户的商户类型，由于该商户类型是根据交易数据确定得到的，避免了由于商户资料不准确导致商户类型确定结果也不准确的问题，提高了商户类型确定结果的准确性。

Description

商户类型的识别方法、装置、设备及存储介质
技术领域
本申请实施例涉及机器学习领域，特别涉及一种商户类型的识别方法、装置、设备及存储介质。
背景技术
在线支付是指买方与商户通过网上资金结算服务进行支付的支付方式，随着在线支付技术的逐步成熟，当商户支持在线支付的支付方式时，用户无需携带现金出门便可通过移动终端进行在线支付，从而对商户的商品进行购买，其中，商户可以以不同的维度分为不同的类型，如：以主营时间将商户分为工作日型商户以及假日型商户。
相关技术中，在对商户的类型进行区分的过程中，是通过商户注册时所填写的资料进行区分，如：针对商户A进行类型区分时，该商户A在注册时资料填写内容中包括地址“xxx办公楼1楼”，以及商户A的名称为“aa便利店”，根据该商户A的资料可知该商户A为在办公楼营业的便利店，主要针对在xxx 办公楼进行办公的人群，故该商户A的类型为工作日型商户。
然而，通过上述方式在对商户进行区分时，由于是针对商户的资料进行区分的，当商户的资料不全、资料内容有误或者资料所表达的内容可以匹配多种类型的商户时，上述方式的区分结果准确度较低，无法真正对商户的类型进行准确区分。
发明内容
本申请实施例提供了一种商户类型的识别方法、装置、设备及存储介质，可以解决商户的类型区分结果准确度较低的问题。所述技术方案如下：
一方面，提供了一种商户类型的识别方法，所述方法包括：
获取目标商户在目标时间段内的交易数据，所述交易数据是根据所述目标商户在所述目标时间段内的交易事件生成的数据，所述目标时间段中包括第一子时间段和第二子时间段；
确定所述交易数据中与所述第一子时间段对应的第一子数据以及与所述第二子时间段对应的第二子数据；
根据所述第一子数据和所述第二子数据的比对结果确定所述目标商户所属的商户类型，其中，所述商户类型包括所述与所述第一子时间段对应的第一类型商户和与所述第二子时间段对应的第二类型商户。
另一方面，提供了一种商户类型的识别装置，所述装置包括：
获取模块，用于获取目标商户在目标时间段内的交易数据，所述交易数据是根据所述目标商户在所述目标时间段内的交易事件生成的数据，所述目标时间段中包括第一子时间段和第二子时间段；
确定模块，用于确定所述交易数据中与所述第一子时间段对应的第一子数据以及与所述第二子时间段对应的第二子数据；
所述确定模块，还用于根据所述第一子数据和所述第二子数据的比对结果确定所述目标商户所属的商户类型，其中，所述商户类型包括所述与所述第一子时间段对应的第一类型商户和与所述第二子时间段对应的第二类型商户。
另一方面，提供了一种计算机设备，所述计算机设备包括处理器和存储器，所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现如上述本申请实施例中提供的商户类型的识别方法。
另一方面，提供了一种计算机可读存储介质，所述存储介质中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现如上述本申请实施例中提供的商户类型的识别方法。
另一方面，提供了一种计算机程序产品，当所述计算机程序产品在计算机上运行时，使得计算机执行如上述本申请实施例中提供的商户类型的识别方法。
本申请实施例提供的技术方案带来的有益效果至少包括:
根据目标商户在目标时间段内的交易事件生成的交易数据，以及交易数据中与第一子时间段对应的第一子数据和与第二子时间段对应的第二子数据确定该目标商户的商户类型，由于该商户类型是根据交易数据确定得到的，避免了根据商户资料确定商户类型时，由于商户资料不准确导致商户类型确定结果也不准确的问题，以交易数据确定商户类型，提高了商户类型确定结果的准确性。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本申请一个示例性实施例提供的实施环境的示意图；
图2是本申请一个示例性实施例提供的商户类型的识别方法的过程示意图；
图3是本申请一个示例性实施例提供的商户类型的识别方法的流程图；
图4是本申请另一个示例性实施例提供的商户类型的识别方法的流程图；
图5是本申请另一个示例性实施例提供的商户类型的识别方法的流程图；
图6是本申请另一个示例性实施例提供的商户类型的识别方法的流程图；
图7是本申请另一个示例性实施例提供的商户类型的识别方法的流程图；
图8是本申请一个示例性实施例提供的商户类型的识别装置的结构框图；
图9是本申请一个示例性的实施例提供的服务器的结构框图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚，下面将结合附图对本申请实施方式作进一步地详细描述。
首先，对本申请实施例中涉及的名词进行简单介绍：
交易数据：是指根据目标商户产生的交易事件而生成的数据，可选地，该交易数据为目标商户通过预设方式产生的交易事件而生成的数据，如：通过xx 网上支付平台产生的交易事件生成的数据。可选地，该交易数据为目标商户根据接收到的付款事件生成的数据。可选地，该交易数据中包括交易次数和交易金额中的至少一种，其中，交易次数是根据目标商户产生的交易事件的次数确定的，交易金额是根据目标商户产生的交易事件对应的金额确定的。可选地，该交易数据可以是目标时间段内的数据，也可以是与该目标商户对应已存储的所有数据。
商户类型：是指用于对商户进行区分的区分方式。可选地，商户可以以不同的维度分为不同的类型，如：以主营时间为区分维度将商户分为工作日型商户以及假日型商户，或，以主营时间为区分维度还可以将商户分为普通商户以及夜宵型商户。其中，工作日通常用于表示每周的周一至周五，而假日通常用于表示每周的周六和周日。
其次，对本申请实施例涉及的应用场景进行示意性说明，如图1所示，图1 示出了本申请一个示例性实施例提供的实施环境示意图，该实施环境中包括交易终端110、服务器120以及通信网络130；
其中，交易终端110用于在交易事件中向商户支付购买物品对应的资源，可选地，交易终端110中安装有目标应用程序，该目标应用程序包括支付功能，可选地，该目标应用程序可以是支付类应用程序、社交类应用程序、多媒体应用程序、协助工具类应用程序中的至少一种，本申请实施例对此不加以限定。商户对应包括商户账户，交易终端110通过目标应用程序中的支付功能，向商户账户支付对应的资源，并通过通信网络130向服务器发送支付信息。
服务器120用于根据支付终端110发送的支付信息，将支付终端110对应的账户中的资源转移至上述商户账户，并在资源转移成功后，通过通信网络130 向终端110发送资源转移成功通知。可选地，服务器120还用于在资源转移成功后，将该交易终端110和服务器120之间的资源转移事件作为交易事件121 进行记录，并根据该商户在目标时间段内的所有交易事件121对应的交易数据，确定该商户的商户类型。
可选地，上述支付终端110可以是手机、平板、智能手表等移动终端。上述服务器120可以是一台服务器，也可以是一组服务器组成的服务器集群，该服务器120可以是物理服务器，也可以是云服务器，本申请实施例对此不加以限定。
示意性的，如图2所示，以商户A的商户类型确定过程为例进行说明，终端211向服务器220发送支付信息a，该支付信息a表示该终端211对应的账户向商户A的账户转移第一资源；终端212向服务器220发送支付信息b，该支付信息b表示该终端212对应的账户向商户A的账户转移第二资源；终端213 向服务器220发送支付信息c，该支付信息c表示该终端213对应的账户向商户 A的账户转移第三资源。服务器220根据支付信息a、支付信息b以及支付信息 c确定该商户A的商户类型。
结合上述对名词的介绍以及本申请实施例的应用场景，对本申请实施例中涉及的商户类型的识别方法进行说明，请参考图3，图3是本申请一个示例性实施例提供的商户类型的识别方法的流程图，以该方法应用于如图1所示的服务器120中为例进行说明，该方法包括：
步骤301，获取目标商户在目标时间段内的交易数据，该目标时间段包括第一子时间段和第二子时间段。
