运单重量信息异常识别方法、装置、电子设备及存储介质与流程

1.本技术涉及数据处理技术领域，具体涉及一种运单重量信息异常识别方法、装置、电子设备及计算机可读存储介质。


背景技术：

2.重量信息是运单运输过程的一个重要指标信息，比如，运单的重量信息是可以衡量运单收费的一种重要指标信息。然而，在实际业务场景中，通常会出现少计重量等运单重量信息异常情况。
3.通过在某些操作环节中采用秤随机抽查复重，以便发现运单重量信息异常情况。但是，导致运单重量信息异常有多种，通过随机抽查复重的方式耗时较长、且重量信息异常的运单识别率相对较低。
4.现有技术中，通过识别运单的操作对象是否为高风险操作对象来识别重量信息异常的运单，或者，识别运单的或寄件对象是否为高风险寄件对象来识别重量信息异常的运单。但是，本技术发明人在实际应用中发现，单纯地基于高风险操作对象或高风险寄件对象来识别运单重量信息异常情况，重量信息异常的运单识别率仍然相对较低。


技术实现要素：

5.本技术提供一种运单重量信息异常识别方法、装置、电子设备及计算机可读存储介质，旨在解决现有技术中单纯地基于高风险操作对象或高风险寄件对象来识别运单重量信息异常情况，重量信息异常的运单识别率相对较低的问题。
6.第一方面，本技术提供一种运单重量信息异常识别方法，所述方法包括：
7.获取待识别运单的目标运单特征信息，所述目标运单特征信息包括所述待识别运单的多个运单信息；
8.基于所述目标运单特征信息，获取所述待识别运单的目标特征表示值；
9.根据所述目标特征表示值和预设的异常映射参数，确定所述待识别运单的目标重量异常信息，其中，所述异常映射参数用于反映运单的特征表示值与运单的重量异常信息之间的约束关系，所述异常映射参数通过样本运单的样本特征表示值和样本运单的实际重量异常信息进行学习得到。
10.第二方面，本技术提供一种运单重量信息异常识别装置，所述运单重量信息异常识别装置包括：
11.第一获取单元，用于获取待识别运单的目标运单特征信息，所述目标运单特征信息包括所述待识别运单的多个运单信息；
12.第二获取单元，用于基于所述目标运单特征信息，获取所述待识别运单的目标特征表示值；
13.识别单元，用于根据所述目标特征表示值和预设的异常映射参数，确定所述待识别运单的目标重量异常信息，其中，所述异常映射参数用于反映运单的特征表示值与运单
的重量异常信息之间的约束关系，所述异常映射参数通过样本运单的样本特征表示值和样本运单的实际重量异常信息进行学习得到。
14.第三方面，本技术还提供一种电子设备，所述电子设备包括处理器和存储器，所述存储器中存储有计算机程序，所述处理器调用所述存储器中的计算机程序时执行本技术提供的任一种运单重量信息异常识别方法中的步骤。
15.第四方面，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，以执行所述的运单重量信息异常识别方法中的步骤。
16.本技术通过结合待识别运单的目标运单特征信息，获取待识别运单的目标特征表示值；基于目标特征表示值和预设的异常映射参数，确定待识别运单的目标重量异常信息。第一方面，避免单纯地依赖高风险操作对象或高风险寄件对象来识别运单重量信息异常情况，结合待识别运单的多个运单信息对运单重量信息异常情况进行识别，可以提高重量异常信息的识别准确率。第二方面，由于可以基于待识别运单的多个运单信息对运单重量信息异常情况进行识别，因此，可以提高重量信息异常的运单识别率。第三方面，由于异常映射参数是通过样本运单的样本特征表示值和样本运单的实际重量异常信息进行学习得到的，异常映射参数反映了运单的特征表示值与运单的重量异常信息之间的约束关系，因此通过异常映射参数确定目标重量异常信息，可以较为精准地识别运单重量信息异常情况。可见，本技术实施例可以提高重量异常信息的识别准确率、进而提高重量信息异常的运单识别率。
附图说明
17.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。
18.图1是本技术实施例所提供的运单重量信息异常识别系统的场景示意图；
19.图2是本技术实施例提供的运单重量信息异常识别方法的一种流程示意图；
20.图3是本技术实施例中学习异常映射参数的一种流程示意图；
21.图4是本技术实施例提供的提示信息输出的说明示意图；
22.图5是本技术实施例提供的目标终端输出提示信息的一种示意图；
23.图6是本技术实施例提供的目标终端输出提示信息的另一种示意图；
24.图7是本技术实施例中提供的运单重量信息异常识别装置的一个实施例结构示意图；
25.图8是本技术实施例中提供的电子设备的一个实施例结构示意图。
具体实施方式
26.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。
27.在本技术实施例的描述中，需要理解的是，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所述特征。在本技术实施例的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
28.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，不会对公知的过程进行详细阐述，以避免不必要的细节使本技术实施例的描述变得晦涩。因此，本技术并非旨在限于所示的实施例，而是与符合本技术实施例所公开的原理和特征的最广范围相一致。
29.本技术实施例运单重量信息异常识别方法的执行主体可以为本技术实施例提供的运单重量信息异常识别装置，或者集成了该运单重量信息异常识别装置的服务器设备、物理主机或者用户设备(user equipment，ue)等不同类型的电子设备，其中，运单重量信息异常识别装置可以采用硬件或者软件的方式实现，ue具体可以为智能手机、平板电脑、笔记本电脑、掌上电脑、台式电脑或者个人数字助理(personal digital assistant，pda)等终端设备。
30.该电子设备可以采用单独运行的工作方式，或者也可以采用设备集群的工作方式。
31.参见图1，图1是本技术实施例所提供的运单重量信息异常识别系统的场景示意图。其中，该运单重量信息异常识别系统可以包括电子设备100，电子设备100中集成有运单重量信息异常识别装置。例如，该电子设备可以获取待识别运单的目标运单特征信息，所述目标运单特征信息包括所述待识别运单的多个运单信息；基于所述目标运单特征信息，获取所述待识别运单的目标特征表示值；根据所述目标特征表示值和预设的异常映射参数，确定所述待识别运单的目标重量异常信息，其中，所述异常映射参数用于反映运单的特征表示值与运单的重量异常信息之间的约束关系，所述异常映射参数通过样本运单的样本特征表示值和样本运单的实际重量异常信息进行学习得到。
32.另外，如图1所示，该运单重量信息异常识别系统还可以包括存储器200，用于存储数据，如存储运单特征信息。
