[发明专利]快件异常类别确定方法、装置及计算机可读存储介质

权利要求书

1.一种快件异常类别确定方法，其特征在于，所述方法包括：

获取待识别的当前快件的第一运单信息，其中，所述第一运单信息包括运单的基本信息和运单的路由信息；

从所述运单的基本信息和所述运单的路由信息中，确定所述当前快件对应的观测变量；

对所述观测变量进行数字化预处理，得到所述当前快件的第一运单特征信息；

对所述第一运单特征信息进行识别，以确定所述当前快件的异常类别。

2.根据权利要求1所述的快件异常类别确定方法，其特征在于，所述对所述第一运单特征信息进行识别，以确定所述当前快件的异常类别，包括：

采用至少一个预设的目标极致梯度提升决策树模型对所述运单特征对所述第一运单特征信息进行识别，以确定所述当前快件的异常类别。

3.根据权利要求2所述的快件异常类别确定方法，其特征在于，在采用至少一个预设的目标极致梯度提升决策树模型对所述运单特征对所述第一运单特征信息进行识别，以确定所述当前快件的异常类别之前，所述方法还包括：

获取训练样本，所述训练样本中包括训练快件运单信息、训练异常类别和与所述训练异常类别对应的训练运单特征信息；

将所述训练样本输入至预设的极致梯度提升决策树模型中，并通过贝叶斯优化算法对所述预设的极致梯度提升决策树模型进行训练；

采用预设的测评指标判断所述预设的极致梯度提升决策树模型是否满足收敛条件；

若所述预设的极致梯度提升决策树模型满足收敛条件，则将满足收敛条件的预设的极致梯度提升决策树模型确定为训练至收敛的经过贝叶斯优化算法优化的目标极致梯度提升决策树模型。

4.根据权利要求3所述的快件异常类别确定方法，其特征在于，所述方法还包括：

获取未成功识别的异常快件对应的第二运单信息；

对所述第二运单信息进行特征提取，得到所述异常快件的第二运单特征信息；

基于所述第二运单特征信息，调整所述目标极致梯度提升决策树模型。

5.根据权利要求3所述的快件异常类别确定方法，其特征在于，所述方法还包括：

基于所述目标极致梯度提升决策树模型，确定导致所述快件的异常类别发生异常的目标因素信息；

基于所述目标因素信息，确定用于降低所述当前快件的异常类别出现异常风险的所述预设的防护策略。

6.根据权利要求5所述快件异常类别确定方法，其特征在于，所述基于所述目标极致梯度提升决策树模型，确定导致所述快件的异常类别发生异常的目标因素信息，包括：

获取所述目标极致梯度提升决策树模型中的第三运单特征信息，所述第三运单特征信息对应的权重值大于预设权重阈值；

对所述第三运单特征信息进行分析，得到导致所述快件的异常类别发生异常的目标因素信息。

7.根据权利要求1所述的快件异常类别确定方法，其特征在于，在对所述第一运单特征信息进行识别，以确定所述当前快件的异常类别之后，所述方法还包括：

基于所述当前快件的异常类别和与所述异常类别对应的预设的防护策略，生成快件异常警报信息；

将所述异常警报信息发送至用户终端。

8.一种快件异常类别确定装置，其特征在于，所述装置包括：

第一获取单元，用于获取待识别的当前快件的第一运单信息，其中，所述第一运单信息包括运单的基本信息和运单的路由信息；

第一确定单元，用于从所述运单的基本信息和所述运单的路由信息中，确定所述当前快件对应的观测变量，所述观测变量包括运单基本信息和运单路由信息；

第一预处理单元，用于对所述观测变量进行数字化预处理，得到所述当前快件的第一运单特征信息；

第一识别单元，用于对所述第一运单特征信息进行识别，以确定所述当前快件的异常类别。