可选地，该交易数据是根据目标商户在目标时间段内的交易事件生成的数据。
可选地，该目标商户的交易数据为服务器中已存储的数据。
可选地，该交易数据对应交易事件产生的时刻进行对应存储，即，该交易数据中包括该交易数据的产生时刻。可选地，根据每个交易数据对应的产生时刻，从已存储的数据中获取产生时刻在目标时间段内的交易数据；或，服务器中存储的交易数据为目标时间段内的数据，直接获取与该目标商户对应的所有已存储数据，即获取该目标商户在目标时间段内的交易数据。
可选地，该目标时间段包括第一子时间段和第二子时间段，其中，该第一子时间段和第二子时间段可以组成目标时间段的一部分，也可以组成完整的目标时间段。
可选地，该第一子时间段为工作日对应的时间段，该第二子时间段为假日对应的时间段；或，该第一子时间段为日间对应的时间段，该第二子时间段为夜间对应的时间段。
其中，当第一子时间段为工作日对应的时间段，第二子时间段为假日对应的时间段时，即该目标时间段中既包括工作日对应的时间段，又包括假日对应的时间段。可选地，工作日通常用于表示每周的周一至周五，假日通常用于表示每周的周六和周日。可选地，该目标时间段中可以包括一周的周一至周五和一周周六和周日，也可以包括多周的周一至周五，以及多周的周六和周日。示意性的，该目标时间段中包括从4.1(周一)至4.19(周五)，则该目标时间段中包括4.1至4.5(周一至周五)、4.8至4.12(周一至周五)、4.15至4.19(周一至周五)，以及4.6至4.7(周六、周日)、4.13至4.14(周六、周日)其中，4.1 至4.5、4.8至4.12以及4.15至4.19为工作日对应的时间段，也即第一子时间段， 4.6至4.7和4.13至4.14为假日对应的时间段，也即第二子时间段。
可选地，当第一子时间段为日间对应的时间段，第二子时间段为夜间对应的时间段时，该日间对应的时间段的具体起始时刻和终止时刻，以及夜间对应的时间段的具体起始时刻和终止时刻为管理人员设置的，如：日间对应的时间段的起始时刻为5：00，终止时刻为19：00，则对应夜间的时间段的起始时刻为19：00，终止时刻为5：00，可选地，由于每日的起始时刻为00：00，终止时刻为24：00，则每日的日间时间段为5：00至19：00，夜间的时间段为00： 00至5：00以及19：00至24：00。可选地，该目标时间段可以包括单日的日间时间段和夜间时间段，也可以包括多日的日间时间段和夜间时间段。
步骤302，确定交易数据中与第一子时间段对应的第一子数据以及与第二子时间段对应的第二子数据。
可选地，结合上述第一子时间段和第二子时间段从交易数据中确定交易事件的产生时刻在第一子时间段内的第一子数据，以及交易事件的产生时刻在第二子时间段内的第二子数据。
步骤303，根据第一子数据和第二子数据的比对结果确定目标商户所属的商户类型。
可选地，该商户类型包括与第一子时间段对应的第一类型商户和与第二子时间段对应的第二类型商户。
可选地，当第一子时间段的时间段长度和第二子时间段的时间段长度一致时，直接比对第一子数据和第二子数据的数据大小，并根据数据大小的比对结果确定目标商户所属的商户类型。示意性的，交易数据中包括交易次数，第一子时间段为日间对应的12小时，第二子时间段为夜间对应的12小时，第一子时间段对应的第一子数据中表示第一子时间段内的交易次数为52，第二子时间段对应的第二子数据中表示第二子时间段内的交易次数为35次，则确定该商户类型为与第一子时间段对应的第一类型商户。
可选地，当第一子时间段的时间段长度与第二子时间段的时间段长度不一致时，确定第一子数据和交易数据的第一比对结果以及第二子数据与交易数据的第二比对结果，并根据第一比对结果和第二比对结果之间的第三比对结果，确定目标商户所属的商户类型。
可选地，目标时间段、第一子时间段和第二子时间段以小于该时间段的时间单位进行比对。
示意性的，当第一子时间段为工作日对应的时间段，第二子时间段为假日对应的时间段时，则第一子时间段可以拆分为每个单独的工作日进行比对，则第二子时间段拆分为每个单独的假日进行比对，目标时间段可以拆分为每个单独的自然日进行比对。
示意性地，当第一子时间段为日间对应的时间段，第二子时间段为夜间对应的时间段时，则第一子时间段可以拆分为每个小时进行比对，第二子时间段以及目标时间段也可以拆分为每个小时进行比对。
可选地，上述第一子数据和交易数据的第一比对结果为将第一子时间段和目标时间段拆分为小于该时间段的时间单位进行比对的比对结果；上述第二子数据和交易数据的第二比对结果为将第二子时间段和目标时间段拆分为小于该时间段的时间单位进行比对的比对结果。
综上所述，本实施例提供的商户类型的识别方法，根据目标商户在目标时间段内的交易事件生成的交易数据，以及交易数据中与第一子时间段对应的第一子数据和与第二子时间段对应的第二子数据确定该目标商户的商户类型，由于该商户类型是根据交易数据确定得到的，避免了根据商户资料确定商户类型时，由于商户资料不准确导致商户类型确定结果也不准确的问题，以交易数据确定商户类型，提高了商户类型确定结果的准确性。
在一个可选的实施例中，上述比对过程中是通过交易数据在目标时间段内的平均数据进行比对的，图4是本申请一个示例性实施例提供的商户类型的识别方法流程图，以该方法应用在如图1所示的服务器120中为例进行说明，如图4所示，该方法包括：
步骤401，获取目标商户在目标时间段内的交易数据，该目标时间段包括第一子时间段和第二子时间段。
可选地，该交易数据是根据目标商户在目标时间段内的交易事件生成的数据。
可选地，该目标时间段包括第一子时间段和第二子时间段，可选地，该第一子时间段为工作日对应的时间段，该第二子时间段为假日对应的时间段；或，该第一子时间段为日间对应的时间段，该第二子时间段为夜间对应的时间段。
可选地，获取该目标商户在目标时间段内的交易数据的具体过程在上述步骤301中已进行了详细说明，此处不再赘述。
步骤402，确定交易数据中与第一子时间段对应的第一子数据以及与第二子时间段对应的第二子数据。
可选地，该确定过程在上述步骤302中已进行了详细说明，此处不再赘述。
步骤403，根据交易数据和目标时间段确定交易数据在目标时间段内的目标平均数据。
可选地，该目标平均数据是通过将目标时间段分为较小的时间单位后，根据交易数据和该目标时间段被该较小的时间单位分割的数量计算得到的。
示意性的，该交易数据中包括交易金额为21000，该目标时间段为4.1(周一)至4.7(周日)，将该目标时间段以一个自然日为时间单位，则该目标时间段被分为7个自然日，该交易金额在该7个自然日内的平均金额为每个自然日 3000。
示意性的，该交易数据中包括交易次数为45次，该目标时间段为8：00至 23：00，将该目标时间段以小时为时间单位，则该目标时间段被分为15个小时，该交易次数在该15个小时内的平均次数为每个小时3次。
步骤404，确定第一子数据和目标平均数据之间的第一比对结果，以及第二子数据和目标平均数据之间的第二比对结果。
可选地，当第一子数据大于目标平均数据时，取第一取值，并当第一子数据不大于目标平均数据时，取第二取值，得到第一子时间段对应的第一码位串作为第一比对结果；当第二子数据大于目标平均数据时，取上述第一取值，并当第二子数据不大于目标平均数据时，取上述第二取值，得到第二子时间段对应的第二码位串作为第二比对结果。
可选地，在第一子数据与目标平均数据进行比对的过程中，首先将第一子时间段分为较小的时间单位，并根据被分割后的第一子时间段对应的第一子数据与该目标平均数据进行比对。可选地，对该第一子时间段进行分割的时间单位与对上述目标时间段进行分割的时间单位一致，示意性的，以自然日为时间单位对上述目标时间段进行分割，则对该第一子时间段进行分割时，也以自然日为时间单位进行分割，并将分割后每个自然日对应的第一子数据与目标平均数据进行比对。
可选地，在第二子数据与目标平均数据进行比对的过程中，首先将第二子时间段分为较小的时间单位，并根据被分割后的第二子时间段对应的第二子数据与该目标平均数据进行比对。可选地，对该第二子时间段进行分割的时间单位与对上述第一子时间段和目标时间段分割的时间单位一致。示意性的，以自然日为时间单位对上述目标时间段以及第一子时间段进行分割，则对该第二子时间段进行分割时，也以自然日为时间单位进行分割，并将分割后每个自然日对应的第二子数据与目标平均数据进行比对。