33.需要说明的是，图1所示的运单重量信息异常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运单重量信息异常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，随着运单重量信息异常识别系统的演变和新业务场景的出现，本发明实施例提供的技术方案对于类似的技术问题，同样适用。
34.下面，开始介绍本技术实施例提供的运单重量信息异常识别方法，本技术实施例中以电子设备作为执行主体，为了简化与便于描述，后续方法实施例中将省略该执行主体。
35.参照图2，图2是本技术实施例提供的运单重量信息异常识别方法的一种流程示意图。需要说明的是，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。该运单重量信息异常识别方法包括步骤201～203，其中：
36.201、获取待识别运单的目标运单特征信息。
37.其中，目标运单特征信息是待识别运单的运单信息，比如待识别运单的基础特征信息、基础特征信息的组合特征信息、待识别运单的归属特征信息等。目标运单特征信息包括所述待识别运单的多个运单信息。
38.其中，基础特征信息是指待识别运单的基本信息，比如，运单的寄件对象、揽件对象、收件网点、收件网点类型、产品类型、计费重量、托寄物等。
39.组合特征信息是指待识别运单的基本信息中至少两者组合得到的信息，比如，揽件对象_寄件对象、托寄物_计费重量、产品类型_计费重量。
40.归属特征信息是指待识别运单的所属对象，例如，运单的寄件对象、揽件对象、收件网点等。
41.202、基于所述目标运单特征信息，获取所述待识别运单的目标特征表示值。
42.其中，目标特征表示值是用于预测待识别运单的重量信息是否异常的、待识别运单的运单信息的指示信息。目标特征表示值的表现形式有多种，示例性地，包括：
43.一、目标特征表示值为目标运单特征信息对应预设的目标异常概率。
44.此时，步骤202之前还包括步骤a1：
45.a1、获取各运单特征信息对应预设的异常概率。
46.此时，步骤202具体可以包括步骤2021a：
47.2021a、从各运单特征信息对应预设的异常概率中，获取与目标运单特征信息对应的目标异常概率，以作为待识别运单的目标特征表示值。
48.由于不同业务场景下运单特征信息有多种表现形式，下面举例介绍运单特征信息分别是基础特征信息、基础特征信息的组合特征信息、归属特征信息时，步骤a1中运单特征信息对应预设的异常概率的获取方式。
49.(1)运单特征信息是基础特征信息。
50.示例性地，步骤a1具体可以包括：统计预设时段内各基础特征信息对应的复重件量、各基础特征信息对应的复重异常件量；基于各基础特征信息对应的复重件量、复重异常件量，确定各基础特征信息对应的异常概率，以作为运单特征信息对应预设的异常概率。
51.以基础特征信息具体是收件网点、运单特征信息对应预设的异常概率是各收件网点的异常概率为例。其中，收件网点的异常概率是收件网点的重量异常件量与复重件量之比为例。此时，步骤a1具体可以包括：统计预设时段内每个收件网点的复重件量、每个收件网点的复重异常件量；基于每个收件网点的复重件量、每个收件网点的复重异常件量，确定每个收件网点的异常概率，得到各收件网点的异常概率。
52.其中，复重件量是指进行重量复核过的运单数量。
53.复重异常件量是指进行重量复核过的运单中，存在如计费重量少计等重量异常信息的运单数量。
54.此处，异常概率是复重异常件量与复重件量之比。
55.示例性地，通过统计预设时段内每个收件网点的复重件量、每个收件网点的复重异常件量；基于每个收件网点的复重件量、每个收件网点的复重异常件量，确定每个收件网点的异常概率，可以得到如下表1所示的各运单特征信息对应预设的异常概率。
56.表1
57.运单特征信息(收件网点)异常概率
网点1概率1网点2概率2
……
网点n概率n
58.此时，目标运单特征信息可以为待识别运单的目标收件网点，步骤2021a具体可以包括：从各收件网点的异常概率中，获取目标收件网点的目标异常概率，以作为待识别运单的目标特征表示值。
59.同理，类似于基础特征信息是收件网点时异常概率的确定方式，可以以基础特征信息分别是寄件对象、揽件对象、收件网点类型、产品类型、计费重量、托寄物，分别确定各寄件对象的异常概率、各揽件对象的异常概率、各收件网点类型的异常概率、各产品类型的异常概率、计费重量的异常概率、托寄物的异常概率，得到各基础特征信息对应的异常概率，以作为运单特征信息对应预设的异常概率。
60.类似地，目标运单特征信息还可以为待识别运单的目标寄件对象、目标揽件对象、目标收件网点类型、目标产品类型、目标计费重量、或目标托寄物等。步骤2021a的实现还可以是：将上述“从各收件网点的异常概率中，获取目标收件网点的目标异常概率，以作为待识别运单的目标特征表示值”中的“收件网点”替换为“寄件对象”、“揽件对象”、“收件网点类型”、“产品类型”、“计费重量”、或“托寄物”等，来确定待识别运单的目标特征表示值。
61.进一步地，为了提高特征信息的全面性，以提高运单重量信息异常识别的准确率，也可以结合如寄件对象、揽件对象、收件网点、收件网点类型、产品类型、计费重量、托寄物等基础特征信息中的至少两者的异常概率，确定待识别运单的目标特征表示值。此时，步骤2021a具体可以包括：从每个基础特征信息对应预设的异常概率中，获取待识别运单的各目标基础特征信息的异常概率；将各目标基础特征信息的异常概率进行融合表征，得到待识别运单的基础特征信息对应的目标异常概率，以作为待识别运单的目标特征表示值。
62.例如，可以同时结合待识别运单的目标寄件对象、目标揽件对象、目标收件网点、目标收件网点类型、目标产品类型、目标计费重量、目标托寄物这7个基础特征信息，确定目标特征表示值。首先，通过上述方式，可以分别确定目标寄件对象的异常概率h1、目标揽件对象的异常概率h2、目标收件网点的异常概率h3、目标收件网点类型的异常概率h4、目标产品类型的异常概率h5、目标计费重量的异常概率h6、目标托寄物的异常概率h7。然后，将异常概率h1、h2、h3、h4、h5、h6、h7融合表征为一个数组{h1,h2,h3,h4,h5,h6,h7}，得到待识别运单的基础特征信息对应的目标异常概率{h1,h2,h3,h4,h5,h6,h7}，作为待识别运单的目标特征表示值。
63.通过结合多个待识别运单的多个基础特征信息确定目标特征表示值，使得目标特征表示值可以融合多方面的信息，为后续运单重量信息异常的识别提供了全面的数据，从而可以提高运单重量信息异常的识别准确率。
64.(2)运单特征信息是基础特征信息的组合特征信息。
65.示例性地，步骤a1具体可以包括：统计预设时段内各组合特征信息对应的复重件量、各组合特征信息对应的复重异常件量；基于各组合特征信息对应的复重件量、复重异常件量，确定各组合特征信息对应的异常概率，以作为运单特征信息对应预设的异常概率。
66.以组合特征信息具体是揽件对象_寄件对象、运单特征信息对应预设的异常概率
