[发明专利]一种业务订单处理方法及装置在审
申请号: | 201910584575.5 | 申请日: | 2019-07-01 |
公开(公告)号: | CN110335115A | 公开(公告)日: | 2019-10-15 |
发明(设计)人: | 李友;王凯;何慧梅 | 申请(专利权)人: | 阿里巴巴集团控股有限公司 |
主分类号: | G06Q30/06 | 分类号: | G06Q30/06;G06Q10/06;G06F16/387 |
代理公司: | 北京国昊天诚知识产权代理有限公司 11315 | 代理人: | 许振新;朱文杰 |
地址: | 英属开曼群岛大开*** | 国省代码: | 开曼群岛;KY |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 收货地址 订单处理 风险识别 关联特征 地址库 管控 集合 拦截 准确度 地址识别 订单信息 经济损失 判断结果 特征提取 异常条件 预设地址 构建 维度 关联 信用 | ||
1.一种业务订单处理方法,包括:
获取待处理的业务订单的目标收货地址;
基于预先构建的风险地址库,判断所述目标收货地址是否满足预设地址异常条件,其中,所述风险地址库包括:利用预先训练好的地址识别模型基于关联特征集合对历史收货地址进行风险识别得到的多个风险地址,所述关联特征集合是对包含所述历史收货地址的关联收货地址的业务订单信息进行特征提取得到的;
若判断结果为是,则按照预设风险订单处理方式对所述待处理的业务订单进行处理。
2.根据权利要求1所述的方法,其中,在获取待处理的业务订单的目标收货地址之前,还包括:
针对每个待识别的历史收货地址,确定该历史收货地址的关联收货地址;
基于各所述关联收货地址对应的业务订单的属性信息,确定所述历史收货地址对应的关联特征集合;
利用预先训练好的地址识别模型并基于所述关联特征集合,对所述历史收货地址进行风险识别,得到相应的风险评分,其中,所述地址识别模型是利用机器学习方法并基于样本收货地址对应的关联特征集合进行训练得到的;
若所述风险评分大于第一预设阈值,则将所述历史收货地址添加至风险地址库。
3.根据权利要求2所述的方法,其中,所述针对每个待识别的历史收货地址,确定该历史收货地址的关联收货地址,包括:
针对每个待识别的历史收货地址,确定预设历史时间段内与该历史收货地址的文本编辑距离小于第二预设阈值的相似收货地址;
和/或,
针对每个待识别的历史收货地址,确定所述预设历史时间段内与该历史收货地址的经纬度距离小于第三预设阈值的附近收货地址;
将所述相似收货地址和/或所述附近收货地址,确定为该历史收货地址的关联收货地址。
4.根据权利要求2所述的方法,其中,所述关联收货地址包括:相似收货地址和/或附近收货地址;
所述基于各所述关联收货地址对应的业务订单的属性信息,确定所述历史收货地址对应的关联特征集合,包括:
基于各所述相似收货地址对应的业务订单的属性信息,确定第一统计指标的特征值,得到相似地址特征集合;
和/或,
基于各所述附近收货地址对应的业务订单的属性信息,确定第二统计指标的特征值,得到附近地址特征集合;
和/或,
基于各所述关联收货地址对应的业务订单的属性信息,确定IP与地址交互特征集合。
5.根据权利要求4所述的方法,其中,所述基于各所述关联收货地址对应的业务订单的属性信息,确定IP与地址交互特征集合,包括:
在所述关联收货地址对应的业务订单中,确定下单IP与收货地址分别对应的预设筛选指标的特征值相同的第一类业务订单;和/或,
确定下单IP与收货地址分别对应的预设筛选指标的特征值不同的第二类业务订单;
根据所述第一类业务订单的属性信息和/或所述第二类业务订单的属性信息,分别确定第三统计指标的特征值,得到IP与地址交互特征集合。
6.根据权利要求1所述的方法,其中,所述获取待处理的业务订单的目标收货地址,包括:
获取针对免押金商品租赁业务的待处理的业务订单的目标收货地址。
7.根据权利要求1所述的方法,其中,所述预先训练好的地址识别模型是通过如下方式训练得到的:
获取用于模型训练的样本订单数据;
针对每个所述样本订单数据,获取该样本订单数据中的样本收货地址对应的关联特征集合;
利用机器学习方法并基于各所述样本收货地址的所述关联特征集合,对预设机器学习模型进行模型参数训练;
将训练好的所述机器学习模型确定为所述地址识别模型。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于阿里巴巴集团控股有限公司,未经阿里巴巴集团控股有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201910584575.5/1.html,转载请声明来源钻瓜专利网。
- 上一篇:产品的分类方法、装置及设备
- 下一篇:一种基于边缘计算的数据商品推荐方法