可选地，当分割后的第一子时间段对应的第一子数据大于目标平均数据时，针对该大于目标平均数据的第一子时间段取第一取值，并当分割后的第一子时间段对应的第一子数据不大于目标平均数据时，针对该不大于目标平均数据的第一子时间段取第二取值；当分割后的第二子时间段对应的第二子数据大于目标平均数据时，针对该大于目标平均数据的第二子时间段取第一取值，并当分割后的第二子时间段对应的第二子数据不大于目标平均数据时，针对该不大于目标平均数据的第二子时间段取第二取值。
示意性的，目标时间段为4.1(周一)至4.7(周日)，以交易数据中包括交易次数为例进行说明，该目标时间段内的交易数据请参考如下表一：
表一
商户 日期 交易次数
商户A 4.1(周一) 222
商户A 4.2(周二) 282
商户A 4.3(周三) 235
商户A 4.4(周四) 105
商户A 4.5(周五) 391
商户A 4.6(周六) 460
商户A 4.7(周日) 405
则4.1至4.7的7天内，商户A的交易总次数为2100次，则该商户A的目标平均数据为300次每天，第一子时间段为工作日对应的时间段，也即4.1至4.5，第二子时间段为假日对应的时间段，也即4.6和4.7，针对第一子时间段，4.1的交易次数小于目标平均数据，则4.1对应取0(第二取值)，同理，4.2对应取0，4.3对应取0，4.4对应取0，4.5对应取1(第一取值)，则该第一子时间段对应的第一码位串为00001；4.6的交易次数大于目标平均数据，故该4.6对应取1，4.7对应取1，则该第二子时间段对应的第二码位串为11。
可选地，当第一取值为1，第二取值为0时，上述第一码位串和第二码位串为二进制码位串。
步骤405，根据第一比对结果和第二比对结果之间的第三比对结果，确定目标商户所属的商户类型。
可选地，确定第一码位串作为该第一比对结果，以及确定第二码位串作为第二比对结果后，对该第一码位串和第二码位串进行比对，得到第三比对结果，从而确定目标商户所属的商户类型。
可选地，将第一码位串和第二码位串代入比对公式，得到比对结果作为第三比对结果，其中，该比对结果用于表示目标商户与第一类型商户和第二类型商户的对应匹配得分；将匹配得分最高的商户类型作为目标商户所属的商户类型。
可选地，当第一码位串和第二码位串为二进制码位串，将该第一码位串和第二码位串代入比对公式时，还需要先确定第一码位串中取值为1的位数和第二码位串中取值为1的位数，并将第一码位串、第二码位串、第一码位串中取值为1的位数和第二码位串中取值为1的位数代入该比对公式，得到该比对结果。
综上所述，本实施例提供的商户类型的识别方法，根据目标商户在目标时间段内的交易事件生成的交易数据，以及交易数据中与第一子时间段对应的第一子数据和与第二子时间段对应的第二子数据确定该目标商户的商户类型，由于该商户类型是根据交易数据确定得到的，避免了根据商户资料确定商户类型时，由于商户资料不准确导致商户类型确定结果也不准确的问题，以交易数据确定商户类型，提高了商户类型确定结果的准确性。
本实施例提供的方法，将第一子数据与目标平均数据进行比对，得到第一比对结果，并将第二子数据与目标平均数据进行比对，得到第二比对结果，根据第一比对结果和第二比对结果的之间的第三比对结果确定目标商户所属的商户类型，避免由于第一子时间段和第二子时间段的时间段长度不同而导致第一子数据和第二子数据之间无法直接进行比对的问题。
在一个可选的实施例中，上述交易数据中包括交易次数和交易金额中的至少一种，图5是本申请另一个示例性实施例提供的商户类型的识别方法流程图，以该方法应用于如图1所示的服务器120中为例进行说明，该方法包括：
步骤501，获取目标商户在目标时间段内的交易数据，该目标时间段包括第一子时间段和第二子时间段。
可选地，该交易数据是根据目标商户在目标时间段内的交易事件生成的数据。
可选地，该交易数据中包括交易次数和交易金额中的至少一种，其中，交易次数用于表示目标商户在目标时间段内产生的交易事件的次数；交易金额用于表示目标商户在目标时间段内产生的交易事件对应的金额。
可选地，本实施例中，以该交易数据中包括交易次数和交易金额为例进行说明。
可选地，该目标时间段包括第一子时间段和第二子时间段，可选地，该第一子时间段为工作日对应的时间段，该第二子时间段为假日对应的时间段；或，该第一子时间段为日间对应的时间段，该第二子时间段为夜间对应的时间段。
可选地，第一子时间段为工作日对应的时间段，该第二子时间段为假日对应的时间段时，第一类型商户为工作日型商户，第二类型商户为节日型商户。
可选地，获取该目标商户在目标时间段内的交易数据的具体过程在上述步骤301中已进行了详细说明，此处不再赘述。
步骤502，确定交易次数中与第一子时间段对应的第一次数以及与第二子时间段对应的第二次数。
可选地，该确定过程在上述步骤302中已进行了详细说明，此处不再赘述。
可选地，以第一子时间段为工作日对应的时间段，第二时间段为假日对应的时间段为例进行说明，获取目标商户在目标时间段内每天的交易次数，记为 cnti(i＝1...7)。可选地，该目标时间段以一周为例进行说明，该目标时间段的交易数据还可以包括多周的交易数据。
步骤503，根据交易次数和目标时间段确定交易次数在目标时间段内的平均次数。
可选地，该平均次数是通过将目标时间段分为较小的时间单位后，根据交易次数和该目标时间段被该较小的时间单位分割的数量计算得到的。
可选地，该平均次数的计算方式参考如下公式一：
公式一：
Figure BDA0002054791890000121
其中，cnti(i＝1...7)用于表示每天的交易次数，avg_cnt用于表示平均次数。
示意性的，该交易次数为45次，该目标时间段为8：00至23：00，将该目标时间段以小时为时间单位，则该目标时间段被分为15个小时，该交易次数在该15个小时内的平均次数为每个小时3次。
步骤504，根据第一次数和平均次数之间的比对结果确定第一码位串，以及根据第二次数和平均次数之间的比对结果确定第二码位串。
可选地，当第一次数大于平均次数时，取第一取值，并当第一次数不大于平均次数时，取第二取值，得到第一子时间段对应的第一码位串；当第二次数大于平均次数时，取上述第一取值，并当第二次数不大于平均次数时，取上述第二取值，得到第二子时间段对应的第二码位串。
示意性的，每天的交易次数对应的取值计算方式请参考如下公式二：
公式二：cnt_maski＝if(cnti>avg_cnt,1,0),(i＝1…7)
其中，cnt_maski用于表示每天的交易次数对应的取值，cnti用于表示每天的交易次数，avg_cnt用于表示平均次数，if(cnti>avg_cnt,1,0)用于表示如果cnti大于 avg_cnt,则将cnt_maski记为1，否则记为0。
可选地，结合上述公式二，得到第一码位串如下：
第一码位串：cnt_mask_weekday＝concat(cnt_mask1…cnt_mask5)
其中，cnt_mask_weekday用于表示工作日对应的时间段的第一码位串， concat(cnt_mask1…cnt_mask5)用于表示将cnt_maski中的i为1到5时的取值连接。
可选地，结合上述公式二，得到第二码位串如下：
第二码位串：cnt_mask_weekend＝concat(cnt_mask6,cnt_mask7)
其中，cnt_mask_weekend用于表示假日对应的时间段的第二码位串， concat(cnt_mask6,cnt_mask7)用于表示将cnt_maski中的i为6和7时的取值连接。
可选地，上述目标时间段为一个月时长的时间段，则根据工作日的交易次数，以一个月为统计时间跨度，分别记录一个月中第一个周一至周五，第二个周一至周五，第三个周一至周五，第四个周一至周五，以及其他工作日的第一码位串，具体请参考如下表二：
表二
时间范围 工作日交易次数
第一个周一至周五 bit_count(cnt_mask_weekday<sub>1</sub>)
