本申请涉及一种异常快件识别方法、装置、计算机设备和存储介质。所述方法包括：获取待识别快件在多个预设异常识别场景下的场景标识；根据所述场景标识获取对应的历史复重运单数据和实时运单数据，根据所述历史复重运单数据和所述实时运单数据，得到所述待识别快件在各个所述预设异常识别场景下的异常风险信息；根据各个所述预设异常识别场景下的异常风险信息，确定所述待识别快件的目标风险信息；根据所述目标风险信息，确定对所述待识别快件的异常识别结果。采用本方法能够提高对待识别快件识别结果的准确度，从而解决了传统的少计重量快件的识别方法中由于复重的随机性及规则的局限性，导致对少计重量快件的识别准确率较低的问题。低的问题。低的问题。
【技术实现步骤摘要】
异常快件识别方法、装置、计算机设备和存储介质
[0001]本申请涉及物流
，特别是涉及一种异常快件识别方法、装置、计算机设备和存储介质。
技术介绍
[0002]少计重量是指寄件时填写的计费重量低于实际的计费重量且误差较大。运单少计重量可能使车辆的实际装载量超过额定装载量，甚至由于装载量过多而发生事故，因此，识别少计重量的快件是物流领域的一个重要环节。
[0003]目前，对少计重量的快件的识别方法，有在动态秤随机复重、静态秤随机抽查复重、以及利用规则，推送高风险员工或用户的运单给到派件端，但是由于中转复重的随机性以及规则的局限性，所考虑的情况有限使目前的识别方法能够识别少计快件的数量和准确率已达到瓶颈。
[0004]因此，目前对少计重量快件的识别方法存在识别准确率较低的问题。
技术实现思路
[0005]基于此，有必要针对上述少计重量快件的识别方法存在的识别准确率较低的技术问题，提供一种异常快件识别方法、装置、计算机设备和存储介质。
[0006]一种异常快件识别方法，所述方法包括：
[0007]获取待识别快件在多个预设异常识别场景下的场景标识；
[0008]根据所述场景标识获取对应的历史复重运单数据和实时运单数据，根据所述历史复重运单数据和所述实时运单数据，得到所述待识别快件在各个所述预设异常识别场景下的异常风险信息；
[0009]根据各个所述预设异常识别场景下的异常风险信息，确定所述待识别快件的目标风险信息；
[0010]根据所述目标风险信息，确定对所述待识别快件的异常识别结果。
[0011]在其中一个实施例中，所述异常风险信息包括场景风险值和场景权重，若所述预设异常识别场景为收件员工和月结用户的组合场景、收件员工和托寄物类型的组合场景、月结用户和托寄物类型的组合场景中的任一个，则所述根据所述历史复重运单数据和所述实时运单数据，得到所述待识别快件在各个所述预设异常识别场景下的异常风险信息，包括：
[0012]根据所述历史复重运单数据，得到所述预设异常识别场景下的复重参数值；所述复重参数值包括红冲率，所述红冲率表示复重发现重量少计的快件量与总复重快件量的比率；
[0013]根据所述红冲率和红冲率阈值，得到所述待识别快件在所述收件员工和月结用户的组合场景、所述收件员工和托寄物类型的组合场景、所述月结用户和托寄物类型的组合场景中任一个场景下的场景风险值。
[0014]在其中一个实施例中，若所述预设异常识别场景为执行寄件操作规则前计费重量的修改记录，则所述根据所述历史复重运单数据和所述实时运单数据，得到所述待识别快件在各个所述预设异常识别场景下的异常风险信息，还包括：
[0015]获取所述实时运单数据中生成所述待识别快件的快件清单前修改记录中的最大计费重量和生成所述快件清单时的清单计费重量；
[0016]根据所述最大计费重量和所述清单计费重量，得到所述待识别快件在所述执行寄件操作规则前计费重量的修改记录的场景下的场景风险值。
[0017]在其中一个实施例中，若所述预设异常识别场景为未执行寄件操作规则的用户的运单，则所述根据所述历史复重运单数据和所述实时运单数据，得到所述待识别快件在各个所述预设异常识别场景下的异常风险信息，还包括：
[0018]根据所述实时运单数据确定所述待识别快件是否属于未执行寄件操作规则的用户的运单，根据识别结果确定所述待识别快件在所述未执行寄件操作规则的用户的运单的场景下的场景风险值。
[0019]在其中一个实施例中，若所述预设异常识别场景为中转动态称复重的视觉数据，则所述根据所述历史复重运单数据和所述实时运单数据，得到所述待识别快件在各个所述预设异常识别场景下的异常风险信息，还包括：
[0020]从所述实时运单数据中确定所述待识别快件的复重标识、复重重量和生成快件清单时的清单计费重量；
[0021]根据所述复重标识、所述复重重量和所述清单计费重量，得到所述待识别快件在所述中转动态称复重的视觉数据的场景下的场景风险值。
[0022]在其中一个实施例中，所述根据所述历史复重运单数据和所述实时运单数据，得到所述待识别快件在各个所述预设异常识别场景下的异常风险信息，还包括：
[0023]从所述历史复重运单数据中分别获取各个所述预设异常识别场景下，在多个时间区间内的历史复重运单的复重参数值；
[0024]分别将各个时间区间的所述复重参数值按照数值大小进行排序，得到各个所述预设异常识别场景下的复重参数值序列；
[0025]分别获取各个所述复重参数值序列的中位数，作为对应的预设异常识别场景的场景权重。
