异常账号识别方法、装置、计算机设备和存储介质与流程

技术特征：
1.一种异常账号识别方法，其特征在于，所述方法包括：获取物流网点中各结算账号在指定时间段内的全量运单数据；根据所述全量运单数据中的寄件量和寄件量阈值对各所述结算账号进行过滤，得到待识别结算账号集；根据所述全量运单数据构建所述待识别结算账号集中各待识别结算账号的寄件行为特征；将所述寄件行为特征输入至训练好的异常识别算法模型中，确定寄件行为异常的异常结算账号。2.根据权利要求1所述的方法，其特征在于，所述根据所述全量运单数据构建所述待识别结算账号集中各待识别结算账号的寄件行为特征，包括：获取所述全量运单数据中的托寄物属性、寄件网点信息和寄件流向信息；根据所述托寄物属性、寄件网点信息和寄件流向信息构建所述待识别结算账号集中各待识别结算账号的托寄物特征、寄件网点特征和寄件流向特征，得到各所述待识别账号的寄件行为特征。3.根据权利要求1所述的方法，其特征在于，所述将所述寄件行为特征输入至训练好的异常识别算法模型中，确定寄件行为异常的异常结算账号，包括：将所述寄件行为特征输入至训练好的异常识别算法模型中，得到寄件行为异常的候选异常账号集；根据异常账号检测策略数据从所述候选异常账号集中确定异常结算账号。4.根据权利要求3所述的方法，其特征在于，所述异常账号检测策略数据包括省内件占比阈值策略数据和托寄物分类数阈值策略数据，所述根据异常账号检测策略数据从所述候选异常账号集中确定异常结算账号，包括以下至少一种方式：当所述候选异常账号集中的候选异常账号的省内寄件占比值小于所述省内件占比阈值时，将所述候选异常账号从所述候选异常账号集中删除，得到异常结算账号；当所述候选异常账号集中的候选异常账号的托寄物分类数值小于所述托寄物分类数阈值时，将所述候选异常账号从所述候选异常账号集中删除，得到异常结算账号。5.根据权利要求3所述的方法，其特征在于，在所述根据异常账号检测策略数据从所述候选异常账号集中确定异常结算账号之前，所述方法还包括：获取业务场景标识；根据所述业务场景标从数据库中获取对应的异常账号检测策略数据。6.根据权利要求1所述的方法，其特征在于，所述异常识别算法模型的确定方法包括：获取历史异常结算账号的异常样本数据；将所述异常样本数据输入至不同参数组合的预置异常识别模型中，得到各预置异常识别模型输出的异常账号识别率；根据所述异常账号识别率确定最佳参数组合，得到异常识别算法模型。7.根据权利要求1所述的方法，其特征在于，所述方法还包括：将所述异常结算账号的全量运单数据输入至训练好的风险预测模型中，得到所述异常结算账号的风险评估值；根据所述风险评估值对所述异常结算账号进行处理。
8.一种异常账号识别装置，其特征在于，所述装置包括：获取模块，用于获取物流网点中各结算账号在指定时间段内的全量运单数据；过滤模块，用于根据所述全量运单数据中的寄件量和寄件量阈值对各所述结算账号进行过滤，得到待识别结算账号集；构建模块，用于根据所述全量运单数据构建所述待识别结算账号集中各待识别结算账号的寄件行为特征；识别模块，用于将所述寄件行为特征输入至训练好的异常识别算法模型中，确定寄件行为异常的异常结算账号。9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。

技术总结
本申请涉及一种异常账号识别方法、装置、计算机设备和存储介质。方法包括：获取物流网点中各结算账号在指定时间段内的全量运单数据；根据全量运单数据中的寄件量和寄件量阈值对各结算账号进行过滤，得到待识别结算账号集；根据全量运单数据构建待识别结算账号集中各待识别结算账号的寄件行为特征；将寄件行为特征输入至训练好的异常识别算法模型中，确定寄件行为异常的异常结算账号。采用本方法能够提高异常账号识别的效率和准确性。提高异常账号识别的效率和准确性。提高异常账号识别的效率和准确性。


技术研发人员：陈垦
受保护的技术使用者：顺丰科技有限公司
技术研发日：2020.09.14
技术公布日：2022/3/14