CN113112289B - 一种商户信息更新方法及装置 - Google Patents
一种商户信息更新方法及装置 Download PDFInfo
- Publication number
- CN113112289B CN113112289B CN202110313611.1A CN202110313611A CN113112289B CN 113112289 B CN113112289 B CN 113112289B CN 202110313611 A CN202110313611 A CN 202110313611A CN 113112289 B CN113112289 B CN 113112289B
- Authority
- CN
- China
- Prior art keywords
- information
- target merchant
- merchant
- industry
- data
- 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.)
- Active
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
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0202—Market predictions or forecasting for commercial activities
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Accounting & Taxation (AREA)
- Entrepreneurship & Innovation (AREA)
- Finance (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Data Mining & Analysis (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本说明书提出一种商户信息更新方法及装置,应用于第三方支付平台,第三方支付平台对接若干商户,用于对商户的预测信息进行更新;方法包括:针对任一目标商户,获取该目标商户的真实静态数据,并基于所获取的真实静态数据,确定该目标商户的预测信息,将预测信息更新为该目标商户当前的预测信息;所述真实静态数据为用于表征商户经营内容且能够确保真实性的数据;针对目标商户,循环执行以下步骤:获取该目标商户完成上一次信息更新后的新增行为数据,并将新增行为数据与当前存储的所述目标商户的行为数据进行合并;利用合并后的行为数据以及所述真实静态数据,确定目标商户的预测信息,并将所确定的预测信息更新为该目标商户当前的预测信息。
Description
技术领域
本说明书涉及计算机技术领域,尤其涉及一种商户信息更新方法及装置。
背景技术
目前,各个商户通常会签约第三方支付平台,以通过第三方支付平台开展收款等业务。从第三方支付平台的角度而言,其需要准确的知晓和维护各个商户的基础信息,例如需要知晓各个商户的经验行业、经验地址等信息并进行维护,后续才能基于维护的信息,对各商户提供针对性服务和管理。
发明内容
针对上述技术问题,本说明书提供一种商户信息更新方法及装置,技术方案如下:
根据本说明书的第一方面,提供一种商户信息更新方法,应用于第三方支付平台,所述第三方支付平台对接若干商户,所述方法用于对商户的预测信息进行更新;所述方法包括:
针对所述若干商户中的任一目标商户,获取该目标商户的真实静态数据,并基于所获取的真实静态数据,确定该目标商户的预测信息,将所确定的预测信息更新为该目标商户当前的预测信息;所述真实静态数据为用于表征商户经营内容且能够确保真实性的数据;
在满足预设触发条件的情况下,针对所述目标商户,循环执行以下步骤:
获取该目标商户完成上一次信息更新后的新增行为数据,并将所述新增行为数据与当前存储的所述目标商户的行为数据进行合并;
利用合并后的行为数据以及所述真实静态数据,确定所述目标商户的预测信息,并将所确定的预测信息更新为该目标商户当前的预测信息。
根据本说明书的第二方面,提供一种商户信息更新装置,应用于第三方支付平台,所述第三方支付平台对接若干商户,所述装置用于对商户的预测信息进行更新;所述装置包括:
第一信息更新模块,用于针对所述若干商户中的任一目标商户,获取该目标商户的真实静态数据,并基于所获取的真实静态数据,确定该目标商户的预测信息,将所确定的预测信息更新为该目标商户当前的预测信息;所述真实静态数据为用于表征商户经营内容且能够确保真实性的数据;
第二信息更新模块,用于在满足预设触发条件的情况下,针对所述目标商户,循环执行以下步骤:
获取该目标商户完成上一次信息更新后的新增行为数据,并将所述新增行为数据与当前存储的所述目标商户的行为数据进行合并;
利用合并后的行为数据以及所述真实静态数据,确定所述目标商户的预测信息,并将所确定的预测信息更新为该目标商户当前的预测信息。
采用本说明书的方案,根据商户的数据分布情况,动态调整预测信息的更新策略,即在前期商户的行为数据较少时,可以基于真实静态数据确定商户的预测信息,在商户的行为数据充足时,可以使用更能反映商户真实经营情况的行为数据和真实静态数据一同更新预测信息,进而可以使预测信息更加准确且真实,同时,定时或不定时的更新预测信息,可以保证预测信息的时效性。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本说明书。
附图说明
为了更清楚地说明本说明书实施例或现有技术中的技术方案,下面将对实施例或现有技术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说明书实施例中记载的一些实施例,对于本领域普通技术人员来讲,还可以根据这些附图获得其他的附图。
图1是本说明书实施例的一种商户信息更新方法的流程示意图;
图2是本说明书实施例的一种地图示意图;
图3是本说明书实施例的一种商户知识图谱示意图;
图4是本说明书实施例的一种商户信息更新装置结构示意图;
图5是本说明书实施例的另一种商户信息更新装置结构示意图;
图6是用于配置本说明书实施例装置的一种设备的结构示意图。
具体实施方式
