异常运单的识别方法、装置、电子设备及存储介质与流程

1.本技术涉及物流技术领域，具体涉及一种异常运单的识别方法、装置、电子设备及存储介质。


背景技术：

2.操作类异常指的是在快件物流过程中因为异常操作的出现或者正常操作的次数异常导致的快件问题，例如快递滞留、时效客诉、快件回流等问题。通常发生快件问题后，人工发现为时已晚，已经产生物流延误、被投诉等问题。
3.也即，现有技术中异常运单的识别方法主要依靠用户反馈，具有一定的滞后性，无法在运单操作异常时实时识别异常运单。


技术实现要素：

4.本技术旨在提供一种异常运单的识别方法、装置、电子设备及存储介质，旨在解决现有技术中异常运单的识别方法无法在运单操作异常时实时识别异常运单的问题。
5.一方面，本技术提供一种异常运单的识别方法，所述识别方法包括：
6.获取预设时间段内的多个历史运单的历史运单信息和历史用户投诉信息，其中，所述历史运单信息包括历史巴枪操作异常信息；
7.对所述多个历史运单的历史运单信息和历史用户投诉信息进行关联分析，得到运单信息和用户投诉信息之间关联性的多个关联分析结果；
8.将满足预设异常条件的所述关联分析结果确定为目标关联分析结果；
9.基于所述目标关联分析结果和当前运单的当前运单信息对当前运单进行异常识别，得到异常运单。
10.其中，所述历史巴枪操作异常信息包括运单的各个类型巴枪操作是否异常；
11.所述获取预设时间段内的多个历史运单的历史运单信息和历史用户投诉信息，包括：
12.获取所述历史运单的历史巴枪操作信息，其中，所述历史巴枪操作信息包括各个历史运单进行各个类型巴枪操作的操作次数；
13.基于所述历史巴枪操作信息的高斯分布确定各个类型巴枪操作的操作异常次数范围；
14.基于所述历史运单的历史巴枪操作信息和所述操作异常次数范围确定各个所述历史运单的历史巴枪操作异常信息。
15.其中，所述历史运单信息还包括历史运单类别信息；所述历史巴枪操作信息包括各个运单类别的历史运单进行各个类型巴枪操作的操作次数；
16.所述基于所述历史巴枪操作信息的高斯分布确定各个类型巴枪操作的操作异常次数范围，包括：
17.基于所述历史巴枪操作信息的高斯分布确定各个运单类别各个类型巴枪操作的
操作异常次数范围。
18.其中，所述基于所述历史运单的历史巴枪操作信息和所述操作异常次数范围确定各个所述历史运单的历史巴枪操作异常信息，包括：
19.分别将各个所述历史运单确定为目标历史运单，将各个类型巴枪操作确定为目标类型巴枪操作；
20.获取目标历史运单进行目标类型巴枪操作的操作次数；
21.判断所述目标历史运单进行目标巴枪类型操作的操作次数是否属于对应的操作异常次数范围；
22.若所述目标历史运单进行目标巴枪类型操作的操作次数属于对应的操作异常次数范围，则将所述目标历史运单进行目标巴枪类型操作的历史巴枪操作异常信息确定为正常；若所述目标历史运单进行目标巴枪类型操作的操作次数不属于对应的操作异常次数范围，则将所述目标历史运单进行目标巴枪类型操作的历史巴枪操作异常信息确定为异常。
23.其中，所述历史运单信息包括历史运单类别信息和历史巴枪操作异常信息；
24.所述对所述多个历史运单的历史运单信息和历史用户投诉信息进行关联分析，得到运单信息和用户投诉信息之间关联性的多个关联分析结果，包括：
25.将每个所述历史运单的历史运单类别信息、历史巴枪操作异常信息以及历史用户投诉信息确定为一个项集，得到多个所述历史运单对应的多个项集；
26.将所述多个项集输入至预设关联分析模型，得到运单类别信息、巴枪操作异常信息以及用户投诉信息之间关联性的多个所述关联分析结果，其中，所述关联分析模型包括apriori关联度模型。
27.其中，所述关联分析结果包括各个项集的支持度、置信度以及提升度，所述历史用户投诉信息包括用户投诉的类别；
28.所述预设异常条件包括：支持度大于预设支持度，和/或置信度大于预设置信度和/或提升度大于预设提升度，用户投诉的类别属于预设类别标签。
29.其中，所述基于所述目标关联分析结果和当前运单的当前运单信息对当前运单进行异常识别，得到异常运单，包括：
30.获取当前运单的当前运单信息；
31.基于当前运单的当前运单信息判断所述目标关联分析结果是否存在对应的目标运单信息；
32.当所述目标关联分析结果存在对应的目标运单信息时，将所述当前运单确定为异常运单。
33.一方面，本技术提供一种异常运单的识别装置，所述异常运单的识别装置包括：
