基于信用卡交易的商户类别识别

近年来，随着小企业和在线商店的快速增长，数字支付量激增。在处理这些数字交易时，识别每个商户的真实身份（即业务类型）对于确保支付处理系统的完整性至关重要。传统上，该问题被表述为仅使用商户交易历史的时序分类问题。然而，面对大规模数据以及商户与消费者行为随时间的变化，利用现成的分类方法取得令人满意的性能极具挑战。本工作中，我们从多模态学习的视角处理该问题，不仅使用商户时序数据，还利用商户-商户关系（即亲和性）信息来验证给定商户自报的业务类型（即商户类别）。具体而言，我们设计了两个独立的编码器，一个负责编码时序信息，另一个负责编码亲和性信息，并设计一种机制融合两个编码器的输出以完成识别任务。我们在 71,668 个商户与 433,772,755 名客户之间的真实世界信用卡交易数据上的实验证明了所提模型的有效性与高效性。