[发明专利]商户风险巡检方法、装置、电子设备及存储介质

权利要求书

1.一种商户风险巡检方法，包括：

获取线上商户的多模态风险数据，所述多模态风险数据包括：所述线上商户的商户网页内容、商户交易数据以及对所述线上商户的投诉信息,所述多模态风险数据中每种模态的风险数据均是序列化数据，所述序列化数据是指数据存在时序信息；

将各种数据模态的线上商户的商户网页内容、各种数据模态的商户交易数据以及各种数据模态的投诉信息进行两两模态风险数据的组合，得到多组模态风险数据，每组模态风险数据是由两种不同的序列化风险数据构成或者是由不同数据模态的两种序列化风险数据；

通过多模态融合模型分别处理各组模态风险数据，得到用于识别线上商户是否存在非法平台风险的风险特征向量，其中，针对每组模态风险数据，通过多模态融合模型的词表征层、上下文内容表征层和匹配融合层的顺序处理，以根据该组模态风险数据的时序信息对该组模态风险数据进行双向匹配融合，得到该组模态风险数据对应的第一双向匹配融合序列和第二双向匹配融合序列，通过所述多模态融合模型的聚合层，将所述多模态风险数据对应得到的第一双向匹配融合序列和第二双向匹配融合序列进行聚合，得到所述风险特征向量；

通过所述多模态融合模型的预测层,根据所述风险特征向量预测所述线上商户是否存在非法平台风险，如果预测结果表征所述线上商户存在非法平台风险，对所述线上商户进行惩戒处理，和/或向目标平台发送预警信息。

2.如权利要求1所述的方法，所述商户网页内容、所述商户交易数据以及对所述线上商户的投诉信息中每种序列化风险数据的数据模态包含音频模态、文本模态以及视频模态中的一种或者多种。

3.如权利要求1所述的方法，每组模态风险数据包含第一模态风险数据和第二模态风险数据；所述根据该组模态风险数据的时序信息对该组模态风险数据进行双向匹配融合，得到该组模态风险数据对应的第一双向匹配融合序列和第二双向匹配融合序列，包括：

针对所述第一模态风险数据中每维单元风险数据进行向量表征，得到所述第一模态风险数据对应的第一表征序列；

针对所述第二模态风险数据中每维单元风险数据进行向量表征，得到所述第二模态风险数据对应的第二表征序列；

将所述第一表征序列和所述第二表征序列分别输入到对应的时序信息提取模型，得到所述第一表征序列对应的第一双向上下文序列和所述第二表征序列对应的第二双向上下文序列；

将所述第一双向上下文序列与所述第二双向上下文序列进行信息交互，生成所述第一双向上下文序列对应的第一双向匹配融合序列，以及所述第二双向上下文序列对应的第二双向匹配融合序列。

4.如权利要求3所述的方法，所述将所述第一双向上下文序列与所述第二双向上下文序列进行信息交互，生成所述第一双向上下文序列对应的第一双向匹配融合序列，以及所述第二双向上下文序列对应的第二双向匹配融合序列，包括：

针对所述第一双向上下文序列中每i时间步的上下文向量，将第i时间步的上下文向量融合到所述第二双向上下文序列中，得到所述第i时间步对应的匹配融合向量表征，i依次取1至M，M为所述第一双向上下文序列的序列长度；

根据所述第一双向上下文序列中第1至M时间步对应得到的M个匹配融合向量表征，形成所述第一双向匹配融合序列；

针对所述第二双向上下文序列中第j时间步的上下文向量，将所述第j时间步的上下文向量融合到所述第一双向上下文序列中，得到所述第j时间步对应的匹配融合向量表征，j依次取1至N，N为所述第二双向上下文序列的序列长度；

根据所述第二双向上下文序列中第1至N时间步对应得到的N个匹配融合向量表征，形成所述第二双向匹配融合序列。

5.如权利要求1所述的方法，所述将所述多模态风险数据对应得到的第一双向匹配融合序列和第二双向匹配融合序列进行聚合，得到风险特征向量，包括：

针对所述多模态风险数据中第k组模态风险数据，提取所述第k组模态风险数据对应得到的第一双向匹配融合序列中末时间步的匹配融合向量表征、以及所述第k组模态风险数据对应得到的第二双向匹配融合序列中末时间步的匹配融合向量表征，k取1至G，G为所述多模态风险数据的组数；

将第1至G组模态风险数据对应得到的每个末时间步的匹配融合向量表征进行连接，得到所述风险特征向量。