订单识别方法、装置和可读存储介质制造方法及图纸

本公开提供了一种订单识别方法、装置和可读存储介质，属于电子技术领域。该方法包括：获取待识别订单的地址信息；将待识别订单的地址信息转换成向量；调用目标神经网络模型对向量进行处理，得到待识别订单是否为异常订单的识别结果，该目标神经网络模型基于订单样本进行训练得到。本公开通过基于订单样本训练得到目标卷积神经网络模型，使其具有识别不同特征的待识别订单的能力，从而调用该模型对由待识别订单的地址信息转换的向量进行处理得到识别结果，避免了基于单一特征对待识别订单进行识别导致的误判问题。

Order recognition method, device and readable storage medium

The present disclosure provides an order recognition method, device and readable storage medium, belonging to the field of electronic technology. The method includes: acquiring the address information of the order to be identified; converting the address information of the order to be identified into a vector; calling the target neural network model to process the vector, and getting the recognition result of whether the order to be identified is an abnormal order. The target neural network model is trained based on the order sample. This disclosure obtains the target convolution neural network model by training based on order samples, so that it has the ability to recognize the order with different characteristics. Thus, the model is called to process the vector transformed by the address information of the order to be identified to obtain the recognition result, avoiding recognizing the order based on a single feature. Don't cause misjudgement.

