[發明專利]識別持卡人屬性的方法、裝置、計算機可讀介質及系統

在審

• 申請號: 201710395643.4
• 申請日: 2017-05-27
• 公開（公告）號: CN107316205A
• 公開（公告）日: 2017-11-03
• 發明（設計）人: 龍凱;趙相龍;張森;王晗
• 申請（專利權）人: 銀聯智惠信息服務（上海）有限公司
• 主分類號: G06Q30/02
• 分類號: G06Q30/02;G06K9/62
• 代理公司: 北京集佳知識產權代理有限公司11227
• 代理人: 潘彥君,吳敏

技術領域

本發明涉及數據處理領域，尤其涉及一種識別持卡人屬性的方法、裝置、計算機可讀介質及系統。

背景技術

隨著電子商務的普及，經常需要基于消費數據識別持卡人的屬性(例如，性別、年齡段等)，并針對不同屬性的人群提供不同的解決方案，從而滿足不同屬性的人群需求。

而目前直接通過持卡人的消費數據所屬的行業識別其屬性的方案，雖然簡單易行，但是存在準確率低、覆蓋率低的問題，尤其如果持卡人只在餐飲等并無屬性傾向的行業消費，則完全無法根據消費數據判斷持卡人的屬性。

發明內容

本發明解決的技術問題是如何提高持卡人屬性識別的準確率和覆蓋率。

為解決上述技術問題，本發明實施例提供一種識別持卡人屬性的方法，包括：獲取持卡人對應的消費數據；基于預設的概率圖模型，對所獲取的持卡人對應的消費數據進行處理，識別得到所述持卡人的消費屬性。

可選地，所述基于預設的概率圖模型，對所獲取的持卡人對應的消費數據進行處理，識別得到所述持卡人的消費屬性包括：選取預設的有傾向屬性的商戶并標記傾向屬性，迭代執行如下步驟，直至達到預設的停止迭代的條件：按照標記了傾向屬性的商戶的傾向屬性，標記其所對應的持卡人的消費屬性；按照標記了消費屬性的持卡人的消費屬性，標記其所對應的未標記傾向屬性的商戶的傾向屬性。

可選地，所述預設的停止迭代的條件包含以下任意一個：達到最大迭代次數、所有持卡人的消費屬性和所有商戶的傾向屬性均被標記。

可選地，所述按照標記了傾向屬性的商戶的傾向屬性，標記其所對應的持卡人的消費屬性，包括：將傾向屬性為第一屬性的商戶對應的持卡人的消費屬性標記值加0，將傾向屬性為第二屬性的商戶對應的持卡人的消費屬性標記值加1；計算所述持卡人的消費屬性指數，所述持卡人的消費屬性指數等于消費屬性標記值與標記的總次數之商；當所述持卡人的消費屬性指數小于預設的消費屬性指數第一門限時，將所述持卡人的消費屬性標記為第一屬性；當所述持卡人的消費屬性指數大于預設的消費屬性指數第二門限時，將所述持卡人的消費屬性標記為第二屬性，所述消費屬性指數第二門限大于消費屬性指數第一門限。

可選地，所述按照標記了消費屬性的持卡人的屬性，標記其所對應的未標記傾向屬性的商戶的傾向屬性包括：將消費屬性為第一屬性的持卡人對應的商戶的傾向屬性標記值加0，將消費屬性為第二屬性的持卡人對應的商戶的傾向屬性標記值加1；計算所述商戶的傾向屬性指數，所述商戶的傾向屬性指數等于傾向屬性標記值與標記的總次數之商；當所述商戶的傾向屬性指數小于預設的傾向屬性指數第一門限時，將所述商戶的傾向屬性標記為第一屬性；當所述商戶的傾向屬性指數大于預設的傾向屬性指數第二門限時，將所述商戶的傾向屬性標記為第二屬性，所述預設的傾向屬性指數第二門限大于預設的傾向屬性指數第一門限。

可選地，所述按照標記了傾向屬性的商戶的傾向屬性，標記其所對應的持卡人的消費屬性，包括：將傾向屬性為第m屬性的商戶對應的持卡人的第m消費屬性標記值加1，直至遍歷所有標記了傾向屬性的商戶對應的所有持卡人，1≤m≤M，其中：M為傾向屬性的總個數，M≥1；m為其中任意一個傾向屬性；依次計算所述持卡人的所有消費屬性指數，其中第m消費屬性指數等于第m消費屬性標記值與標記的總次數之商；當所述持卡人的第m消費屬性指數大于預設的消費屬性指數第三門限時，將所述持卡人的消費屬性標記為第m屬性。

可選地，所述按照標記了消費屬性的持卡人的消費屬性，標記其所對應的未標記傾向屬性的商戶的傾向屬性包括：將消費屬性為第n屬性的持卡人對應的商戶的第n傾向屬性標記值加1，直至遍歷所有標記了消費屬性的持卡人對應的所有商戶，1≤n≤N，其中：N為消費屬性的總個數，N≥1；n為其中任意一個消費屬性；依次計算所述商戶的所有傾向屬性指數，其中第n傾向屬性指數等于第n傾向屬性標記值與標記的總次數之商；當所述商戶的第n傾向屬性指數大于預設的傾向屬性指數第三門限時，將所述商戶的傾向屬性標記為第n屬性。

可選地，所述識別持卡人屬性的方法，還包括：按照所識別的所述持卡人的消費屬性，將所述持卡人分組，其中第t組人群為標記為第t屬性的人群，1≤t≤T，T為消費屬性的總個數，T≥1，t為其中任意一個消費屬性；基于持卡人的消費數據，計算任一維度下的任一指標的任一特征統計值，直至遍歷得到所有預設的維度下的所有預設的指標所對應的所有預設的特征統計值，生成第一消費數據特征值文件；針對每一組人群，分別基于第一消費數據特征值文件和機器學習模型，識別所述持卡人的真實屬性。