34.获取单元，用于获取预设时间段内的多个历史运单的历史运单信息和历史用户投诉信息，其中，所述历史运单信息包括历史巴枪操作异常信息；
35.关联分析单元，用于对所述多个历史运单的历史运单信息和历史用户投诉信息进行关联分析，得到运单信息和用户投诉信息之间关联性的多个关联分析结果；
36.确定单元，用于将满足预设异常条件的所述关联分析结果确定为目标关联分析结果；
37.异常识别单元，用于基于所述目标关联分析结果和当前运单的当前运单信息对当
前运单进行异常识别，得到异常运单。
38.其中，所述历史巴枪操作异常信息包括运单的各个类型巴枪操作是否异常；所述获取单元，还用于：获取所述历史运单的历史巴枪操作信息，其中，所述历史巴枪操作信息包括各个历史运单进行各个类型巴枪操作的操作次数；
39.基于所述历史巴枪操作信息的高斯分布确定各个类型巴枪操作的操作异常次数范围；
40.基于所述历史运单的历史巴枪操作信息和所述操作异常次数范围确定各个所述历史运单的历史巴枪操作异常信息。
41.其中，所述历史运单信息还包括历史运单类别信息；所述历史巴枪操作信息包括各个运单类别的历史运单进行各个类型巴枪操作的操作次数；
42.所述获取单元，还用于：基于所述历史巴枪操作信息的高斯分布确定各个运单类别各个类型巴枪操作的操作异常次数范围。
43.其中，所述基于所述历史运单的历史巴枪操作信息和所述操作异常次数范围确定各个所述历史运单的历史巴枪操作异常信息，包括：
44.分别将各个所述历史运单确定为目标历史运单，将各个类型巴枪操作确定为目标类型巴枪操作；
45.获取目标历史运单进行目标类型巴枪操作的操作次数；
46.判断所述目标历史运单进行目标巴枪类型操作的操作次数是否属于对应的操作异常次数范围；
47.若所述目标历史运单进行目标巴枪类型操作的操作次数属于对应的操作异常次数范围，则将所述目标历史运单进行目标巴枪类型操作的历史巴枪操作异常信息确定为正常；若所述目标历史运单进行目标巴枪类型操作的操作次数不属于对应的操作异常次数范围，则将所述目标历史运单进行目标巴枪类型操作的历史巴枪操作异常信息确定为异常。
48.其中，所述历史运单信息包括历史运单类别信息和历史巴枪操作异常信息；所述获取单元，还用于：
49.将每个所述历史运单的历史运单类别信息、历史巴枪操作异常信息以及历史用户投诉信息确定为一个项集，得到多个所述历史运单对应的多个项集；
50.将所述多个项集输入至预设关联分析模型，得到运单类别信息、巴枪操作异常信息以及用户投诉信息之间关联性的多个所述关联分析结果，其中，所述关联分析模型包括apriori关联度模型。
51.其中，所述关联分析结果包括各个项集的支持度、置信度以及提升度，所述历史用户投诉信息包括用户投诉的类别；
52.所述预设异常条件包括：支持度大于预设支持度，和/或置信度大于预设置信度和/或提升度大于预设提升度，用户投诉的类别属于预设类别标签。
53.其中，所述异常识别单元，还用于：获取当前运单的当前运单信息；
54.基于当前运单的当前运单信息判断所述目标关联分析结果是否存在对应的目标运单信息；
55.当所述目标关联分析结果存在对应的目标运单信息时，将所述当前运单确定为异常运单。
56.一方面，本技术还提供一种电子设备，所述电子设备包括：
57.一个或多个处理器；
58.存储器；以及
59.一个或多个应用程序，其中所述一个或多个应用程序被存储于所述存储器中，并配置为由所述处理器执行以实现第一方面中任一项所述的异常运单的识别方法。
60.一方面，本技术还提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器进行加载，以执行第一方面任一项所述的异常运单的识别方法中的步骤。
61.本技术提供一种异常运单的识别方法，该异常运单的识别方法先获取历史运单的历史运单信息和历史用户投诉信息，对历史运单信息和历史用户投诉信息进行关联性分析，得到运单信息和用户投诉信息之间关联性的多个关联分析结果，多个关联分析结果可以反映运单信息和用户投诉信息之间的对应关系，通过预设异常条件从多个关联分析结果筛选出具有异常场景的目标关联分析结果，然后再利用目标关联分析结果对当前运单进行异常识别，在获取到当前运单的运单信息时，可以在用户进行投诉之前根据目标关联分析结果预测对应的用户投诉信息，实时识别出异常运单。
附图说明
