【技術實現步驟摘要】
本專利技術涉及風控數據處理，尤其涉及一種貨運訂單異常處理方法、裝置、電子設備及存儲介質。
技術介紹
1、目前常使用人工異常系統快速判斷申請的風險，將申請自動分配審核員進行人工審核，以確定提現申請是否存在異常，由于通過上述方式進行審核需要運營成本高，且對于對復雜和隱蔽的識別無法及時發現，從而導致異常識別能力不足。
技術實現思路
1、有鑒于此，本專利技術實施例提供一種貨運訂單異常處理方法、裝置、電子設備及存儲介質，以解決現有技術中存在的異常識別能力不足的問題。
2、為實現上述目的，本專利技術實施例提供如下技術方案：
3、本專利技術實施例第一方面示出了一種貨運訂單異常處理方法，所述方法包括：
4、接收訂單結算請求；
5、提取所述訂單結算請求對應的n個待結算訂單數據以及用戶數據，所述n為大于等于1的正整數；
6、利用預先構建的風險識別模型識別所述n個待結算訂單數據以及所述用戶數據計算風險差異，得到訂單風險結果，所述訂單風險結果由m個特征異常分數組成，所述m為大于等于2的正整數；
7、當所述訂單風險結果表征為異常狀態時，基于訂單風險結果的風險類型構建異常處理方案，所述異常處理方案用于執行對應的風控措施。
8、可選的，利用預先構建的風險識別模型識別所述n個待結算訂單數據以及所述用戶數據計算風險差異，得到訂單風險結果，包括：
9、提取n個待結算訂單數據以及所述用戶數據的m個特征，所述m為大于等于2的正
10、利用預先構建的風險識別模型中的特征樹確定每一特征所處的路徑長度，所述風險識別模型是基于歷史訂單數據和歷史用戶數據進行構建得到的；
11、利用預先構建的風險識別模型計算每一特征的路徑長度對應的特征異常分數；
12、利用預先構建的風險識別模型將m個特征對應的特征異常分數作為訂單風險結果。
13、可選的，基于歷史訂單數據和歷史用戶數據進行構建風險識別模型的過程包括：
14、收集歷史訂單數據和歷史用戶數據；
15、對所述歷史訂單數據和歷史用戶數據進行預處理，得到處理后歷史貨運訂單的貨運訂單數據和用戶行為數據；
16、將處理后的所述歷史訂單數據和歷史用戶數據作為樣本集；
17、基于所述樣本集構建預設數量棵的特征樹；
18、將所述預設數量棵的特征樹和第一特征異常分數計算方法組成風險識別模型。
19、可選的，基于所述樣本集構建預設數量棵的特征樹，包括：
20、隨機從樣本集中抽取預設數量份樣本子集；
21、針對每一份樣本子集，將所述樣本子集作為根節點；
22、基于所述根節點中的特征劃分所述樣本子集，并將劃分后樣本子集作為所述根節點的子節點；
23、在確定每一所述新的節點中特征的數量是否為1，確定得到構建完成的樹；
24、基于每一所述樣本子集構建對應的樹，得到預設數量棵的特征樹。
25、可選的，所述訂單風險結果表征為異常狀態，包括：
26、針對每一特征，基于所述訂單風險結果中所述特征對應的特征異常分數確定所述特征是否為風險特征；
27、若是，統計為所述風險特征的第一數量；
28、判斷所述第一數量是否大于預設數量；
29、若大于，確定訂單風險結果表征為異常狀態。
30、可選的，基于訂單風險結果的風險類型構建異常處理方案，包括：
31、基于所述第一數量確定所述訂單風險結果的風險類型；
32、查找與所述訂單風險結果的風險類型對應的風控措施；
33、基于所述風控措施構建異常處理方案。
34、可選的，利用預先構建的風險識別模型對n個待結算訂單數據以及所述用戶數據進行處理，生成訂單風險結果，包括：
35、提取n個待結算訂單數據以及所述用戶數據的m個特征，所述m為大于等于1的正整數；
36、利用預先構建的風險識別模型識別m個特征，確定m個特征的標識，所述風險識別模型是基于歷史訂單數據和歷史用戶數據進行分類構建得到的；
37、將所述m個特征的標識組合生成訂單風險結果。
38、本專利技術實施例第二方面示出了一種貨運訂單異常處理裝置，所述裝置包括：