【技术实现步骤摘要】
订单识别方法、装置和可读存储介质
本公开涉及电子
，尤其涉及一种订单识别方法、装置和可读存储介质。
技术介绍
随着电子技术的发展，电子商务越来越普及，电子购物平台上的各种营销手段越来越丰富。比如，将商品定价为较低的价格，并在一个指定的时间点开放购买。在这种情况下，会出现一些异常订单，该异常订单对应的购买行为违背活动规则，例如，通过抢单软件等方式在电子购物平台上抢购低价商品，再以高价卖出。这些异常订单对应的购买行为严重影响了其他具有真实购买意图的用户的利益。因此，需要对订单进行识别。相关技术中，通过待识别订单使用的终端的网络互联协议(IP，InternetProtocol)地址对待识别订单进行识别。例如，如果曾经有违规购买行为的订单使用过该IP地址，则将该待识别订单确定为异常订单。
技术实现思路
本公开提供一种订单识别的方法、装置和可读存储介质，以克服相关技术中存在的问题。所述技术方案如下：一方面，本公开提供一种订单识别方法，包括：获取待识别订单的地址信息；将所述待识别订单的地址信息转换成向量；调用目标神经网络模型对所述向量进行处理，得到所述待识别订单是否为异常订单的识别结果，所述目标神经网络模型基于订单样本进行训练得到。可选地，所述将所述待识别订单的地址信息转换成向量，包括：将所述待识别订单的地址信息进行文本切分，基于所述文本切分后的结果得到字符集合；基于所述字符集合得到所述待识别订单的地址信息对应的向量。可选地，所述基于所述文本切分后的结果得到字符集合包括：将所述文本切分后的结果中的特殊字符和数字字符剔除得到字符集合。在一种可能的实现方式中，所述方法还包括：获取订单样本；根据所述订单样本获取地址样本；将所述地址样本转换成向量；采用所述地址样本对应的向量训练神经网络模型，得到所述目标神经网络模型。可选地，所述地址样本包括地址负样本，所述根据所述订单样本获取地址样本，包括：当所述订单样本的地址信息包括异常地址词条时，将所述订单样本的地址信息作为地址负样本。可选地，所述地址样本包括地址负样本，所述根据所述订单样本获取地址样本，包括：采用地图应用程序对所述订单样本的地址信息进行检索，当检索结果不存在或检索结果与所述订单样本的地址信息的相似度未达到相似度阈值时，将所述订单样本的地址信息作为地址负样本。可选地，所述地址样本包括地址负样本，所述根据所述订单样本获取地址样本，包括：当所述订单样本对应的对象的选中时间与所述对象的购买时间间隔未满足第一时间间隔阈值时，将所述订单样本的地址信息作为地址负样本。可选地，所述地址样本包括地址负样本，所述根据所述订单样本获取地址样本，包括：当所述订单样本对应的对象的收取时间信息与所述对象的激活时间间隔未满足第二时间间隔阈值时，将所述订单样本中的地址信息作为地址负样本。可选地，所述地址样本包括地址正样本，所述根据所述订单样本获取地址样本，包括：当所述订单样本对应的对象的收取时间信息与所述对象的激活时间间隔满足第三时间间隔阈值时，将所述订单样本中的地址信息作为地址正样本。可选地，所述地址样本包括地址正样本，所述根据所述订单样本获取地址样本，包括：当所述订单样本对应的用户账号在用户账号白名单中时，将所述订单样本中的地址信息作为地址正样本。另一方面，本公开提供一种订单识别装置，所述装置包括：地址获取模块，被配置为获取待识别订单的地址信息；转换模块，被配置为将所述待识别订单的地址信息转换成向量；识别模块，被配置为调用目标神经网络模型对所述向量进行处理，得到所述待识别订单是否为异常订单的识别结果，所述目标神经网络模型基于订单样本进行训练得到。可选地，所述转换模块，被配置为，基于所述文本切分后的结果得到字符集合。可选地，所述转换模块，被配置为，将所述待识别订单的地址信息进行文本切分，并将文本切分后的结果中的特殊字符和数字字符剔除得到字符集合；基于所述字符集合得到所述待识别订单的地址信息对应的向量。在一种可能的实施方式中，所述装置还包括：样本获取模块，被配置为获取订单样本；地址样本获取模块，被配置为根据所述订单样本获取地址样本；样本向量转换模块，被配置为将所述地址样本转换成向量；训练模块，被配置为采用所述地址样本对应的向量训练神经网络模型，得到所述目标神经网络模型。可选地，所述地址样本包括地址负样本，所述地址样本获取模块，被配置为，当所述订单样本的地址信息包括异常地址词条时，将所述订单样本的地址信息作为地址负样本。可选地，所述地址样本包括地址负样本，所述地址样本获取模块，被配置为，采用地图应用程序对所述订单样本的地址信息进行检索，当检索结果不存在或检索结果与所述订单样本的地址信息的相似度未达到相似度阈值时，将所述订单样本的地址信息作为地址负样本。可选地，所述地址样本包括地址负样本，所述地址样本获取模块，被配置为，当所述订单样本对应的对象的选中时间与所述对象的购买时间间隔未满足第一时间间隔阈值时，将所述订单样本的地址信息作为地址负样本。可选地，所述地址样本包括地址负样本，所述地址样本获取模块被配置为，当所述订单样本对应的对象的收取时间信息与所述对象的激活时间间隔未满足第二时间间隔阈值时，将所述订单样本中的地址信息作为地址负样本。可选地，所述地址样本包括地址正样本，所述地址样本获取模块，被配置为，当所述订单样本对应的对象的收取时间信息与所述对象的激活时间间隔满足第三时间间隔阈值时，将所述订单样本中的地址信息作为地址正样本。可选地，所述地址样本包括地址正样本，所述地址样本获取模块，被配置为，当所述订单样本对应的用户账号在用户账号白名单中时，将所述订单样本中的地址信息作为地址正样本。另一方面，本公开提供一种订单识别装置，所述装置包括：处理器；用于存储处理器可执行指令的存储器；其中，所述处理器被配置为上述第一方面所述的任一项方法的步骤。另一方面，本公开提供一种计算机可读存储介质，所述计算机可读存储介质上存储有指令，所述指令被处理器执行时实现上述第一方面所述的任一项方法的步骤。本公开提供的技术方案至少包括以下有益效果：本公开通过基于订单样本训练得到目标卷积神经网络模型，使其具有识别不同特征的待识别订单的能力，从而调用该模型对由待识别订单的地址信息转换的向量进行处理得到识别结果，避免了基于单一特征对待识别订单进行识别导致的误判问题。此外，通过对订单样本的更新以及使用其对目标卷积神经网络模型的训练，可以实现该目标卷积神经网络模型对待识别订单的识别能力的更新，使得本公开提供的方案具有更强的后向兼容性。应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。附图说明此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本专利技术的实施例，并与说明书一起用于解释本专利技术的原理。图1是根据本公开实施例提供的一种卷积神经网络模型的原理示意图；图2是根据本公开一个实施例提供的一种订单识别方法的流程图；图3是根据本公开一个实施例提供的一种订单识别方法的流程图；图4是根据本公开一个实施例提供的一种订单识别装置的框图；图5是根据本公开一个实施例提供的一种订单识别装置的框图；图6是根据本公开一个实施例提供的一种订单识别装置的框图。具体实施方式为使本公开的目的、技术方案和优点更加清楚，下面本文档来自技高网...