62.为了更清楚地说明本技术实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本技术的一些实施例，对于本领域技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
63.图1为本技术实施例所提供的异常运单的识别系统的场景示意图；
64.图2是本技术实施例提供的异常运单的识别方法的一个实施例流程示意图；
65.图3是本技术实施例中提供的异常运单的识别装置一个实施例结构示意图；
66.图4是本技术实施例中提供的电子设备一个实施例结构示意图。
具体实施方式
67.下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本技术保护的范围。
68.在本技术的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本技术和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本技术的限制。此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个特征。在本技术的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
69.在本技术中，“示例性”一词用来表示“用作例子、例证或说明”。本技术中被描述为“示例性”的任何实施例不一定被解释为比其它实施例更优选或更具优势。为了使本领域任何技术人员能够实现和使用本技术，给出了以下描述。在以下描述中，为了解释的目的而列出了细节。应当明白的是，本领域普通技术人员可以认识到，在不使用这些特定细节的情况下也可以实现本技术。在其它实例中，不会对公知的结构和过程进行详细阐述，以避免不必要的细节使本技术的描述变得晦涩。因此，本技术并非旨在限于所示的实施例，而是与符合本技术所公开的原理和特征的最广范围相一致。
70.需要说明的是，本技术实施例方法由于是在电子设备中执行，各电子设备的处理对象均以数据或信息的形式存在，例如时间，实质为时间信息，可以理解的是，后续实施例中若提及尺寸、数量、位置等，均为对应的数据存在，以便电子设备进行处理，具体此处不作赘述。
71.本技术实施例提供一种异常运单的识别方法、装置、电子设备及存储介质，以下分别进行详细说明。
72.请参阅图1，图1为本技术实施例所提供的异常运单的识别系统的场景示意图，该异常运单的识别系统可以包括电子设备100，电子设备100中集成有异常运单的识别装置，如图1中的电子设备。
73.本技术实施例中，该电子设备100可以是独立的服务器，也可以是服务器组成的服务器网络或服务器集群，例如，本技术实施例中所描述的电子设备100，其包括但不限于计算机、网络主机、单个网络服务器、多个网络服务器集或多个服务器构成的云服务器。其中，云服务器由基于云计算(cloud computing)的大量计算机或网络服务器构成。
74.本领域技术人员可以理解，图1中示出的应用环境，仅仅是本技术方案的一种应用场景，并不构成对本技术方案应用场景的限定，其他的应用环境还可以包括比图1中所示更多或更少的电子设备，例如图1中仅示出1个电子设备，可以理解的，该异常运单的识别系统还可以包括一个或多个其他服务器，具体此处不作限定。
75.另外，如图1所示，该异常运单的识别系统还可以包括存储器200，用于存储数据。
76.需要说明的是，图1所示的异常运单的识别系统的场景示意图仅仅是一个示例，本技术实施例描述的异常运单的识别系统以及场景是为了更加清楚的说明本技术实施例的技术方案，并不构成对于本技术实施例提供的技术方案的限定，本领域普通技术人员可知，随着异常运单的识别系统的演变和新业务场景的出现，本技术实施例提供的技术方案对于类似的技术问题，同样适用。
77.首先，本技术实施例中提供一种异常运单的识别方法，该异常运单的识别方法的执行主体为异常运单的识别装置，该异常运单的识别装置应用于电子设备，该异常运单的识别方法包括：
78.获取预设时间段内的多个历史运单的历史运单信息和历史用户投诉信息，其中，历史运单信息包括历史巴枪操作异常信息；
79.对多个历史运单的历史运单信息和历史用户投诉信息进行关联分析，得到运单信息和用户投诉信息之间关联性的多个关联分析结果；
80.将满足预设异常条件的关联分析结果确定为目标关联分析结果；