是各揽件对象_寄件对象的异常概率为例。其中，揽件对象_寄件对象的异常概率是揽件对象_寄件对象对应的重量异常件量与复重件量之比为例，此时，步骤a1具体可以包括：统计预设时段内每个揽件对象_寄件对象的复重件量、每个揽件对象_寄件对象的复重异常件量；基于每个揽件对象_寄件对象的复重件量、每个揽件对象_寄件对象的复重异常件量，确定每个揽件对象_寄件对象的异常概率，得到各揽件对象_寄件对象的异常概率。
67.其中，复重件量是指进行重量复核过的运单数量。
68.复重异常件量是指进行重量复核过的运单中，存在如计费重量少计等重量异常信息的运单数量。
69.此处，异常概率是复重异常件量与复重件量之比。
70.示例性地，通过统计预设时段内每个揽件对象_寄件对象的复重件量、每个揽件对象_寄件对象的复重异常件量；基于每个揽件对象_寄件对象的复重件量、每个揽件对象_寄件对象的复重异常件量，确定每个揽件对象_寄件对象的异常概率，可以得到如下表2所示的各运单特征信息对应预设的异常概率。
71.表2
[0072][0073]
此时，目标运单特征信息可以为待识别运单的目标揽件对象_目标寄件对象，步骤2021a具体可以包括：从各揽件对象_寄件对象的异常概率中，获取目标揽件对象_目标寄件对象的目标异常概率，以作为待识别运单的目标特征表示值。
[0074]
同理，类似于组合特征信息是揽件对象_寄件对象时异常概率的确定方式，可以以组合特征信息分别是托寄物_计费重量、产品类型_计费重量，分别确定各托寄物_计费重量的异常概率、各产品类型_计费重量的异常概率，得到各组合特征信息对应的异常概率，以作为运单特征信息对应预设的异常概率。
[0075]
类似地，目标运单特征信息还可以为待识别运单的目标托寄物_目标计费重量、或目标产品类型_目标计费重量等。步骤2021a的实现还可以是：将上述“从各揽件对象_寄件对象的异常概率中，获取目标揽件对象_目标寄件对象的目标异常概率，以作为待识别运单的目标特征表示值”中的“揽件对象_寄件对象”替换为“托寄物_计费重量”、或“产品类型_计费重量”等，来确定待识别运单的目标特征表示值。
[0076]
进一步地，为了提高特征信息的全面性，以提高运单重量信息异常识别的准确率，也可以结合如揽件对象_寄件对象、托寄物_计费重量、产品类型_计费重量等组合特征信息中的至少两者的异常概率，确定待识别运单的目标特征表示值。此时，步骤2021a具体可以包括：从每个组合特征信息对应预设的异常概率中，获取待识别运单的各目标组合特征信息的异常概率；将各目标组合特征信息的异常概率进行融合表征，得到待识别运单的组合
特征信息对应的目标异常概率，以作为待识别运单的目标特征表示值。
[0077]
例如，可以同时结合待识别运单的揽件对象_寄件对象、托寄物_计费重量、产品类型_计费重量这3个组合特征信息，确定目标特征表示值。首先，通过上述方式，可以分别确定目标揽件对象_目标寄件对象的异常概率h1、目标托寄物_目标计费重量的异常概率h2、目标产品类型_目标计费重量的异常概率h3。然后，将异常概率h1、h2、h3融合表征为一个数组{h1,h2,h3}，得到待识别运单的组合特征信息对应的目标异常概率{h1,h2,h3}，作为待识别运单的目标特征表示值。
[0078]
通过结合多个待识别运单的多个组合特征信息确定目标特征表示值，使得目标特征表示值可以融合多方面的信息。由于融合特征信息可以从基础特征信息的低维度出发，构建更高维度的特征信息来表征高风险特征，如运单的托寄物和计费重量相结合，更贴合实际业务场景中出现重量信息异常时的风险特征。为后续运单重量信息异常的识别提供了全面的数据，从而可以更贴合实际业务情况预测运单的重量信息异常情况，进而提高运单重量信息异常的识别准确率。
[0079]
(3)运单特征信息是归属特征信息。
[0080]
示例性地，步骤a1具体可以包括：统计预设时段内各归属特征信息复重件量、各归属特征信息对应收件网点的复重异常件量；基于各归属特征信息的复重件量、复重异常件量，确定各归属特征信息的异常概率，以作为运单特征信息对应预设的异常概率。
[0081]
以归属特征信息具体是标的收件网点、运单特征信息对应预设的异常概率是标的收件网点的异常概率为例。其中，标的收件网点的异常概率是标的收件网点的目标运单的重量异常件量与复重件量之比为例。其中，标的收件网点是指符合预设条件(如小于预设重量阈值且不存在建包操作)的运单对应的收件网点；目标运单是指标的收件网点的运单中，符合预设条件(如小于预设重量阈值且不存在建包操作，如《3kg且不存在建包操作)的运单。此时，步骤a1具体可以包括：统计预设时段内每个标的收件网点的目标运单的复重件量、每个标的收件网点的目标运单的复重异常件量；基于每个标的收件网点的目标运单的复重件量、每个标的收件网点的目标运单的复重异常件量，确定每个标的收件网点的目标运单的异常概率，得到各标的收件网点的异常概率。
[0082]
此处预设条件仅为举例，具体可以根据实际业务场景需求而调整，不以此处为限制。
[0083]
为了便于物流管理，在物流领域中通常会有建包操作，以防重量或体积较小的运单丢失；建包操作是将重量或体积较小的多个运单打包成一个包裹，后续以一个包裹的形式进行运输。
[0084]
其中，复重件量是指进行重量复核过的运单数量。
[0085]
复重异常件量是指进行重量复核过的运单中，存在如计费重量少计等重量异常信息的运单数量。
[0086]
此处，异常概率是复重异常件量与复重件量之比。
[0087]
示例性地，通过统计预设时段内每个标的收件网点的目标运单的复重件量、每个标的收件网点的目标运单的复重异常件量；基于每个标的收件网点的目标运单的复重件量、每个标的收件网点的目标运单的复重异常件量，确定每个标的收件网点的目标运单的异常概率，可以得到如下表3所示的各标的收件网点的异常概率。
[0088]
表3
[0089]
标的收件网点异常概率网点1概率1网点2概率2
……
网点n概率n
[0090]
此时，目标运单特征信息可以为待识别运单的目标收件网点，步骤2021a具体可以包括：从各标的收件网点的目标运单的异常概率中，获取待识别运单的目标收件网点的目标运单的目标异常概率，以作为待识别运单的目标特征表示值。
[0091]
通过结合多个待识别运单的多个归属特征信息确定目标特征表示值，使得目标特征表示值可以融合多方面的信息。由于基于归属特征信息可以构建与实际业务场景相关的高风险特征，如运单对应网点符合小于预设重量阈值且不存在建包操作等预设条件的目标运单的异常概率，更贴合实际业务场景中出现重量信息异常时的风险特征。为后续运单重量信息异常的识别提供了全面的数据，从而可以更贴合实际业务情况预测运单的重量信息异常情况，进而提高运单重量信息异常的识别准确率。
[0092]
二、目标特征表示值为目标运单特征信息对应的目标衍生表示值。其中，衍生表示值根据目标异常概率确定。
[0093]
基于目标衍生表示值确定目标特征表示值的方式有多种。例如，目标衍生表示值可以同时存储在预设数据库中，步骤202中可以直接获取目标衍生表示值来作为目标特征表示值。或者，也可以将目标异常概率存储在预设数据库中，步骤202中获取预先存储的目标异常概率实时确定目标衍生表示值，进而再将实时确定的目标衍生表示值作为目标特征表示值。下面举例(1)和(2)进行说明：
[0094]
