一种订单审核方法、系统、电子设备及存储介质与流程

1.本发明属于数据处理技术领域，具体涉及一种订单审核方法、系统、电子设备及存储介质。


背景技术：

2.网约车领域，司机端每接收一次乘客端的打车请求，订单系统会生成一个订单。随着日常生活中网约车的普及，网约车的订单量也逐渐增多，而这些订单中存在许多支付异常订单、刷单订单、行车轨迹异常订单等异常订单，需要通过审核并挑选出这些异常订单。
3.现有技术中，通常通过风控系统筛选存在异常数据的可疑订单，再通过人工复核确认该可疑订单是否为异常订单，但是人工复核存在效率低和时效性差的问题，当订单数量较多时，复核人员的数量不足容易造成可疑订单的积压，未及时审核可疑订单，容易给网约车平台带来资金上的损失。


技术实现要素：

4.本发明的目的是要解决上述的技术问题，提供一种订单审核方法、系统、电子设备及存储介质。
5.为了解决上述问题，本发明按以下技术方案予以实现的：
6.第一方面，本发明提供了一种订单审核方法，包括以下步骤：
7.获取可疑订单的评估分数、当前可疑订单的数量和在线审核端的数量；
8.基于可疑订单的评估分数和当前可疑订单的数量与在线审核端的数量的比值给所述可疑订单配置审核队列；所述审核队列包括机器审核队列和人工审核队列；
9.分别对进入人工审核队列的可疑订单和进入机器审核队列的可疑订单标注人工审核标签和机器审核标签；
10.将携带机器审核标签的可疑订单再次配置人工审核队列。
11.结合第一方面，本发明还提供了第一方面的第1种实施方式，所述基于可疑订单的评估分数和当前可疑订单的数量与在线审核端的数量的比值给所述可疑订单配置审核队列，具体为：
12.若当前可疑订单的数量与在线审核端的数量的比值大于比值阈值，同时调用人工审核队列和机器审核队列；
13.若可疑订单的评估分数小于分数阈值，给该可疑订单配置人工审核队列。
14.结合第一方面，本发明还提供了第一方面的第2种实施方式，所述机器审核队列设有审核模型，所述审核模型是以人工审核队列的审核结果和可疑订单的数据作为训练集训练而成。
15.结合第一方面，本发明还提供了第一方面的第3种实施方式，所述审核模型是通过以下方法获得：
16.获取预设时间段内人工审核队列审核完成的可疑订单；
17.获取所述可疑订单的订单标签；所述订单标签由人工审核队列所标注；
18.将可疑订单数据和所述订单标签输入决策树模型中训练得到所述审核模型。
19.结合第一方面，本发明还提供了第一方面的第4种实施方式，在获取可疑订单的评估分数前，还包括：
20.将全部订单的订单数据作为输入通过风控系统识别可疑订单，并给所述可疑订单标记评估分数；所述风控系统中设有若干识别规则，所述识别规则用于识别可疑订单。
21.结合第一方面，本发明还提供了第一方面的第5种实施方式，所述将全部订单的订单数据作为输入通过风控系统识别可疑订单，具体为：
22.获取全部订单的订单数据；
23.将所述订单数据中每一项数据与相对应的识别规则中的数据范围进行对比，识别可疑订单；
24.根据该识别规则的预设权重计算并标记该可疑订单的评估分数。
25.结合第一方面，本发明还提供了第一方面的第6种实施方式，所述识别规则通过以下方法获得：
26.获取预设时间段内人工审核队列审核完成的异常订单，所述异常订单为可疑订单中携带异常订单标签的可疑订单；
27.统计所述异常订单中每一项数据的最值；
28.根据所述最值生成所述识别规则。
29.第二方面，本发明提供了一种订单审核系统，包括：
30.订单获取模块，所述获取模块用于获取可疑订单的评估分数、当前可疑订单的数量和在线审核端的数量；
31.队列配置模块，所述队列配置模块用于基于可疑订单的评估分数和当前可疑订单的数量与在线审核端的数量的比值给所述可疑订单配置审核队列；所述审核队列包括机器审核队列和人工审核队列；
32.标签标注模块，所述标签标注模块用于分别对进入人工审核队列的可疑订单和进入机器审核队列的可疑订单标注人工审核标签和机器审核标签；
33.再次配置模块，所述再次配置模块用于将携带机器审核标签的可疑订单再次配置人工审核队列。
34.第三方面，本发明提供了一种电子设备，包括至少一个处理器，以及与所述至少一个处理器通信连接的存储器，其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，所述至少一个处理器执行指令时，具体执行如第一方面中任一项所述的一种订单审核方法。