81.基于目标关联分析结果和当前运单的当前运单信息对当前运单进行异常识别，得
到异常运单。
82.参阅图2，图2是本技术实施例提供的异常运单的识别方法的一个实施例流程示意图。如图2所示，该异常运单的识别方法包括：
83.s201、获取预设时间段内的多个历史运单的历史运单信息和历史用户投诉信息，其中，历史运单信息包括历史巴枪操作异常信息。
84.本技术实施例中，预设时间段可以是历史一个月时间段、两个月时间段、一周时间段等，根据具体情况设定。
85.在一个具体的实施例中，巴枪操作异常信息包括运单的各个类型巴枪操作是否异常。其中，巴枪操作的类型可以包括：异常件交接、小件包扫码、卸车操作等，根据具体情况设置即可。例如，运单x的巴枪操作异常信息是：异常件交接，正常；小件包扫码，异常；卸车操作，正常。历史用户投诉信息是用户对历史运单进行反馈的信息，历史用户投诉的类别可以包括：未投诉c3、以第一投诉原因投诉c0，以第二投诉原因投诉c1。历史用户投诉的类别可根据具体情况设置。
86.在一个具体的实施例中，获取预设时间段内的多个历史运单的历史运单信息和历史用户投诉信息，包括：
87.(1)获取历史运单的历史巴枪操作信息，其中，历史巴枪操作信息包括各个历史运单进行各个类型巴枪操作的操作次数。
88.在一个具体的实施例中，例如，运单x的历史巴枪操作信息是：异常件交接，2次；小件包扫码，2次；卸车操作，2次。运单y的历史巴枪操作信息是：异常件交接，1次；小件包扫码，1次；卸车操作，1次。
89.(2)基于每个类型巴枪操作的操作次数的高斯分布确定每个类型巴枪操作的操作异常次数范围。
90.高斯分布(gaussian distribution)，最早由棣莫弗(abraham de moivre)在求二项分布的渐近公式中得到。c.f.高斯在研究测量误差时从另一个角度导出了它。p.s.拉普拉斯和高斯研究了它的性质。是一个在数学、物理及工程等领域都非常重要的概率分布，在统计学的许多方面有着重大的影响力。正态曲线呈钟型，两头低，中间高，左右对称因其曲线呈钟形，因此人们又经常称之为钟形曲线。若随机变量x服从一个数学期望为μ、方差为σ^2的正态分布，记为n(μ，σ^2)。其概率密度函数为正态分布的期望值μ决定了其位置，其标准差σ决定了分布的幅度。当μ＝0,σ＝1时的正态分布是标准正态分布。
91.拟合就是把平面上一系列的点，用一条光滑的曲线连接起来。因为这条曲线有无数种可能，从而有各种拟合方法。拟合的曲线一般可以用函数表示，根据这个函数的不同有不同的拟合名字。常用的拟合方法有如最小二乘曲线拟合法等，在matlab中也可以用polyfit来拟合多项式。拟合以及插值还有逼近是数值分析的三大基础工具，通俗意义上它们的区别在于：拟合是已知点列，从整体上靠近它们；插值是已知点列并且完全经过点列；逼近是已知曲线，或者点列，通过逼近使得构造的函数无限靠近它们。
92.本技术实施例中，统计各个历史运单进行目标类型巴枪操作的操作次数，对各个历史运单进行目标类型巴枪操作的操作次数进行拟合，得到目标类型巴枪操作的历史巴枪操作信息的高斯分布。例如，目标类型巴枪操作的历史巴枪操作信息的高斯分布的高斯模型参数为(μ-3σ，μ 3σ)。将高斯分布的高斯模型参数确定为操作异常次数范围。
93.分别将各个类型巴枪操作确定为目标类型巴枪操作，得到各个目标类型巴枪操作的操作异常次数范围。针对每个类型巴枪操作都设置了对应的操作异常次数范围，提高了操作异常次数范围的精度，能够提高异常判断的准确度。例如，异常件交接、小件包扫码、卸车操作三种类型巴枪操作对应三个操作异常次数范围。
94.在另一个具体的实施例中，历史运单信息还包括历史运单类别信息，历史运单类别信息表示运单的运单类别；历史巴枪操作信息包括各个运单类别的历史运单进行各个类型巴枪操作的操作次数。基于历史巴枪操作信息的高斯分布确定各个类型巴枪操作的操作异常次数范围，包括：基于历史巴枪操作信息的高斯分布确定各个运单类别各个类型巴枪操作的操作异常次数范围。具体的，基于历史巴枪操作信息的高斯分布确定各个运单类别各个类型巴枪操作的操作异常次数范围。例如，巴枪操作包括异常件交接、小件包扫码、卸车操作三种类型巴枪操作；运单类别包括三种类别，则对各个运单类别各个类型巴枪操作共计9个操作异常次数范围。进一步针对每个运单类别每个类型巴枪操作都设置了对应的操作异常次数范围，进一步提高了操作异常次数范围的精度，能够提高异常判断的准确度。
