风险运单数据识别方法、装置、计算机设备和存储介质与流程

技术特征：
1.一种风险运单数据识别方法，其特征在于，所述方法包括：获取历史运单数据；根据所述历史运单数据确定与预设异常操作关联的目标特征；基于局部异常因子检测算法和所述目标特征，确定各所述历史运单数据与所述目标特征对应的异常分数；将异常分数大于预设阈值的历史运单数据确定为存在异常操作的风险运单数据。2.根据权利要求1所述的方法，其特征在于，在将异常分数大于预设阈值的历史运单数据确定为存在异常操作的风险运单数据之前，还包括：将各所述异常分数按照从小到大的顺序进行排序，得到异常分数排序结果；将所述异常分数排序结果中的第三四分位数确定为所述预设阈值。3.根据权利要求2所述的方法，其特征在于，在将异常分数大于预设阈值的历史运单数据确定为存在异常操作的风险运单数据之后，还包括：将所述风险运单数据推送至对应的目标对象，获取所述目标对象的反馈信息；根据所述反馈信息确定存在异常操作的真实异常运单；取两个以上的k数值，分别确定各k数值对应的第k四分位数；分别以各第k四分位数作为候选阈值，确定各所述历史运单数据中的预测异常运单；基于所述真实异常运单和所述预测异常运单，计算各所述第k四分位数对应的召回率和精准率；根据各所述第k四分位数对应的召回率和精准率确定所述预设阈值。4.根据权利要求1所述的方法，其特征在于：所述历史运单数据包括历史运单包含的各订单是否被取消寄件；所述预设异常操作包括虚假揽收；所述目标特征包括：同一收派人员取消寄件的操作次数。5.根据权利要求4所述的方法，其特征在于，所述基于局部异常因子检测算法和所述目标特征，确定各所述历史运单数据与所述目标特征对应的异常分数，包括：以所有所述历史运单数据中同一收派人员取消寄件的操作次数为特征值，基于局部异常因子检测算法构建局部异常因子检测模型；获取所述局部异常因子检测模型输出的各所述历史运单数据与所述目标特征对应的异常分数。6.根据权利要求1所述的方法，其特征在于：所述历史运单数据包括历史运单对应的揽收地址、所述历史运单的妥投操作地点；所述预设异常操作包括非收方地址派送；所述目标特征包括：妥投操作地点与收件地址之间的距离。7.根据权利要求6所述的方法，其特征在于，所述基于局部异常因子检测算法和所述目标特征，确定各所述历史运单数据与所述目标特征对应的异常分数，包括：以所有所述历史运单数据中妥投操作地点与收件地址之间的距离作为特征为特征值，基于局部异常因子检测算法构建局部异常因子检测模型；获取所述局部异常因子检测模型输出的各所述历史运单数据与所述目标特征对应的异常分数。
8.一种风险运单数据识别装置，其特征在于，所述装置包括：获取模块，用于获取历史运单数据；特征确定模块，用于根据所述历史运单数据确定与预设异常操作关联的目标特征；异常分数确定模块，用于基于局部异常因子检测算法和所述目标特征，确定各所述历史运单数据与所述目标特征对应的异常分数；识别模块，用于将异常分数大于预设阈值的历史运单数据确定为存在异常操作的风险运单数据。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
本申请涉及一种风险运单数据识别方法、装置、计算机设备和存储介质，所述方法包括：获取历史运单数据；根据所述历史运单数据确定与预设异常操作关联的目标特征；基于局部异常因子检测算法和所述目标特征，确定各所述历史运单数据与所述目标特征对应的异常分数；将异常分数大于预设阈值的历史运单数据确定为存在异常操作的风险运单数据。上述方法在需要对异常操作进行识别时，利用与异常操作相关的特征信息，同时基于局部异常因子检测算法来输出各历史运单数据对应的异常分数，并结合预设阈值从所有历史运单中筛选出可能存在异常操作的风险运单数据，由于利用了局部异常因子检测算法，可大大提高风险运单数据的识别效率。可大大提高风险运单数据的识别效率。可大大提高风险运单数据的识别效率。


技术研发人员：陈晓晶 孙宏宇 吴鸿艺 李玮萱 张策 陈才 陈志文
受保护的技术使用者：顺丰科技有限公司
技术研发日：2020.12.08
技术公布日：2022/6/10