(1)在一些实施方式中，目标运单特征信息对应的目标衍生表示值存储在预设数据库中，步骤202中可以直接获取目标运单特征信息对应的目标衍生表示值作为目标特征表示值。此时，步骤202之前还包括步骤b1～步骤b2：
[0095]
b1、获取各运单特征信息对应预设的异常概率。
[0096]
其中，步骤b1与上述步骤a1类似，具体可以参照上述步骤a1的说明，此处不再赘述。
[0097]
b2、基于各运单特征信息对应预设的异常概率，确定各运单特征信息对应预设的衍生表示值。
[0098]
衍生表示值是运单特征信息的扩展表示信息。
[0099]
示例性地，如表4所示，首先，基于各运单特征信息对应预设的异常概率，确定各运单特征信息对应预设的异常概率的下四分位数；然后，将第一预设值作为(对应预设的异常概率)小于下四分位数的运单特征信息的衍生表示值、将第二预设值作为(对应预设的异常概率)大于或等于下四分位数的运单特征信息的衍生表示值，从而，得到各运单特征信息对应预设的衍生表示值。
[0100]
表4
[0101]
异常概率x衍生表示值x《下四分位数第一预设值
x≥下四分位数第二预设值
[0102]
例如，以运单特征信息具体是收件网点、运单特征信息对应预设的异常概率是各收件网点的异常概率、第一预设值是1、第二预设值是0为例。首先，基于各收件网点对应预设的异常概率(如网点1、2、3对应预设的异常概率分别为9％、20％、30％、40％)，确定各收件网点对应预设的异常概率的下四分位数(如10％)；然后，将第一预设值作为小于下四分位数的收件网点的衍生表示值、将第二预设值作为大于或等于下四分位数的收件网点的衍生表示值，从而，得到各收件网点对应预设的衍生表示值(即，网点1、2、3对应预设的衍生表示值分别为：1、0、0)。
[0103]
此处，第一预设值、第二预设值仅为举例，具体可以根据实际业务需求而确定第一预设值、第二预设值的具体取值，不以此处为限制。
[0104]
此处，下四分位数仅为“确定各运单特征信息对应预设的衍生表示值”的一个举例，具体可以根据实际业务需求将下四分位数替换为下n分位数、或者替换为上四分位数、或者替换为上n分位数，不以此处为限。
[0105]
对应地，步骤202具体可以包括步骤2021b～步骤2022b：
[0106]
2021b、从各运单特征信息对应预设的衍生表示值中，获取所述目标运单特征信息对应的目标衍生表示值，作为所述目标特征表示值。
[0107]
2022b、基于所述目标衍生表示值，确定所述目标特征表示值。
[0108]
(2)在另一些实施方式中，目标运单特征信息对应预设的目标异常概率存储在预设数据库中，目标异常概率与目标衍生表示值存在预设表示值概率关系，步骤202中根据目标异常概率实时确定目标衍生表示值，再基于目标衍生表示值确定目标特征表示值。此时，步骤202之前还包括步骤c1：
[0109]
c1、获取各运单特征信息对应预设的异常概率。
[0110]
其中，步骤c1与上述步骤a1类似，具体可以参照上述步骤a1的说明，此处不再赘述。
[0111]
对应地，步骤202具体可以包括步骤2021c～步骤2023c：
[0112]
2021c、从各运单特征信息对应预设的异常概率中，获取所述目标运单特征信息对应的目标异常概率。
[0113]
其中，步骤2021c获取目标运单特征信息对应的目标异常概率、与上述步骤2021a中获取与目标运单特征信息对应的目标异常概率类似，具体可以参照上述步骤2021a的说明，此处不再赘述。
[0114]
2022c、基于所述目标异常概率和预设表示值概率关系，确定所述待识别运单的目标衍生表示值。
[0115]
其中，预设表示值概率关系用于指示目标异常概率与目标衍生表示值之间的关系。
[0116]
示例性地，预设表示值概率关系如下表5所示，若确定目标异常概率为x1，则可以确定待识别运单的目标衍生表示值为y1。
[0117]
表5
[0118]
异常概率x衍生表示值yx1y1
x2y2
……
xnyn
[0119]
2023c、将所述目标衍生表示值作为所述目标特征表示值。
[0120]
此时，可以直接将目标特征表示值作为目标特征表示值。为了方便理解，接以上步骤2022c的例子继续说明，例如，当确定待识别运单的目标衍生表示值为y1时，可以直接将目标衍生表示值为y1作为目标特征表示值。
[0121]
进一步地，为了提高目标特征表示值的信息表示全面性，以提高运单重量信息异常识别的准确率，参照上述步骤2021b、或步骤2021c～步骤2023c衍生特征值的获取方式，可以基于目标运单特征信息中的多个基础特征信息确定多个目标衍生表示值，作为目标特征表示值。
[0122]
例如，基础特征信息包括待识别运单的目标寄件对象、目标揽件对象、目标收件网点、目标收件网点类型、目标产品类型、目标计费重量、目标托寄物。可以分别确定目标寄件对象的目标衍生表示值q1、目标揽件对象的目标衍生表示值q2、目标收件网点的目标衍生表示值q3、目标收件网点类型的目标衍生表示值q4、目标产品类型的目标衍生表示值q5、目标计费重量的目标衍生表示值q6、目标托寄物的目标衍生表示值q7。然后，将基于基础特征信息确定的多个目标衍生表示值q1、q2、q3、q4、q5、q6、q7融合表征为一个数组{q1,q2,q3,q4,q5,q6,q7}，作为待识别运单的目标特征表示值。
[0123]
或者，也可以基于目标运单特征信息中的多个组合特征信息确定多个目标衍生表示值，作为目标特征表示值。
[0124]
例如，基础特征信息包括待识别运单的目标揽件对象_目标寄件对象、目标托寄物_目标计费重量、目标产品类型_目标计费重量。可以分别确定目标揽件对象_目标寄件对象的目标衍生表示值q1、目标托寄物_目标计费重量的目标衍生表示值q2、目标产品类型_目标计费重量的目标衍生表示值q3。然后，将基于融合特征信息确定的多个目标衍生表示值q1、q2、q3融合表征为一个数组{q1,q2,q3}，作为待识别运单的目标特征表示值。
[0125]
或者，基于目标运单特征信息中的多个归属特征信息确定多个目标衍生表示值，作为目标特征表示值。
[0126]
或者，进一步地，可以基于目标运单特征信息中的各基础特征信息、各组合特征信息、各归属特征信息中至少两个运单特征信息，确定至少两个目标衍生表示值，作为目标特征表示值。
[0127]
三、目标特征表示值为目标运单特征信息对应预设的目标异常概率和目标衍生表示值。
[0128]
进一步地，为了提高目标特征表示值的信息表示全面性，以提高运单重量信息异常识别的准确率，可以同时结合目标异常概率和目标衍生表示值，作为目标特征表示值。
[0129]
结合目标异常概率和目标衍生表示值确定目标特征表示值的方式有多种。例如，与上述“二、”中类似，目标异常概率和目标衍生表示值可以同时存储在预设数据库中，步骤202中可以直接获取来确定目标特征表示值。或者，也可以将目标异常概率存储在预设数据库中，步骤202中获取预先存储的目标异常概率实时确定目标衍生表示值，进而再结合目标异常概率和目标衍生表示值确定目标特征表示值。下面举例(1)和(2)进行说明：
[0130]