95.具体的，获取预设时间段内的多个历史运单的历史运单信息和历史用户投诉信息包括：获取多个历史运单的流向信息、时效类型以及重量段。基于预设分类规则和多个历史运单的流向信息、时效类型以及重量段对多个历史运单进行分类，得到历史运单类别信息。流向信息可以分为城市-农村、农村-城市、农村-农村等；时效类型可以分为当日送达、次日送达等；重量段可以根据运单的重量分为超重、普重等。根据具体情况设定即可。例如，根据预设分类规则对多个运单进行分类，运单x1的运单类别是a1；运单x2的运单类别是a2；运单x3的运单类别是a3。
96.(3)基于历史运单的历史巴枪操作信息和操作异常次数范围确定各个历史运单的巴枪操作异常信息。
97.本技术实施例中，基于历史运单的历史巴枪操作信息和操作异常次数范围确定各个历史运单的巴枪操作异常信息，包括：
98.分别将各个历史运单确定为目标历史运单，将各个类型巴枪操作确定为目标类型巴枪操作。获取目标历史运单进行目标巴枪类型操作的操作次数。判断目标历史运单进行目标巴枪类型操作的操作次数是否属于对应的操作异常次数范围。若目标历史运单进行目标巴枪类型操作的操作次数属于对应的操作异常次数范围，则将目标历史运单进行目标巴枪类型操作的巴枪操作异常信息确定为正常；若目标历史运单进行目标巴枪类型操作的操作次数不属于对应的操作异常次数范围，则将目标历史运单进行目标巴枪类型操作的巴枪操作异常信息确定为异常。
99.例如，运单x的历史巴枪操作信息是：异常件交接，2次；小件包扫码，2次；卸车操作，2次。运单y的历史巴枪操作信息是：异常件交接，1次；小件包扫码，1次；卸车操作，1次。将运单x确定为目标历史运单，将卸车操作确定为目标类型巴枪操作，运单x的历史巴枪操作信息是：卸车操作，2次。假设卸车操作对应的操作异常次数范围为1.5次-2次。则运单x进行卸车操作的操作次数属于对应的操作异常次数范围，运单x进行卸车操作的巴枪操作异常信息。
100.由于，每个历史运单都会被作为目标运单，从而可以遍历得到各个历史运单的巴枪操作异常信息。例如，运单x的历史巴枪操作异常信息是：异常件交接，正常；小件包扫码，
异常；卸车操作，正常。
101.s202、对多个历史运单的历史运单信息和历史用户投诉信息进行关联分析，得到运单信息和用户投诉信息之间关联性的多个关联分析结果。
102.在一个具体的实施例中，历史运单信息包括历史运单类别信息和历史巴枪操作异常信息。对各个历史运单的历史运单信息和历史用户投诉信息进行关联分析，得到运单信息和用户投诉信息之间的关联分析结果，包括：
103.(1)将每个历史运单的历史运单类别信息、历史巴枪操作异常信息以及历史用户投诉信息确定为一个项集，得到多个历史运单对应的多个项集。
104.关联分析是一种简单、实用的分析技术，就是发现存在于大量数据集中的关联性或相关性，从而描述了一个事物中某些属性同时出现的规律和模式。关联分析是从大量数据中发现项集之间有趣的关联和相关联系。关联分析的一个典型例子是购物篮分析。该过程通过发现顾客放入其购物篮中的不同商品之间的联系，分析顾客的购买习惯。通过了解哪些商品频繁地被顾客同时购买，这种关联的发现可以帮助零售商制定营销策略。其他的应用还包括价目表设计、商品促销、商品的排放和基于购买模式的顾客划分。
105.项：交易的每一个物品称为一个项，例如cola、egg等。具体的，项可以时运单类别、各个类型巴枪操作是否异常以及用户投诉的类别。
106.项集：包含零个或多个项的集合叫做项集，例如{cola,egg,ham}。例如，、a1、a2、a3表示运单类别。b1、b2、b3表示各个类型巴枪操作是否异常，b1表示异常件交接，异常；b1表示异常件交接，正常。历史用户投诉的类别可以包括：未投诉c3、以第一投诉原因投诉c0，以第二投诉原因投诉c1。项集可以是{a1，b2，c0}，表示当出现a1和b2时，有极大概率出现c0。
107.(2)将多个项集输入至预设关联分析模型，得到运单类别信息、巴枪操作异常信息以及用户投诉信息之间关联性的多个关联分析结果，其中，关联分析模型包括apriori关联度模型。
108.具体的，关联分析结果包括各个项集的支持度、置信度以及提升度，用户投诉信息包括用户投诉的类别。
109.支持度(support)，支持度表示同时包含a和b事务占所有事务的比例。如果用p(a)表示a事务的比例，公式表示为：
