个体工商户识别方法、装置、设备、存储介质及产品与流程

本发明涉及机器学习，尤其涉及一种个体工商户识别方法、装置、设备、存储介质及产品。

背景技术：

1、由于近年来的小微企业、个体工商户等市场主体成长迅速，提出针对个体工商户的融资需求推出多种特色金融产品，解决个体工商户的资金问题，但是由于个体工商户的识别困难，目前还是主要以线下人工识别为主，效率不高。

2、上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。

技术实现思路

1、本发明的主要目的在于提供一种个体工商户识别方法、装置、设备、存储介质及产品，旨在解决现有技术中识别个体工商户的效率较低的技术问题。

2、为实现上述目的，本发明提供了一种个体工商户识别方法，所述方法包括以下步骤：

3、根据历史个体工商户的历史数据样本对预设群体特征识别模型进行模型训练，得到训练好的群体特征识别模型，所述训练好的群体特征识别模型包括特征提取网络层和特征识别网络层；

4、获取待识别用户的待识别运营商数据；

5、将所述待识别运营商数据通过所述特征提取网络层进特征提取，得到群体特征信息；

6、根据所述群体特征信息通过所述特征识别网络层判断所述待识别用户是否为个体工商户。

7、可选地，所述根据所述群体特征信息通过所述特征识别网络层判断所述待识别用户是否为个体工商户，还包括：

8、检测所述待识别运营商数据与所述历史数据样本之间是否存在独特特征、共性特征以及边界特征；

9、若均存在，则基于所述群体特征信息和所述历史数据样本对应的样本特征信息提取所述待识别运营商数据的独特特征、共性特征以及边界特征；

10、根据所述独特特征、共性特征以及边界特征通过所述特征识别网络层判断所述待识别用户是否为个体工商户。

11、可选地，提取所述待识别运营商数据的独特特征，包括：

12、将所述待识别运营商数据的各个维度数据分别和所述历史数据样本进行匹配；

13、根据匹配结果给所述待识别运营商数据的各个维度数据的特征标签进行赋值，得到各特征标签的标签分值；

14、获取训练好的群体特征识别模型的当前迭代次数和迭代时长以及所述历史数据样本的样本特征标签；

15、可选地，提取所述待识别运营商数据的共性特征，包括：

16、基于所述群体特征信息确定与所述历史数据样本之间具有相同数据类型的目标待识别运营商数据和对应的目标特征信息；

17、计算所述待识别运营商数据和预设特征数据之间的特征相似度；

18、获取训练好的群体特征识别模型的迭代时长；

19、根据所述待识别运营商数据、目标特征信息、当前迭代次数、特征相似度以及迭代时长计算共性分值；

20、根据共性分值确定各维度数据中的共性特征。

21、可选地，提取所述待识别运营商数据的边界特征，包括：

22、获取所述历史数据样本中边界特征的样本数据标签和所述待识别运营商数据的各个维度数据的待识别数据标签；

23、根据所述样本数据标签、所述待识别数据标签、当前迭代次数、迭代时长计算边界分值；

24、在所述边界分值大于预设边界分值时，根据所述边界分值确定各维度数据中的共性特征。

25、可选地，所述特征提取网络层包括：第一网络层和第二网络层，所述第一网络层包括两个1×1的卷积核、两个3×3的卷积内核、连接层以及最大池化层，所述第二网络层包括两个1×1的卷积核、卷积多头自注意力模块，连接层以及卷积块，所述卷积多头自注意力模块包括4个自注意层；

26、所述将所述待识别运营商数据通过所述特征提取网络层进特征提取，得到群体特征信息，包括：

27、通过第一网络层拆分所述待识别运营商数据；

28、将拆分后的数据依次通过两个3×3的卷积内核、连接层以及最大池化层进行特征提取，得到初始特征；

29、通过第二网络层对所述初始特征进行深度特征提取，得到群体特征信息。

30、此外，为实现上述目的，本发明还提出一种个体工商户识别装置，所述个体工商户识别装置包括：

31、训练模块，用于根据历史个体工商户的历史数据样本对预设群体特征识别模型进行模型训练，得到训练好的群体特征识别模型，所述训练好的群体特征识别模型包括特征提取网络层和特征识别网络层；