35.第四方面，本发明提供了一种存储介质，存储有计算机程序，所述计算机程序被处理器执行时，具体执行如第一方面中任一项所述的一种订单审核方法。
36.与现有技术相比，本发明的有益效果是：
37.1、通过可疑订单的评估分数、当前可疑订单的数量与在线审核端的数量的比值来给可疑订单配置审核队列，可有效解决人工审核队列审核端数量不足的问题，当订单数量较多时，根据可疑订单的评估分数配置审核队列，将金额较低，异常数据较少的订单分配给机器审核，保证复核可疑订单不会造成积压，且避免给网约车平台带来大量资金损失。
38.2、当携带机器审核标签的可以订单再次进入人工审核队列后，当人工审核队列的人力较为充足时，可将携带机器审核标签的可疑订单再次通过人工审核保留操作痕迹和留存数据，同时也可纠正机器审核时出现的错误，方便对机器审核系统的维护工作。
附图说明
39.下面结合附图对本发明的具体实施方式作进一步详细的说明，其中：
40.图1是本发明的一种订单审核方法的流程示意图；
41.图2是本发明的一种订单审核系统的结构示意图。
具体实施方式
42.以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。
43.下面将参照附图更详细地描述本公开的优选实施例。虽然附图中显示了本公开的优选实施例，然而应该理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了使本公开更加透彻和完整，并且能够将本公开的范围完整地传达给本领域的技术人员。
44.在本文中使用的术语“包括”及其变形表示开放性包括，即“包括但不限于”。除非特别申明，术语“或”表示“和/或”。术语“基于”表示“至少部分地基于”。术语“一个示例实施例”和“一个实施例”表示“至少一个示例实施例”。术语“另一实施例”表示“至少一个另外的实施例”。术语“第一”、“第二”等等可以指代不同的或相同的对象。下文还可能包括其他明确的和隐含的定义。
45.在网约车领域，司机端每接收一次乘客端的打车请求，订单系统会生成一个订单。随着日常生活中网约车的普及，网约车的订单量也逐渐增多，而这些订单中存在许多支付异常订单、刷单订单、行车轨迹异常订单等异常订单，需要通过审核并挑选出这些异常订单。
46.现有技术中，通常通过风控系统筛选出存在异常数据的可疑订单，再通过人工复核确认该可疑订单是否为异常订单，但是人工复核存在效率低和时效性差的问题，当订单数量较多时，复核人员的数量不足容易造成可疑订单的积压，未及时审核可疑订单，容易给网约车平台带来资金上的损失。
47.相关技术中，采用机器复核的方式替代人工复核，但是由于时间和订单数量的变化，异常订单的数据也随之变化，而机器复核的识别规则中识别数据是一个定值，虽然机器复核的效率高，但是误差率较大。并且由于机器审核仅输出审核结果，而没有审核记录，而人工审核时保留有操作痕迹和留存数据，当需要再次对复核记录进行查询和检查时，可直接通过操作痕迹和留存数据查找复核过程中的重要节点，便于分析查找复核过程中的漏洞，及时避免给网约车平台带来大量损失。
48.实施例1
49.如图1所示，第一方面，本发明提供一种订单分配方法，包括以下步骤：
50.获取可疑订单的评估分数、当前可疑订单的数量和在线审核端的数量；
51.基于可疑订单的评估分数和当前可疑订单的数量与在线审核端的数量的比值给
所述可疑订单配置审核队列；所述审核队列包括机器审核队列和人工审核队列；
52.分别对进入人工审核队列的可疑订单和进入机器审核队列的可疑订单标注人工审核标签和机器审核标签；
53.将携带机器审核标签的可疑订单再次配置人工审核队列。
54.本实施例中，通过可疑订单的评估分数、当前可疑订单的数量与在线审核端的数量的比值来给可疑订单配置审核队列，当该可疑订单的评估分数较低，且当前可疑订单的数量与在线审核端的数量的比值较大时，表明该可疑订单的订单价格较低，并且人工审核队列中在线审核端的数量不足，可将该可疑订单配置机器审核队列，通过机器审核队列直接复核该订单是不是异常订单，可缓解短时间内人工审核队列中人力不足造成复核订单积压的问题。当携带机器审核标签的可以订单再次进入人工审核队列后，当人工审核队列的人力较为充足时，可将携带机器审核标签的可疑订单再次通过人工审核保留操作痕迹和留存数据，同时也可纠正机器审核时出现的错误，方便对机器审核系统的维护工作。
55.步骤1：获取可疑订单的评估分数、当前可疑订单的数量和在线审核端的数量。