(1)在一些实施方式中，目标运单特征信息对应的目标异常概率、目标衍生表示值存储在预设数据库中，步骤202中可以直接获取目标运单特征信息对应的目标衍生表示值作为目标特征表示值。此时，步骤202之前还包括步骤d1～步d1、获取各运单特征信息对应预设的异常概率。
[0131]
d2、基于各运单特征信息对应预设的异常概率，确定各运单特征信息对应预设的衍生表示值。
[0132]
其中，步骤d1～步骤d2与上述步骤b1～步骤b2类似，具体可以参照上述步骤b1～步骤b2的说明，此处不再赘述。
[0133]
对应地，步骤202具体可以包括步骤2021d～步骤2023d：
[0134]
2021d、从各运单特征信息对应预设的异常概率中，获取所述目标运单特征信息对应的目标异常概率。
[0135]
其中，步骤2021d获取目标运单特征信息对应的目标异常概率、与上述步骤2021a中获取与目标运单特征信息对应的目标异常概率类似，具体可以参照上述步骤2021a的说明，此处不再赘述。
[0136]
2022d、从各运单特征信息对应预设的衍生表示值中，获取所述目标运单特征信息对应的目标衍生表示值。
[0137]
2023d、基于所述目标异常概率和所述目标衍生表示值，确定所述目标特征表示值。
[0138]
具体的，可以将目标异常概率和目标衍生表示值进行融合表征，作为目标特征表示值。
[0139]
示例性地，以目标运单特征信息是待识别运单的目标寄件对象、目标揽件对象、目标收件网点、目标收件网点类型、目标产品类型、目标计费重量、目标托寄物这7个基础特征信息为例。
[0140]
基于这7个基础特征信息可以依次确定：目标寄件对象的异常概率h1、目标揽件对象的异常概率h2、目标收件网点的异常概率h3、目标收件网点类型的异常概率h4、目标产品类型的异常概率h5、目标计费重量的异常概率h6、目标托寄物的异常概率h7，以及目标寄件对象的目标衍生表示值q1、目标揽件对象的目标衍生表示值q2、目标收件网点的目标衍生表示值q3、目标收件网点类型的目标衍生表示值q4、目标产品类型的目标衍生表示值q5、目标计费重量的目标衍生表示值q6、目标托寄物的目标衍生表示值q7。此时，可以将异常概率h1、h2、h3、h4、h5、h6、h7，目标衍生表示值q1、q2、q3、q4、q5、q6、q7融合为一个数组{h1,h2,h3,h4,h5,h6,h7,q1,q2,q3,q4,q5,q6,q7}，作为待识别运单的目标特征表示值。
[0141]
(2)在一些实施方式中，目标异常概率存储在预设数据库中，目标异常概率与目标衍生表示值存在预设表示值概率关系，步骤202中根据目标异常概率实时确定目标衍生表示值，再结合目标异常概率和实时确定的目标衍生表示值确定目标特征表示值。此时，步骤202之前还包括步骤e1：
[0142]
e1、获取各运单特征信息对应预设的异常概率。
[0143]
其中，步骤e1与上述步骤a1类似，具体可以参照上述步骤a1的说明，此处不再赘述。
[0144]
对应地，步骤202具体可以包括步骤2021e～步骤2023e：
[0145]
2021e、从各运单特征信息对应预设的异常概率中，获取所述目标运单特征信息对应的目标异常概率。
[0146]
其中，步骤2021e获取目标运单特征信息对应的目标异常概率、与上述步骤2021a中获取与目标运单特征信息对应的目标异常概率类似，具体可以参照上述步骤2021a的说明，此处不再赘述。
[0147]
2022e、基于所述目标异常概率和预设表示值概率关系，确定所述待识别运单的目标衍生表示值。
[0148]
其中，所述预设表示值概率关系用于指示目标异常概率与目标衍生表示值之间的关系。
[0149]
步骤2022e与上述步骤2022c类似，具体可参照上述步骤2022c的说明，此处不再赘述。
[0150]
2023e、基于所述目标异常概率和所述目标衍生表示值，确定所述目标特征表示值。
[0151]
其中，步骤2023e与上述步骤2023d类似，具体可以参照上述步骤2023d的说明，此处不再赘述。
[0152]
由以上步骤2021a、步骤2021c～步骤2023c、以及步骤2021d～步骤2023d、步骤2021e～2023e可以看出，步骤202具体可以包括：从各运单特征信息对应预设的异常概率中，获取所述目标运单特征信息对应的目标异常概率；基于所述目标异常概率确定所述目标特征表示值。
[0153]
由以上内容可以看出，所述目标运单特征信息取自所述待识别运单的基础特征信息、所述基础特征信息的组合特征信息、所述待识别运单的归属特征信息中的至少一者。可以基于待识别运单的基础特征信息、所述基础特征信息的组合特征信息、所述待识别运单的归属特征信息中的至少一者确定待识别运单的目标特征表示值，具体可以参照上述步骤2021a、步骤2021b～2022b、步骤2021c～2023c、步骤2021d～2023d、步骤2021e～2023e的说明。
[0154]
下面以目标特征表示值是衍生表示值和异常概率，目标运单特征信息是为例待识别运单的基础特征信息、组合特征信息和归属特征信息为例，说明目标特征表示值的确定。此时，步骤202具体可以包括步骤2021f～步骤2023f：
[0155]
2021f、获取所述基础特征信息对应的第一异常概率、所述组合特征信息对应的第二异常概率和所述归属特征信息对应的第三异常概率。
[0156]
其中，第一异常概率是指基于基础特征信息确定的、目标运单特征信息对应的目标异常概率。
[0157]
第二异常概率是指基于组合特征信息确定的、目标运单特征信息对应的目标异常概率。
[0158]
第三异常概率是指基于归属特征信息确定的、目标运单特征信息对应的目标异常概率。
[0159]
其中，第一异常概率、第二异常概率、第三异常概率与上述目标异常概率的确定方式类似，具体可以参照上述步骤2021a、步骤2021b～2022b、步骤2021c～2023c、步骤2021d～2023d、或步骤2021e～2023e相关说明，此处不再赘述。
[0160]
2022f、基于所示第一异常概率、第二异常概率、第三异常概率和预设表示值概率映射关系，确定所述待识别运单的第一衍生表示值、第二衍生表示值和第三衍生表示值。
[0161]
其中，第一衍生表示值是指基于第一异常概率确定的、目标运单特征信息对应预设的衍生表示值。
[0162]
第二衍生表示值是指基于第二异常概率确定的、目标运单特征信息对应预设的衍生表示值。
[0163]
第三衍生表示值是指基于第三异常概率确定的、目标运单特征信息对应预设的衍生表示值。
[0164]
其中，第一衍生表示值、第二衍生表示值和第三衍生表示值与上述目标衍生表示值的确定方式类似，具体可以参照上述步骤2021a、步骤2021b～2022b、步骤2021c～2023c、步骤2021d～2023d、或步骤2021e～2023e相关说明，此处不再赘述。
[0165]
2023f、基于所述第一异常概率、所述第二异常概率、所述第三异常概率、所述第一衍生表示值、所述第二衍生表示值和所述第三衍生表示值，确定所述待识别运单的目标特征表示值。
[0166]
具体地，可以将第一异常概率、第二异常概率、第三异常概率、第一衍生表示值、第二衍生表示值和第三衍生表示值进行融合表征，作为目标特征表示值。
[0167]