[0026]在其中一个实施例中，所述根据各个所述预设异常识别场景下的异常风险信息，得到所述待识别快件的目标风险信息，包括：
[0027]分别获取各个所述预设异常识别场景的场景风险值与对应场景权重的乘积，作为各个所述预设异常识别场景的场景风险指标值；
[0028]获取各个所述预设异常识别场景的场景风险指标值的累加和，作为所述待识别快件的目标风险信息。
[0029]在其中一个实施例中，在根据所述目标风险信息，确定对所述待识别快件的异常识别结果之前，还包括：
[0030]获取不同目标风险信息下的复重运单的复重参数值，根据所述复重参数值得到复重的精准率和召回率；
[0031]根据所述精准率和所述召回率，得到不同目标风险信息对应的风险信息阈值；
[0032]所述根据所述目标风险信息，确定对所述待识别快件的异常识别结果，包括：
[0033]获取所述目标风险信息对应的目标风险信息阈值；
[0034]若所述目标风险信息大于所述目标风险信息阈值，则判定所述待识别快件存在异常。
[0035]一种异常快件识别装置，所述装置包括：
[0036]标识获取模块，用于获取待识别快件在多个预设异常识别场景下的场景标识；
[0037]异常风险信息获取模块，用于根据所述场景标识获取对应的历史复重运单数据和实时运单数据，根据所述历史复重运单数据和所述实时运单数据，得到所述待识别快件在各个所述预设异常识别场景下的异常风险信息；
[0038]目标风险信息获取模块，用于根据各个所述预设异常识别场景下的异常风险信息，确定所述待识别快件的目标风险信息；
[0039]异常识别模块，用于根据所述目标风险信息，确定对所述待识别快件的异常识别结果。
[0040]一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
[0041]获取待识别快件在多个预设异常识别场景下的场景标识；
[0042]根据所述场景标识获取对应的历史复重运单数据和实时运单数据，根据所述历史复重运单数据和所述实时运单数据，得到所述待识别快件在各个所述预设异常识别场景下的异常风险信息；
[0043]根据各个所述预设异常识别场景下的异常风险信息，确定所本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种异常快件识别方法，其特征在于，所述方法包括：获取待识别快件在多个预设异常识别场景下的场景标识；根据所述场景标识获取对应的历史复重运单数据和实时运单数据，根据所述历史复重运单数据和所述实时运单数据，得到所述待识别快件在各个所述预设异常识别场景下的异常风险信息；根据各个所述预设异常识别场景下的异常风险信息，确定所述待识别快件的目标风险信息；根据所述目标风险信息，确定对所述待识别快件的异常识别结果。2.根据权利要求1所述的方法，其特征在于，所述异常风险信息包括场景风险值和场景权重，若所述预设异常识别场景为收件员工和月结用户的组合场景、收件员工和托寄物类型的组合场景、月结用户和托寄物类型的组合场景中的任一个，则所述根据所述历史复重运单数据和所述实时运单数据，得到所述待识别快件在各个所述预设异常识别场景下的异常风险信息，包括：根据所述历史复重运单数据，得到所述预设异常识别场景下的复重参数值；所述复重参数值包括红冲率，所述红冲率表示复重发现重量少计的快件量与总复重快件量的比率；根据所述红冲率和红冲率阈值，得到所述待识别快件在所述收件员工和月结用户的组合场景、所述收件员工和托寄物类型的组合场景、所述月结用户和托寄物类型的组合场景中任一个场景下的场景风险值。3.根据权利要求1所述的方法，其特征在于，若所述预设异常识别场景为执行寄件操作规则前计费重量的修改记录，则所述根据所述历史复重运单数据和所述实时运单数据，得到所述待识别快件在各个所述预设异常识别场景下的异常风险信息，还包括：获取所述实时运单数据中生成所述待识别快件的快件清单前修改记录中的最大计费重量和生成所述快件清单时的清单计费重量；根据所述最大计费重量和所述清单计费重量，得到所述待识别快件在所述执行寄件操作规则前计费重量的修改记录的场景下的场景风险值。4.根据权利要求1所述的方法，其特征在于，若所述预设异常识别场景为未执行寄件操作规则的用户的运单，则所述根据所述历史复重运单数据和所述实时运单数据，得到所述待识别快件在各个所述预设异常识别场景下的异常风险信息，还包括：根据所述实时运单数据确定所述待识别快件是否属于未执行寄件操作规则的用户的运单，根据识别结果确定所述待识别快件在所述未执行寄件操作规则的用户的运单的场景下的场景风险值。5.根据权利要求1所述的方法，其特征在于，若所述预设异常识别场景为中转动态称复重的视觉数据，则所述根据所述历史复重运单数据和所述实时运单数据，得到所述待识别快件在各个所述预设异常识别场景下的异常风险信息，还包括：从所述实时运单数据中确定所述待识别快件的复重标识、复重重量和生成快件清单时的清单计费重量...
【专利技术属性】
技术研发人员：张莹莹，殷皓，张英驰，杨金辉，聂仁桐，潘舒静，黎碧君，陈志文，
申请(专利权)人：顺丰科技有限公司，
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。