第二个周一至周五 bit_count(cnt_mask_weekday<sub>2</sub>)
第三个周一至周五 bit_count(cnt_mask_weekday<sub>3</sub>)
第四个周一至周五 bit_count(cnt_mask_weekday<sub>4</sub>)
其他工作日 bit_count(cnt_mask_weekday<sub>5</sub>)
其中，bit_count用于表示计算二进制码位串中取值为1的位数，cnt_mask _weekday1用于表示第一个周一至周五对应的第一码位串，cnt_mask_weekday2用于表示第二个周一至周五对应的第一码位串，cnt_mask_weekday3用于表示第三个周一至周五对应的第一码位串，cnt_mask_weekday4用于表示第四个周一至周五对应的第一码位串，cnt_mask_weekday5用于表示其他工作日对应的第一码位串。
可选地，上述目标时间段为一个月时长的时间段，则根据假日的交易次数，以一个月为统计时间跨度，分别记录一个月中第一个周六和周日，第二个周六和周日，第三个周六和周日，第四个周六和周日，以及剩下的其他周六和周日的第二码位串，具体请参考如下表三：
表三
时间范围 假日交易次数
第一个周六、周日 bit_count(cnt_mask_weekend<sub>1</sub>)
第二个周六、周日 bit_count(cnt_mask_weekend<sub>2</sub>)
第三个周六、周日 bit_count(cnt_mask_weekend<sub>3</sub>)
第四个周六、周日 bit_count(cnt_mask_weekend<sub>4</sub>)
其他假日 bit_count(cnt_mask_weekend<sub>5</sub>)
其中，bit_count用于表示计算二进制码位串中取值为1的位数，cnt_mask _weekend1用于表示第一个周六和周日对应的第二码位串，cnt_mask_weekend2用于表示第二个周六和周日对应的第二码位串，cnt_mask_weekend3用于表示第三个周六和周日对应的第二码位串，cnt_mask_weekend4用于表示第四个周六和周日对应的第二码位串，cnt_mask_weekend5用于表示其他假日对应的第二码位串。
步骤505，确定交易金额中与第一子时间段对应的第一金额以及与第二子时间段对应的第二金额。
可选地，该确定过程在上述步骤302中已进行了详细说明，此处不再赘述。
可选地，以第一子时间段为工作日对应的时间段，第二时间段为假日对应的时间段为例进行说明，获取目标商户在目标时间段内每天的交易金额，记为 amti(i＝1...7)。可选地，该目标时间段以一周为例进行说明，该目标时间段的交易数据还可以包括多周的交易数据。
步骤506，根据交易金额和目标时间段确定交易金额在目标时间段内的平均金额。
可选地，该平均金额是通过将目标时间段分为较小的时间单位后，根据交易金额和该目标时间段被该较小的时间单位分割的数量计算得到的。
可选地，该平均金额的计算方式参考如下公式三：
公式三：
Figure BDA0002054791890000141
其中，amti(i＝1...7)用于表示每天的交易金额，avg_amt用于表示平均金额。
示意性的，该交易金额为21000，该目标时间段为4.1(周一)至4.7(周日)，将该目标时间段以一个自然日为时间单位，则该目标时间段被分为7个自然日，该交易金额在该7个自然日内的平均金额为每个自然日3000。
步骤507，确定第一金额和平均金额之间的比对结果确定第三码位串，以及根据第二金额和平均金额之间的比对结果确定第四码位串。
可选地，当第一金额大于平均金额时，取第一取值，并当第一金额不大于平均金额时，取第二取值，得到第一子时间段对应的第三码位串；当第二金额大于平均金额时，取上述第一取值，并当第二金额不大于平均金额时，取上述第二取值，得到第二子时间段对应的第四码位串。
示意性的，每天的交易金额对应的取值计算方式请参考如下公式四：
公式四：amt_maski＝if(amti>avg_amt,1,0),(i＝1…7)
其中，amt_maski用于表示每天的交易金额对应的取值，amti用于表示每天的交易金额，avg_amt用于表示平均金额，if(amti>avg_amt,1,0)用于表示如果amti大于avg_amt,则将amt_maski记为1，否则记为0。
可选地，结合上述公式四，得到第三码位串如下：
第三码位串：amt_mask_weekday＝concat(amt_mask1…amt_mask5)
其中，amt_mask_weekday用于表示工作日对应的时间段的第三码位串， concat(amt_mask1…amt_mask5)用于表示将amt_maski中的i为1到5时的取值连接。
可选地，结合上述公式四，得到第四码位串如下：
第四码位串：amt_mask_weekend＝concat(amt_mask6,amt_mask7)
其中，amt_mask_weekend用于表示假日对应的时间段的第四码位串， concat(amt_mask6,amt_mask7)用于表示将amt_maski中的i为6和7时的取值连接。
可选地，上述目标时间段为一个月时长的时间段，则根据工作日的交易金额，以一个月为统计时间跨度，分别记录一个月中第一个周一至周五，第二个周一至周五，第三个周一至周五，第四个周一至周五，以及其他工作日的第三码位串，具体请参考如下表四：
表四
时间范围 工作日交易金额
第一个周一至周五 bit_count(amt_mask_weekday<sub>1</sub>)
第二个周一至周五 bit_count(amt_mask_weekday<sub>2</sub>)
第三个周一至周五 bit_count(amt_mask_weekday<sub>3</sub>)
第四个周一至周五 bit_count(amt_mask_weekday<sub>4</sub>)
其他工作日 bit_count(amt_mask_weekday<sub>5</sub>)
其中，bit_count用于表示计算二进制码位串中取值为1的位数，amt_mask _weekday1用于表示第一个周一至周五对应的第三码位串，amt_mask_weekday2用于表示第二个周一至周五对应的第三码位串，amt_mask_weekday3用于表示第三个周一至周五对应的第三码位串，amt_mask_weekday4用于表示第四个周一至周五对应的第三码位串，amt_mask_weekday5用于表示其他工作日对应的第三码位串。
可选地，上述目标时间段为一个月时长的时间段，则根据假日的交易金额，以一个月为统计时间跨度，分别记录一个月中第一个周六和周日，第二个周六和周日，第三个周六和周日，第四个周六和周日，以及剩下的其他周六和周日的第四码位串，具体请参考如下表五：
表五
时间范围 假日交易金额
第一个周六、周日 bit_count(amt_mask_weekend<sub>1</sub>)
第二个周六、周日 bit_count(amt_mask_weekend<sub>2</sub>)
第三个周六、周日 bit_count(amt_mask_weekend<sub>3</sub>)
第四个周六、周日 bit_count(amt_mask_weekend<sub>4</sub>)
其他假日 bit_count(amt_mask_weekend<sub>5</sub>)
其中，bit_count用于表示计算二进制码位串中取值为1的位数，amt_mask _weekend1用于表示第一个周六和周日对应的第四码位串，amt_mask_weekend2用于表示第二个周六和周日对应的第四码位串，amt_mask_weekend3用于表示第三个周六和周日对应的第四码位串，amt_mask_weekend4用于表示第四个周六和周日对应的第四码位串，amt_mask_weekend5用于表示其他假日对应的第四码位串。