例如，第一异常概率、第二异常概率、第三异常概率、第一衍生表示值、第二衍生表示值和第三衍生表示值分别为：h1、h2、h3、q1、q2、q3，可将h1、h2、h3、q1、q2、q3融合表征为一个数组{h1,h2,h3,h4,h5,h6,h7}，作为待识别运单的目标特征表示值。
[0168]
通过结合待识别运单的基础特征信息、融合特征信息和归属特征信息确定目标特征表示值，使得目标特征表示值可以融合多方面的信息，为后续运单重量信息异常的识别提供了全面的数据，从而可以提高运单重量信息异常的识别准确率。并且，一方面，由于融合特征信息可以从基础特征信息的低维度出发，构建更高维度的特征信息来表征高风险特征，如运单的托寄物和计费重量相结合，更贴合实际业务场景中出现重量信息异常时的风险特征；从而可以更贴合实际业务情况预测运单的重量信息异常情况，进而提高运单重量信息异常的识别准确率。另一方面，由于基于归属特征信息可以构建与实际业务场景相关的高风险特征，如运单对应网点符合小于预设重量阈值且不存在建包操作等预设条件的目标运单的异常概率，更贴合实际业务场景中出现重量信息异常时的风险特征，从而提高运单重量信息异常的识别准确率。
[0169]
203、根据所述目标特征表示值和预设的异常映射参数，确定所述待识别运单的目标重量异常信息。
[0170]
其中，所述异常映射参数用于反映运单的特征表示值与运单的重量异常信息之间的约束关系，所述异常映射参数通过样本运单的样本特征表示值和样本运单的实际重量异常信息进行学习得到。
[0171]
其中，目标重量异常信息用于指示待识别运单的运单重量信息是否异常。
[0172]
运单重量信息异常可以是比如少计重量等异常，少计重量是指寄件时填写的计费重量低于实际的计费重量且误差较大，运单少计可能是员工操作失误带来、也可能是工具有问题、还有可能是人为原因，无论是何种原因，均有必要识别出运单重量信息是否异常，以便及时发现运单重量信息异常情况，便于运单的有效管理。
[0173]
在一些实施例中，可以通过异常映射参数，根据所述样本特征表示值进行预测，得到待识别运单的运单异常概率值，作为预测重量异常信息。其中，当运单异常概率值大于预设异常阈值时，确定待识别运单的运单重量信息异常；当运单异常概率值小于或等于预设异常阈值时，确定待识别运单的运单重量信息正常。
[0174]
由以上内容可以看出，本技术实施例通过结合待识别运单的目标运单特征信息，获取待识别运单的目标特征表示值；基于目标特征表示值和预设的异常映射参数，确定待识别运单的目标重量异常信息。第一方面，避免单纯地依赖高风险操作对象或高风险寄件对象来识别运单重量信息异常情况，结合待识别运单的多个运单信息对运单重量信息异常情况进行识别，可以提高重量异常信息的识别准确率。第二方面，由于可以基于待识别运单的多个运单信息对运单重量信息异常情况进行识别，因此，可以提高重量信息异常的运单识别率。第三方面，由于异常映射参数是通过样本运单的样本特征表示值和样本运单的实际重量异常信息进行学习得到的，异常映射参数反映了运单的特征表示值与运单的重量异常信息之间的约束关系，因此通过异常映射参数确定目标重量异常信息，可以较为精准地识别运单重量信息异常情况。可见，本技术实施例可以提高重量异常信息的识别准确率、进而提高重量信息异常的运单识别率。
[0175]
在本技术的一些实施例中，还提供了异常映射参数的获取方式，具体地，如图3所示，图3是本技术实施例中学习异常映射参数的一种流程示意图，预设的异常映射参数可以通过如下步骤301～步骤305得到：
[0176]
301、获取训练数据集。
[0177]
其中，所述训练数据集包括多个样本运单，所述样本运单标注有实际重量异常信息。
[0178]
实际重量异常信息是指通过实际的、用于指示样本运单的运单重量信息是否异常的信息。
[0179]
302、获取所述样本运单的样本特征表示值。
[0180]
其中，样本特征表示值是用于预测样本运单的重量信息是否异常的、样本运单的运单信息的指示信息。
[0181]
具体地，首先获取样本运单的样本运单特征信息；然后，基于样本运单特征信息，获取样本运单的样本特征表示值。
[0182]
与目标运单特征信息类似，样本运单特征信息也可以样本运单特征信息是样本运单的运单信息，比如样本运单的基础特征信息、基础特征信息的组合特征信息、样本运单的归属特征信息等。
[0183]
步骤302中基于样本运单特征信息获取样本特征表示值的方式，与上述步骤202获取目标特征表示值的方式类似，具体可以参照上述步骤202的说明，此处不再赘述。
[0184]
303、通过待训练决策树，根据所述样本特征表示值进行预测，得到所述样本运单的预测重量异常信息。
[0185]
其中，预测重量异常信息是指通过预测得到的、用于指示样本运单的运单重量信息是否异常的信息。
[0186]
示例性地，待训练决策树为gbdt(gradient boosting decision tree，梯度提升决策树)模型。由于gbdt模型可以对连续值进行完美切合，因此采用gbdt模型，无需对运单
场景下的连续值(如异常概率)进行特殊处理，即可对运单的重量异常信息进行预测。
[0187]
此处，待训练决策树仅为举例，具体可以根据实际需求而调整，如调整待训练决策树为其他开源的树模型，或者未来可能出现的树模型，不以此处为限制。
[0188]
在一些实施例中，通过待训练决策树，根据所述样本特征表示值进行预测，得到样本运单的运单异常值，作为预测重量异常信息。其中，当运单异常值大于预设异常阈值时，确定样本运单的运单重量信息异常；当运单异常值小于或等于预设异常阈值时，确定样本运单的运单重量信息正常。
[0189]
304、基于所述预测重量异常信息和所述实际重量异常信息，对所述待训练决策树的模型参数进行调整，直至符合预设的停止训练条件时，得到已训练决策树。
[0190]
具体地，步骤304具体可以包括：基于预测重量异常信息和实际重量异常信息，确定待训练决策树的预测损失；基于待训练决策树的预测损失，对待训练决策树的模型参数进行调整，直至符合预设的停止训练条件时，得到已训练决策树。
[0191]
示例性地，待训练决策树对应设置了预测损失函数，以使得待训练决策树能够学习到运单的特征表示值与运单的重量异常信息之间的约束关系。预测损失函数对应于待训练决策树输出的预测重量异常信息进行设置。在训练过程中，预测损失函数的值即为待训练决策树的预测损失，通过将预测重量异常信息和实际重量异常信息代入预测损失函数中，即可计算得到待训练决策树的预测损失。其中，在本技术实施例中对预测损失函数的具体函数类型不做限制，示例性地，预测损失函数可以是对数损失函数、或指数损失函数。
[0192]
其中，预设的停止训练条件可以根据实际需求而设置。例如，可以是当预测损失小于预设值时，或者是预测损失基本不再变化时，即相邻多次训练对应的预测损失的差值小于预设值；或者是待训练决策树训练的迭代次数达到最大迭代次数时。
[0193]
305、提取所述已训练决策树的模型参数，以作为所述异常映射参数。
[0194]