为了使本领域技术人员更好地理解本说明书实施例中的技术方案,下面将结合本说明书实施例中的附图,对本说明书实施例中的技术方案进行详细地描述,显然,所描述的实施例仅仅是本说明书的一部分实施例,而不是全部的实施例。基于本说明书中的实施例,本领域普通技术人员所获得的所有其他实施例,都应当属于保护的范围。
在本说明书使用的术语是仅仅出于描述特定实施例的目的,而非旨在限制本说明书。在本说明书和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式,除非上下文清楚地表示其他含义。还应当理解,本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
应当理解,尽管在本说明书可能采用术语第一、第二、第三等来描述各种信息,但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如,在不脱离本说明书范围的情况下,第一信息也可以被称为第二信息,类似地,第二信息也可以被称为第一信息。取决于语境,如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。
目前,各个商户通常会签约第三方支付平台,以通过第三方支付平台开展收款等业务,例如,在商户签约之后,第三方支付平台会生成该商户的收款码,该商户就可以将收款码打印出来粘贴在商铺内以便于顾客扫码支付。又例如,在签约之后,第三方支付平台会下发给该商户支付设备,该商户即可以使用该支付设备对进行收款。可见,如果与第三方支付平台进行签约,可以大大提升顾客支付的便捷性,因此目前大部分商户都会选择与第三方支付平台进行签约。
而站在第三方支付平台的角度上,由于其会签约大量的商户,并且签约的商户可能属于多种行业,甚至属于不同的经营类型,例如有的商户属于线下固定经营类型,例如有实体店铺的饭店、酒店等;有的则属于线下移动经营类型,例如出租车、移动商贩等;有的属于线上经营类型,例如以网页、APP等形式进行经营的商户。而对于第三方支付平台而言,其管理和服务通常是对属于同一类的商户提供统一的管理和服务,例如需要向属于同一行业的商户提供统一的服务,对属于同一经营类型的商户执行统一的风控策略等等,因此,第三方支付平台需要知晓各个商户的这一类信息,即需要准确的知晓和维护各个商户的经验行业、经营类型、经验地址等信息,后续才能基于维护的信息,对各商户提供针对性服务和管理,为了方便说明,下文将这一类第三方支付平台需要获知的信息称为预测信息。
如果商户的这些预测信息直接由商户自己来提供,则并不能保证信息的真实性,例如存在商户作恶的情况。另外,即使商户不会主动作恶,但是在填写行业等信息时,可能会因为主观理解不同填写不准确。而如果由第三方支付平台的工作人员,人工去调查每个商户的信息,则又会消耗大量的人力成本,且效率低下。
针对上述技术问题,本说明书提供的方案是:
不由商户主动提供预测信息,而是由第三方支付平台基于商户的真实静态数据和行为数据确定和更新各个商户的预测信息,既保证了预测信息的真实性和准确性,同时也保证了预测信息的时效性。
如图1所示,基于以上说明本说明书提出的一种商户信息更新方法,应用于第三方支付平台,该第三方支付平台对接若干商户,该方法用于对商户的预测信息进行更新;所述方法包括:
S101,针对所述若干商户中的任一目标商户,获取该目标商户的真实静态数据,并基于所获取的真实静态数据,确定该目标商户的预测信息,将所确定的预测信息更新为该目标商户当前的预测信息;
根据上述说明可知,第三方支付平台会对接大量商户,其中针对其中的每个商户,都可以执行图1所述的方法。本说明书中将需要更新预测信息的商户称为目标商户,针对任一个目标商户,可以获取其真实静态数据,其中真实静态数据为用于表征商户经营内容且能够确保真实性的数据,例如营业执照图片、商户经营网站的截图、经营网站上的文本、工商证照图片、门头照片等等。这里真实静态特征数据的获取方式,可以是商户在签约时商户自行上传的,也可以是与其他平台合作,由其他平台提供的;在和其他平台进行合作,获取数据时,可以是基于商户标识将多个平台的数据进行关联,从而达到扩展商户数据的效果,其中商户的标识可以是商户的账号、ID等等,本说明书对此不进行限定。
可以理解的是,上述的真实静态数据发生变化的概率很小,或者说发生变化的频率很低,通常是在商户确定经验内容后就不变的数据,同时也是商户从签约开始,从始至终就存在的数据。
因此,本说明书中可以在签约商户后先利用该商户的真实静态数据确定目标商户的预测信息,即可以利用商户的真实静态数据首次确定商户的预测信息;
以预测信息为行业信息为例,本说明书中提出可以是利用商户的营业执照图片、商户经营网站的截图、经营网站上的文本、工商证照图片、门头照片等数据作为输入,利用静态行业预测模型进行预测,将该模型输出结果中的第一行业预测结果确定为商户当前的行业信息。其中,静态行业预测模型可以是利用预先获得的有标签训练样本进行有监督训练得到,也可以是对无标签的训练数据进行聚类等方式进行无监督训练得到,本说明书对此不进行限定。其中静态行业预测模型,具体可以是从真实静态数据中提取出文本信息,然后对文本信息进行特征提取,最后基于提取出的特征进行分类,从而确定商户的行业。
以预测信息为经营类型为例,根据上述说明可知,经营类型可以分为线下固定经营类型、线上经营类型以及线下移动经营类型。本说明书中,可以是将获取的目标商户的真实静态信息,输入至静态经营类型预测模型中,得到第一经营类型,以该第一经营类型作为目标商户当前的经营类型。其中,经营类型预测模型的原理和训练方法可以与静态行业预测模型类似,这里不再进行详述。
在一个实施例中,可以直接从目标商户的真实静态信息中检测出地址信息的文本,以检测出的地址信息作为目标商户的经营地址。
但是考虑到只有线下固定商户的真实静态信息上的地址信息,例如某某街道某某门牌号才具有实际意义,例如某个商户为饭店,其地址为XX市XX区XX街道XX号,其实际经营地址确实是在这个具体的位置上。而对于线下移动经营类型以及线上经营类型的商户而言,其真实静态信息上的地址信息,往往并不是其实际的经营地址,以线上经营为例,其产品所销售的地区通常很广泛,销售的产品涉及到全国各地,甚至全球各地,因此直接将其真实静态信息上的地址信息作为其经营地址信息并没有任何实际意义,线下移动经营类型的商户也是类似,其经营所涉及的区域往往较为广泛,不能用一个固定的地址信息来描述其实际经营地址。
因此本说明书提出,在根据目标商户的真实静态信息确定目标商户的第一经营类型后,进一步基于静态信息确定对应于其第一经营类型的经营地址信息。