步骤508，将第一码位串、第二码位串、第三码位串以及第四码位串输入比对公式，得到第三比对结果，确定目标商户所属的商户类型。
可选地，确定第一码位串作为该第一比对结果，以及确定第二码位串作为第二比对结果后，对该第一码位串和第二码位串进行比对，得到第三比对结果，从而确定目标商户所属的商户类型。
可选地，将第一码位串和第二码位串代入比对公式，得到比对结果作为第三比对结果，其中，该比对结果用于表示目标商户与第一类型商户和第二类型商户的对应匹配得分；将匹配得分最高的商户类型作为目标商户所属的商户类型。
可选地，当第一码位串和第二码位串为二进制码位串，将该第一码位串和第二码位串代入比对公式时，还需要先确定第一码位串中取值为1的位数和第二码位串中取值为1的位数，并将第一码位串、第二码位串、第一码位串中取值为1的位数和第二码位串中取值为1的位数代入该比对公式，得到该比对结果。
可选地，该比对公式请参考如下公式五：
公式五：compare[weekday_score,weekend_score]
其中，weekday_score用于表示目标商户与第一类型商户，也即工作日型商户对应的匹配得分，weekend_score用于表示目标商户与第二类型商户，也即假日型商户对应的匹配得分，可选地，该对比公式用于在weekday_score和weekend_score中选择数值较大的作为最终比对结果。
weekday_score的计算过程请参考如下公式六：
Figure BDA0002054791890000171
weekend_score的计算过程请参考如下公式七：
Figure BDA0002054791890000172
其中，bit2dec用于表示将二进制转换为十进制的运算，wi用于表示工作日型商户对应的权重系数，yi用于表示假日型商户对应的权重系数。
可选地，wi和yi为根据预设评判矩阵确定得到的权重系数，首先，对wi的确定过程进行说明，该评判矩阵和对应的权重系数如下所示：
评判矩阵：
Figure BDA0002054791890000173
权重系数：
Figure BDA0002054791890000174
其次，对yi的确定过程进行说明，该评判矩阵和对应的权重系数如下所示：
评判矩阵：
Figure BDA0002054791890000181
权重系数：
Figure BDA0002054791890000182
可选地，上述权重系数wi和yi用于将数据差距较小的工作日交易数据和假日交易数据进行区分。
综上所述，本实施例提供的商户类型的识别方法，根据目标商户在目标时间段内的交易事件生成的交易数据，以及交易数据中与第一子时间段对应的第一子数据和与第二子时间段对应的第二子数据确定该目标商户的商户类型，由于该商户类型是根据交易数据确定得到的，避免了根据商户资料确定商户类型时，由于商户资料不准确导致商户类型确定结果也不准确的问题，以交易数据确定商户类型，提高了商户类型确定结果的准确性。
本实施例提供的方法，通过目标商户的交易金额和交易次数确定该目标商户的商户类型，由于交易金额和交易次数为目标商户产生的交易事件对应的数据，避免了根据商户资料确定商户类型时，由于商户资料不准确导致商户类型确定结果也不准确的问题，提高了商户类型确定结果的准确性。
在一个可选的实施例中，该商户类型的识别方法请参考图6，以该方法应用于如图1所示的服务器120中为例进行说明，如图6所示，该方法包括：
步骤601，获取一个月工作日与假日的交易次数和交易金额。
可选地，以目标时间段为一个月为例进行说明，该目标时间段还可以更长或者更短，本申请实施例对此不加以限定。
步骤602，将交易次数和交易金额输入评价模型。
可选地，评价模型用于根据交易次数和交易金额确定目标商户的商户类型，可选地，该确定过程在上述步骤502至步骤508中已进行了详细说明，此处不再赘述。
步骤603，输出商户类型。
可选地，该商户类型包括第一类型和第二类型中的任意一种，其中，第一类型对应工作日型商户，第二类型对应假日型商户。
综上所述，本实施例提供的商户类型的识别方法，根据目标商户在目标时间段内的交易事件生成的交易数据，以及交易数据中与第一子时间段对应的第一子数据和与第二子时间段对应的第二子数据确定该目标商户的商户类型，由于该商户类型是根据交易数据确定得到的，避免了根据商户资料确定商户类型时，由于商户资料不准确导致商户类型确定结果也不准确的问题，以交易数据确定商户类型，提高了商户类型确定结果的准确性。
在一个可选的实施例中，结合交易次数和交易金额，对本申请实施例提供的商户类型的识别方法进行整体说明，请参考图7，如图7所示，该方法包括：
步骤701，获取商户每天的交易次数和交易金额。
其中，交易次数用于表示目标商户在目标时间段内产生的交易事件的次数；交易金额用于表示目标商户在目标时间段内产生的交易事件对应的金额。
步骤702，计算一周的交易次数平均值。
可选地，该平均值是根据一周的总交易次数与一周天数的比值计算得到的。
步骤703，确定每天的交易次数与平均值的对比关系。
可选地，当第n天的交易次数大于平均值时，确定该第n天的交易次数的取值为1，反之，当第n天的交易次数不大于平均值时，确定该第n天的交易次数的取值为0。
步骤704，将工作日对应的对比关系组成第一码位串。
可选地，将工作日中每天的取值连接，得到第一码位串，示意性的，周一对应的取值为0，周二对应的取值为1，周三对应的取值为1，周四对应的取值为0，周五对应的取值为1，则该工作日对应的第一码位串为01101。
步骤705，将假日对应的对比关系组成第二码位串。
可选地，将假日中每天的取值连接，得到第二码位串，示意性的，周六对应的取值为0，周日对应的取值为1，则假日对应的第二码位串为01。
步骤706，获取工作日-假日对应的评价矩阵。
可选地，该评价矩阵的获取方式在上述步骤508中已进行了详细说明，此处不再赘述。
步骤707，根据评价矩阵获取权重系数。
可选地，该权重系数的获取方式在上述步骤508中已进行了详细说明，此处不再赘述。
步骤708，计算一周的交易金额平均值。
可选地，该平均值是根据一周的总交易金额与一周天数的比值计算得到的。
步骤709，确定每天的交易金额与平均值的对比关系。
可选地，当第n天的交易金额大于平均值时，确定该第n天的交易金额的取值为1，反之，当第n天的交易金额不大于平均值时，确定该第n天的交易金额的取值为0。
步骤710，将工作日对应的对比关系组成第三码位串。
可选地，将工作日中每天的取值连接，得到第三码位串，示意性的，周一对应的取值为0，周二对应的取值为1，周三对应的取值为1，周四对应的取值为0，周五对应的取值为1，则该工作日对应的第一码位串为01101。
步骤711，将假日对应的对比关系组成第四码位串。
可选地，将假日中每天的取值连接，得到第四码位串，示意性的，周六对应的取值为0，周日对应的取值为1，则假日对应的第二码位串为01。
步骤712，获取假日-工作日对应的评价矩阵。
可选地，该评价矩阵的获取方式在上述步骤508中已进行了详细说明，此处不再赘述。
步骤713，根据评价矩阵获取权重系数。
可选地，该权重系数的获取方式在上述步骤508中已进行了详细说明，此处不再赘述。
步骤714，建立评价模型，得到商户类型。
综上所述，本实施例提供的商户类型的识别方法，根据目标商户在目标时间段内的交易事件生成的交易数据，以及交易数据中与第一子时间段对应的第一子数据和与第二子时间段对应的第二子数据确定该目标商户的商户类型，由于该商户类型是根据交易数据确定得到的，避免了根据商户资料确定商户类型时，由于商户资料不准确导致商户类型确定结果也不准确的问题，以交易数据确定商户类型，提高了商户类型确定结果的准确性。
图8是本申请一个示例性实施例提供的商户类型的识别装置的结构框图，如图8所示，该装置包括：获取模块810和确定模块820；
获取模块810，用于获取目标商户在目标时间段内的交易数据，所述交易数据是根据所述目标商户在所述目标时间段内的交易事件生成的数据，所述目标时间段中包括第一子时间段和第二子时间段；
确定模块820，用于确定所述交易数据中与所述第一子时间段对应的第一子数据以及与所述第二子时间段对应的第二子数据；