由于已训练决策树是通过样本运单的样本特征表示值和样本运单的实际重量异常信息进行学习得到，因此已训练决策树的模型参数已经学习到了运单的特征表示值与运单的重量异常信息之间的约束关系。通过提取已训练决策树的模型参数作为异常映射参数，用于预测待识别运单的目标重量异常信息，可以保证精准地识别运单重量信息的异常情况。
[0195]
进一步地，为了便于重量信息异常运单的管理，如图4所示，图4是本技术实施例提供的提示信息输出的说明示意图，所述根据所述目标特征表示值和预设的异常映射参数，确定所述待识别运单的目标重量异常信息之后，还包括：当确定所述待识别运单的重量信息异常时，通过所述待识别运单的目标终端输出重量异常提示信息。或者，当确定所述待识别运单的重量信息异常时，通过所述待识别运单的目标终端输出建议复核所述待识别运单重量的提示信息。
[0196]
其中，重量异常提示信息用于指示待识别运单的重量信息异常。
[0197]
通过待识别运单的目标终端，如扫描终端或管理平台等输出重量异常提示信息，可以使得相关工作人员可以及时发现待识别运单的重量信息异常情况，从而及时处理重量信息异常的运单。
[0198]
进一步地，为了便于重量信息异常运单的管理，如图4所示，所述根据所述目标特征表示值和预设的异常映射参数，确定所述待识别运单的目标重量异常信息之后，还包括：
当确定所述待识别运单的重量信息异常时，检测所述待识别运单是否满足预设条件。当所述待识别运单满足所述预设条件时，通过所述待识别运单的目标终端输出与所述预设条件对应的异常原因指示信息。当所述待识别运单不满足所述预设条件时，不输出异常原因指示信息。
[0199]
其中，目标终端包括待识别运单的扫描终端、管理平台中的至少一者。进一步地，在一些实施例中，本技术实施例运单重量信息异常识别方法的执行主体也可以是目标终端。
[0200]
异常原因指示信息用于指示待识别运单的重量信息的异常原因。
[0201]
例如，预设条件是指待识别运单小于预设重量阈值且待识别运单不存在建包操作(如《3kg且不存在建包操作)、异常原因指示信息为“待识别运单小于预设重量阈值且不存在建包操作”为例。当确定待识别运单的重量信息异常时，检测待识别运单是否满足预设条件，当待识别运单小于预设重量阈值且待识别运单不存在建包操作(如《3kg且不存在建包操作)时，通过待识别运单的目标终端输出异常原因指示信息“待识别运单小于预设重量阈值且不存在建包操作”。当待识别运单不满足预设条件时，可以通过待识别运单的目标终端输出输出重量异常提示信息、或者输出建议复核待识别运单重量的提示信息。
[0202]
此处预设条件仅为举例，具体可以根据实际业务场景需求而调整，不以此处为限制。
[0203]
可以理解的是，重量异常提示信息、建议复核待识别运单重量的提示信息、异常原因指示信息可以只输出其中一者，也可以结合三者进行输出，图4仅为举例，不以此处为限制。
[0204]
示例性地，扫描终端可以是运单揽收、中转、派送等过程中扫描运单识别码的终端，也可以是运单分拣时的分拣设备。管理平台可以为服务器或者终端的形式。此处，对扫描终端和管理平台的具体形式不作限制，具体可以根据实际业务场景而变化。
[0205]
如图5所示，图5是本技术实施例提供的目标终端输出提示信息的一种示意图，在实际业务场景中，可以通过一个目标终端(如扫描终端)同时输出重量异常提示信息、建议复核待识别运单重量的提示信息、异常原因指示信息，如图5中的(a)所示，图5中的(a)表示通过扫描终端同时输出重量异常提示信息、建议复核待识别运单重量的提示信息、异常原因指示信息。
[0206]
或者，也可以至少两个目标终端分别同时输出重量异常提示信息、建议复核待识别运单重量的提示信息、异常原因指示信息，如图5中的(a)和(b)所示，图5中的(b)表示通过管理平台同时输出重量异常提示信息、建议复核待识别运单重量的提示信息、异常原因指示信息。
[0207]
或者，如图6所示，图6是本技术实施例提供的目标终端输出提示信息的另一种示意图，还可以基于至少两个目标终端分别输出重量异常提示信息、建议复核待识别运单重量的提示信息、异常原因指示信息中的至少一者。图6中的(a)表示通过扫描终端建议复核待识别运单重量的提示信息，图6中的(b)表示通过管理平台同时输出重量异常提示信息、建议复核待识别运单重量的提示信息、异常原因指示信息。
[0208]
为了更好实施本技术实施例中运单重量信息异常识别方法，在运单重量信息异常识别方法基础之上，本技术实施例中还提供一种运单重量信息异常识别装置，如图7所示，
为本技术实施例中运单重量信息异常识别装置的一个实施例结构示意图，该运单重量信息异常识别装置700包括：
[0209]
第一获取单元701，用于获取待识别运单的目标运单特征信息，所述目标运单特征信息包括所述待识别运单的多个运单信息；
[0210]
第二获取单元702，用于基于所述目标运单特征信息，获取所述待识别运单的目标特征表示值；
[0211]
识别单元703，用于根据所述目标特征表示值和预设的异常映射参数，确定所述待识别运单的目标重量异常信息，其中，所述异常映射参数用于反映运单的特征表示值与运单的重量异常信息之间的约束关系，所述异常映射参数通过样本运单的样本特征表示值和样本运单的实际重量异常信息进行学习得到。
[0212]
在本技术一些实施例中，所述目标运单特征信息取自所述待识别运单的基础特征信息、所述基础特征信息的组合特征信息、所述待识别运单的归属特征信息中的至少一者。
[0213]
在本技术一些实施例中，所述第二获取单元702具体用于：
[0214]
从各运单特征信息对应预设的异常概率中，获取所述目标运单特征信息对应的目标异常概率；
[0215]
基于所述目标异常概率确定所述目标特征表示值。
[0216]
在本技术一些实施例中，所述第二获取单元702具体用于：
[0217]
基于所述目标异常概率和预设表示值概率关系，确定所述待识别运单的目标衍生表示值，其中，所述预设表示值概率关系用于指示目标异常概率与目标衍生表示值之间的关系；
[0218]
基于所述目标异常概率和所述目标衍生表示值，确定所述目标特征表示值。
[0219]
在本技术一些实施例中，所述目标运单特征信息包括所述待识别运单的基础特征信息、所述基础特征信息的组合特征信息和所述待识别运单的归属特征信息，所述第二获取单元702具体用于：
[0220]
获取所述基础特征信息对应的第一异常概率、所述组合特征信息对应的第二异常概率和所述归属特征信息对应的第三异常概率；
[0221]
基于所示第一异常概率、第二异常概率、第三异常概率和预设表示值概率映射关系，确定所述待识别运单的第一衍生表示值、第二衍生表示值和第三衍生表示值；
[0222]
基于所述第一异常概率、所述第二异常概率、所述第三异常概率、所述第一衍生表示值、所述第二衍生表示值和所述第三衍生表示值，确定所述待识别运单的目标特征表示值。
[0223]
在本技术一些实施例中，运单重量信息异常识别装置还包括提取单元(图中未示出)，所述根据所述目标特征表示值和预设的异常映射参数，确定所述待识别运单的目标重量异常信息之前，所述提取单元具体用于：
[0224]
获取训练数据集，其中，所述训练数据集包括多个样本运单，所述样本运单标注有实际重量异常信息；
[0225]