确定的信息可以如表1所示。
经营类型 | 经营地址 |
线下固定经营类型 | 具体的实际地址 |
线下移动经营类型 | 经营区域 |
线上经营类型 | 网址、APP信息 |
表1
例如,在确定目标商户的经营类型为线下固定经营类型后,则可以直接将从其工商证照中识别出的地址文本信息,作为其经营地址信息。
在确定目标商户的经营类型为线上经营类型后,则可以直接将该目标商户的网址或者APP信息作为其地址信息。
在确定目标商户的经营类型为线下移动经营类型后,则可以将其工商证照中的地址所在的区域作为其经营地址信息。例如该目标商户的工商证照上的地址为XX市XX区XX街道XX号,则可以将XX市作为其经营地址。
采用上述方式,针对不同经营类型的商户采用不同类型的经营地址进行标记和存储,可以便于后续基于商户的经营地址信息进行管理和服务。
在S101中,可以基于目标商户的真实静态数据初步确定和维护商户的预测信息。
随着目标商户签约时长的增加,第三方支付平台也可以获取到商户的行为数据,例如如果商户使用了第三方支付平台的收付款设备,并且开启了定位权限,那么第三方支付平台则可以通过该收付款设备,获取到商户的位置信息,即可以获取到商户的移动行为数据。当然,在其未开启位置定位权限的情况下,在顾客使用移动终端通过扫描该商户的收款二维码进行支付的时候,第三方支付平台也可以通过顾客支付过程中上传的交易数据,获得顾客的交易数据中的定位信息从而确定该商户的经营位置信息,当然也可以通过上传的交易数据确定交易物品的类型,即可以获得目标商户的交易行为数据。
可以理解的是,商户的行为数据更为真实也更能用于体现商户的实际经营情况,并且商户的行为数据是不断增加的,因此,可以通过循环执行S102-103来进一步更新各商户的预测信息,可以在执行完S101后且在满足预设触发条件的情况下,触发首次执行S102。其中,预测触发条件可以是目标商户与第三方支付平台的签约时长超过预设时长,或者目标商户的行为数据总量达到用于确定预测信息的数量要求,即二者满足其一,也可以是在两个条件都满足才满足预设触发条件,才触发首次执行S102-S103的循环步骤,本说明书对此不进行限定。下面对S102-S103的循环过程进行描述:
S102,获取该目标商户完成上一次信息更新后的新增行为数据,并将所述新增行为数据与当前存储的所述目标商户的行为数据进行合并;
其中,这里的上一次信息更新可以是指S101中所描述的首次更新,也可以是指S103中的信息更新。
根据上述说明可知,商户在签约之后通常会持续产生行为数据,S102中获取新增行为数据,具有可以是在达到预设的更新周期时进行获取,周期可以是一天、一周等等,采用这种方式,判断逻辑较为简单。
还可以是在检测到该目标商户在上一次信息更新之后新增了预设数量的行为数据的情况下才获取这部分新增行为数据,即执行S102。即在确定当先新增的行为数据较多,大概率会影响到该目标商户的预测信息的更新的情况下才进行更新,在新增行为数据较少时,例如新增了一两条交易数据其往往并不能对目标商户的预测信息产生太多影响,因此并不执行S102。采用这种方式可以尽可能减少信息获取次数以及循环执行S102-S103的次数,减少了系统整体的消耗。当然,还可以在达到预设周期、或者目标商户在上一次信息更新之后新增了预设数量的行为数据,二者满足其一时,即执行S102。本说明书对此不进行限定。
可以理解的是这里所描述的是S102-S103除首次执行之后,每轮循环的触发条件。而上述目标商户的签约时长超过预设时长的、或者所述目标商户的行为数据总量达到用于确定预测信息的数量要求,是指触发首次执行S102的触发条件。
S103,利用合并后的行为数据以及所述真实静态数据,确定所述目标商户的预测信息,并将所确定的预测信息更新为该目标商户当前的预测信息。
本步骤中,不仅利于到商户的真实静态数据,还利用更能体现商户真实经营情况的行为数据,确定目标商户的预测信息,并将确定的预测信息更新为该商户当前的预测信息,可以保证商户的预测信息更加准确和真实。
采用上述方案,根据商户的数据分布情况,动态调整预测信息的更新策略,即在前期商户的行为数据较少时,可以基于真实静态数据确定商户的预测信息,在商户的行为数据充足时,可以使用更能反映商户真实经营情况的行为数据和真实静态数据一同更新预测信息,进而可以使预测信息更加准确且真实,同时,定时或不定时的更新预测信息,可以保证预测信息的时效性。
下面对上述S103进行详细描述:
在一个实施例中,可以是分别基于真实静态数据和行为数据分别确定目标商户的预测信息,然后对确定的预测信息进行综合,最终确定目标商户的预测信息。
以预测信息为行业信息为例:
可以是利用合并后的行为数据,以及动态行业预测模型预测所述目标商户的行业信息,得到第二行业预测结果。例如,可以是将商户的交易数据时序化,得到时序序列,将该时序序列作为动态行业预测模型的输入,输出为第二行业预测结果。当然,还可以是将合并后的交易数据中的交易物品种类、交易金额、交易时间、买家基本信息作为输入,输出为第二行业预测结果,动态行业预测模型具体可以是深度学习模型。
在确定了第二行业信息后,可以综合第一行业预测结果以及第二行业预测结果,确定所述目标商户的行业信息。
一种方式可以是为第一行业预测结果以及第二行业预测结果设置权重,根据两个结果和预设的权重,确定目标商户的行业信息。例如第一行业预测结果为0.4,第二行业预测结果设置权重为0.6。
第一行业预测结果为:餐饮50%、教育50%。
第二行业预测结果为:餐饮60%、教育40%。
则确定的该目标商户为餐饮行业的概率为:50%*0.4+60%*0.6=0.56;
则确定的该目标商户为教育行业的概率为:50%*0.4+40%*0.6=0.44。
综合后即可以确定该目标商户的行业为餐饮行业。
在另一种方式中,也可以是采用预设的策略对基于真实静态数据和行为数据分别确定的预测信息进行综合。例如,由于行为数据更能真实的体现商户的实际经营情况,因此在基于真实静态数据和行为数据分别确定的行业信息不一致时,以基于行为数据确定的行业信息为准;还可以是在基于真实静态数据和行为数据分别确定的预测信息不一致时,判断使用的真实静态数据中是否存在强置信度的数据,例如门头照片,如果存在则以真实静态数据确定的行业信息为准,如果不存在则以行为数据确定的行业信息为准。
考虑到在使用模型或算法预测商户行业时,可能出现会预测错误的情况,因此本说明书提出,可以利用获取的强置信度商户行业信息调整所述静态行业预测模型或所述动态行业预测模型的模型参数。
