[发明专利]一种基于神经网络模型的订单处理方法和装置

权利要求书

1.一种基于神经网络模型的订单处理方法，其特征在于，该方法包括：

获取包含价值修正参数的第一类订单和包含价值修正参数的第二类订单；

确定获取的订单的特征数据，并利用获取的订单的特征数据对预先搭建的带有嵌入层的神经网络模型进行训练，得到带有嵌入层的订单识别模型；

接收包含价值修正参数的待识别订单，将待识别订单的特征数据输入所述订单识别模型，得到所述订单识别模型的嵌入层输出的待识别订单的特征向量和所述订单识别模型输出的待识别订单的类别度量值；

根据待识别订单的类别度量值和特征向量确定待识别订单是否为第一类订单，当待识别订单是第一类订单时，将待识别订单发送至审核平台进行审核。

2.根据权利要求1所述的方法，其特征在于，

所述带有嵌入层的神经网络模型包括输入层、嵌入层、隐藏层和输出层；

利用获取的订单的特征数据对预先搭建的带有嵌入层的神经网络模型进行训练，包括：

将获取的订单的特征数据进行独热编码得到稀疏矩阵；

将稀疏矩阵通过所述神经网络模型的输入层输入到嵌入层进行降维处理；

将经降维处理后的稀疏矩阵输入到隐藏层进行特征提取，将特征提取结果输出到输出层，从而实现对所述神经网络模型的训练。

3.根据权利要求1所述的方法，其特征在于，

根据待识别订单的类别度量值和特征向量确定待识别订单是否为第一类订单，包括：

当待识别订单的类别度量值大于预设类别度量阈值时，根据待识别订单的类别度量值确定待识别订单的冷静时长，根据待识别订单的特征向量和冷静时长未结束的已识别订单确定待识别订单是否为第一类订单。

4.根据权利要求3所述的方法，其特征在于，

根据待识别订单的类别度量值确定待识别订单的冷静时长，包括：

使用公式计算待识别订单的冷静时长；其中，t为待识别订单的冷静时长，p为预设类别度量阈值，γ和λ是对预先收集的多个样本数据进行线性拟合得到的两个系数值，所述样本数据为t值和p值的对应关系。

5.根据权利要求3所述的方法，其特征在于，

订单中包括物品编号；

根据待识别订单的特征向量和冷静时长未结束的已识别订单确定待识别订单是否为第一类订单，包括：

将待识别订单和冷静时长未结束的已识别订单按照物品编号分组；

针对每一分组中的每一订单，将该订单与该分组中的其它各订单进行订单配对，并计算每一配对订单中的两个订单的特征向量之间的欧式距离；

将配对订单按照配对订单中的两个订单的特征向量之间的欧氏距离从小到大排序；

确定排序靠前的第一预设比例的配对订单中是否存在包含待识别订单的配对订单，如果存在，则确定待识别订单是第一类订单。

6.根据权利要求1所述的方法，其特征在于，

将待识别订单发送至审核平台进行审核包括：

对待识别订单进行告警，将待识别订单发送到审核平台进行人工审核或基于预设规则的审核。