[发明专利]商户评估方法、装置、电子设备及可读存储介质

权利要求书

1.一种商户评估方法，包括：

在商户准入场景下，获取商户对应的风险特征数据；

基于所述风险特征数据以及预先训练好的机器学习模型，得到所述商户的商户准入分数，以根据所述商户准入分数确定是否允许所述商户的准入。

2.根据权利要求1所述的方法，所述获取商户对应的风险特征数据，包括：

获取商户对应的第一特征数据，所述第一特征数据包括两个以上特征类的数据，每个特征类对应于一种风险类型；

分别将所述第一特征数据中每种特征类的数据输入与该特征类对应的预设风险模型，得到相应风险类型的风险值；

基于每种风险类型的风险值，得到所述风险特征数据。

3.根据权利要求2所述的方法，所述基于每种风险类型的风险值，得到所述风险特征数据，包括：

获取商户对应的第二特征数据；

基于所述风险值的范围以及预设规则，对所述第二特征数据进行归一化处理，得到所述第二特征数据对应的特征值；

将所述每种风险类型的风险值以及所述特征值作为所述风险特征数据。

4.根据权利要求1所述的方法，所述机器学习模型通过以下步骤训练得到：

获取目标样本集，其中，所述目标样本集包括正样本集和负样本集，所述正样本集包括多个风险商户，所述负样本集包括多个非风险商户；

基于所述目标样本集以及预先配置的底层模型，分别执行N轮子模型训练步骤，得到N个目标子模型，并将所述N个目标子模型集成为所述机器学习模型，其中，N为大于或等于2的整数，所述子模型训练步骤包括：

根据预设的抽样比例以及所述正样本集中的正样本数量，从所述负样本集中随机抽取相应数量的负样本，其中，所述抽样比例为正样本数量与负样本数量的比例；

基于所抽取的负样本以及所述正样本集，构建训练样本集，并基于所述训练样本集中每个样本的风险特征数据，对所述底层模型进行训练，得到一目标子模型。

5.根据权利要求4所述的方法，所述底层模型采用boosting集成算法。

6.根据权利要求4所述的方法，所述基于所述风险特征数据以及预先训练好的机器学习模型，得到所述商户的商户准入分数，包括：

将所述风险特征数据分别输入每个目标子模型，得到N个风险分数；

将所述N个风险分数的平均值作为所述商户的商户准入分数。

7.根据权利要求1所述的方法，所述基于所述风险特征数据以及预先训练好的机器学习模型，得到所述商户的商户准入分数之后，还包括：

基于所述商户准入分数，得到所述商户的准入评估结果。

8.根据权利要求1所述的方法，所述机器学习模型采用不均衡学习的欠抽样算法。

9.一种商户评估装置，包括：

获取模块，用于在商户准入场景下，获取商户对应的风险特征数据；

分数确定模块，用于基于所述风险特征数据以及预先训练好的机器学习模型，得到所述商户的商户准入分数，以根据所述商户准入分数确定是否允许所述商户的准入。

10.根据权利要求9所述的装置，所述获取模块包括：

数据获取子模块，用于获取商户对应的第一特征数据，所述第一特征数据包括两个以上特征类的数据，每个特征类对应于一种风险类型；

风险值确定子模块，用于分别将所述第一特征数据中每种特征类的数据输入与该特征类对应的预设风险模型，得到相应风险类型的风险值；

特征确定子模块，用于基于每种风险类型的风险值，得到所述风险特征数据。

11.根据权利要求10所述的装置，所述特征确定子模块用于：

获取商户对应的第二特征数据；

基于所述风险值的范围以及预设规则，对所述第二特征数据进行归一化处理，得到所述第二特征数据对应的特征值；

将所述每种风险类型的风险值以及所述特征值作为所述风险特征数据。