[发明专利]订单行为识别方法、装置、存储介质和处理器

说明书

本发明公开了一种订单行为识别方法、装置、存储介质和处理器。该方法可以包括：获取订单行为的行为数据；基于分类模型对行为数据进行识别，得到订单行为的类型，其中，分类模型包括通过目标阈值对订单变量的目标衍生变量进行分组得到的分类规则，订单变量包括连续订单变量和离散订单变量。通过本发明，达到了提高对订单行为识别的效率的技术效果。

技术领域

本发明涉及计算机领域，具体而言，涉及一种订单行为识别方法、装置、存储介质和处理器。

背景技术

目前，异常订单行为频繁爆发，在反异常订单行为的过程中，需要在异常萌芽阶段就将有效的规则部署上线，以识别异常订单行为。

但是，往往异常萌芽阶段的异常订单样本较少，正常订单样本的数据非常大，一般的模型不容易获取到有效特征，且容易过拟合；另外，由于数据量很大，在数据导出到算法平台后，经常会因为数据量大而跑不起来；由于正常订单样本的数据非常多，为了实施算法，需要对订单样本的数据进行高浓度抽样，而抽样后往往导致订单样本上的模拟效果和实际效果相差很大，导致对订单行为识别的效率低的技术问题。

针对现有技术中的订单行为识别的效率低的问题，目前尚未提出有效的解决方案。

发明内容

本发明的主要目的在于提供一种订单行为识别方法、装置、存储介质和处理器，以至少解决相关技术中订单行为识别的效率低的技术问题。

为了实现上述目的，根据本发明的一个方面，提供了一种订单行为识别方法。该方法可以包括：获取订单行为的行为数据；基于分类模型对行为数据进行识别，得到订单行为的类型，其中，分类模型包括通过目标阈值对订单变量的目标衍生变量进行分组得到的分类规则，订单变量包括连续订单变量和离散订单变量。

可选地，在基于分类模型对行为数据进行识别，得到订单行为的类型之前，该方法还包括：通过目标阈值对目标衍生变量进行分组，得到分类模型的分类规则包括：通过多个目标阈值对多个目标衍生变量进行分组，得到分类模型的多条分类规则；获取每条分类规则对订单样本进行处理得到的处理结果，其中，处理结果用于指示每条分类规则的性能指标；将指示出性能指标最高的处理结果对应的分类规则，确定为分类模型的分类规则。

可选地，在基于分类模型对行为数据进行识别，得到订单行为的类型之前，该方法还包括：通过连续订单变量的分位数获取连续订单变量的衍生变量；通过离散订单变量的编码值获取离散订单变量的衍生变量；通过连续订单变量的衍生变量和离散订单变量的衍生变量确定目标衍生变量。

可选地，通过连续订单变量的衍生变量和离散订单变量的衍生变量确定目标衍生变量包括：通过连续订单变量的衍生变量确定连续订单变量的信息值；通过离散订单变量的衍生变量确定离散订单变量的信息值；将信息值最大的连续订单变量或离散订单变量确定为目标衍生变量。

可选地，通过连续订单变量的衍生变量确定连续订单变量的信息值包括：通过连续订单变量的衍生变量对应的正常订单样本、异常订单样本和对应的编码值，确定连续订单变量的信息值。

可选地，通过离散订单变量的衍生变量确定离散订单变量的信息值包括：通过离散订单变量的衍生变量对应的正常订单样本、异常订单样本和对应的编码值，确定离散订单变量的信息值。

可选地，订单行为的类型包括以下之一：异常订单类型和正常订单类型。

为了实现上述目的，根据本发明的另一方面，还提供了一种订单行为识别装置。该装置可以包括：获取单元，用于获取订单行为的行为数据；识别单元，用于基于分类模型对行为数据进行识别，得到订单行为的类型，其中，分类模型包括通过目标阈值对订单变量的目标衍生变量进行分组得到的分类规则，订单变量包括连续订单变量和离散订单变量。