39、接收單元，用于接收訂單結算請求；
40、提取單元，用于提取所述訂單結算請求對應的n個待結算訂單數據以及用戶數據，所述n為大于等于1的正整數；
41、預先構建的風險識別模型，用于利用預先構建的風險識別模型識別所述n個待結算訂單數據以及所述用戶數據計算風險差異，得到訂單風險結果；
42、處理單元，用于當所述訂單風險結果表征為異常狀態時，基于訂單風險結果的風險類型構建異常處理方案，所述異常處理方案用于執行對應的風控措施。
43、本專利技術實施例第三方面示出了一種電子設備，所述電子設備用于運行程序，其中，所述程序運行時執行如本專利技術實施例第一方面示出的貨運訂單異常處理裝置。
44、本專利技術實施例第四方面示出了一種存儲介質，所述存儲介質包括存儲程序，其中，在所述程序運行時控制所述存儲介質所在設備執行如本專利技術實施例第一方面示出的貨運訂單異常處理裝置。
45、基于上述本專利技術實施例提供的一種貨運訂單異常處理方法、裝置、電子設備及存儲介質，所述方法包括：接收訂單結算請求；提取所述訂單結算請求對應的n個待結算訂單數據以及用戶數據，所述n為大于等于1的正整數；利用預先構建的風險識別模型識別所述n個待結算訂單數據以及所述用戶數據計算風險差異，得到訂單風險結果，所述訂單風險結果由m個特征異常分數組成，所述m為大于等于2的正整數；當所述訂單風險結果表征為異常狀態時，基于訂單風險結果的風險類型構建異常處理方案，所述異常處理方案用于執行對應的風控措施。在本專利技術實施例中，通過待結算訂單數據以及用戶數據自動對訂單結算請求進行提現異常的精準預測和控制，從而提高異常識別能力，且能夠提升用戶體驗。
本文檔來自技高網...【技術保護點】
1.一種貨運訂單異常處理方法，其特征在于，所述方法包括：
2.根據權利要求1所述的方法，其特征在于，利用預先構建的風險識別模型識別所述N個待結算訂單數據以及所述用戶數據計算風險差異，得到訂單風險結果，包括：
3.根據權利要求1所述的方法，其特征在于，基于歷史訂單數據和歷史用戶數據進行構建風險識別模型的過程包括：
4.根據權利要求3所述的方法，其特征在于，基于所述樣本集構建預設數量棵的特征樹，包括：
5.根據權利要求1所述的方法，其特征在于，所述訂單風險結果表征為異常狀態，包括：
6.根據權利要求5所述的方法，其特征在于，基于訂單風險結果的風險類型構建異常處理方案，包括：
7.根據權利要求1所述的方法，其特征在于，利用預先構建的風險識別模型識別所述N個待結算訂單數據以及所述用戶數據計算風險差異，得到訂單風險結果，包括：
8.一種貨運訂單異常處理裝置，其特征在于，所述裝置包括：
9.一種電子設備，其特征在于，所述電子設備用于運行程序，其中，所述程序運行時執行如權利要求1-7中任一所述的貨運
10.一種存儲介質，其特征在于，所述存儲介質包括存儲程序，其中，在所述程序運行時控制所述存儲介質所在設備執行如權利要求1-7中任一所述的貨運訂單異常處理裝置。
...【技術特征摘要】
1.一種貨運訂單異常處理方法，其特征在于，所述方法包括：
2.根據權利要求1所述的方法，其特征在于，利用預先構建的風險識別模型識別所述n個待結算訂單數據以及所述用戶數據計算風險差異，得到訂單風險結果，包括：
3.根據權利要求1所述的方法，其特征在于，基于歷史訂單數據和歷史用戶數據進行構建風險識別模型的過程包括：
4.根據權利要求3所述的方法，其特征在于，基于所述樣本集構建預設數量棵的特征樹，包括：
5.根據權利要求1所述的方法，其特征在于，所述訂單風險結果表征為異常狀態，包括：
6.根據權利要求5所述的方法，其特征在于，基于訂...
【專利技術屬性】
技術研發人員：梁朝暉，蘭善宏，張宇佳，
申請(專利權)人：深圳依時貨拉拉科技有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。