110.support(a,b)＝p(a∩b)
111.置信度(confidence)，置信度(可信度)表示使用包含a的事务中同时包含b事务的比例，即同时包含a和b的事务中包含a事务的比例。公式表示为：
112.confidence(a
→
b)＝support(a,b)/support(b)
113.提升度(lift)，提升度表示“包含a的事务中同时包含b事务的比例”与“包含b事务的比例”的比值。当提升度的值大于1时，说明a事务与b事务呈现正相关关系，a事务的增加会导致b事务的增加。当提升度等于1时，说明两者之间没有关系。当提升度小于1时，说明a事务的增加会导致b事务的减少。公式表示为：
114.lift(a
→
b)＝confidence(a,b)/support(a)
115.例如：对于五个项集，操作a出现三次，操作b出现四次，而操作a和操作b同时出现两次。则support(a)＝3/5，support(b)＝4/5，support(a,b)＝2/5。继续计算置信度：confidence(a-》b)＝support(a,b)/support(b)＝1/2。意味着当操作a出现导致操作b出现
的概率。最后计算提升度：lift(a-》b)＝confidence(a-》b)/support(a)＝5/6。
116.apriori算法是挖掘产生布尔关联规则所需频繁项集的基本算法，也是最著名的关联规则挖掘算法之一。apriori算法就是根据有关频繁项集特性的先验知识而命名的。它使用一种称作逐层搜索的迭代方法，k—项集用于探索(k 1)—项集。首先，找出频繁1—项集的集合.记做l1，l1用于找出频繁2—项集的集合l2，再用于找出l3，如此下去，直到不能找到频繁k—项集。找每个lk需要扫描一次数据库。
117.当然，也可以采用fp-growth算法，由于apriori方法的固有缺陷.即使进行了优化，其效率也仍然不能令人满意。2000年，han jiawei等人提出了基于频繁模式树(frequent pattern tree，简称为fp-tree)的发现频繁模式的算法fp-growth。在fp-growth算法中，通过两次扫描事务数据库，把每个事务所包含的频繁项目按其支持度降序压缩存储到fp—tree中。在以后发现频繁模式的过程中，不需要再扫描事务数据库，而仅在fp-tree中进行查找即可，并通过递归调用fp-growth的方法来直接产生频繁模式，因此在整个发现过程中也不需产生候选模式。该算法克服了apriori算法中存在的问颢.在执行效率上也明显好于apriori算法。
118.s203、将满足预设异常条件的关联分析结果确定为目标关联分析结果。
119.在一个具体的实施例中，预设异常条件包括：用户投诉的类别属于预设类别标签，和支持度大于预设支持度，和/或置信度大于预设置信度，和/或提升度大于预设提升度。预设支持度、预设置信度、预设提升度以及预设类别标签可以根据具体情况设置即可。例如，预设提升度为1。
120.例如，目标关联分析结果中存在{a1，b2，c0}，{a1，b2，c0}表示当出现a1和b2时，有极大概率出现c0。
121.s204、基于目标关联分析结果和当前运单的当前运单信息对当前运单进行异常识别，得到异常运单。
122.(1)获取当前运单的当前运单信息。
123.当前运单信息包括当前巴枪操作异常信息和当前运单类别信息。
124.(2)基于当前运单的当前运单信息判断目标关联分析结果是否存在对应的目标运单信息。
125.具体的，判断目标关联分析结果中各个项集的巴枪操作异常信息是否与当前巴枪操作异常信息匹配，得到第一匹配结果；判断目标关联分析结果中各个项集的运单类别信息和当前运单类别信息是否配，得到第二匹配结果；当两个匹配结果均为匹配时，确定目标关联分析结果存在对应的目标运单信息。例如，当前运单信息为{a1，b2}，目标关联分析结果中存在{a1，b2，c0},则目标关联分析结果存在对应的目标运单信息。
126.(3)当目标关联分析结果存在对应的目标运单信息时，将当前运单确定为异常运单。
127.当目标关联分析结果存在对应的目标运单信息时，如存在{a1，b2，c0}。{a1，b2，c0}表示当出现a1和b2时，有极大概率出现c0。当前已经发生了{a1，b2}，当前运单有极大概率出现c0，即被用户以第一投诉原因投诉。该运单为异常运单。在得到当前运单的运单信息时，在用户反馈之前，实时确定异常订单进行后续处理，避免被用户投诉。