32、获取模块，用于获取待识别用户的待识别运营商数据；

33、提取模块，用于将所述待识别运营商数据通过所述特征提取网络层进特征提取，得到群体特征信息；

34、识别模块，用于根据所述群体特征信息通过所述特征识别网络层判断所述待识别用户是否为个体工商户。

35、此外，为实现上述目的，本发明还提出一种个体工商户识别设备，所述个体工商户识别设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的个体工商户识别程序，所述个体工商户识别程序配置为实现如上文所述的个体工商户识别方法的步骤。

36、此外，为实现上述目的，本发明还提出一种存储介质，所述存储介质上存储有个体工商户识别程序，所述个体工商户识别程序被处理器执行时实现如上文所述的个体工商户识别方法的步骤。

37、此外，为实现上述目的，本发明还提出一种计算机程序产品，所述计算机程序产品包括个体工商户识别程序，所述个体工商户识别程序被处理器执行时实现如上文所述的个体工商户识别方法。

38、本发明一种个体工商户识别方法，所述个体工商户识别方法包括：根据历史个体工商户的历史数据样本对预设群体特征识别模型进行模型训练，得到训练好的群体特征识别模型，所述训练好的群体特征识别模型包括特征提取网络层和特征识别网络层；获取待识别用户的待识别运营商数据；将所述待识别运营商数据通过所述特征提取网络层进特征提取，得到群体特征信息；根据所述群体特征信息通过所述特征识别网络层判断所述待识别用户是否为个体工商户，与现有技术相比，本发明通过历史个体工商户的历史数据样本先进行模型训练，得到可以识别用户类别的群体特征识别模型，再将待识别用户的待识别运营商数据通过群体特征识别模型中的特征提取网络层进特征提取，得到群体特征信息，并根据群体特征信息通过群体特征识别模型中的特征识别网络层判断所述待识别用户是否为个体工商户，减少人工核查的工作量，并且通过提取到的多维度特征信息识别个体工商户，提高模型识别的准确率，解决了现有技术中识别个体工商户的效率较低的技术问题。

技术特征：

1.一种个体工商户识别方法，其特征在于，所述个体工商户识别方法包括：

2.如权利要求1所述的个体工商户识别方法，其特征在于，所述根据所述群体特征信息通过所述特征识别网络层判断所述待识别用户是否为个体工商户，还包括：

3.如权利要求2所述的个体工商户识别方法，其特征在于，提取所述待识别运营商数据的独特特征，包括：

4.如权利要求2所述的个体工商户识别方法，其特征在于，提取所述待识别运营商数据的共性特征，包括：

5.如权利要求2所述的个体工商户识别方法，其特征在于，提取所述待识别运营商数据的边界特征，包括：

6.如权利要求1-5中任一项所述的个体工商户识别方法，其特征在于，所述特征提取网络层包括：第一网络层和第二网络层，所述第一网络层包括两个1×1的卷积核、两个3×3的卷积内核、连接层以及最大池化层，所述第二网络层包括两个1×1的卷积核、卷积多头自注意力模块，连接层以及卷积块，所述卷积多头自注意力模块包括4个自注意层；

7.一种个体工商户识别装置，其特征在于，所述个体工商户识别装置包括：

8.一种个体工商户识别设备，其特征在于，所述个体工商户识别设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的个体工商户识别程序，所述个体工商户识别程序配置为实现如权利要求1至6中任一项所述的个体工商户识别方法。

9.一种存储介质，其特征在于，所述存储介质上存储有个体工商户识别程序，所述个体工商户识别程序被处理器执行时实现如权利要求1至6任一项所述的个体工商户识别方法。

10.一种计算机程序产品，其特征在于，所述计算机程序产品包括个体工商户识别程序，所述个体工商户识别程序被处理器执行时实现如权利要求1至6中任一项所述的个体工商户识别方法。

技术总结
本发明涉及机器学习技术领域，尤其涉及一种个体工商户识别方法、装置、设备、存储介质及产品，本发明通过历史个体工商户的历史数据样本先进行模型训练，得到可以识别用户类别的群体特征识别模型，再将待识别用户的待识别运营商数据通过群体特征识别模型中的特征提取网络层进特征提取，得到群体特征信息，并根据群体特征信息通过群体特征识别模型中的特征识别网络层判断所述待识别用户是否为个体工商户，减少人工核查的工作量，并且通过提取到的多维度特征信息识别个体工商户，提高模型识别的准确率，解决了现有技术中识别个体工商户的效率较低的技术问题。

技术研发人员：饶凯,胡博
受保护的技术使用者：中移动金融科技有限公司
技术研发日：
技术公布日：2024/10/21