在一个实施例中,可以是鼓励顾客上传商户的真实经营行业,并要求商户提供相应的证据。例如,顾客可以拍摄商户的门头照片、商户店铺内照片,并主动标注行业信息或经营类型并通过终端设备上传至第三方支付平台,这类数据置信度较高,可以完全信任。
如果第三方支付平台确定当前的静态行业预测模型或者动态行业预测模型预测错误,则可以对该商户进行人工打标,标注真实的行业信息,并利用标注后的该商户的数据,对静态行业预测模型或者动态行业预测模型进行训练,以调整静态行业预测模型或者动态行业预测模型的模型参数,使模型预测更加准确,以便于后续对其他商户的预测。
另外,在利用合并后的行为数据以及真实静态数据,确定所述目标商户的经营类型信息时,可以是:
根据所述目标商户的合并后的行为数据中的行为定位数据,确定所述目标商户的经营位置范围,基于所确定的经营位置范围预测所述目标商户的第二经营类型,以及对应于所述第二经营类型的第二经营地址信息;
例如,可以是为不同经营类型的商户设置对应的经营范围,线下固定经营商户的经营范围最小,线上经营商户的经营范围最大,线下移动经营的商户经营范围居中。可以根据实际情况下,设置三类经营类型分别对应的经营范围面积。例如,线下固定经营商户的经营范围为半径为3KM的圆,线下移动经营商户的经营范围为半径为20KM的圆,线上经营商户的经营范围为大于20KM的圆。确定目标商户预设比例的行为数据例如交易定位数据落在哪个范围之内,则确定其属于哪一类经营类型。例如,预设比例为80%,则在确定某个商户90%的交易定位数据落入到半径为3KM的圆时,确定该商户为线下固定经营类型的商户。
在确定目标商户的经营类型为线下固定经营类型的情况下,可以利用预设的算法将所述目标商户与对应的POI点进行关联,以关联的POI点的地址信息作为所述目标商户的经营地址信息。
具体可以是:利用行为定位信息,确定商户定位点对应的Geohash,其中Geohash是指将二维的经纬度转换成字符串,每个字符串代表某一矩形区域,矩形区域内所有点都共享相同的Geohash字符串。可以通过聚类的方式确定商户的定位点,可以采用多种聚类方法。例如,可以是采用Geohash算法进行聚类,聚类完成后,一类对应一个Geohash,选取行为数量最多的Geohash作为该商户的定位点对应的Geohash,可以将该定位点对应的Geohash的中心点作为商户的定位点,或者该定位点对应的Geohash中各个定位数据对应的中心点作为商户的定位点。如图2所示,为一种地图示意图,每个矩形区域为一个Geohash,其中P1为商户的定位点。获取与定位点对应的Geohash相邻的Geohash,然后查找地理信息系统中的POI是否有落入到该对应的Geohash和相邻的Geohash范围内的,如果有则进一步确定哪一个POI才能对应上该目标商户。如图2中,P1所在Geohash为定位点对应的Geohash,图2中其他的Geohash为其相邻的Geohash,P2-P4为落入到该对应的Geohash和相邻的Geohash范围内的POI点。其中地理信息系统是指,用于存储地图信息、提供电子地图、供用户查询目标地理信息的信息系统,其上存储了各个POI的真实信息,尤其是地址信息。POI(Point ofInterest,兴趣点)在地理信息系统中,可以是一栋房子、一个商铺等。
在确定对应该目标商户的POI时,可以是以距离该定位点最近的POI作为对应于该目标商户的POI,可以通过计算各个POI点到该定位点的距离,取距离最小的POI作为对应于该定位点的POI,即将目标商户与对应的POI点进行关联。
由于地理信息系统会记录每个POI的真实数据,例如商户名称等,因此还可以是通过地理信息系统提取落入到该定位点对应的Geohash和相邻的Geohash范围内的全部POI的数据,通过匹配数据确定对应于该目标商户的POI,例如可以通过匹配商户名称等其他数据的方式确定对应于该目标商户的POI,即将目标商户与对应的POI点进行关联。
在找到与目标商户的关联的POI后,可以将该地理信息系统中关于该POI的位置信息等信息,关联到该目标商户上,从而能够利用地理信息系统中的POI点的真实信息补充该目标商户的经营地址信息等信息。
另外,在确定所述目标商户的经营类型为线上商户类型的情况下,可以以目标商户的线上经营网址或APP信息作为该目标商户的经营地址;
在确定所述目标商户的经营类型为线下移动类型的情况下,可以以目标商户的经营位置范围作为该目标商户的经营地址,例如可以将该目标商户经营位置范围所在的行政区域作为其经营地址,或者将该目标商户经营位置范围用经纬度进行描述并圈定出一定的区域作为其经营地址。
在根据真实静态数据,以及行为数据分别得到第一经营类型以及所述第二经营类型后,也可以基于预设的策略综合第一经营类型以及第二经营类型,确定所述目标商户的经营类型以及对应于该经营类型的经营地址信息。
例如,可以是在第一经营类型以及第二经营类不一致时,判断目标商户的行为数据是否小于预设阈值时,如果小于预设阈值,则以第一经营类型为准,如果大于预设阈值,则以第二经营类型为准。
相应的如果以第二经营类型为准,则商户的地址也根据商户的行为数据确定,且对应于该第二经营类型;如果以第一经营类型为准,则商户的地址也根据商户的真实静态数据确定,且对应于该第一经营类型。
例如,如果以第二经营类型为准,且确定商户的经营类型为线下移动经营类型,则可以以目标商户的经营位置范围作为该目标商户的经营地址。
又例如,如果以第一经营类型为准,且确定商户的经营类型为线下固定经营类型,则可以直接将从其工商证照中识别出的地址文本信息,作为其经营地址信息。
在另一个实施例中,还可以是直接同时基于合并后的行为数据以及所述真实静态数据,确定所述目标商户的预测信息;
以预测信息为行业信息为例:
可以是将所述目标商户的行为数据以及真实静态数据进行表征处理,得到各数据对应的初始特征向量;对各初始特征向量进行融合,得到融合特征向量;将融合特征向量输入到融合行业预测模型中,以该融合行业预测模型的预测结果作为所述目标商户的行业信息。
即从行为数据以及真实静态数据中提取特征,然后将特征进行融合,其中可以采用多种方式进行融合,例如直接将两个特征向量串接起来,本说明书对融合的方式不进行限定,在融合之后,即可将融合后的特征向量输入到融合行业预测模型中,融合行业预测模型输出行业类型。
