摘要
本发明提供一种商户自动化分类的方法及系统,该方法包括:获取多源数据,并生成结构化的商户数据集;对商户数据集实施特征工程,构建商户多维特征向量,并对多维特征向量进行多维度标记,获得标记化的商户特征数据;利用随机采样、分层抽样和交叉验证技术,对商户特征数据进行数据集划分和预处理,得到模型训练数据集,并训练商户分类模型,生成训练完成的商户分类模型;利用训练完成的商户分类模型对商户进行分类,并基于设定的等级划分标准和评分规则体系,计算商户的评分,得到商户等级评分结果;将商户等级评分结果与预设的风险阈值进行比较,生成商户分类及风险评估结果。本发明能够有效提高商户分类的精准度。
技术关键词
多维特征向量
脉冲神经网络模型
风险
特征工程
约束优化模型
标记
融合专家经验
分布估计算法
层次分析方法
多算法融合
梯度提升树
日志
阈值机制
模型训练模块
数据处理模块
拉格朗日
统计特征
注意力机制
系统为您推荐了相关专利信息
文档解析方法
训练人工智能模型
微调技术
命名实体识别模型
YOLO模型
优化管理系统
工艺特征
异构网络通信
参数
信号预处理模块
模式切换方法
风格
轨迹预测模型
风险评估方法
速度预测模型
智慧管控系统
预警模块
管控方法
风险评估算法
识别模块