识别异常信息的方法、装置、服务器、客户端及介质制造方法及图纸

本公开提供了一种识别异常信息的方法，应用于服务器，该方法包括：接收包裹信息，所述包裹信息包括包裹的重量信息和包裹的尺寸信息；利用异常识别模型识别所述包裹的重量信息和所述包裹的尺寸信息，确定其是否存在异常；如果存在异常，向客户端发送异常信息，以便于提醒用户所述包裹信息存在异常。本公开还提供了一种识别异常信息的装置、服务器、客户端及介质。

【技术实现步骤摘要】
识别异常信息的方法、装置、服务器、客户端及介质
本公开涉及互联网的
，尤其涉及一种识别异常信息的方法、装置、服务器、客户端及介质。
技术介绍
随着互联网技术的快速发展，用户可以在网上采购各种商品，例如，手机、电脑、手表、衣服等等。在用户购买商品之后，需要商家对该商品进行打包出库，然后将包裹移交给配送公司。一般地，在将包裹移交给配送公司的相关人员时需要对该包裹进行测量，例如，测量该包裹的重量和体积，这样配送公司可以获取到该包裹的重量和体积。但是该配送公司只有该包裹的重量和体积信息，没有所包含商品的信息，因此导致在前端收货或分拣中心称重量方后，不能进行二次校验，必须要在录入时就提醒相关人员该包裹是否可能存在重量体积的异常，是否需要进行再次确认或者重新测量，因为包裹的重量和体积的准确性直接影响物流计费和商家使用体验。目前，业务方(配送公司)在分拣中心的揽件一体机上采取硬性规则进行校验包裹的重量和体积。硬性规则可以是针对包裹的重量和体积设置的阈值范围。但是，在实现本专利技术的专利技术构思的过程中，专利技术人发现现有技术至少存在以下问题：由于硬性规则定出来的异常为极值异常，导致异常的识别率低，不能对较小变化幅度的重量体积异常进行识别，实际应用的价值较低；而且对所有商家的包裹采取统一的异常识别规则，没有考虑不同商家的特殊性，会导致在规定最大值附近变化的商家包裹经常受到异常提示，降低了人员的工作效率和商家体验。
技术实现思路
有鉴于此，本公开提供一种识别异常信息的方法、装置、服务器、客户端及介质，进而至少部分地解决了由于相关技术的限制和缺陷而导致的一个或者多个问题。本公开的第一个方面提供了种识别异常信息的方法，应用于服务器，该方法包括：接收包裹信息，所述包裹信息包括包裹的重量信息和包裹的尺寸信息；利用异常识别模型识别所述包裹的重量信息和所述包裹的尺寸信息，确定其是否存在异常；如果存在异常，向客户端发送异常信息，以便于提醒用户所述包裹信息存在异常。根据本公开的实施例，在向客户端发送异常信息之后，该方法还包括：响应于用户操作，接收针对所述包裹录入的新信息。根据本公开的实施例，所述异常识别模型包括iForest模型。根据本公开的实施例，在接收所述包裹信息之前，该方法还包括：获取过去一段时间内某商家的所有包裹的重量信息和尺寸信息；利用硬性规则对某商家的所有包裹的重量信息和尺寸信息进行初步筛选，得到某商家满足所述硬性规则的包裹的重量信息和尺寸信息；基于某商家满足所述硬性规则的包裹的重量信息和尺寸信息建立所述异常识别模型。根据本公开的实施例，在基于某商家满足所述硬性规则的包裹的重量信息和尺寸信息建立所述异常识别模型之前，该方法还包括：判断某商家满足所述硬性规则的包裹的重量信息和尺寸信息是否适合聚类；如果适合聚类，则对某商家满足所述硬性规则的包裹的重量信息和尺寸信息进行聚类，得到与某商家满足所述硬性规则的包裹的重量信息和尺寸信息相对应的多个簇。根据本公开的实施例，对某商家满足所述硬性规则的包裹的重量信息和尺寸信息进行聚类，得到与某商家满足所述硬性规则的包裹的重量信息和尺寸信息相对应的多个簇包括：利用K-Means算法对某商家满足所述硬性规则的包裹的重量信息和尺寸信息进行聚类，得到与某商家满足所述硬性规则的包裹的重量信息和尺寸信息相对应的多个簇。