所述确定模块820，还用于根据所述第一子数据和所述第二子数据的比对结果确定所述目标商户所属的商户类型，其中，所述商户类型包括所述与所述第一子时间段对应的第一类型商户和与所述第二子时间段对应的第二类型商户。
在一个可选的实施例中，所述确定模块820，还用于确定所述第一子数据与所述交易数据的第一比对结果以及所述第二子数据与所述交易数据的第二比对结果；根据所述第一比对结果和所述第二比对结果之间的第三比对结果，确定所述目标商户所属的商户类型。
在一个可选的实施例中，所述确定模块820，还用于根据所述交易数据和所述目标时间段确定所述交易数据在所述目标时间段内的目标平均数据；确定所述第一子数据和所述目标平均数据之间的所述第一比对结果，以及所述第二子数据和所述目标平均数据之间的所述第二比对结果。
在一个可选的实施例中，所述确定模块820，还用于当所述第一子数据大于所述目标平均数据时，取第一取值，并当所述第一子数据不大于所述目标平均数据时，取第二取值，得到所述第一子时间段对应的第一码位串作为所述第一比对结果；当所述第二子数据大于所述目标平均数据时，取所述第一取值，并当所述第二子数据不大于所述目标平均数据时，取所述第二取值，得到所述第二子时间段对应的第二码位串作为所述第二比对结果。
在一个可选的实施例中，所述确定模块820，还用于将所述第一码位串和所述第二码位串代入比对公式，得到比对结果作为所述第三比对结果，所述比对结果用于表示所述目标商户与所述第一类型商户和所述第二类型商户的对应匹配得分；将所述匹配得分高的商户类型作为所述目标商户所属的所述商户类型。
在一个可选的实施例中，所述第一时间段为工作日对应的时间段，所述第二时间段为假日对应的时间段；
所述第一类型商户为工作日型商户，所述第二类型商户为假日型商户。
在一个可选的实施例中，所述交易数据中包括交易次数和交易金额中的至少一种；
其中，所述交易次数用于表示所述目标商户在所述目标时间段内产生的所述交易事件的次数；
所述交易金额用于表示所述目标商户在所述目标时间段内产生的所述交易事件对应的金额。
综上所述，本实施例提供的商户类型的识别装置，根据目标商户在目标时间段内的交易事件生成的交易数据，以及交易数据中与第一子时间段对应的第一子数据和与第二子时间段对应的第二子数据确定该目标商户的商户类型，由于该商户类型是根据交易数据确定得到的，避免了根据商户资料确定商户类型时，由于商户资料不准确导致商户类型确定结果也不准确的问题，以交易数据确定商户类型，提高了商户类型确定结果的准确性。
需要说明的是：上述实施例提供的商户类型的识别装置，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将设备的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。另外，上述实施例提供的商户类型的识别装置与商户类型的识别方法实施例属于同一构思，其具体实现过程详见方法实施例，此处不再赘述。
本申请还提供了一种服务器，该服务器包括处理器和存储器，存储器中存储有至少一条指令，至少一条指令由处理器加载并执行以实现上述各个方法实施例提供的商户类型的识别方法。需要说明的是，该服务器可以是如图9所提供的服务器。
请参考图9，其示出了本申请一个示例性实施例提供的服务器的结构示意图。具体来讲：所述服务器900包括中央处理单元(CPU)901、包括随机存取存储器(RAM)902和只读存储器(ROM)903的系统存储器904，以及连接系统存储器904和中央处理单元901的系统总线905。所述服务器900还包括帮助计算机内的各个器件之间传输信息的基本输入/输出系统(I/O系统)906，和用于存储操作系统913、应用程序914和其他程序模块915的大容量存储设备907。
所述基本输入/输出系统906包括有用于显示信息的显示器908和用于用户输入信息的诸如鼠标、键盘之类的输入设备909。其中所述显示器908和输入设备909都通过连接到系统总线905的输入输出控制器910连接到中央处理单元 901。所述基本输入/输出系统906还可以包括输入输出控制器910以用于接收和处理来自键盘、鼠标、或电子触控笔等多个其他设备的输入。类似地，输入输出控制器910还提供输出到显示屏、打印机或其他类型的输出设备。
所述大容量存储设备907通过连接到系统总线905的大容量存储控制器(未示出)连接到中央处理单元901。所述大容量存储设备907及其相关联的计算机可读介质为服务器900提供非易失性存储。也就是说，所述大容量存储设备907 可以包括诸如硬盘或者CD-ROI驱动器之类的计算机可读介质(未示出)。
不失一般性，所述计算机可读介质可以包括计算机存储介质和通信介质。计算机存储介质包括以用于存储诸如计算机可读指令、数据结构、程序模块或其他数据等信息的任何方法或技术实现的易失性和非易失性、可移动和不可移动介质。计算机存储介质包括RAM、ROM、EPROM、EEPROM、闪存或其他固态存储其技术，CD-ROM、DVD或其他光学存储、磁带盒、磁带、磁盘存储或其他磁性存储设备。当然，本领域技术人员可知所述计算机存储介质不局限于上述几种。上述的系统存储器904和大容量存储设备907可以统称为存储器。
存储器存储有一个或多个程序，一个或多个程序被配置成由一个或多个中央处理单元901执行，一个或多个程序包含用于实现上述商户类型的识别方法的指令，中央处理单元901执行该一个或多个程序实现上述各个方法实施例提供的商户类型的识别方法。
根据本发明的各种实施例，所述服务器900还可以通过诸如因特网等网络连接到网络上的远程计算机运行。也即服务器900可以通过连接在所述系统总线905上的网络接口单元911连接到网络912，或者说，也可以使用网络接口单元911来连接到其他类型的网络或远程计算机系统(未示出)。
所述存储器还包括一个或者一个以上的程序，所述一个或者一个以上程序存储于存储器中，所述一个或者一个以上程序包含用于进行本发明实施例提供的商户类型的识别方法中由服务器所执行的步骤。
本申请实施例还提供一种计算机设备，该计算机设备包括存储器和处理器，存储器中存储有至少一条指令、至少一段程序、代码集或指令集，至少一条指令、至少一段程序、代码集或指令集由处理器加载并实现上述如图3至图5任一所述的商户类型的识别方法。
本申请实施例还提供一种计算机可读存储介质，该存储介质中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现如图3至图5任一所述的商户类型的识别方法。
本申请还提供了一种计算机程序产品，当计算机程序产品在计算机上运行时，使得计算机执行上述各个方法实施例提供的商户类型的识别方法。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于一计算机可读存储介质中，该计算机可读存储介质可以是上述实施例中的存储器中所包含的计算机可读存储介质；也可以是单独存在，未装配入终端中的计算机可读存储介质。该计算机可读存储介质中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现如图3至图5任一所述的商户类型的识别方法。
可选地，该计算机可读存储介质可以包括：只读存储器(ROM，Read Only Memory)、随机存取记忆体(RAM，Random Access Memory)、固态硬盘(SSD， Solid State Drives)或光盘等。其中，随机存取记忆体可以包括电阻式随机存取记忆体(ReRAM,ResistanceRandom Access Memory)和动态随机存取存储器 (DRAM，Dynamic Random AccessMemory)。上述本申请实施例序号仅仅为了描述，不代表实施例的优劣。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。
以上所述仅为本申请的较佳实施例，并不用以限制本申请，凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。

