订单数据处理方法、装置、电子设备及可读介质制造方法及图纸

本申请提供一种订单数据处理方法、装置、电子设备及可读介质，该方法包括：获取订单的物流状态变化并整合为物流状态序列；基于物流状态序列生成物流状态转移矩阵、物流起始状态概率向量、以及物流结束状态概率向量；通过物流状态转移矩阵、物流起始状态概率向量以及物流物流结束状态概率向量对物流状态序列进行转换，生成转换序列物流状态转换序列；以及基于物流状态转换序列计算订单生产效率值，若订单生产效率值小于订单异常阈值，将所述订单标记为异常订单。本申请的订单数据处理方法、装置、电子设备及介质，基于订单的物流状态变化计算订单生产效率值，能够据此准确筛选出由于线下流转以及线上系统导致的异常订单，且无需限制数据维度。

【技术实现步骤摘要】
订单数据处理方法、装置、电子设备及可读介质
本申请涉及物流配送管理领域，尤其涉及一种订单数据处理方法、装置、电子设备及计算机可读介质。
技术介绍
运单指物流企业在其配送业务中标识包裹流转过程的数据单据。一个完整的运单，从起始至结束，随着时间的推移，中间会经历多个流转环节，每个环节对应一个状态节点。因此，对于一个已完结的运单，可以将其看成是一个状态随时间流转的序列，即物流状态序列。在物流配送过程中，常由于人工操作错误或系统问题导致运单出现异常。因此，在数量庞大的运单中提取出异常运单，是目前急需解决的问题。目前有如下两种方法解决该问题：第一种方法是由业务人员根据业务知识制定一些逻辑规则，通过这些规则去匹配和搜索异常运单。然而，该方法需要根据业务特点进行匹配，且需要集中较多的人力对业务规则进行梳理，此外，在面向线上系统问题导致的运单数据异常，该方法并无作用。第二种方法基于聚类算法，如层次聚类，密度聚类、kmeans聚类等。该方法通过计算数据点与聚类中心的距离以确定数据是否异常，通过比较阈值提取偏离聚类中心较远数据点作为异常点。但聚类方法要求数据为维度固定的向量格式，在应用于时间序列格式且序列长度不一的运单数据时，其提取效果不理想。
技术实现思路
有鉴于此，本申请提供一种订单数据处理方法、装置、电子设备及计算机可读介质，能够准确筛选出由于线下流转以及线上系统导致的异常订单，且无需限制数据维度。本申请的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本申请的实践而习得。根据本申请实施例的第一方面，提出一种订单数据处理方法，该方法包括：获取订单的物流状态变化，并将其整合为物流状态序列，所述物流状态序列包括物流状态编码与其对应的时间序列信息；基于所述物流状态序列生成所述订单的物流状态转移矩阵、物流起始状态概率向量、以及物流结束状态概率向量，所述物流状态转移矩阵中的元素表示所述订单从一个物流状态转移到另一物流状态的概率值，所述物流起始状态概率向量中的元素表示对应物流状态作为所述订单的物流初始状态的概率值，所述物流结束状态概率向量中的元素表示对应物流状态作为所述订单的物流结束状态的概率值；通过所述物流状态转移矩阵、物流起始状态概率向量以及物流结束状态概率向量对所述物流状态序列进行转换，生成物流状态转换序列，所述物流状态转换序列中的元素表示对应物流状态变化发生的概率；以及基于所述物流状态转换序列计算所述订单的订单生产效率值，若所述订单生产效率值小于订单异常阈值，则将所述订单标记为异常订单。在本申请的一种示例性实施例中，基于所述物流状态序列生成物流状态转移矩阵、物流起始状态概率向量以及物流结束状态概率向量包括：根据所述物流状态编码确定所述订单的多个流转状态；根据所述时间序列信息确定所述多个流转状态的多个物流状态转换概率；以及根据所述多个物流状态转换概率与对应的物流状态编码确定所述物流状态转移矩阵。在本申请的一种示例性实施例中，通过所述物流状态序列构建物流状态转移矩阵、物流起始状态概率向量以及物流结束状态概率向量包括：根据所述时间序列信息确定所述物流状态编码为所述物流状态序列起始状态的概率；以及根据所述物流状态编码为所述物流状态序列起始状态的概率构建所述物流起始状态概率向量，所述物流起始状态概率向量为列向量，其行数为物流状态编码的数量。