(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210545776.6 (22)申请日 2022.05.19 (71)申请人 中国工商银行股份有限公司 地址 100140 北京市西城区复兴门内大街 55号 (72)发明人 谢伟　武文轩　周文泽　刘慕雨　 (74)专利代理 机构 北京同立钧成知识产权代理 有限公司 1 1205 专利代理师 文小莉　刘芳 (51)Int.Cl. G06Q 10/04(2012.01) G06Q 40/02(2012.01) G06Q 40/04(2012.01) G06K 9/62(2022.01) (54)发明名称 一种商户分析方法及相关装置 (57)摘要 提供一种商户分析方法及相关装置， 涉及人 工智能领域， 该方法包括： 获取第一商户在预设 时段内的至少一笔交易中每一笔交易的多个概 率； 对于至少一笔交易中的第一交易， 多个概率 包括基于如下多个维度的特征数据确定的第一 交易为正常交易和/或异常交易的概率： 第一交 易的交易金额维度、 第一交易的消费者的上一笔 交易与第一交易的时间差维度、 第一交易的商户 的上一笔交易与第一交易的时间差维度； 基于每 一笔交易的多个概率和多个商户中每个商户的 交易数据， 确定第一商户为正常商户或异常商 户。 将商户的每一笔交易的多个概率作为商户的 一部分特征数据用于判断该商户是否正常， 有利 于提高确定风险商户的准确度。 权利要求书3页 说明书16页 附图3页 CN 114881340 A 2022.08.09 CN 114881340 A 1.一种商户分析 方法， 其特 征在于， 所述方法包括： 获取至少一笔交易中的每一笔交易的多个概率； 其中， 所述至少一笔交易中的第一交 易的多个概率包括基于如下多个维度的特征数据确定的所述第一交易为正常交易的概率 和/或所述第一交易为异常交易的概率： 所述第一交易的交易金额 维度、 所述第一交易的消 费者的上一笔 交易与所述第一交易的时间差维度， 以及所述第一交易的商户的上一笔 交易 与所述第一交易的时间差维度， 所述第一交易为所述至少一笔交易中的任意一笔交易， 所 述至少一笔交易包括第一商户在预设时段内的交易， 所述第一商户为多个商户中的任意一 个商户； 基于所述至少一笔交易中的每一笔交易的多个概率和所述多个商户中的每个商户的 交易数据， 确定所述第一商户为正常商户或异常商户， 所述每个商户的交易数据包括： 所述 每个商户在所述预设时段内的交易笔数、 每一笔交易涉及的消费者、 以及每一笔交易涉及 的金额和发生时间。 2.如权利要求1所述的方法， 其特征在于， 所述多个概率分别由预训练 的多个模型预测 得到， 所述多个模型中的每 个模型用于预测所述多个概 率中的一个。 3.如权利要求2所述的方法， 其特征在于， 所述多个模型包括： 基于消费者的历史交易 数据训练得到的多个隐马尔可夫模型； 和/或， 基于商户的历史交易数据训练得到的多个隐 马尔可夫模型； 其中， 所述消费者包括正常消费者和/或异常消费者， 所述商户包括正常商户 和/或异 常商户， 所述历史交易数据包括每一笔历史交易的交易金额， 以及每两笔相邻的历史交易 的时间差； 所述基于消费者的历史交易数据训练得到的多个隐马尔可夫模型包括： 基于所述正常 消费者的每一笔历史交易的交易金额训练得到的隐马尔可夫模型和基于所述异常消费者 的每一笔历史交易的交易金额训练得到的隐马尔可夫模型， 以及基于所述正常消费者的每 两笔相邻的历史交易的时间差训练得到的隐马尔可夫模型和基于所述异常消费者的每两 笔相邻的历史 交易的时间差训练得到的隐马尔可 夫模型； 所述基于商户的历史交易数据训练得到的多个隐马尔可夫模型包括： 基于所述正常商 户的每一笔历史交易的交易金额训练得到的隐马尔可夫模型和基于所述异常商户的每一 笔历史交易的交易金额训练得到的 隐马尔可夫模型， 以及基于所述正常商户的每两笔相 邻 的历史交易的时间差训练得到的隐马尔可夫模型和基于所述异常商户的每两笔相邻的历 史交易的时间差训练得到的隐马尔可 夫模型。 