也可以基于相同的算法确定商户的经营类型,本说明书对此不进行限定,在基于该算法确定商户的经营类型后,即可以进一步确定对应于目标商户经营类型的经营地址信息。确定方式可以采用真实静态数据进行确定,也可以采用行为数据进行确定,具体的方式可以参照上述描述的方式,这里不再赘述。
在一个实施例中,考虑到商户的数据种类较多、数据量较大,且商户间的关系对于第三方支付平台来说也是十分重要的。
因此,本说明书中提出可以利用知识图谱对商户的数据进行存储并基于知识图谱建立商户间的关系。具体可以是首先确定多个商户,由于商户在第三方支付平台中是以账号或账户形式注册存在的,因此确定多个商户可以是确定多个账号,然后需要基于多个账号的属性信息建立节点之间的连接边。属性信息可以包括多个属性项,属性项可以是商户的经营地址、经营类型、商户名称、商户的顾客、商户使用的介质(设备、网络)、商户的行业等等。在知识图谱中,两个账号之间存在某一个属性项具有相应的属性值,则认为这两个账号对应的两个商户之间存在关联,则在知识图谱中构建这两个节点之间的连接边。
进而本说明中在执行完S102-S103后即在每轮更新了目标商户当前的预测信息之后,相应的即可以基于更新后的预测信息,更新预先根据商户的属性信息构建的商户知识图谱。
具体更新商户知识图谱,可以是将原本商户知识图谱中的已存在数据进行替换,例如商户的经营地址、行业等,还可以是将新增的商户交易数据增加到知识图谱中,并基于更新后的数据建立商户之间的边,例如在两个商户经营地址小于预设距离时则建立边,在商户和商户之间发生过交易时则建立边。在两个商户共同使用一个介质或者拥有相同用户时则建立边等等。从而基于商户知识图谱可以发掘出商户间直接或间接的关系。如图3所示,为本说明书的一种商户知识图谱的示意图,每个节点用于表示商户,其中两个节点之间用实线边连接,表示两个节点对应的商户的经营地址之间的距离小于预设距离,两个节点之间用虚线边连接,表示两个节点对应的商户所属行业相同。可以理解的是图3仅为示意性图示,由于属性信息包括的属性项较多,实际生成的知识图谱各个节点之间会通过用于表示不同属性项的边进行连接,因此实际生成的知识图谱会较为复杂。由于知识图谱中的各个节点直接或间接的以边相连,因此可以通过知识图谱直观的查看商户与商户之间的关系,以便于第三方支付平台基于该知识图谱对商户进行服务或管理。
另外,还可以基于更新后的知识图谱进行关系推理,例如使用KARI算法通过自监督学习,充分融合图谱中点和边的属性信息以及图的结构,进行商户关系的计算推理,可以推理出同店关系,即在第三方支付平台注册了多个账号,实际上均是同一家商户;同人关系,即同一个人名下的多家商户。在推理完成后,可以将推理出的关系进行存储,以便后续基于推理出的关系进行管理和服务。具体采用KARI算法进行推理的方式可以参照相关技术,这里不进行详述。
如图4所述,与前述一种商户信息更新方法相对应,本说明书还提供了一种商户信息更新装置,所述装置应用于第三方支付平台,所述第三方支付平台对接若干商户,所述装置用于对商户的预测信息进行更新;所述装置包括:
第一信息更新模块410,用于针对所述若干商户中的任一目标商户,获取该目标商户的真实静态数据,并基于所获取的真实静态数据,确定该目标商户的预测信息,将所确定的预测信息更新为该目标商户当前的预测信息;所述真实静态数据为用于表征商户经营内容且能够确保真实性的数据;
第二信息更新模块420,用于在满足预设触发条件的情况下,针对所述目标商户,循环执行以下步骤:
获取该目标商户完成上一次信息更新后的新增行为数据,并将所述新增行为数据与当前存储的所述目标商户的行为数据进行合并;
利用合并后的行为数据以及所述真实静态数据,确定所述目标商户的预测信息,并将所确定的预测信息更新为该目标商户当前的预测信息。
在一个实施例中,所述预设触发条件,包括:
所述目标商户与所述第三方支付平台的签约时长超过预设时长,和/或,所述目标商户的行为数据总量达到用于确定预测信息的数量要求。
在一个实施例中,所述预测信息包括经营地址信息、行业信息以及经营类型信息中的一种或多种;所述第一信息更新模块410,具体用于利用所述真实静态数据,以及静态行业预测模型预测所述目标商户的行业信息,得到第一行业预测结果;利用所述真实静态数据,预测所述目标商户的第一经营类型以及对应于所述第一经营类型的第一经营地址信息;所述经营类型包括:线上经营类型、线下移动经营类型和线下固定经营类型。
在一个实施例中,所述第二信息更新模块420,具体用于利用所述合并后的行为数据,以及动态行业预测模型预测所述目标商户的行业信息,得到第二行业预测结果;综合所述第一行业预测结果以及所述第二行业预测结果,确定所述目标商户的行业信息。
在一个实施例中,所述第二信息更新模块420,具体用于将所述目标商户的行为数据以及真实静态数据进行表征处理,得到各数据对应的初始特征向量;对各初始特征向量进行融合,得到融合特征向量;将融合特征向量输入到融合行业预测模型中,以该融合行业预测模型的预测结果作为所述目标商户的行业信息。
在一个实施例中,所述第二信息更新模块420,具有用于根据所述目标商户合并后的行为数据中的行为定位数据,确定所述目标商户的经营位置范围,基于所确定的经营位置范围预测所述目标商户的第二经营类型,以及对应于所述第二经营类型的第二经营地址信息;综合所述第一经营类型以及所述第二经营类型,确定所述目标商户的经营类型以及对应于该经营类型的经营地址信息。
在一个实施例中,所述第二信息更新模块420,具有用于在确定所述目标商户的经营类型为线下固定经营类型的情况下,利用预设的算法将所述目标商户与对应的POI点进行关联,以关联的POI点的地址信息作为所述目标商户的经营地址信息;在确定所述目标商户的经营类型为线上经营类型的情况下,以所述目标商户的线上经营网址作为所述目标商户的经营地址;在确定所述目标商户的经营类型为线下移动经营类型的情况下,以所述目标商户的经营位置范围作为所述目标商户的经营地址。
如图5所示,为本说明书提出的另一种商户信息更新装置,所述装置还包括知识图谱更新模块430,用于基于所述目标商户当前的预测信息,更新预先根据商户的属性信息构建的商户知识图谱;其中,所述属性信息包括所述预测信息;所述商户知识图谱包括对应于多个商户的多个节点,对应于各属性项,具有相同属性值的两个商户对应的两个节点之间通过边相连。
上述设备中各个部件的功能和作用的实现过程具体详见上述方法中对应步骤的实现过程,在此不再赘述。