Claims (10)

1.一种商户类型的识别方法，其特征在于，所述方法包括：
获取目标商户在目标时间段内的交易数据，所述交易数据是根据所述目标商户在所述目标时间段内的交易事件生成的数据，所述目标时间段中包括第一子时间段和第二子时间段；
确定所述交易数据中与所述第一子时间段对应的第一子数据以及与所述第二子时间段对应的第二子数据；
根据所述第一子数据和所述第二子数据的比对结果确定所述目标商户所属的商户类型，其中，所述商户类型包括所述与所述第一子时间段对应的第一类型商户和与所述第二子时间段对应的第二类型商户。
2.根据权利要求1所述的方法，其特征在于，所述根据所述第一子数据和所述第二子数据的比对结果确定所述目标商户所属的商户类型，包括：
确定所述第一子数据与所述交易数据的第一比对结果以及所述第二子数据与所述交易数据的第二比对结果；
根据所述第一比对结果和所述第二比对结果之间的第三比对结果，确定所述目标商户所属的商户类型。
3.根据权利要求2所述的方法，其特征在于，所述确定所述第一子数据与所述交易数据的第一比对结果以及所述第二子数据与所述交易数据的第二比对结果，包括：
根据所述交易数据和所述目标时间段确定所述交易数据在所述目标时间段内的目标平均数据；
确定所述第一子数据和所述目标平均数据之间的所述第一比对结果，以及所述第二子数据和所述目标平均数据之间的所述第二比对结果。
4.根据权利要求3所述的方法，其特征在于所述确定所述第一子数据和所述目标平均数据之间的所述第一比对结果，以及所述第二子数据和所述目标平均数据之间的所述第二比对结果，包括：
当所述第一子数据大于所述目标平均数据时，取第一取值，并当所述第一子数据不大于所述目标平均数据时，取第二取值，得到所述第一子时间段对应的第一码位串作为所述第一比对结果；
当所述第二子数据大于所述目标平均数据时，取所述第一取值，并当所述第二子数据不大于所述目标平均数据时，取所述第二取值，得到所述第二子时间段对应的第二码位串作为所述第二比对结果。
5.根据权利要求4所述的方法，其特征在于，所述根据所述第一比对结果和所述第二比对结果之间的第三比对结果，确定所述目标商户所属的商户类型，包括：
将所述第一码位串和所述第二码位串代入比对公式，得到比对结果作为所述第三比对结果，所述比对结果用于表示所述目标商户与所述第一类型商户和所述第二类型商户的对应匹配得分；
将所述匹配得分高的商户类型作为所述目标商户所属的所述商户类型。
6.根据权利要求1至5任一所述的方法，其特征在于，所述第一时间段为工作日对应的时间段，所述第二时间段为假日对应的时间段；
所述第一类型商户为工作日型商户，所述第二类型商户为假日型商户。
7.根据权利要求1至5任一所述的方法，其特征在于，所述交易数据中包括交易次数和交易金额中的至少一种；
其中，所述交易次数用于表示所述目标商户在所述目标时间段内产生的所述交易事件的次数；
所述交易金额用于表示所述目标商户在所述目标时间段内产生的所述交易事件对应的金额。
8.一种商户类型的识别装置，其特征在于，所述装置包括：
获取模块，用于获取目标商户在目标时间段内的交易数据，所述交易数据是根据所述目标商户在所述目标时间段内的交易事件生成的数据，所述目标时间段中包括第一子时间段和第二子时间段；
确定模块，用于确定所述交易数据中与所述第一子时间段对应的第一子数据以及与所述第二子时间段对应的第二子数据；
所述确定模块，还用于根据所述第一子数据和所述第二子数据的比对结果确定所述目标商户所属的商户类型，其中，所述商户类型包括所述与所述第一子时间段对应的第一类型商户和与所述第二子时间段对应的第二类型商户。
9.一种计算机设备，其特征在于，所述计算机设备包括处理器和存储器，所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现如权利要求1至7任一所述的商户类型的识别方法。
10.一种计算机可读存储介质，其特征在于，所述存储介质中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由处理器加载并执行以实现如权利要求1至7任一所述的商户类型的识别方法。
CN201910385795.5A 2019-05-09 2019-05-09 商户类型的识别方法、装置、设备及存储介质 Active CN111915340B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910385795.5A CN111915340B (zh) 2019-05-09 2019-05-09 商户类型的识别方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910385795.5A CN111915340B (zh) 2019-05-09 2019-05-09 商户类型的识别方法、装置、设备及存储介质