获取所述样本运单的样本特征表示值；
[0226]
通过待训练决策树，根据所述样本特征表示值进行预测，得到所述样本运单的预测重量异常信息；
[0227]
基于所述预测重量异常信息和所述实际重量异常信息，对所述待训练决策树的模型参数进行调整，直至符合预设的停止训练条件时，得到已训练决策树；
[0228]
提取所述已训练决策树的模型参数，以作为所述异常映射参数。
[0229]
在本技术一些实施例中，运单重量信息异常识别装置还包括输出单元(图中未示出)，所述目标重量异常信息用于指示所述待识别运单的重量信息是否异常，所述根据所述目标特征表示值和预设的异常映射参数，确定所述待识别运单的目标重量异常信息之后，所述输出单元具体用于：
[0230]
当确定所述待识别运单的重量信息异常时，通过所述待识别运单的目标终端输出重量异常提示信息，所述目标终端包括所述待识别运单的扫描终端、管理平台中的至少一者；
[0231]
或者，当确定所述待识别运单的重量信息异常时，通过所述待识别运单的目标终端输出建议复核所述待识别运单重量的提示信息，所述目标终端包括所述待识别运单的扫描终端、管理平台中的至少一者。
[0232]
在本技术一些实施例中，所述目标重量异常信息用于指示所述待识别运单的重量信息是否异常，所述根据所述目标特征表示值和预设的异常映射参数，确定所述待识别运单的目标重量异常信息之后，所述输出单元具体用于：
[0233]
当确定所述待识别运单的重量信息异常时，检测所述待识别运单是否满足预设条件；
[0234]
当所述待识别运单满足所述预设条件时，通过所述待识别运单的目标终端输出与所述预设条件对应的异常原因指示信息，其中，所述目标终端包括所述待识别运单的扫描终端、管理平台中的至少一者所述异常原因指示信息用于指示所述待识别运单的重量信息的异常原因。
[0235]
在本技术一些实施例中，所述预设条件是指所述待识别运单小于预设重量阈值且所述待识别运单不存在建包操作，所述异常原因指示信息为所述待识别运单小于预设重量阈值且所述待识别运单不存在建包操作。
[0236]
具体实施时，以上各个单元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，以上各个单元的具体实施可参见前面的方法实施例，在此不再赘述。
[0237]
由于该运单重量信息异常识别装置可以执行本技术如图1至图6对应任意实施例中运单重量信息异常识别方法中的步骤，因此，可以实现本技术如图1至图6对应任意实施例中运单重量信息异常识别方法所能实现的有益效果，详见前面的说明，在此不再赘述。
[0238]
此外，为了更好实施本技术实施例中运单重量信息异常识别方法，在运单重量信息异常识别方法基础之上，本技术实施例还提供一种电子设备，参阅图8，图8示出了本技术实施例电子设备的一种结构示意图，具体的，本技术实施例提供的电子设备包括处理器801，处理器801用于执行存储器802中存储的计算机程序时实现如图1至图6对应任意实施例中运单重量信息异常识别方法的各步骤；或者，处理器801用于执行存储器802中存储的计算机程序时实现如图7对应实施例中各单元的功能。
[0239]
示例性的，计算机程序可以被分割成一个或多个模块/单元，一个或者多个模块/单元被存储在存储器802中，并由处理器801执行，以完成本技术实施例。一个或多个模块/
单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述计算机程序在计算机装置中的执行过程。
[0240]
电子设备可包括，但不仅限于处理器801、存储器802。本领域技术人员可以理解，示意仅仅是电子设备的示例，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，例如电子备还可以包括输入输出设备、网络接入设备、总线等，处理器801、存储器802、输入输出设备以及网络接入设备等通过总线相连。
[0241]
处理器801可以是中央处理单元(central processing unit，cpu)，还可以是其他通用处理器、数字信号处理器(digital signal processor，dsp)、专用集成电路(application specific integrated circuit，asic)、现成可编程门阵列(field-programmable gate array，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，处理器是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。
[0242]
存储器802可用于存储计算机程序和/或模块，处理器801通过运行或执行存储在存储器802内的计算机程序和/或模块，以及调用存储在存储器802内的数据，实现计算机装置的各种功能。存储器802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(比如音频数据、视频数据等)等。此外，存储器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，例如硬盘、内存、插接式硬盘，智能存储卡(smart media card，smc)，安全数字(secure digital，sd)卡，闪存卡(flash card)、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。
[0243]
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的运单重量信息异常识别装置、电子设备及其相应单元的具体工作过程，可以参考如图1至图6对应任意实施例中运单重量信息异常识别方法的说明，具体在此不再赘述。
[0244]
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。
[0245]
为此，本技术实施例提供一种计算机可读存储介质，其中存储有多条指令，该指令能够被处理器进行加载，以执行本技术如图1至图6对应任意实施例中运单重量信息异常识别方法中的步骤，具体操作可参考如图1至图6对应任意实施例中运单重量信息异常识别方法的说明，在此不再赘述。
[0246]
其中，该计算机可读存储介质可以包括：只读存储器(rom，read only memory)、随机存取存储器(ram，random access memory)、磁盘或光盘等。
[0247]
由于该计算机可读存储介质中所存储的指令，可以执行本技术如图1至图6对应任意实施例中运单重量信息异常识别方法中的步骤，因此，可以实现本技术如图1至图6对应任意实施例中运单重量信息异常识别方法所能实现的有益效果，详见前面的说明，在此不再赘述。
[0248]
以上对本技术实施例所提供的一种运单重量信息异常识别方法、装置、电子设备及计算机可读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，综上所述，本说明书内容不应理解为对本技术的限制。