128.为了更好实施本技术实施例中异常运单的识别方法，在异常运单的识别方法基础
之上，本技术实施例中还提供一种异常运单的识别装置，如图3所示，图3是本技术实施例中提供的异常运单的识别装置一个实施例结构示意图，该异常运单的识别装置包括：
129.获取单元401，用于获取预设时间段内的多个历史运单的历史运单信息和历史用户投诉信息，其中，历史运单信息包括历史巴枪操作异常信息；
130.关联分析单元402，用于对多个历史运单的历史运单信息和历史用户投诉信息进行关联分析，得到运单信息和用户投诉信息之间关联性的多个关联分析结果；
131.确定单元403，用于将满足预设异常条件的关联分析结果确定为目标关联分析结果；
132.异常识别单元404，用于基于目标关联分析结果和当前运单的当前运单信息对当前运单进行异常识别，得到异常运单。
133.其中，历史巴枪操作异常信息包括运单的各个类型巴枪操作是否异常；获取单元401，还用于：获取历史运单的历史巴枪操作信息，其中，历史巴枪操作信息包括各个历史运单进行各个类型巴枪操作的操作次数；
134.基于历史巴枪操作信息的高斯分布确定各个类型巴枪操作的操作异常次数范围；
135.基于历史运单的历史巴枪操作信息和操作异常次数范围确定各个历史运单的历史巴枪操作异常信息。
136.其中，历史运单信息还包括历史运单类别信息；历史巴枪操作信息包括各个运单类别的历史运单进行各个类型巴枪操作的操作次数；
137.获取单元401，还用于：基于历史巴枪操作信息的高斯分布确定各个运单类别各个类型巴枪操作的操作异常次数范围。
138.其中，基于历史运单的历史巴枪操作信息和操作异常次数范围确定各个历史运单的历史巴枪操作异常信息，包括：
139.分别将各个历史运单确定为目标历史运单，将各个类型巴枪操作确定为目标类型巴枪操作；
140.获取目标历史运单进行目标类型巴枪操作的操作次数；
141.判断目标历史运单进行目标巴枪类型操作的操作次数是否属于对应的操作异常次数范围；
142.若目标历史运单进行目标巴枪类型操作的操作次数属于对应的操作异常次数范围，则将目标历史运单进行目标巴枪类型操作的历史巴枪操作异常信息确定为正常；若目标历史运单进行目标巴枪类型操作的操作次数不属于对应的操作异常次数范围，则将目标历史运单进行目标巴枪类型操作的历史巴枪操作异常信息确定为异常。
143.其中，历史运单信息包括历史运单类别信息和历史巴枪操作异常信息；获取单元401，还用于：
144.将每个历史运单的历史运单类别信息、历史巴枪操作异常信息以及历史用户投诉信息确定为一个项集，得到多个历史运单对应的多个项集；
145.将多个项集输入至预设关联分析模型，得到运单类别信息、巴枪操作异常信息以及用户投诉信息之间关联性的多个关联分析结果，其中，关联分析模型包括apriori关联度模型。
146.其中，关联分析结果包括各个项集的支持度、置信度以及提升度，历史用户投诉信
息包括用户投诉的类别；
147.预设异常条件包括：支持度大于预设支持度，和/或置信度大于预设置信度和/或提升度大于预设提升度，用户投诉的类别属于预设类别标签。
148.其中，异常识别单元404，还用于：获取当前运单的当前运单信息；
149.基于当前运单的当前运单信息判断目标关联分析结果是否存在对应的目标运单信息；
150.当目标关联分析结果存在对应的目标运单信息时，将当前运单确定为异常运单。
151.本技术实施例还提供一种电子设备，其集成了本技术实施例所提供的任一种异常运单的识别装置。如图4所示，其示出了本技术实施例所涉及的电子设备的结构示意图，具体来讲：
152.该电子设备可以包括一个或者一个以上处理核心的处理器401、一个或一个以上计算机可读存储介质的存储器402、电源403和输入单元404等部件。本领域技术人员可以理解，图中示出的电子设备结构并不构成对电子设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。其中：
153.处理器401是该电子设备的控制中心，利用各种接口和线路连接整个电子设备的各个部分，通过运行或执行存储在存储器402内的软件程序和/或模块，以及调用存储在存储器402内的数据，执行电子设备的各种功能和处理数据，从而对电子设备进行整体监控。可选的，处理器401可包括一个或多个处理核心；优选的，处理器401可集成应用处理器和调制解调处理器，其中，应用处理器主要处理操作系统、用户界面和应用程序等，调制解调处理器主要处理无线通信。可以理解的是，上述调制解调处理器也可以不集成到处理器401中。
