本申请提供一种异常运单的检测方法及装置，该异常运单的检测方法包括：获取多个待预测运单信息；基于多个待预测运单信息和多个预设匹配条件确定各个待预测运单信息满足的多个目标匹配条件；基于各个待预测运单信息和各个待预测运单信息满足的多个目标匹配条件确定各个待预测运单信息属于异常运单的异常概率值；对多个异常概率值进行异常检测，得到多个异常概率值中的异常值。本申请相对于现有技术只依靠运单信息进行预测，提高了预测准确度，另外本申请在得到各个待预测运单信息的异常概率值后，对多个异常概率值进行异常检测，从而识别出异常运单，能够提高预测的召回率，从而可以提高异常运单检测的准确度和召回率。从而可以提高异常运单检测的准确度和召回率。从而可以提高异常运单检测的准确度和召回率。
【技术实现步骤摘要】
异常运单的检测方法及装置
[0001]本申请主要涉及人工智能识别
，具体涉及一种异常运单的检测方法及装置。
技术介绍
[0002]近年来，随着网络购物的逐渐兴起，越来越多的人通过快递进行物品的邮递，它是推动流通方式转型和消费升级的重要产物。但是在给社会公众带来巨大便捷的同时，也伴随着难以控制的流动性风险，给公共安全带来严峻的挑战。例如，利用快递方式运输毒品、爆炸物等危险物品。
[0003]目前毒品运单检测的方法，主要方法是人工检测，而且每天要开箱查验成千上万票快递，一线快递小哥的工作量也大，浪费人力和时间。或者仅仅将运单信息输入神经网络进行预测，这种预测准确度和召回率较低。
[0004]也即，现有技术中异常运单检测的准确度和召回率较低。
技术实现思路
[0005]本申请提供一种异常运单的检测方法及装置，旨在解决现有技术中异常运单检测的准确度和召回率较低的问题。
[0006]第一方面，本申请提供一种异常运单的检测方法，所述异常运单的检测方法包括：
[0007]获取多个待预测运单信息；
[0008]基于所述多个待预测运单信息和多个预设匹配条件确定各个所述待预测运单信息满足的多个目标匹配条件；
[0009]基于各个所述待预测运单信息和各个所述待预测运单信息满足的多个目标匹配条件确定各个所述待预测运单信息属于异常运单的异常概率值；
[0010]对多个所述异常概率值进行异常检测，得到多个所述异常概率值中的异常值；
[0011]将所述异常值对应的待预测运单信息确定为异常运单。
[0012]可选地，所述对多个所述异常概率值进行异常检测，得到多个所述异常概率值中的异常值，包括：
[0013]从多个所述异常概率值中随机获取n个点作为子样本，放入一棵初始化孤立树的根节点；
[0014]在当前节点数据范围内随机产生一个切割点，其中，切割点产生于当前节点数据的最大值与最小值之间；
[0015]基于所述切割点将当前节点数据空间切分为2个分支，其中，把当前所选维度下小于所述切割点的点作为当前节点的左子节点，把大于等于所述切割点的点作为当前节点的右子节点；
[0016]判断节点划分后孤立树的泛化性指标是否大于节点划分前孤立树的泛化能力指标，
[0017]若是，则将左节点和右子节点分别递归执行在当前节点数据范围内随机产生一个切割点和基于所述切割点将当前节点数据空间切分为2个分支；若否，则停止划分，得到目标孤立树，形成孤立森林模型；
[0018]基于所述孤立森林模型的多棵目标孤立树对多个所述异常概率值进行异常检测，得到多个所述异常概率值中的异常值，其中，不同的目标孤立树由不同的子样本训练得到。
[0019]可选地，所述基于所述孤立森林模型的多棵目标孤立树对多个所述异常概率值进行异常检测，得到多个所述异常概率值中的异常值，包括：
[0020]对于每个所述异常概率值，将所述异常概率值遍历所述孤立森林模型中每棵目标孤立树，计算异常概率值在多棵目标孤立树的路径长度期望值；
[0021]基于所述路径长度期望值确定异常分数；
[0022]将满足预设异常分数条件的异常分数对应的异常概率值确定为异常值。
[0023]可选地，所述基于各个所述待预测运单信息和各个所述待预测运单信息满足的多个目标匹配条件确定各个所述待预测运单信息属于异常运单的异常概率值，包括：
[0024]获取各个所述目标匹配条件对应的权重系数；
[0025]对所述待预测运单信息、所述待预测运单信息满足的多个目标匹配条件以及所述待预测运单信息满足的多个目标匹配条件的权重系数分别编码，得到所述待预测运单信息的运单特征向量、运单命中条件特征向量、运单权重特征向量；
[0026]将各个所述待预测运单信息的运单特征向量、运单命中条件特征向量、运单权重特征向量输入异常运单预测模型，得到所述待预测运单信息属于异常运单的异常概率值。
[0027]可选地，所述将各个所述待预测运单信息的运单特征向量、运单命中条件特征向量、运单权重特征向量输入异常运单预测模型，得到所述待预测运单信息属于异常运单的异常概率值，之前，包括：
[0028]获取第一运单样本集，其中，所述第一运单样本集包括样本标签为异常类型的正样本和样本标签为正常类型的负样本；
[0029]随机剔除所述第一运单样本集的部分负样本，得到第二运单样本集，其中，所述第二运单样本集中正样本和负样本的数量比为预设比值；
[0030]基于所述第二运单样本集对决策森林模型进行训练，得到异常运单预测模型。