Publications (2)

Publication Number Publication Date
CN111915340A true CN111915340A (zh) 2020-11-10
CN111915340B CN111915340B (zh) 2023-08-18

Family

ID=73242783

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910385795.5A Active CN111915340B (zh) 2019-05-09 2019-05-09 商户类型的识别方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN111915340B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112613987A (zh) * 2020-12-31 2021-04-06 中国农业银行股份有限公司 一种数据处理方法及装置
CN115129988A (zh) * 2022-06-29 2022-09-30 北京达佳互联信息技术有限公司 一种信息获取方法、装置、电子设备及存储介质

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102063689A (zh) * 2009-10-06 2011-05-18 美国银行公司 交易数据中的分析模型
US20150324838A1 (en) * 2014-05-12 2015-11-12 Mastercard International Incorporated Systems and Methods for Evaluating Effectiveness of Campaigns Through Use of Transaction Amount Markers
US20170300948A1 (en) * 2016-04-18 2017-10-19 Mastercard International Incorporated Systems and Methods for Predicting Purchase Behavior Based on Consumer Transaction Data in a Geographic Location
CN107943976A (zh) * 2017-11-29 2018-04-20 中国银行股份有限公司 一种海量交易日志中基于账户的热点交易识别方法及系统
CN108681964A (zh) * 2018-04-19 2018-10-19 腾讯科技（深圳）有限公司 一种交易结算系统及交易结算控制方法
CN109271460A (zh) * 2018-09-29 2019-01-25 阿里巴巴集团控股有限公司 对电子平台中的商户进行分类的方法和装置

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102063689A (zh) * 2009-10-06 2011-05-18 美国银行公司 交易数据中的分析模型
US20150324838A1 (en) * 2014-05-12 2015-11-12 Mastercard International Incorporated Systems and Methods for Evaluating Effectiveness of Campaigns Through Use of Transaction Amount Markers
US20170300948A1 (en) * 2016-04-18 2017-10-19 Mastercard International Incorporated Systems and Methods for Predicting Purchase Behavior Based on Consumer Transaction Data in a Geographic Location
CN107943976A (zh) * 2017-11-29 2018-04-20 中国银行股份有限公司 一种海量交易日志中基于账户的热点交易识别方法及系统
CN108681964A (zh) * 2018-04-19 2018-10-19 腾讯科技（深圳）有限公司 一种交易结算系统及交易结算控制方法
CN109271460A (zh) * 2018-09-29 2019-01-25 阿里巴巴集团控股有限公司 对电子平台中的商户进行分类的方法和装置

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112613987A (zh) * 2020-12-31 2021-04-06 中国农业银行股份有限公司 一种数据处理方法及装置
CN115129988A (zh) * 2022-06-29 2022-09-30 北京达佳互联信息技术有限公司 一种信息获取方法、装置、电子设备及存储介质

Also Published As

Publication number Publication date
CN111915340B (zh) 2023-08-18

Similar Documents

Publication Publication Date Title
US7133882B1 (en) Method and apparatus for creating and using a master catalog
US9990597B2 (en) System and method for forecast driven replenishment of merchandise
CN110555578B (zh) 一种销量预测方法和装置
CN107767092B (zh) 商品对象信息的处理方法、展示方法及装置
CN108920498B (zh) 数据查询方法、装置及设备
US20160148226A1 (en) System and method for forecasting and managing returned merchanidse in retail
CN111915340B (zh) 商户类型的识别方法、装置、设备及存储介质
CN101452556A (zh) 一种客户信息处理系统及方法
CN110866698A (zh) 用于评定服务提供方的服务分值的装置
JP5210216B2 (ja) 情報処理システム、制御方法及びプログラム、並びに、グローバルキャッシュマネージメントシステム
US20090007114A1 (en) Estimation method and system
CN110781235A (zh) 基于大数据的采购数据处理方法、装置、终端及存储介质
CN115202890B (zh) 数据元件生产资源空间分配方法、系统及设备
CN111754329A (zh) 一种贷款利息结算方法、装置、电子设备和存储介质
CN109345369B (zh) 备付金的配置方法及终端设备
CN108537577A (zh) 数据的有效性查询方法及装置、存储介质、服务器
CN114387085A (zh) 流水数据处理方法、装置、计算机设备和存储介质
CN105940418B (zh) 用于在零售中管理额外日历时段的系统和方法
CN110503477B (zh) 订单的毛利异常原因的分析方法、系统、设备和存储介质
CN109408792B (zh) 一种客户信息补录方法及装置
US20160307218A1 (en) System and method for phased estimation and correction of promotion effects
US10558647B1 (en) High performance data aggregations
US20150269510A1 (en) Workload determination for information technology service events
JP6680568B2 (ja) 情報処理装置
US20150006342A1 (en) Generating a Simulated Invoice

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
GR01 Patent grant
GR01 Patent grant