【技术保护点】
1.一种订单识别方法，其特征在于，所述方法包括：获取待识别订单的地址信息；将所述待识别订单的地址信息转换成向量；调用目标神经网络模型对所述向量进行处理，得到所述待识别订单是否为异常订单的识别结果，所述目标神经网络模型基于订单样本进行训练得到。

【技术特征摘要】
1.一种订单识别方法，其特征在于，所述方法包括：获取待识别订单的地址信息；将所述待识别订单的地址信息转换成向量；调用目标神经网络模型对所述向量进行处理，得到所述待识别订单是否为异常订单的识别结果，所述目标神经网络模型基于订单样本进行训练得到。2.根据权利要求1所述的方法，其特征在于，所述将所述待识别订单的地址信息转换成向量，包括：将所述待识别订单的地址信息进行文本切分，基于所述文本切分后的结果得到字符集合；基于所述字符集合得到所述待识别订单的地址信息对应的向量。3.根据权利要求2所述的方法，其特征在于，所述基于所述文本切分后的结果得到字符集合包括：将所述文本切分后的结果中的特殊字符和数字字符剔除得到字符集合。4.根据权利要求1-3任一项所述的方法，其特征在于，所述方法还包括：获取订单样本；根据所述订单样本获取地址样本；将所述地址样本转换成向量；采用所述地址样本对应的向量训练神经网络模型，得到所述目标神经网络模型。5.根据权利要求4所述的方法，其特征在于，所述地址样本包括地址负样本，所述根据所述订单样本获取地址样本，包括：当所述订单样本的地址信息包括异常地址词条时，将所述订单样本的地址信息作为地址负样本。6.根据权利要求4所述的方法，其特征在于，所述地址样本包括地址负样本，所述根据所述订单样本获取地址样本，包括：采用地图应用程序对所述订单样本的地址信息进行检索，当检索结果不存在或检索结果与所述订单样本的地址信息的相似度未达到相似度阈值时，将所述订单样本的地址信息作为地址负样本。7.根据权利要求4所述的方法，其特征在于，所述地址样本包括地址负样本，所述根据所述订单样本获取地址样本，包括：当所述订单样本对应的对象的选中时间与所述对象的购买时间间隔未满足第一时间间隔阈值时，将所述订单样本的地址信息作为地址负样本。8.根据权利要求4所述的方法，其特征在于，所述地址样本包括地址负样本，所述根据所述订单样本获取地址样本，包括：当所述订单样本对应的对象的收取时间信息与所述对象的激活时间间隔未满足第二时间间隔阈值时，将所述订单样本中的地址信息作为地址负样本。9.根据权利要求4所述的方法，其特征在于，所述地址样本包括地址正样本，所述根据所述订单样本获取地址样本，包括：当所述订单样本对应的对象的收取时间信息与所述对象的激活时间间隔满足第三时间间隔阈值时，将所述订单样本中的地址信息作为地址正样本。10.根据权利要求4所述的方法，其特征在于，所述地址样本包括地址正样本，所述根据所述订单样本获取地址样本，包括：当所述订单样本对应的用户账号在用户账号白名单中时，将所述订单样本中的地址信息作为地址正样本。11.一种订单识别装置，其特征在于，所述装置包括：地址获取模块，被配置为获取待识别订单的地址信息；转换模块，被配置为将所述待识别订单的地址信息转换成向量；识别模块，被配置为调用目标神经网...

【专利技术属性】
技术研发人员：赵大昊，范坚劲，
申请(专利权)人：北京小米移动软件有限公司，
类型：发明
国别省市：北京,11