根据本公开的实施例，基于某商家满足所述硬性规则的包裹的重量信息和尺寸信息建立所述异常识别模型包括：基于与某商家满足所述硬性规则的包裹的重量信息和尺寸信息相对应的多个簇建立所述异常识别模型。根据本公开的实施例，在对某商家满足所述硬性规则的包裹的重量信息和尺寸信息进行聚类之前，该方法还包括：对某商家满足所述硬性规则的包裹的重量信息和尺寸信息进行标准化处理。根据本公开的实施例，在对某商家满足所述硬性规则的包裹的重量信息和尺寸信息进行聚类之后，该方法还包括：基于每个簇中包裹的重量信息和尺寸信息计算该包裹的体积信息和密度信息；对每个簇中包裹的重量信息、体积信息和密度信息进行数化处理；利用3-sigma原则对数化处理后的每个簇中包裹的重量信息、体积信息和密度信息进行异常检测和排除。本公开的第二个方面提供了一种识别异常信息的方法，应用于客户端，该方法包括：向服务器发送包裹信息，以使得所述服务器利用异常识别模型识别所述包裹的重量信息和所述包裹的尺寸信息，确定其是否存在异常，如果存在异常，向客户端发送异常信息，所述包裹信息包括包裹的重量信息和包裹的尺寸信息；接收并展示所述异常信息。根据本公开的实施例，该方法还包括：当用户对所述异常信息确认之后，向服务器发送用户针对所述包裹录入的新信息。本公开的第三个方面提供了一种识别异常信息的装置，应用于服务器，该装置包括：第一接收模块，用于接收包裹信息，所述包裹信息包括包裹的重量信息和包裹的尺寸信息；识别模块，利用异常识别模型识别所述包裹的重量信息和所述包裹的尺寸信息，确定其是否存在异常；发送模块，如果存在异常，向客户端发送异常信息，以便于提醒用户所述包裹信息存在异常。根据本公开的实施例，该装置还包括：第二接收模块，用于响应于用户操作，接收针对所述包裹录入的新信息。根据本公开的实施例，所述异常识别模型包括iForest模型。根据本公开的实施例，该装置还包括：获取模块，用于获取过去一段时间内某商家的所有包裹的重量信息和尺寸信息；筛选模块，利用硬性规则对某商家的所有包裹的重量信息和尺寸信息进行初步筛选，得到某商家满足所述硬性规则的包裹的重量信息和尺寸信息；建立模块，基于某商家满足所述硬性规则的包裹的重量信息和尺寸信息建立所述异常识别模型。根据本公开的实施例，该装置还包括：判断模块，用于判断某商家满足所述硬性规则的包裹的重量信息和尺寸信息是否适合聚类；聚类模块，如果适合聚类，则对某商家满足所述硬性规则的包裹的重量信息和尺寸信息进行聚类，得到与某商家满足所述硬性规则的包裹的重量信息和尺寸信息相对应的多个簇。根据本公开的实施例，上述聚类模块配置为：利用K-Means算法对某商家满足所述硬性规则的包裹的重量信息和尺寸信息进行聚类，得到与某商家满足所述硬性规则的包裹的重量信息和尺寸信息相对应的多个簇。根据本公开的实施例，上述建立模块配置为：基于与某商家满足所述硬性规则的包裹的重量信息和尺寸信息相对应的多个簇建立所述异常识别模型。根据本公开的实施例，该装置还包括：标准化模块，用于对某商家满足所述硬性规则的包裹的重量信息和尺寸信息进行标准化处理。根据本公开的实施例，该装置还包括：计算模块，基于每个簇中包裹的重量信息和尺寸信息计算包裹的体积信息；数化处理模块，用于对每个簇中包裹的重量信息、体积信息和密度信息进行数化处理；异常检测模块，利用3-sigma原则对数化处理后的每个簇中包裹的重量信息、体积信息和密度信息进行异常检测和排除。本公开的第四个方面提供了一种识别异常信息的装置，应用于客户端，该装置包括：第一发送模块，用于向服务器发送包裹信息，以使得所述本文档来自技高网...