在本申请的一种示例性实施例中，通过所述物流状态序列构建物流状态转移矩阵、物流起始状态概率向量以及物流结束状态概率向量还包括：根据所述时间序列信息确定所述物流状态编码为所述物流状态序列结束状态的概率；以及根据所述物流状态编码为所述物流状态序列结束状态的概率构建所述物流结束状态概率向量，所述物流结束状态概率向量为列向量，其行数为物流状态编码的数量。在本申请的一种示例性实施例中，通过所述物流状态转移矩阵、物流起始状态概率向量以及物流结束状态概率向量对所述物流状态序列进行转换，生成物流状态转换序列包括：根据所述物流起始状态概率向量以及物流结束状态概率向量确定所述物流状态序列中的起始元素值以及结束元素值；根据所述物流状态转移矩阵确定所述物流状态序列中剩余元素的取值；以及根据所述起始元素值、所述结束元素值以及所述剩余元素的取值生成所述物流状态转换序列。在本申请的一种示例性实施例中，基于所述物流状态转换序列计算所述订单的订单生产效率值，若所述订单生产效率值小于订单异常阈值，则将所述订单标记为异常订单包括：通过目标值算法与所述物流状态转换序列计算所述订单的订单生产效率值；根据所述订单生产效率值对所述订单进行排序，生成订单生产效率值序列；以及在所述订单生产效率值序列中存在小于订单异常阈值的元素时，确定所述订单生产效率值对应的订单为异常订单。在本申请的一种示例性实施例中，通过目标值算法与所述物流状态转换序列计算所述订单的订单生产效率值包括以下情况的一种或多种：通过最小值算法与所述物流状态转换序列计算所述订单的订单生产效率值；通过联乘算法与所述物流状态转换序列计算所述订单的订单生产效率值；以及通过修正算法与所述物流状态转换序列计算所述订单的订单生产效率值。在本申请的一种示例性实施例中，所述订单生产效率值序列中存在小于订单异常阈值的元素包括：在所述订单生产效率值序列中存在小于订单异常阈值的元素，且该元素在所述订单生产效率值序列的排名大于排序阈值时，确定该目标值为异常值。根据本申请实施例的第二方面，提出一种订单数据处理装置，该装置包括：物流状态序列模块，用于获取订单的物流状态变化，并将其整合为物流状态序列，所述物流状态序列包括物流状态编码与其对应的时间序列信息；矩阵构建模块，用于通过所述物流状态编码与其对应的时间序列物流状态序列构建物流状态转移矩阵、物流起始状态概率向量、以及物流结束状态概率向量；物流状态转换序列模块，用于通过所述物流状态转移矩阵、物流起始状态概率向量以及物流结束状态概率向量对所述物流状态序列进行转换，生成物流状态转换序列；以及异常判断模块，用于根据目标值算法与所述物流状态转换序列判断所述订单中是否存在异常值，在所述订单中存在异常值时，将所述订单标记为异常订单。根据本申请实施例的第三方面，提出一种电子设备，该电子设备包括：一个或多个处理器；存储装置，用于存储一个或多个程序；当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现上述任一项所述的订单数据处理方法。根据本申请实施例的第四方面，提出一种计算机可读介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现如上述任一项所述的订单数据处理方法。根据本申请的订单数据处理方法、装置、电子设备及计算机可读介质，基于订单的物流状态变化计算订单生产效率值，能够据此准确筛选出由于线下流转以及线上系统导致的异常订单，且无需限制数据维度。应当理解的是，以上的一般描述和后文的细节描述仅是示例性的，并不能限制本公开。附图说明此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本申请的实施例，并与说本文档来自技高网...