[0031]可选地，所述基于所述第二运单样本集对决策森林模型进行训练，得到异常运单预测模型，包括：
[0032]对所述第二运单样本集中各个运单样本进行编码，得到运单特征向量、运单命中条件特征向量、运单权重特征向量；
[0033]将运单特征向量、运单命中条件特征向量、运单权重特征向量输入自注意力模型进行特征权重调整，得到权重调整后的运单特征向量、权重调整后的运单命中条件特征向量、权重调整后的运单权重特征向量；
[0034]基于权重调整后的运单特征向量、权重调整后的运单命中条件特征向量、权重调整后的运单权重特征向量对决策森林模型进行训练，得到异常运单预测模型。
[0035]可选地，所述随机剔除所述第一运单样本集的部分负样本，得到第二运单样本集，包括：
[0036]将所述第一运单样本集中重复的运单样本去除，得到去重后的第一运单样本集；
[0037]随机剔除去重后的第一运单样本集的部分负样本，得到第二运单样本集，其中，所述第二运单样本集中正样本和负样本的数量比为预设比值。
[0038]第二方面，本申请提供一种异常运单的检测装置，所述异常运单的检测装置包括：
[0039]获取单元，用于获取多个待预测运单信息；
[0040]第一确定单元，用于基于所述多个待预测运单信息和多个预设匹配条件确定各个所述待预测运单信息满足的多个目标匹配条件；
[0041]第二确定单元，用于基于各个所述待预测运单信息和各个所述待预测运单信息满足的多个目标匹配条件确定各个所述待预测运单信息属于异常运单的异常概率值；
[0042]异常检测单元，用于对多个所述异常概率值进行异常检测，得到多个所述异常概率值中的异常值；
[0043]第三确定单元，用于将所述异常值对应的待预测运单信息确定为异常运单。
[0044]可选地，所述异常检测单元，用于：
[0045]从多个所述异常概率值中随机获取n个点作为子样本，放入一棵初始化孤立树的根节点；
[0046]在当前节点数据范围内随机产生一个切割点，其中，切割点产生于当前节点数据的最大值与最小值之间；
[0047]基于所述切割点将当前节点数据空间切分为2个分支，其中，把当前所选维度下小于所述切割点的点作为当前节点的左子节点，把大于等于所述切割点的点作为本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种异常运单的检测方法，其特征在于，所述异常运单的检测方法包括：获取多个待预测运单信息；基于所述多个待预测运单信息和多个预设匹配条件确定各个所述待预测运单信息满足的多个目标匹配条件；基于各个所述待预测运单信息和各个所述待预测运单信息满足的多个目标匹配条件确定各个所述待预测运单信息属于异常运单的异常概率值；对多个所述异常概率值进行异常检测，得到多个所述异常概率值中的异常值；将所述异常值对应的待预测运单信息确定为异常运单。2.根据权利要求1所述的异常运单的检测方法，其特征在于，所述对多个所述异常概率值进行异常检测，得到多个所述异常概率值中的异常值，包括：从多个所述异常概率值中随机获取n个点作为子样本，放入一棵初始化孤立树的根节点；在当前节点数据范围内随机产生一个切割点，其中，切割点产生于当前节点数据的最大值与最小值之间；基于所述切割点将当前节点数据空间切分为2个分支，其中，把当前所选维度下小于所述切割点的点作为当前节点的左子节点，把大于等于所述切割点的点作为当前节点的右子节点；判断节点划分后孤立树的泛化性指标是否大于节点划分前孤立树的泛化能力指标；若是，则将左节点和右子节点分别递归执行在当前节点数据范围内随机产生一个切割点和基于所述切割点将当前节点数据空间切分为2个分支；若否，则停止划分，得到目标孤立树，形成孤立森林模型；基于所述孤立森林模型的多棵目标孤立树对多个所述异常概率值进行异常检测，得到多个所述异常概率值中的异常值，其中，不同的目标孤立树由不同的子样本训练得到。3.根据权利要求2所述的异常运单的检测方法，其特征在于，所述基于所述孤立森林模型的多棵目标孤立树对多个所述异常概率值进行异常检测，得到多个所述异常概率值中的异常值，包括：对于每个所述异常概率值，将所述异常概率值遍历所述孤立森林模型中每棵目标孤立树，计算异常概率值在多棵目标孤立树的路径长度期望值；基于所述路径长度期望值确定异常分数；将满足预设异常分数条件的异常分数对应的异常概率值确定为异常值。4.根据权利要求1所述的异常运单的检测方法，其特征在于，所述基于各个所述待预测运单信息和各个所述待预测运单信息满足的多个目标匹配条件确定各个所述待预测运单信息属于异常运单的异常概率值，包括：获取各个所述目标匹配条件对应的权重系数；对所述待预测运单信息、所述待预测运单信息满足的多个目标匹配条件以及所述待预测运单信息满足的多个目标匹配条件的权重系数分别编码，得到所述待预测运单信息的运单特征向量、运单命中条件特征向量、运单权重特征向量；将各个所述待预测运单信息的运单特征向量、运单命中条件特征向量、运单权重特征向量输入异常运单预测模型，得到所述待预测运单信息属于异常运单的异常概率值。
5.根据...
【专利技术属性】
技术研发人员：康晓云，王森，夏雷，胡泽柱，叶庆发，潘迪，张郑文晨，蔡少委，
申请(专利权)人：顺丰科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。