[發明專利]店鋪風險歸因方法及其裝置、設備、介質、產品

在審

• 申請號: 202310332189.3
• 申請日: 2023-03-29
• 公開（公告）號: CN116402546A
• 公開（公告）日: 2023-07-07
• 發明（設計）人: 劉濤
• 申請（專利權）人: 廣州歡聚時代信息科技有限公司
• 主分類號: G06Q30/0203
• 分類號: G06Q30/0203;G06Q30/0601
• 代理公司: 廣州利能知識產權代理事務所(普通合伙) 44673
• 代理人: 王增鑫

本申請涉及一種店鋪風險歸因方法及其裝置、設備、介質、產品，所述方法包括：獲取目標店鋪的店鋪畫像；調用風險分類模型預測所述目標店鋪的店鋪畫像相對應的風險標簽，確定屬于高風險類型的風險標簽的分類概率所命中的口碑分級數值頻段相對應的口碑等級；計算店鋪畫像中各類型的特征數據的特征貢獻度，確定出各類型的特征貢獻度所命中的貢獻分級數值頻段所屬的貢獻等級；根據口碑等級及其各類型所屬的貢獻等級，從其各類型的特征數據中篩選出導致所述目標店鋪命中高風險類型的風險標簽的根因特征數據。本申請綜合口碑等級和貢獻等級從店鋪畫像中確定出根因特征數據，更為準確高效，有助于維護電商平臺的線上店鋪的經營秩序。

技術領域

本申請涉及電商信息處理技術，尤其涉及一種店鋪風險歸因方法及其裝置、設備、介質、產品。

背景技術

電商平臺通常存在海量的線上店鋪，這些線上店鋪是由不同的經營實體負責實際經營的，不同的經營者及其經營方式，使相應的線上店鋪呈現不同的風險水平。線上店鋪的風險水平是指對線上店鋪的經營健康情況的抽象描述概念，通常反映為線上店鋪的經營信用的高低，風險水平高的線上店鋪，其經營信用較佳，反之風險水平偏低的線上店鋪，即風險店鋪，其經營信用相對較差。

可見，電商平臺的線上店鋪的風險水平基本決定著這個平臺的存活情況，如果電商平臺中風險店鋪濃度過大，那么該平臺很難得到健康發展，平臺的各種資源將會被風險店鋪搶占，優良店鋪經營壓力變大，在這種惡性循環之下，平臺將面臨巨大風險。所以如何有效、準確、快速地識別出風險店鋪并進行處置，降低其對平臺的不良影響，是電商平臺風控中的一大難題。

業內努力采用多種方式來實現對風險店鋪的識別，但限于不同技術的可解釋性不同，在很多場景中，難以有效地分析出各個風險店鋪構成風險的根本原因，特別是采用深度學習模型來預測風險店鋪時，限于深度學習模型的黑盒特點，如果只是希望通過對深度學習模型的權重參數來實現歸因，其難度可想而知。其他機器學習模型也同理，一般難以從模型本身的機理上去分析構成風險店鋪的根本原因，無法確定出導致線上店鋪構成風險店鋪的具體特征。

有鑒于此，需要對相關技術進行提升，以優化電商平臺的店鋪風險歸因能力，確保平臺的健康運行。

發明內容

本申請的目的在于解決上述問題而提供一種店鋪風險歸因方法及其相應的裝置、設備、非易失性可讀存儲介質，以及計算機程序產品。

根據本申請的一個方面，提供一種店鋪風險歸因方法，包括如下步驟：

獲取目標店鋪的店鋪畫像，所述店鋪畫像包含多種類型的特征數據；

調用風險分類模型預測所述目標店鋪的店鋪畫像相對應的風險標簽，確定屬于高風險類型的風險標簽的分類概率所命中的口碑分級數值頻段相對應的口碑等級；

計算所述目標店鋪的店鋪畫像中各類型的特征數據對于所述分類概率的特征貢獻度，確定出各類型的特征數據的特征貢獻度所命中的貢獻分級數值頻段所屬的貢獻等級；

根據所述目標店鋪的口碑等級及其各類型的特征數據所屬的貢獻等級，從其各類型的特征數據中篩選出導致所述目標店鋪命中高風險類型的風險標簽的根因特征數據。

根據本申請的另一方面，提供一種店鋪風險歸因裝置，包括：

畫像獲取模塊，設置為獲取目標店鋪的店鋪畫像，所述店鋪畫像包含多種類型的特征數據；

口碑預測模塊，設置為調用風險分類模型預測所述目標店鋪的店鋪畫像相對應的風險標簽，確定屬于高風險類型的風險標簽的分類概率所命中的口碑分級數值頻段相對應的口碑等級；

貢獻分析模塊，設置為計算所述目標店鋪的店鋪畫像中各類型的特征數據對于所述分類概率的特征貢獻度，確定出各類型的特征數據的特征貢獻度所命中的貢獻分級數值頻段所屬的貢獻等級；