对于装置实施例而言,由于其基本对应于方法实施例,所以相关之处参见方法实施例的部分说明即可。以上所描述的装置实施例仅仅是示意性的。可以根据实际的需要选择其中的部分或者全部模块来实现本说明书方案的目的。本领域普通技术人员在不付出创造性劳动的情况下,即可以理解并实施。
本说明书实施例还提供一种计算机设备,其至少包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其中,处理器执行所述程序时实现前述的方法。该方法至少包括如图1所示的方法。
图6示出了本说明书实施例所提供的一种更为具体的计算设备硬件结构示意图,该设备可以包括:处理器1010、存储器1020、输入/输出接口1030、通信接口1040和总线1050。其中处理器1010、存储器1020、输入/输出接口1030和通信接口1040通过总线1050实现彼此之间在设备内部的通信连接。
处理器1010可以采用通用的CPU(Central Processing Unit,中央处理器)、微处理器、应用专用集成电路(Application Specific Integrated Circuit,ASIC)、或者一个或多个集成电路等方式实现,用于执行相关程序,以实现本说明书实施例所提供的技术方案。
存储器1020可以采用ROM(Read Only Memory,只读存储器)、RAM(Random AccessMemory,随机存取存储器)、静态存储设备,动态存储设备等形式实现。存储器1020可以存储操作系统和其他应用程序,在通过软件或者固件来实现本说明书实施例所提供的技术方案时,相关的程序代码保存在存储器1020中,并由处理器1010来调用执行。
输入/输出接口1030用于连接输入/输出模块,以实现信息输入及输出。输入输出/模块可以作为组件配置在设备中(图中未示出),也可以外接于设备以提供相应功能。其中输入设备可以包括键盘、鼠标、触摸屏、麦克风、各类传感器等,输出设备可以包括显示器、扬声器、振动器、指示灯等。
通信接口1040用于连接通信模块(图中未示出),以实现本设备与其他设备的通信交互。其中通信模块可以通过有线方式(例如USB、网线等)实现通信,也可以通过无线方式(例如移动网络、WIFI、蓝牙等)实现通信。
总线1050包括一通路,在设备的各个组件(例如处理器1010、存储器1020、输入/输出接口1030和通信接口1040)之间传输信息。
需要说明的是,尽管上述设备仅示出了处理器1010、存储器1020、输入/输出接口1030、通信接口1040以及总线1050,但是在具体实施过程中,该设备还可以包括实现正常运行所必需的其他组件。此外,本领域的技术人员可以理解的是,上述设备中也可以仅包含实现本说明书实施例方案所必需的组件,而不必包含图中所示的全部组件。
本说明书实施例还提供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前述的方法。该方法至少包括如图1所示的方法。
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。
通过以上的实施方式的描述可知,本领域的技术人员可以清楚地了解到本说明书实施例可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解,本说明书实施例的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本说明书实施例各个实施例或者实施例的某些部分所述的方法。
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,计算机的具体形式可以是个人计算机、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、电子邮件收发设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任意几种设备的组合。
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,对于装置实施例而言,由于其基本相似于方法实施例,所以描述得比较简单,相关之处参见方法实施例的部分说明即可。以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,在实施本说明书实施例方案时可以把各模块的功能在同一个或多个软件和/或硬件中实现。也可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下,即可以理解并实施。
以上所述仅是本说明书实施例的具体实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本说明书实施例原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本说明书实施例的保护范围。
Claims (15)
1.一种商户信息更新方法,应用于第三方支付平台,所述第三方支付平台对接若干商户,所述方法用于对商户的预测信息进行更新;所述方法包括:
针对所述若干商户中的任一目标商户,获取该目标商户的真实静态数据,并基于所获取的真实静态数据,确定该目标商户的预测信息,将所确定的预测信息更新为该目标商户当前的预测信息;所述真实静态数据为:用于表征商户经营内容且能够确保真实性的数据;所述预测信息为:与商户经营相关的信息;
在满足预设触发条件的情况下,针对所述目标商户,循环执行以下步骤:
获取该目标商户完成上一次信息更新后的新增行为数据,并将所述新增行为数据与当前存储的所述目标商户的行为数据进行合并;
利用合并后的行为数据以及所述真实静态数据,确定所述目标商户的预测信息,并将所确定的预测信息更新为该目标商户当前的预测信息。
2.根据权利要求1所述的方法,所述预设触发条件,包括:
所述目标商户与所述第三方支付平台的签约时长超过预设时长,和/或,所述目标商户的行为数据总量达到用于确定预测信息的数量要求。
3.根据权利要求1所述的方法,所述预测信息包括经营地址信息、行业信息以及经营类型信息中的一种或多种;所述基于所述真实静态数据,确定该目标商户的预测信息,包括:
利用所述真实静态数据,以及静态行业预测模型预测所述目标商户的行业信息,得到第一行业预测结果;
利用所述真实静态数据,预测所述目标商户的第一经营类型以及对应于所述第一经营类型的第一经营地址信息;所述经营类型包括:线上经营类型、线下移动经营类型和线下固定经营类型。