56.具体的，在风控系统筛选可疑订单时，会依据风控系统的若干规则给可疑订单一个评估分数。在线审核端的数量为人工审核队列中审核端的数量，每个审核端配设有一个审核员，当审核员在线工作时，审核端的按钮显示为在线状态，当审核端离线时，审核端的按钮显示为离线状态。
57.步骤2：基于可疑订单的评估分数和当前可疑订单的数量与在线审核端的数量的比值给所述可疑订单配置审核队列；所述审核队列包括机器审核队列和人工审核队列。
58.具体的，可疑订单的评估分数越高，表明该可疑订单的价值越高，具体表现为该订单涉及的金额数量较大，或该可疑订单的用户为新用户。当前可疑订单的数量与在线审核端的数量的比值表示人工审核队列中审核端的数量是否能够及时处理可疑订单，该比值越大，表明审核端的数量不足，不能及时处理可疑订单，容易造成审核积压而给网约车平台带来资金损失。
59.在机器审核队列中设有审核模型，审核模型是以人工审核队列的审核结果和可疑订单的数据作为训练集训练而成。
60.具体的，所述审核模型为分类器，将一段时间内人工审核队列审核的全部可疑订单作为训练集训练分类器，其中可疑订单包括有异常订单标签和非异常订单标签，并且异常订单标签具体为哪一类异常类型，例如：刷单异常订单标签、行车轨迹异常订单标签、起点位置不一致异常订单标签、终点位置不一致异常订单标签、乘客数量不一致异常订单标签、空载异常订单标签等。分类器通过获取大量数据和相对应的标签自动生成识别规则，分类器可基于每天生成的可疑订单更新训练集，并基于更新后的训练集进行训练学习，不需要额外构造训练集进一步学习，可不断优化审核模型，提升审核模型的时效性和自适应能力。
61.分类器是通过以下方法训练的：以“是否为异常订单”定义为目标变量，每一项订单数据作为特征变量构建目标函数，目标函数由两部分构成，一部分为残差，残差用来衡量预测分数和真实分数的差距，另一部分则是正则化项，正则化项可控制叶子节点的个数和分数，防止分类器出现过拟合的现象。通过xgboost分类模型对训练样本进行多轮迭代训练并产生新的目标函数，每轮迭代产生一个新的残差，新一轮迭代中拟合上一轮预测的残差，
可提高分类器的准确性，最终的目标函数为分类器，求解目标函数的最优值，根据最优值设定分类器的识别规则。
62.步骤201：若当前可疑订单的数量与在线审核端的数量的比值大于比值阈值，同时调用人工审核队列和机器审核队列；
63.步骤202：若可疑订单的评估分数小于分数阈值，给该可疑订单配置人工审核队列。
64.例如，一名审核员在一天内最多可审核10件可疑订单，即该比值阈值为10，而由于当前为节假日，外出的游客较多，这些游客中产生的可疑订单数量也急剧增加，而当天只有15个审核端在线，即表明仅有15名审核员可在当天审核可疑订单，但是由于游客量的增加，风控系统检测到当天出现了220件可疑订单，220/15＝14.66大于比值阈值10，此时需要同时调用机器审核队列和人工审核队列来审核可疑订单，以缓解人工审核队列人手不足的问题。如果当天为正常工作日，由于大部分人采用地铁和公交上班，使网约车的客流量降低，当天风控系统检测到有80件可疑订单，而当天在线的审核端有10个，80/10＝8小于比值阈值10，即不需要调用机器审核队列，全部配置人工审核队列处理该批可疑订单。
65.步骤3：分别对进入人工审核队列的可疑订单和进入机器审核队列的可疑订单标注人工审核标签和机器审核标签。
66.具体的，由于人工审核队列审核可疑订单的正确率较高，并且人工审核队列审核保留有操作痕迹和留存数据，而机器审核队列审核的可疑订单容易出错，并且未保留操作痕迹和留存数据，故需对人工审核队列和机器审核队列所审核的可疑订单分别标注人工审核标签和机器审核标签，便于区分。
67.步骤4：将携带机器审核标签的可疑订单再次配置人工审核队列。
68.具体的，当人工审核队列中在线的审核端的不足，采用机器审核队列审核可疑订单时，当人工审核队列中在线的审核端有空余时，可通过人工再次复核机器审核队列已经审核过的可疑订单，给那些订单保留操作痕迹和留存数据，便于后续分析审核端出现的问题，同时通过人工复核来查找机器审核中出现的问题，便于后续维护工作，以提高机器审核的正确率。
69.在获取可疑订单的评估分数前，还包括：
70.步骤5：将全部订单的订单数据作为输入通过风控系统识别可疑订单，并给所述可疑订单标记评估分数；所述风控系统中设有若干识别规则，所述识别规则用于识别可疑订单。
