非正常订单处理方法、装置、存储介质和计算机设备制造方法及图纸

本发明专利技术提供一种非正常订单处理方法、装置、计算机可读存储介质和计算机设备，该方法包括：获取待配对订单的订单备注信息；根据所述订单备注信息，基于预置的非正常订单预测模型评估所述待配对订单为非正常订单的概率值；根据所述概率值，判断是否达到预置订单干预条件；若是，对所述待配对订单进行预设干预操作。该非正常订单处理方法通过干预高度疑似为非正常订单的待配对订单能够减少非正常单的曝光度，降低非正常订单被司机抢单的概率，从而保证司机的抢单效率和工作心情，提高司机体验，并提高约车平台的订单吞吐效率，有效维持约车平台的正常运营秩序。约车平台的正常运营秩序。约车平台的正常运营秩序。

【技术实现步骤摘要】
非正常订单处理方法、装置、存储介质和计算机设备


[0001]本专利技术涉及数据处理
，具体而言，本专利技术涉及一种非正常订单处理方法、装置、计算机可读存储介质和计算机设备。

技术介绍

[0002]随着时代的发展，网上约车成为了满足人们通勤、出行或者搬家等用车需求的重要方式。对于司机客户端，通常通过其客户端展示的订单列表进行抢单，司机通过了解订单的用车时间、装卸货位置、备注信息等选择适合自己的订单去提供服务。在实际应用过程中，约车平台会存在有非正常订单的现象，例如在备注信息中发布兼职或者交友的广告，或者备注司机难以完成的夸张需求，这类非正常单基本会如同正常订单一样推送给司机，这类非正常订单容易影响司机的抢单效率和工作心情，司机体验差，且降低约车平台的订单吞吐效率，对约车平台的正常运营秩序造成不良影响。