154.存储器402可用于存储软件程序以及模块，处理器401通过运行存储在存储器402的软件程序以及模块，从而执行各种功能应用以及数据处理。存储器402可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据电子设备的使用所创建的数据等。此外，存储器402可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。相应地，存储器402还可以包括存储器控制器，以提供处理器401对存储器402的访问。
155.电子设备还包括给各个部件供电的电源403，优选的，电源403可以通过电源管理系统与处理器401逻辑相连，从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。电源403还可以包括一个或一个以上的直流或交流电源、再充电系统、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。
156.该电子设备还可包括输入单元404，该输入单元404可用于接收输入的数字或字符信息，以及产生与用户设置以及功能控制有关的键盘、鼠标、操作杆、光学或者轨迹球信号输入。
157.尽管未示出，电子设备还可以包括显示单元等，在此不再赘述。具体在本实施例中，电子设备中的处理器401会按照如下的指令，将一个或一个以上的应用程序的进程对应的可执行文件加载到存储器402中，并由处理器401来运行存储在存储器402中的应用程序，从而实现各种功能，如下：
158.获取预设时间段内的多个历史运单的历史运单信息和历史用户投诉信息，其中，历史运单信息包括历史巴枪操作异常信息；
159.对多个历史运单的历史运单信息和历史用户投诉信息进行关联分析，得到运单信息和用户投诉信息之间关联性的多个关联分析结果；
160.将满足预设异常条件的关联分析结果确定为目标关联分析结果；
161.基于目标关联分析结果和当前运单的当前运单信息对当前运单进行异常识别，得到异常运单。
162.本领域普通技术人员可以理解，上述实施例的各种方法中的全部或部分步骤可以通过指令来完成，或通过指令控制相关的硬件来完成，该指令可以存储于一计算机可读存储介质中，并由处理器进行加载和执行。
163.为此，本技术实施例提供一种计算机可读存储介质，该存储介质可以包括：只读存储器(rom，read only memory)、随机存取记忆体(ram，random access memory)、磁盘或光盘等。其上存储有计算机程序，计算机程序被处理器进行加载，以执行本技术实施例所提供的任一种异常运单的识别方法中的步骤。例如，计算机程序被处理器进行加载可以执行如下步骤：
164.获取预设时间段内的多个历史运单的历史运单信息和历史用户投诉信息，其中，历史运单信息包括历史巴枪操作异常信息；
165.对多个历史运单的历史运单信息和历史用户投诉信息进行关联分析，得到运单信息和用户投诉信息之间关联性的多个关联分析结果；
166.将满足预设异常条件的关联分析结果确定为目标关联分析结果；
167.基于目标关联分析结果和当前运单的当前运单信息对当前运单进行异常识别，得到异常运单。
168.在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见上文针对其他实施例的详细描述，此处不再赘述。
169.具体实施时，以上各个单元或结构可以作为独立的实体来实现，也可以进行任意组合，作为同一或若干个实体来实现，以上各个单元或结构的具体实施可参见前面的方法实施例，在此不再赘述。
170.以上各个操作的具体实施可参见前面的实施例，在此不再赘述。
171.以上对本技术实施例所提供的一种异常运单的识别方法、装置、电子设备及存储介质进行了详细介绍，本文中应用了具体个例对本技术的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本技术的方法及其核心思想；同时，对于本领域的技术人员，依据本技术的思想，在具体实施方式及应用范围上均会有改变之处，综上，本说明书内容不应理解为对本技术的限制。