71.具体的，风控系统内设有决策引擎，决策引擎可直接对名单库进行筛查，直接通过命中白名单且数据正常的订单，拦截命中黑名单且数据异常的订单，对于灰名单订单、数据异常的白名单订单和数据正常的黑名单订单均列为可疑订单，识别规则中设有相关数据的正常范围，若该订单的数据不在该识别规则的正常范围内，则表明该条数据命中该识别规则。
72.其中，风控系统将筛选出的可疑订单会标注一个评估分数，评估分数的大小表明该可疑订单价值的大小和是否为异常订单的大小，评估分数通过以下步骤获得：
73.步骤501：获取全部订单的订单数据；
74.步骤502：将所述订单数据中每一类数据与相对应的识别规则中的数据范围进行
对比，识别可疑订单；
75.其中，所述识别规则是通过以下方法获得：
76.步骤502a：获取预设时间段内人工审核队列审核完成的异常订单，所述异常订单为可疑订单中携带异常订单标签的可疑订单；
77.步骤502b：统计所述异常订单中每一项数据的最值；
78.步骤502c：根据所述最值生成所述识别规则。
79.在步骤502a～502c中，通过人工审核队列所标记的异常订单作为识别规则的判定基础，获取一段时间内人工审核队列所审核的异常订单，提取异常订单中每一项数据，与另一个异常订单中该项数据进行大小比较，保留其中的最大值和最小值，根据最大值和最小值所包含的数据范围生成识别规则。
80.步骤503：根据该识别规则的预设权重计算并标记该可疑订单的评估分数。
81.在步骤501～503中，每一条识别规则对应有相应的权重，权重越大，表明该条识别规则越重要。例如，可通过以下公式计算评估分数：
[0082][0083]
其中，m为评估分数，n为识别规则的数量，x为可疑订单中某项数据的数值，x0为相对应识别规则中的标准值，y0为该条识别规则对应的权重，y0的取值范围为(0,1)，z为当前订单的订单金额，z0为订单金额的标准值，a、b分别为系数,a的取值范围为(0，1)，b的取值范围为(0，1)。例如，某一可疑订单中有三条识别规则，分别是起点位置偏差距离、终点位置偏差距离和今日订单数量，三条识别规则对应的权重分别为0.1、0.5、0.4；其中起点位置偏差距离、终点位置偏差距离的标准值为0，今日已完成订单数量的标准值为10，该可疑订单中相对应的数值分别为0、0.5、15，该可疑订单的金额为25，该可疑订单的路程为5km,该路程的标准收费金额为21元，系数a和b分别为0.3和0.7，即可算得该可疑订单的评估分数为3.325，评估分数的阈值为1，表明该可疑订单超过了评估分数的阈值，该可疑订单比较重要。
[0084]
综上所述，本发明执行时，一方面，通过可疑订单的评估分数、当前可疑订单的数量与在线审核端的数量的比值来给可疑订单配置审核队列，可有效解决人工审核队列审核端数量不足的问题，当订单数量较多时，根据可疑订单的评估分数配置审核队列，将金额较低，异常数据较少的订单分配给机器审核，保证复核可疑订单不会造成积压，且避免给网约车平台带来大量资金损失；另一方面，当携带机器审核标签的可以订单再次进入人工审核队列后，当人工审核队列的人力较为充足时，可将携带机器审核标签的可疑订单再次通过人工审核保留操作痕迹和留存数据，同时也可纠正机器审核时出现的错误，方便对机器审核系统的维护工作。此外，机器审核队列的审核模型可基于每天生成的可疑订单更新训练集，并基于更新后的训练集进行训练学习，不需要额外构造训练集进一步学习，可不断优化审核模型，提升审核模型的时效性和自适应能力。
[0085]
本实施例所述一种订单审核方法的其它步骤参见现有技术。
[0086]
实施例2
[0087]
如图2所示，第二方面，本发明公开了一种订单审核系统，包括订单获取模块m1、队列配置模块m2、标签标注模块m3和再次配置模块m4。
[0088]
获取模块m1用于获取可疑订单的评估分数、当前可疑订单的数量和在线审核端的数量；
[0089]
队列配置模块m2用于基于可疑订单的评估分数和当前可疑订单的数量与在线审核端的数量的比值给所述可疑订单配置审核队列；所述审核队列包括机器审核队列和人工审核队列；
[0090]
标签标注模块m3用于分别对进入人工审核队列的可疑订单和进入机器审核队列的可疑订单标注人工审核标签和机器审核标签；
[0091]
再次配置模块m4用于将携带机器审核标签的可疑订单再次配置人工审核队列。
[0092]
综上所述，本实施例所述装置在运行时，能实现实施例1中所述的异常账号的识别方法的全部步骤，以实现实施例1中所达到的技术效果。