【技术保护点】
1.一种识别异常信息的方法，应用于服务器，该方法包括：/n接收包裹信息，所述包裹信息包括包裹的重量信息和包裹的尺寸信息；/n利用异常识别模型识别所述包裹的重量信息和所述包裹的尺寸信息，确定其是否存在异常；/n如果存在异常，向客户端发送异常信息，以便于提醒用户所述包裹信息存在异常。/n

【技术特征摘要】
1.一种识别异常信息的方法，应用于服务器，该方法包括：
接收包裹信息，所述包裹信息包括包裹的重量信息和包裹的尺寸信息；
利用异常识别模型识别所述包裹的重量信息和所述包裹的尺寸信息，确定其是否存在异常；
如果存在异常，向客户端发送异常信息，以便于提醒用户所述包裹信息存在异常。


2.根据权利要求1所述的方法，其中，在向客户端发送异常信息之后，该方法还包括：
响应于用户操作，接收针对所述包裹录入的新信息。


3.根据权利要求1所述的方法，其中，所述异常识别模型包括iForest模型。


4.根据权利要求1所述的方法，其中，在接收所述包裹信息之前，该方法还包括：
获取过去一段时间内某商家的所有包裹的重量信息和尺寸信息；
利用硬性规则对某商家的所有包裹的重量信息和尺寸信息进行初步筛选，得到某商家满足所述硬性规则的包裹的重量信息和尺寸信息；
基于某商家满足所述硬性规则的包裹的重量信息和尺寸信息建立所述异常识别模型。


5.根据权利要求4所述的方法，其中，在基于某商家满足所述硬性规则的包裹的重量信息和尺寸信息建立所述异常识别模型之前，该方法还包括：
判断某商家满足所述硬性规则的包裹的重量信息和尺寸信息是否适合聚类；
如果适合聚类，则对某商家满足所述硬性规则的包裹的重量信息和尺寸信息进行聚类，得到与某商家满足所述硬性规则的包裹的重量信息和尺寸信息相对应的多个簇。


6.根据权利要求5所述的方法，其中，对某商家满足所述硬性规则的包裹的重量信息和尺寸信息进行聚类，得到与某商家满足所述硬性规则的包裹的重量信息和尺寸信息相对应的多个簇包括：
利用K-Means算法对某商家满足所述硬性规则的包裹的重量信息和尺寸信息进行聚类，得到与某商家满足所述硬性规则的包裹的重量信息和尺寸信息相对应的多个簇。


7.根据权利要求5所述的方法，其中，基于某商家满足所述硬性规则的包裹的重量信息和尺寸信息建立所述异常识别模型包括：
基于与某商家满足所述硬性规则的包裹的重量信息和尺寸信息相对应的多个簇建立所述异常识别模型。


8.根据权利要求5所述的方法，其中，在对某商家满足所述硬性规则的包裹的重量信息和尺寸信息进行聚类之前，该方法还包括：
对某商家满足所述硬性规则的包裹的重量信息和尺寸信息进行标准化处理。


9.根据权利要求5所述的方法，其中，在对某商家满足所述硬性规则的包裹的重量信息和尺寸信息进行聚类之后...

【专利技术属性】
技术研发人员：李伟伟，姜婷，
申请(专利权)人：北京京东振世信息技术有限公司，
类型：发明
国别省市：北京;11