4.根据权利要求3所述的方法,利用合并后的行为数据以及所述真实静态数据,确定所述目标商户的预测信息,包括:
利用所述合并后的行为数据,以及动态行业预测模型预测所述目标商户的行业信息,得到第二行业预测结果;
综合所述第一行业预测结果以及所述第二行业预测结果,确定所述目标商户的行业信息。
5.根据权利要求3所述的方法,利用合并后的行为数据以及所述真实静态数据,确定所述目标商户的预测信息,包括:
根据所述目标商户合并后的行为数据中的行为定位数据,确定所述目标商户的经营位置范围,基于所确定的经营位置范围预测所述目标商户的第二经营类型,以及对应于所述第二经营类型的第二经营地址信息;
综合所述第一经营类型以及所述第二经营类型,确定所述目标商户的经营类型以及对应于该经营类型的经营地址信息。
6.根据权利要求5所述的方法,所述基于所确定的经营位置范围预测所述目标商户的第二经营类型,以及对应于所述第二经营类型的第二经营地址信息,包括:
在确定所述目标商户的经营类型为线下固定经营类型的情况下,利用预设的算法将所述目标商户与对应的POI点进行关联,以关联的POI点的地址信息作为所述目标商户的经营地址信息;
在确定所述目标商户的经营类型为线上经营类型的情况下,以所述目标商户的线上经营网址作为所述目标商户的经营地址;
在确定所述目标商户的经营类型为线下移动经营类型的情况下,以所述目标商户的经营位置范围作为所述目标商户的经营地址。
7.根据权利要求1所述的方法,利用合并后的行为数据以及所述真实静态数据,确定所述目标商户的预测信息,包括:
将所述目标商户的行为数据以及真实静态数据进行表征处理,得到各数据对应的初始特征向量;
对各初始特征向量进行融合,得到融合特征向量;
将融合特征向量输入到融合行业预测模型中,以该融合行业预测模型的预测结果作为所述目标商户的行业信息。
8.根据权利要求1所述的方法,还包括:
基于所述目标商户当前的预测信息,更新预先根据商户的属性信息构建的商户知识图谱;其中,所述属性信息包括所述预测信息;所述商户知识图谱包括对应于多个商户的多个节点,对应于各属性项,具有相同属性值的两个商户对应的两个节点之间通过边相连。
9.一种商户信息更新装置,应用于第三方支付平台,所述第三方支付平台对接若干商户,所述装置用于对商户的预测信息进行更新;所述装置包括:
第一信息更新模块,用于针对所述若干商户中的任一目标商户,获取该目标商户的真实静态数据,并基于所获取的真实静态数据,确定该目标商户的预测信息,将所确定的预测信息更新为该目标商户当前的预测信息;所述真实静态数据为用于表征商户经营内容且能够确保真实性的数据;所述预测信息为:与商户经营相关的信息;
第二信息更新模块,用于在满足预设触发条件的情况下,针对所述目标商户,循环执行以下步骤:
获取该目标商户完成上一次信息更新后的新增行为数据,并将所述新增行为数据与当前存储的所述目标商户的行为数据进行合并;
利用合并后的行为数据以及所述真实静态数据,确定所述目标商户的预测信息,并将所确定的预测信息更新为该目标商户当前的预测信息。
10.根据权利要求9所述的装置,所述预设触发条件,包括:
所述目标商户与所述第三方支付平台的签约时长超过预设时长,和/或,所述目标商户的行为数据总量达到用于确定预测信息的数量要求。
11.根据权利要求9所述的装置,所述预测信息包括经营地址信息、行业信息以及经营类型信息中的一种或多种;
所述第一信息更新模块,具体用于利用所述真实静态数据,以及静态行业预测模型预测所述目标商户的行业信息,得到第一行业预测结果;
利用所述真实静态数据,预测所述目标商户的第一经营类型以及对应于所述第一经营类型的第一经营地址信息;所述经营类型包括:线上经营类型、线下移动经营类型和线下固定经营类型。
12.根据权利要求11所述的装置,
所述第二信息更新模块,具体用于利用所述合并后的行为数据,以及动态行业预测模型预测所述目标商户的行业信息,得到第二行业预测结果;
综合所述第一行业预测结果以及所述第二行业预测结果,确定所述目标商户的行业信息。
13.根据权利要求11所述的装置,
所述第二信息更新模块,具体用于根据所述目标商户合并后的行为数据中的行为定位数据,确定所述目标商户的经营位置范围,基于所确定的经营位置范围预测所述目标商户的第二经营类型,以及对应于所述第二经营类型的第二经营地址信息;综合所述第一经营类型以及所述第二经营类型,确定所述目标商户的经营类型以及对应于该经营类型的经营地址信息。
14.根据权利要求13所述的装置,
所述第二信息更新模块,具体用于在确定所述目标商户的经营类型为线下固定经营类型的情况下,利用预设的算法将所述目标商户与对应的POI点进行关联,以关联的POI点的地址信息作为所述目标商户的经营地址信息;在确定所述目标商户的经营类型为线上经营类型的情况下,以所述目标商户的线上经营网址作为所述目标商户的经营地址;在确定所述目标商户的经营类型为线下移动经营类型的情况下,以所述目标商户的经营位置范围作为所述目标商户的经营地址。
15.一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其中,所述处理器执行所述程序时实现如权利要求1至8任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110313611.1A CN113112289B (zh) | 2021-03-24 | 2021-03-24 | 一种商户信息更新方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110313611.1A CN113112289B (zh) | 2021-03-24 | 2021-03-24 | 一种商户信息更新方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113112289A CN113112289A (zh) | 2021-07-13 |
CN113112289B true CN113112289B (zh) | 2023-04-07 |
Family
ID=76710558
