商家逃单行为的识别方法、装置、电子设备及存储介质制造方法及图纸

本申请公开了一种商家逃单行为的识别方法，属于计算机技术领域，有助于提升商家逃单行为识别准确率。本申请公开的商家逃单行为的识别方法包括：基于专家模型确定目标商家的至少一个逃单行为证据项的逃单行为描述特征；基于所述专家模型和所述至少一个逃单行为证据项的逃单行为描述特征，分别预测所述目标商家的对应各所述逃单行为证据项的逃单概率；通过对各所述逃单行为证据项的逃单概率进行线性融合，确定所述目标商家的第一逃单概率；基于预设多个机器学习模型分别对所述目标商家进行逃单概率预测，得到与所述机器学习模型各自对应的第二逃单概率；根据所述第一逃单概率、第二逃单概率，通过预设融合模型计算所述目标商家的逃单概率。

Recognition Method, Device, Electronic Equipment and Storage Medium of Business Escape Behavior

【技术实现步骤摘要】
商家逃单行为的识别方法、装置、电子设备及存储介质
本申请涉及计算机
，特别是涉及一种商家逃单行为的识别方法、装置、电子设备及计算机可读存储介质。
技术介绍
电子商务平台应为一便利性以及自身影响，为平台上的入住商家实现了用户引流和用户导入，平台和商家基于通过平台完成的订单成交量等资源结算数据进行资源结算。而商家的逃单行为则是通过各种行为对订单成交量等资源结算数据进行影响，从而影响平台和商家之间的资源结算准确性，对平台的收益产生了很大的影响。为此，现有技术中出现了识别商家逃单行为的方法，主要包括：基于用户反馈，人工确定商家逃单行为；基于专家模型识别逃单商家；通过机器学习模型预测商家逃单概率，根据逃单概率识别逃单商家。然而，现有技术中的识别商家逃单行为的方法，至少存在一下缺陷：第一，基于用户反馈，由人工确定商家逃单行为准确率，且无法主动发现逃单商家；第二，基于专家模型识别逃单商家行为，不具备学习能力，无法识别层出不穷的逃单行为；第三，通过机器学习模型预测商家逃单概率的方法存在冷启动问题，在样本数量较少时，识别准确率低。可见，现有技术中的商家逃单行为识别方法至少存在识别准确率低的缺陷。本文档来自技高网...

【技术保护点】
1.一种商家逃单行为的识别方法，其特征在于，包括：基于专家模型确定目标商家的至少一个逃单行为证据项的逃单行为描述特征；基于所述专家模型和所述至少一个逃单行为证据项的逃单行为描述特征，分别预测所述目标商家的对应各所述逃单行为证据项的逃单概率；通过对所述目标商家的对应各所述逃单行为证据项的逃单概率进行线性融合，确定所述目标商家的第一逃单概率；基于预设多个机器学习模型分别对所述目标商家进行逃单概率预测，得到与所述机器学习模型各自对应的第二逃单概率；根据所述第一逃单概率、与所述机器学习模型各自对应的第二逃单概率，通过预设融合模型计算所述目标商家的逃单概率。

【技术特征摘要】
1.一种商家逃单行为的识别方法，其特征在于，包括：基于专家模型确定目标商家的至少一个逃单行为证据项的逃单行为描述特征；基于所述专家模型和所述至少一个逃单行为证据项的逃单行为描述特征，分别预测所述目标商家的对应各所述逃单行为证据项的逃单概率；通过对所述目标商家的对应各所述逃单行为证据项的逃单概率进行线性融合，确定所述目标商家的第一逃单概率；基于预设多个机器学习模型分别对所述目标商家进行逃单概率预测，得到与所述机器学习模型各自对应的第二逃单概率；根据所述第一逃单概率、与所述机器学习模型各自对应的第二逃单概率，通过预设融合模型计算所述目标商家的逃单概率。2.根据权利要求1所述的方法，其特征在于，所述基于所述专家模型和所述至少一个逃单行为证据项的逃单行为描述特征，分别预测所述目标商家的对应各所述逃单行为证据项的逃单概率的步骤，包括：确定所述专家模型中包括的与所述至少一个逃单行为证据项匹配的特征处理模版；通过所述特征处理模版，分别对与所述特征处理模版匹配的所述逃单行为证据项的逃单行为描述特征的特征值进行数据处理，确定各所述逃单行为证据项的各所述逃单行为描述特征可生成逃单行为证据项的评分；对于每个所述逃单行为证据项，将该逃单行为证据项的各所述逃单行为描述特征中预设逃单行为描述特征的所述评分，确定为所述目标商家的对应该逃单行为证据项的逃单概率。3.根据权利要求2所述的方法，其特征在于，所述通过所述特征处理模版，分别对与所述特征处理模版匹配的所述逃单行为证据项的逃单行为描述特征的特征值进行数据处理，确定各所述逃单行为证据项的各所述逃单行为描述特征可生成逃单行为证据项的评分的步骤，包括：通过执行预设的与所述特征处理模版对应的程序指令，对相应的逃单行为证据项的各所述逃单行为描述特征的特征值分别进行以下数据处理：将所述逃单行为描述特征的特征值与预设的特征值区间和得分的对应关系进行匹配判断，并确定与所述特征值匹配的得分作为所述逃单行为描述特征可生成逃单行为证据项的评分；其中，所述特征值区间、所述特征值区间和得分的对应关系是根据历史逃单商家数据和专家模型确定的。4.根据权利要求2所述的方法，其特征在于，所述通过所述特征处理模版，分别对与所述特征处理模版匹配的所述逃单行为证据项的逃单行为描述特征的特征值进行数据处理，确定各所述逃单行为证据项的各所述逃单行为描述特征可生成逃单行为证据项的评分的步骤之后，还包括：对于每个所述逃单行为证据项，根据确定的该逃单行为证据项的各所述逃单行为描述特征可生成逃单行为证据项的评分、所述专家模型中包括的证据项生成模版，生成该逃单行为证据项的描述信息。5.根据权利要求2所述的方法，其特征在于，所述通过所述特征处理模版，分别对与所述特征处理模版匹配的所述逃单行为证据项的逃单行为描述特征的特征值进行数据处理，确定各所述逃单行为证据项的各所述逃单行为描述特征可生成逃单行为证据项的评分的步骤之前，还包括：分别确定各所述逃单行为证据项的逃单行为描述特征是否满足预设特征阈值；若满足，则通过所述特征处理模版，分别对与所述特征处理模版匹配的所述逃单行为证据项的逃单行为描述特征的特征值进行数据处理，确定各所述逃单行为...

【专利技术属性】
技术研发人员：张传美，方友，李光磊，陈平，刘丁，
申请(专利权)人：北京三快在线科技有限公司，
类型：发明
国别省市：北京,11