[发明专利]识别姓名国籍的方法、系统及判断交易风险的方法、系统

说明书

技术领域

本发明涉及一种识别姓名国籍的方法、系统及判断交易风险的方法、系统。

背景技术

现在网上购物或交易已经十分普遍，信用卡欺诈分子开始使用盗来的外卡在线上进行销赃。在线上交易时，交易平台(如在线旅游网站、购物网站)一般会要求消费者填写部分个人信息，例如支付交易的银行卡或信用卡的持卡人姓名、收货人姓名等。对于正常消费者而言，大部分往往会填写持卡人的真实姓名，此时真实姓名所反映出的国籍通常与该卡属国一致；对于信用卡欺诈分子而言，在填写持卡人姓名时经常会乱填姓名，此时姓名所反映出的国籍很大概率上与该卡属国不一致。目前的现有技术还不能从消费者所填的持卡人姓名中识别出持卡人的真实国籍，更难以判断持卡人的真实国籍与卡属国是否一致。

发明内容

本发明要解决的技术问题是为了克服现有技术不能从消费者所填的持卡人姓名中识别出持卡人的真实国籍的缺陷，提供一种识别姓名国籍的方法、系统及判断交易风险的方法、系统。

本发明是通过以下技术方案解决上述技术问题的：

一种基于循环神经网络的识别姓名的国籍的方法，其特点是，所述循环神经网络的输入层为姓名，所述循环神经网络的隐藏层为所述输入层的当前输入和所述隐藏层的前一隐藏层的函数，所述循环神经网络的输出层为所述姓名的国籍；

所述方法包括：

S₁、基于所述循环神经网络建立RNN(循环神经网络)模型；

S₂、将待识别的第一姓名输入所述RNN模型；

S₃、所述RNN模型输出所述第一姓名的国籍。

其中，RNN模型可以根据各国籍的姓名的拼写特征识别出姓名的国籍，如姓名为张三，则国籍为中国，姓名为Tom，则国籍为英国或美国。

较佳地，S₁包括：

S₁₁、获取若干样本及每一样本对应的真实标签，所述样本为姓名，所述真实标签为姓名的真实国籍；

S₁₂、从所述若干样本中抽取部分样本及对应的真实标签用作训练集，剩余的样本及对应的真实标签用作测试集；

S₁₃、基于所述循环神经网络，利用所述训练集训练RNN模型；

S₁₄、利用所述测试集验证S₁₃训练后的RNN模型，得到优化后的RNN模型。

较佳地，所述输入层为所述姓名的编码，所述输出层为所述姓名的国籍的编码；

S₂包括：将所述第一姓名编码，并将所述第一姓名的编码输入所述RNN模型；

S₃包括：所述RNN模型输出所述第一姓名的国籍的编码，通过将所述第一姓名的国籍的编码反编码，得到所述第一姓名的国籍。

较佳地，姓名的编码通过以下步骤获得：

将姓名中的每个字母分别转换为26维的向量，所述向量包括0和1，其中1在所述向量中的位置与所述字母在英文字母表中排序的位置相同，所述向量中的其余位置均为0；

国籍的编码为N维向量，N等于所述训练集中国籍的种数。

其中，所述姓名中的每个字母不区分大小写。

较佳地，所述循环神经网络的激活函数是tanh函数；

S_t＝tanh(Ux_t+Ws_t-1)

其中，S_t是当前的隐藏层；x_t是输入层当前的输入；U是输入层的权重系数；s_t-1是当前的隐藏层的前一隐藏层；W是当前的隐藏层的前一隐藏层的权重系数；

其中，是输出层；V是隐藏层s_t到输出层的权重系数。

其中，tanh函数可以将(-∞，+∞)数据映射到(-1，+1)，起到压缩的作用，同时这个函数处处可导，在使用梯度下降的优化算法时比较容易求出梯度。当然，这个激活函数可以选取其他函数，比如sigmoid，ReLU等。

较佳地，所述循环神经网络选用以下的网络结构：

i＝σ(x_tUⁱ+s_t-1Wⁱ)

f＝σ(x_tU^f+s_t-1W^f)