技术实现思路

[0003]为至少能解决上述的技术缺陷之一，本专利技术提供了以下技术方案的非正常订单处理方法及对应的装置、计算机可读存储介质和计算机设备。
[0004]本专利技术的实施例根据一个方面，提供了一种非正常订单处理方法，包括如下步骤：
[0005]获取待配对订单的订单备注信息；
[0006]根据所述订单备注信息，基于预置的非正常订单预测模型评估所述待配对订单为非正常订单的概率值；
[0007]根据所述概率值，判断是否达到预置订单干预条件；
[0008]若是，对所述待配对订单进行预设干预操作。
[0009]优选地，所述根据所述订单备注信息，基于预置的非正常订单预测模型评估所述待配对订单为非正常订单的概率值，包括：
[0010]对所述订单备注信息进行分词，得到备注分词；
[0011]根据所述备注分词，生成分词特征向量；
[0012]将所述分词特征向量输入预置的非正常订单预测模型，得到所述待配对订单为非正常订单的概率值。
[0013]优选地，所述对所述订单备注信息进行分词，得到备注分词，包括：
[0014]基于jieba分词组件对所述订单备注信息进行分词，得到备注分词。
[0015]优选地，所述根据所述概率值，判断是否达到预置订单干预条件，包括：
[0016]根据所述概率值，判断所述概率值是否大于预设阈值；或
[0017]根据所述概率值，判断所述概率值是否大于预设阈值；若是，随机生成随机概率值，判断所述随机概率值是否大于预设概率值。
[0018]优选地，所述对所述待配对订单进行预设干预操作，包括：
[0019]从约车平台的待配对订单库中删除所述待配对订单。
[0020]优选地，所述非正常订单预测模型通过以下步骤预先训练得到：
[0021]获取历史订单的历史订单备注信息和用于表示历史订单是否为非正常订单的标签信息；
[0022]对所述历史订单备注信息进行分词，得到历史备注分词；
[0023]根据所述历史备注分词，生成历史分词特征向量；
[0024]根据所述历史分词特征向量和所述标签信息，生成训练样本；
[0025]根据所述训练样本，基于预设算法训练生成所述非正常订单预测模型；所述非正常订单预测模型用于评估订单为非正常订单的概率值。
[0026]优选地，所述订单备注信息包括以下至少之一：期望车型、货物信息、是否需要司机提供搬货服务。
[0027]此外，本专利技术的实施例根据另一个方面，提供了一种非正常订单处理装置，包括：
[0028]备注获取模块，用于获取待配对订单的订单备注信息；
[0029]概率值评估模块，用于根据所述订单备注信息，基于预置的非正常订单预测模型评估所述待配对订单为非正常订单的概率值；
[0030]干预条件判断模块，用于根据所述概率值，判断是否达到预置订单干预条件；
[0031]订单干预模块，用于达到预置订单干预条件时，对所述待配对订单进行预设干预操作。
[0032]本专利技术的实施例根据又一个方面，提供了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计算机程序，所述计算机程序被处理器执行时实现上述的非正常订单处理方法。
[0033]本专利技术的实施例根据再一个方面，提供了一种计算机设备，所述计算机包括一个或多个处理器；存储器；一个或多个计算机程序，其中所述一个或多个计算机程序被存储在所述存储器中并被配置为由所述一个或多个处理器执行，所述一个或多个计算机程序配置用于：执行上述的非正常订单处理方法。
[0034]本专利技术与现有技术相比，具有以下有益效果：
[0035]本专利技术提供的非正常订单处理方法、装置、计算机可读存储介质和计算机设备，通过获取待配对订单的订单备注信息，并基于非正常订单预测模型评估待配对订单为非正常订单的概率值，进而根据概率值确定高度疑似为非正常订单的待配对订单并进行干预操作，通过干预高度疑似为非正常订单的待配对订单能够减少非正常单的曝光度，降低非正常订单被司机抢单的概率，从而保证司机的抢单效率和工作心情，提高司机体验，并提高约车平台的订单吞吐效率，有效维持约车平台的正常运营秩序。
[0036]本专利技术附加的方面和优点将在下面的描述中部分给出，这些将从下面的描述中变得明显，或通过本专利技术的实践了解到。
附图说明
[0037]本专利技术上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：
[0038]图1为本专利技术实施例提供的非正常订单处理方法的方法流程图；
[0039]图2为本专利技术实施例提供的概率值评估过程的方法流程图；
[0040]图3为本专利技术实施例提供的非正常订单预测模型训练过程的方法流程图；
[0041]图4为本专利技术实施例提供的非正常订单处理装置的结构示意图。
具体实施方式
[0042]下面详细描述本专利技术的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本专利技术，而不能解释为对本专利技术的限制。
[0043]本
技术人员可以理解，除非特意声明，这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是，本专利技术的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件，但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。这里使用的措辞“和/或”包括一个或更多个相关联的列出项的全部或任一单元和全部组合。
[0044]本
技术人员可以理解，除非另外定义，这里使用的所有术语(包括技术术语和科学术语)，具有与本专利技术所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是，诸如通用字典中定义的那些术语，应该被理解为具有与现有技术的上下文中的意义一致的意义，并且除非像这里一样被特定定义，否则不会用理想化或过于正式的含义来解释。
[0045]本专利技术实施例提供本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种非正常订单处理方法，其特征在于，包括如下步骤：获取待配对订单的订单备注信息；根据所述订单备注信息，基于预置的非正常订单预测模型评估所述待配对订单为非正常订单的概率值；根据所述概率值，判断是否达到预置订单干预条件；若是，对所述待配对订单进行预设干预操作。2.根据权利要求1所述的非正常订单处理方法，其特征在于，所述根据所述订单备注信息，基于预置的非正常订单预测模型评估所述待配对订单为非正常订单的概率值，包括：对所述订单备注信息进行分词，得到备注分词；根据所述备注分词，生成分词特征向量；将所述分词特征向量输入预置的非正常订单预测模型，得到所述待配对订单为非正常订单的概率值。3.根据权利要求2所述的非正常订单处理方法，其特征在于，所述对所述订单备注信息进行分词，得到备注分词，包括：基于jieba分词组件对所述订单备注信息进行分词，得到备注分词。4.根据权利要求1所述的非正常订单处理方法，其特征在于，所述根据所述概率值，判断是否达到预置订单干预条件，包括：根据所述概率值，判断所述概率值是否大于预设阈值；或根据所述概率值，判断所述概率值是否大于预设阈值；若是，随机生成随机概率值，判断所述随机概率值是否大于预设概率值。5.根据权利要求1所述的非正常订单处理方法，其特征在于，所述对所述待配对订单进行预设干预操作，包括：从约车平台的待配对订单库中删除所述待配对订单。6.根据权利要求1所述的非正常订单处理方法，其特征在于，所述非正常订单预测模型通过以下步骤预先训练得到：...

【专利技术属性】
技术研发人员：石辕，刘岳，魏岱玮，
申请(专利权)人：深圳依时货拉拉科技有限公司，
类型：发明
国别省市：