[发明专利]结合文本表征的召回方法和系统

说明书

本公开涉及一种结合文本表征的召回方法和系统。该方法包括：获取与商户相关的文本信息，所述文本信息包括与商户相关的商户名称、商户地址、WiFi文本名称中的至少一者；将所述文本信息转换成第一向量；基于所述第一向量来确定属于同一实体的候选商户对；以及对候选商户对进行打分和排序以输出属于同一实体的商户对。

技术领域

本公开涉及风控领域，尤其涉及结合文本表征的召回方法和系统。

背景技术

同一实体控制不同商户对于风险控制而言是重要的参考信息，例如贷款额度、风控内部的关联排白和关联抓黑等等。

现有的针对属于同一实体的不同商户的召回只是根据身份标识号、邮箱、手机号等信息进行直接关联，对于如文本信息、wifi信息等弱介质利用不充分，不能充分完全地找出具有关联的商户对。

本公开针对但不限于上述诸多因素进行了改进。

发明内容

基于此，本公开提出了一种综合利用各个维度的信息进行召回的方法和系统，从而能够更充分地挖掘出商户之间的关系。具体而言，作为原有关联召回(即通过电话号码、身份标识号、营业执照等的召回)的替换或补充，本公开的方法和系统创新性地将商户的文本信息(诸如商户的名称、商户的地址、WiFi文本信息等)进行向量化，从而使得正样本(属于同一实体)的表征向量相似度更高、负样本(不属于同一实体)的表征向量相似度更低。由此，可以使用这些文本信息来召回属于同一实体的商户，从而能够找出原先不能挖掘出的属于同一实体的商户。

本公开的方法和系统综合考虑了关联召回与向量召回，将推荐系统中的多路召回思想应用到商户关系识别中，在原先身份标识、电话号码、邮箱地址等强介质的基础上，新增WiFI关联，同时根据商户名、商户地址以及WiFI文本名称等进行文本向量检索召回，通过多路召回挖掘出原先不能被覆盖的关系对。此外，本公开的方法和系统在训练样本的选取上考虑了跨领域文本关系对，同时运用多任务学习方法综合考虑了Cosine Sentence(余弦句)和无监督对比学习，提高了模型的泛化能力以及通用表达能力，并在现有数据集上取得了更佳结果。同时，本公开的方法和系统还采用了白化降维的方法，将高维度(例如768维度)的文本向量压缩到低维度(例如32维)，大大提高了向量检索的效率。

根据本公开的第一方面，提供了一种结合文本表征的召回方法，包括：获取与商户相关的文本信息，所述文本信息包括与商户相关的商户名称、商户地址、WiFi文本名称中的至少一者；将所述文本信息转换成第一向量；基于所述第一向量来确定属于同一实体的候选商户对；以及对候选商户对进行打分和排序以输出属于同一实体的商户对。

根据一实施例，所述方法还包括获取与商户相关联的电话号码、身份标识号、电子邮箱地址、社交网络账号、WiFi地址中的至少一者，并且所述方法还包括：在两个商户的电话号码、身份标识号、电子邮箱地址、社交网络账号、WiFi地址中的所述至少一者相同时，确定这两个商户属于同一实体并将这两个商户作为候选商户对。

根据另一实施例，所述文本信息还包括商户登录历史的IP地址序列，并且所述方法还包括：将所述IP地址序列转换成第二向量；以及基于所述第二向量来确定属于同一实体的候选商户对。

根据又一实施例，所述转换是通过文本表征模型来实现的，所述文本表征模型是通过对初步模型进行训练来得到的。

根据又一实施例，所述初步模型是孟子模型。