4.如权利要求1所述的方法， 其特征在于， 所述基于所述至少一笔交易中的每一笔交易 的多个概率和所述多个商户中的每个商户的交易数据， 确定所述第一商户为正常商户或异 常商户， 包括： 基于所述多个商户中的每个商户的交易数据， 确定第一关系矩阵， 所述第一关系矩阵 中的每个元素对应所述多个商户中的一个商户和多个交易群体中的一个交易群体， 每个元 素与所对应的商户和交易群体的交易笔数和/或交易金额相关， 所述多个交易群体是对所 述多个商户在所述预设时段内的多笔交易涉及的多个消费者聚类得到的； 基于所述至少一笔交易中的每一笔交易的多个概率和所述第 一关系矩阵， 确定所述第 一商户为 正常商户或异常商户。权　利　要　求　书 1/3 页 2 CN 114881340 A 25.如权利要求4所述的方法， 其特征在于， 所述基于所述至少一笔交易中的每一笔交易 的多个概 率和所述第一关系矩阵， 确定所述第一商户为 正常商户或异常商户， 包括： 利用聚类算法， 基于所述第 一商户的所述至少一笔交易中的每一笔交易的多个概率和 所述第一关系矩阵， 确定所述第一商户为 正常商户或异常商户。 6.如权利要求4或5所述的方法， 其特征在于， 所述基于所述多个商户中的每个商户的 交易数据， 确定第一关系矩阵， 包括： 基于所述多个商户中的每个商户的交易数据， 确定第二关系矩阵， 所述第二关系矩阵 中的每个元素与所述多个商户中的一个商户和所述多 笔交易中的一笔 交易对应， 每个元素 表示所对应的一笔交易是否涉及到所对应的商户； 基于所述多个商户中的每个商户的交易数据， 确定第三关系矩阵， 所述第三关系矩阵 中的每个元素与所述多笔 交易中的一笔交易和所述多个交易群体中的一个交易群体对应， 每个元素表示所对应的一笔交易是否涉及到所对应的交易群 体； 基于所述第二关系矩阵和所述第三关系矩阵， 确定所述第一关系矩阵。 7.如权利要求6所述的方法， 其特征在于， 所述基于所述多个商户中的每个商户的交易 数据， 确定第三关系矩阵， 包括： 基于所述多个商户中的每个商户的交易数据中的每一笔交易涉及的消费者， 确定多个 消费者； 基于所述多个消费者中的每个消费者的交易数据， 确定所述多个交易群体， 所述每个 消费者的交易数据包括： 所述每个消费者在预设时间段内的交易笔数、 每一笔交易涉及的 商户、 以及每一笔交易涉及的金额和/或发生时间； 基于所述多个商户中的每个商户的交易数据中的每一笔交易涉及的消费者和所述多 个交易群 体， 确定所述第三关系矩阵。 8.如权利要求7所述的方法， 其特征在于， 所述基于所述多个消费者中的每个消费者的 交易数据， 确定所述多个交易群 体， 包括： 利用聚类算法， 基于所述多个消费者中的每个消费者的交易数据， 确定所述多个交易 群体。 9.一种商户分析装置， 其特 征在于， 所述装置包括： 获取模块， 用于获取至少一笔交易中的每一笔交易的多个概率； 其中， 所述至少一笔交 易中的第一交易的多个概率包括基于如下多个维度的特征数据确定的所述第一交易为正 常交易的概率和/或所述第一交易为异常交易的概率： 所述第一交易的交易金额维度、 所述 第一交易的消费者的上一笔交易与所述第一交易的时间差维度， 以及所述第一交易的商户 的上一笔 交易与所述第一交易的时间差维度， 所述第一交易为所述至少一笔交易中的任意 一笔交易， 所述至少一笔交易包括第一商户在预设时段内的交易， 所述第一商户为多个商 户中的任意 一个商户； 确定模块， 用于基于所述至少一笔交易中的每一笔交易的多个概率和所述多个商户中 的每个商户的交易数据， 确定所述第一商户为正常商户或异常商户， 所述每个商户的交易 数据包括： 所述每个商户在所述预设时段内的交易笔数、 每一笔交易涉及的消费者、 以及每 一笔交易涉及的金额和发生时间。 10.一种商户分析装置， 其特 征在于， 包括存 储器和处 理器， 其中，权　利　要　求　书 2/3 页 3 CN 114881340 A 3