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110313611.1A Active CN113112289B (zh) | 2021-03-24 | 2021-03-24 | 一种商户信息更新方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113112289B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104113588A (zh) * | 2014-06-26 | 2014-10-22 | 小米科技有限责任公司 | 一种互联网黄页的更新方法及装置 |
CN105512340A (zh) * | 2015-12-31 | 2016-04-20 | 小米科技有限责任公司 | 信息更新方法及装置 |
CN106251148A (zh) * | 2016-08-12 | 2016-12-21 | 闻进 | 一种交互式获取受理终端信息并关联支付卡信息的安全支付方法 |
CN111461762A (zh) * | 2020-03-05 | 2020-07-28 | 支付宝(杭州)信息技术有限公司 | 商户检测方法、装置和电子设备 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130024371A1 (en) * | 2011-02-22 | 2013-01-24 | Prakash Hariramani | Electronic offer optimization and redemption apparatuses, methods and systems |
-
2021
- 2021-03-24 CN CN202110313611.1A patent/CN113112289B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104113588A (zh) * | 2014-06-26 | 2014-10-22 | 小米科技有限责任公司 | 一种互联网黄页的更新方法及装置 |
CN105512340A (zh) * | 2015-12-31 | 2016-04-20 | 小米科技有限责任公司 | 信息更新方法及装置 |
CN106251148A (zh) * | 2016-08-12 | 2016-12-21 | 闻进 | 一种交互式获取受理终端信息并关联支付卡信息的安全支付方法 |
CN111461762A (zh) * | 2020-03-05 | 2020-07-28 | 支付宝(杭州)信息技术有限公司 | 商户检测方法、装置和电子设备 |
Non-Patent Citations (2)
Title |
---|
"云购武林":开启智慧"云商圈"新征程;何垚;《杭州》;20200831;全文 * |
电子商务法对电子商务行业发展的影响探析;尹寿芳;《长春师范大学学报》;20200920;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN113112289A (zh) | 2021-07-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110929162B (zh) | 基于兴趣点的推荐方法、装置、计算机设备和存储介质 | |
CN109101989B (zh) | 一种商户分类模型构建和商户分类方法、装置及设备 | |
CN106991576B (zh) | 一种地理区域的热力展现方法和装置 | |
US20240265038A1 (en) | Method and apparatus for dividing region, storage medium, and electronic device | |
TW201633241A (zh) | 用於確定目標位置的方法和裝置 | |
US20190130427A1 (en) | Candidate site evaluation system and candidate site evaluation method | |
WO2015112989A1 (en) | Obtaining social relationship type of network subjects | |
US20180109909A1 (en) | Geographic location mapping using network signal strength | |
CN109891190B (zh) | 基于衍生社交网络对个人进行地理定位 | |
CN108197177B (zh) | 业务对象的监测方法、装置、存储介质和计算机设备 | |
CN110009379A (zh) | 一种选址模型构建和选址方法、装置及设备 | |
KR20180124931A (ko) | 지리적 위치의 속성 정보를 결정하기 위한 방법 및 디바이스 | |
CN108932646B (zh) | 基于运营商的用户标签验证方法、装置和电子设备 | |
CN110674208B (zh) | 用于确定用户的职住地信息的方法和装置 | |
CN111597279A (zh) | 基于深度学习的信息预测方法及相关设备 | |
Lansley et al. | Challenges to representing the population from new forms of consumer data | |
JP5798983B2 (ja) | 場所評価システム、装置、方法及びプログラム | |
CN114004661A (zh) | 门店信息处理方法、装置、设备及存储介质 | |
CN111598188B (zh) | 目标门店位置的识别的方法和装置、存储介质和电子设备 | |
JP2022055299A (ja) | 成果報酬決定サーバ、成果報酬決定方法、及びコンピュータプログラム | |
CN113112289B (zh) | 一种商户信息更新方法及装置 | |
CN110659920B (zh) | 一种业务对象的推荐方法和装置 | |
CN111861139A (zh) | 商户推荐方法、装置及计算机设备 | |
CN116681470A (zh) | 门店选址方法、装置、计算机设备、存储介质和产品 | |
US11138615B1 (en) | Location-based place attribute prediction |
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 |