[发明专利]MCC套码的识别方法、装置、计算机可读存储介质及系统

说明书

技术领域

本发明实施例涉及数据处理领域，尤其涉及一种MCC套码的识别方法、装置、计算机可读存储介质及系统。

背景技术

在银联现行的发改委定价机制中，不同的商户类型代码(Merchant Category Code，MCC)代表不同的行业，不同的行业有不同的刷卡手续费率。这就导致一些高手续费率的商户(例如，餐饮行业)套用其他低手续费率行业的MCC，即MCC套码。MCC套码指第三方支付机构套用商户类别代码享受低手续费率的行为，该行为会导致基于银联交易的消费数据分析出现偏差。

目前无相应的方法识别MCC套码，导致基于银联交易流水的数据分析出偏差时，无法纠正。

发明内容

本发明实施例解决的技术问题是如何识别MCC套码。

为解决上述技术问题，本发明实施例提供一种MCC套码的识别方法，所述方法包括：获取银联交易的消费数据；计算所述银联交易的消费数据特征值，所述银联交易的消费数据特征值包括：金额类特征值、交易时间段占比特征值和交易季节性特征值；将所述银联交易的消费数据特征值输入至预设的第一MCC的识别模型，对所述银联交易的消费数据进行识别，识别所述银联交易的消费数据是否套码。

可选地，采用如下步骤建立所述预设的第一MCC的识别模型，包括：获取预设的第一MCC对应的消费数据；基于预设的第一MCC对应的消费数据计算预设的第一MCC对应的消费数据特征值，所述预设的第一MCC对应的消费数据特征值包括：金额类特征值、交易时间段占比特征值和交易季节性特征值；基于所述预设的第一MCC对应的消费数据特征值和机器学习算法，建立预设的第一MCC的识别模型。

可选地，所述金额类特征值包括以下至少一种：交易金额CV均值和标准差、单次交易金额均值和标准差。

可选地，所述交易时间段占比特征值包括以下至少一种：上午交易占比值、中午交易占比值、下午交易占比值、晚上交易占比值和深夜交易占比值。

可选地，所述交易季节性特征值包括：法定节假日交易人数值。

可选地，所述基于所述预设的第一MCC对应的消费数据特征值和机器学习算法，建立预设的第一MCC的识别模型，包括：对所述预设的第一MCC对应的消费数据特征值进行有效性判断，生成预设的第一MCC对应的消费数据有效特征值；基于所述预设的第一MCC对应的消费数据有效特征值和机器学习算法，建立预设的第一MCC的识别模型。

可选地，所述有效性判断包括：差异性判断和相关性判断，将所述差异性和所述相关性均判断有效的预设的第一MCC对应的消费数据特征值作为预设的第一MCC对应的消费数据有效特征值。

可选地，所述差异性判断包括：获取预设的第二MCC对应的消费数据；基于预设的第二MCC对应的消费数据计算预设的第二MCC对应的消费数据特征值；判断预设的第一MCC对应的消费数据特征值和预设的第二MCC对应的消费数据特征值是否体现商户的差异，如果预设的第一MCC对应的消费数据特征值和预设的第二MCC对应的消费数据特征值能够体现商户的差异，则预设的第一MCC对应的消费数据特征值有效。

可选地，所述相关性判断包括：依次计算任意两个预设的第一MCC对应的消费数据特征值的相关值，如果计算的相关值大于预设的相关系数门限，则参与计算的两个预设的第一MCC对应的消费数据特征值任选一个有效，另一个无效。

可选地，所述基于所述预设的第一MCC对应的消费数据有效特征值和机器学习算法，建立预设的第一MCC的识别模型，包括：利用CART决策树，对所述预设的第一MCC对应的消费数据有效特征值进行离散化处理；基于离散化处理后的预设的第一MCC对应的消费数据有效特征值和机器学习算法，建立预设的第一MCC的识别模型。

可选地，所述机器学习算法包括：逻辑回归算法。

本发明实施例还提供一种MCC套码的识别装置，包括：获取单元，适于获取银联交易的消费数据；计算单元，适于计算所述银联交易的消费数据特征值，所述银联交易的消费数据特征值包括：金额类特征值、交易时间段占比特征值和交易季节性特征值；识别单元，适于将所述银联交易的消费数据的特征值输入至预设的第一MCC的识别模型，对所述银联交易的消费数据进行识别，识别所述银联交易的消费数据是否套码。