【技术实现步骤摘要】
订单分类模型训练方法和装置、订单检测方法和装置
[0001]本公开涉及信息处理领域，特别涉及一种订单分类模型训练方法和装置、订单检测方法和装置。
技术介绍
[0002]为了避免盗号下单给合法用户带来的损失，在相关技术中采用了以下几种处理方式：
[0003]1)基于账号登录地进行检测。通过将比用户经常登录的城市与本次登录城市做比对，如果用户异地登录且进行下单操作，认为账号风险较高，进而增加验证环节。主要通过IP地址获取用户登录地位置。
[0004]2)基于历史风险库检测。通过结合威胁情报，并对大量用户在一定时间内的下单数据进行积累和打标签，从而形成黑样本和白样本，进一步利用黑样本和白样本进行训练以生成风险识别模型。利用该风险识别模型进行检测并定期更新。
[0005]3)基于特定规则。例如针对某品类的订单，或者收货地址为某个区域的订单。
[0006]4)基于设备指纹的账号异常检测。通过对用户历史登录所使用的设备采集相关特征作为设备指纹，检测本次用户登录所使用的设备指纹是否与历史记录中的设备指纹有相...
【技术保护点】
【技术特征摘要】
1.一种订单分类模型训练方法，包括：获取指定用户在预设时间范围内的订单信息以生成历史订单库；根据异常订单历史记录，为所述历史订单库中的异常订单添加异常标签；提取出所述历史订单库中各订单的特征信息；将所述各订单的特征信息转换为对应的特征向量；利用所述历史订单库中的各异常订单的特征向量和各正常订单的特征向量对预设模型进行训练，以得到异常订单分类模型。2.根据权利要求1所述的方法，其中，异常订单分类模型包括第一分类模型，利用所述历史订单库中的各异常订单的特征向量和各正常订单的特征向量对预设模型进行训练包括：在所述历史订单库中的订单数量小于预设门限的情况下，计算所述历史订单库中的异常订单的特征向量与正常订单的特征向量的欧式距离平均值；将所述欧式距离平均值作为所述第一分类模型的分类参数值。3.根据权利要求2所述的方法，其中，异常订单分类模型还包括第二分类模型，利用所述历史订单库中的各异常订单的特征向量和各正常订单的特征向量对预设模型进行训练包括：在所述历史订单库中的订单数量不小于预设门限的情况下，利用所述历史订单库中的各异常订单的特征向量和各正常订单的特征向量对所述第二分类模型进行训练，以确定所述第二分类模型的分类参数值。4.根据权利要求3所述的方法，其中，所述第二分类模型为K最近邻分类模型；所述第二分类模型的分类参数值为K最近邻分类模型中的K值。5.根据权利要求3所述的方法，其中，利用所述历史订单库中的各异常订单的特征向量和各正常订单的特征向量对分类模型进行训练包括：分别对所述各异常订单的特征向量和所述各正常订单的特征向量进行降维处理；利用所述各异常订单的降维后的特征向量和所述各正常订单的降维后的特征向量对分类模型进行训练。6.根据权利要求1所述的方法，其中，将所述各订单的特征信息转换为对应的特征向量包括：利用Bert模型将所述各订单的特征信息转换为对应的特征向量。7.根据权利要求1-6中任一项所述的方法，其中，所述订单的特征信息包括所述订单的收货地址、所述订单的物品品类归属、优惠券使用信息、支付方式中的至少一项。8.一种订单分类模型训练装置，包括：第一订单获取模块，被配置为获取指定用户在预设时间范围内的订单信息以生成历史订单库；订单识别模块，被配置为根据异常订单历史记录，为所述历史订单库中的异常订单添加异常标签；第一特征信息提取模块，被配置为提取出所述历史订单库中各订单的特征信息；
第一特征向量转换模块，被配置为将所述各订单的特征信息转换为对应的特征向量；训练模块，被配置为利用所述历史订单库中的各异常订单的特征向量和各正常订单的特征向量对预设模型进行训练，以得到异常订单分类模型。9.一种订单分类模型训练装置，包括：存储器，被配置为存储指令；处理器，耦合到存储器，处理器被配置为基于存储器存储...
【专利技术属性】
技术研发人员：赵志辉，洪敬风，葛茂林，乔全胜，
申请(专利权)人：北京京东世纪贸易有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。