[0093]
本实施例所述的订单审核系统的其它结构参见现有技术。
[0094]
实施例3
[0095]
本发明还公开一种电子设备，至少一个处理器，以及与所述至少一个处理器通信连接的存储器，其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，所述至少一个处理器执行指令时，具体实现以下的步骤：
[0096]
获取可疑订单的评估分数、当前可疑订单的数量和在线审核端的数量；
[0097]
基于可疑订单的评估分数和当前可疑订单的数量与在线审核端的数量的比值给所述可疑订单配置审核队列；所述审核队列包括机器审核队列和人工审核队列；
[0098]
分别对进入人工审核队列的可疑订单和进入机器审核队列的可疑订单标注人工审核标签和机器审核标签；
[0099]
将携带机器审核标签的可疑订单再次配置人工审核队列。
[0100]
实施例4
[0101]
本发明还公开一种存储介质，存储有计算机程序，所述计算机程序被处理器执行时，具体实现以下步骤：
[0102]
获取可疑订单的评估分数、当前可疑订单的数量和在线审核端的数量；
[0103]
基于可疑订单的评估分数和当前可疑订单的数量与在线审核端的数量的比值给所述可疑订单配置审核队列；所述审核队列包括机器审核队列和人工审核队列；
[0104]
分别对进入人工审核队列的可疑订单和进入机器审核队列的可疑订单标注人工审核标签和机器审核标签；
[0105]
将携带机器审核标签的可疑订单再次配置人工审核队列。
[0106]
本公开可以是方法、装置、系统和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质，其上载有用于执行本公开的各个方面的计算机可读程序指令。
[0107]
计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是但不限于电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：便携式计算机盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、静态随机存取存储器(sram)、便携式压缩盘只读存储器(cd-rom)、数字多功能盘(dvd)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可
读存储介质不被解释为瞬时信号本身，诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如，通过光纤电缆的光脉冲)、或者通过电线传输的电信号。
[0108]
这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备，或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令，并转发该计算机可读程序指令，以供存储在各个计算/处理设备中的计算机可读存储介质中。
[0109]
用于执行本公开操作的计算机程序指令可以是汇编指令、指令集架构(isa)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码，上述编程语言包括面向对象的编程语言—诸如smalltalk、c 、java等，以及常规的过程式编程语言—诸如“c”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络—包括局域网(lan)或广域网(wan)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中，通过利用计算机可读程序指令的状态信息来个性化定制电子电路，例如可编程逻辑电路、现场可编程门阵列(fpga)或可编程逻辑阵列(pla)，该电子电路可以执行计算机可读程序指令，从而实现本公开的各个方面。
[0110]
以上已经描述了本公开的各实施方式，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施方式。在不偏离所说明的各实施方式的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施方式的原理、实际应用或对市场中的技术的改进，或者使本技术领域的其他普通技术人员能理解本文披露的各实施方式。