【技术保护点】
1.一种订单数据处理方法，其特征在于，包括：/n获取订单的物流状态变化，并将其整合为物流状态序列，所述物流状态序列包括物流状态编码与其对应的时间序列信息；/n基于所述物流状态序列生成所述订单的物流状态转移矩阵、物流起始状态概率向量、以及物流结束状态概率向量，所述物流状态转移矩阵中的元素表示所述订单从一个物流状态转移到另一物流状态的概率值，所述物流起始状态概率向量中的元素表示对应物流状态作为所述订单的物流初始状态的概率值，所述物流结束状态概率向量中的元素表示对应物流状态作为所述订单的物流结束状态的概率值；/n通过所述物流状态转移矩阵、物流起始状态概率向量以及物流结束状态概率向量对所述物流状态序列进行转换，生成物流状态转换序列，所述物流状态转换序列中的元素表示对应物流状态变化发生的概率；以及/n基于所述物流状态转换序列计算所述订单的订单生产效率值，若所述订单生产效率值小于订单异常阈值，则将所述订单标记为异常订单。/n

【技术特征摘要】
1.一种订单数据处理方法，其特征在于，包括：
获取订单的物流状态变化，并将其整合为物流状态序列，所述物流状态序列包括物流状态编码与其对应的时间序列信息；
基于所述物流状态序列生成所述订单的物流状态转移矩阵、物流起始状态概率向量、以及物流结束状态概率向量，所述物流状态转移矩阵中的元素表示所述订单从一个物流状态转移到另一物流状态的概率值，所述物流起始状态概率向量中的元素表示对应物流状态作为所述订单的物流初始状态的概率值，所述物流结束状态概率向量中的元素表示对应物流状态作为所述订单的物流结束状态的概率值；
通过所述物流状态转移矩阵、物流起始状态概率向量以及物流结束状态概率向量对所述物流状态序列进行转换，生成物流状态转换序列，所述物流状态转换序列中的元素表示对应物流状态变化发生的概率；以及
基于所述物流状态转换序列计算所述订单的订单生产效率值，若所述订单生产效率值小于订单异常阈值，则将所述订单标记为异常订单。


2.如权利要求1所述的方法，其特征在于，基于所述物流状态序列生成物流状态转移矩阵、物流起始状态概率向量以及物流物流结束状态概率向量包括：
根据所述物流状态编码确定所述订单的多个流转状态；
根据所述时间序列信息确定所述多个流转状态的多个物流状态转换概率；以及
根据所述多个物流状态转换概率与对应的物流状态编码确定所述物流状态转移矩阵。


3.如权利要求1所述的方法，其特征在于，通过所述物流状态序列构建物流状态转移矩阵、物流起始状态概率向量以及物流结束状态概率向量包括：
根据所述时间序列信息确定所述物流状态编码为所述物流状态序列起始状态的概率；以及
根据所述物流状态编码为所述物流状态序列起始状态的概率构建所述物流起始状态概率向量，所述物流起始状态概率向量为列向量，其行数为物流状态编码的数量。


4.如权利要求3所述的方法，其特征在于，通过所述物流状态序列构建物流状态转移矩阵、物流起始状态概率向量以及物流结束状态概率向量还包括：
根据所述时间序列信息确定所述物流状态编码为所述物流状态序列结束状态的概率；以及
根据所述物流状态编码为所述物流状态序列结束状态的概率构建所述物流结束状态概率向量，所述物流结束状态概率向量为列向量，其行数为物流状态编码的数量。


5.如权利要求1所述的方法，其特征在于，通过所述物流状态转移矩阵、物流起始状态概率向量以及物流结束状态概率向量对所述物流状态序列进行转换，生成物流状态转换序列包括：
根据所述物流起始状态概率向量以及物流结束状态概率向量确定所述物流状态序列中的起始元素值以及结...

【专利技术属性】
技术研发人员：徐文峰，
申请(专利权)人：北京京东尚科信息技术有限公司，北京京东世纪贸易有限公司，
类型：发明
国别省市：北京;11