[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

说明书

本申请提供一种快件异常类别确定方法、装置及计算机可读存储介质，该方法包括：通过获取待识别的当前快件的第一运单信息，其中，第一运单信息包括运单的基本信息和运单的路由信息；从运单的基本信息和运单的路由信息中，确定当前快件对应的观测变量；对观测变量进行数字化预处理，得到当前快件的第一运单特征信息；对第一运单特征信息进行识别，以确定当前快件的异常类别。本申请实施例，在异常快件在分拣过程中，通过对运单信息进行预处理、识别，即可有效确定其异常类型，使得分拣员可以根据该异常类型，采取相应的防护措施，避免了异常快件的产生。

技术领域

本申请涉及物流技术领域，具体涉及一种快件异常类别确定方法、装置及计算机可读存储介质。

背景技术

随着科技的发展和时代的进步，越来越多的人都会使用网络购物，而与网络购物密不可分的则是物流配送，因此，物流中转站的快递分拣量也是有较大的提高。

然而，在快件流转过程中，异常情景常常对快件的时效、人力成本、客诉情况等重要指标都有较大负面影响，如错分、易损快件损坏等。当前对异常情景仅做到事后监控，无法有效防止其发生，使得快件配送异常频发。

因此，如何预防异常快件的产生，是当前物流技术领域亟需解决的技术问题。

发明内容

本申请提供一种快件异常类别确定方法、装置及计算机可读存储介质，旨在解决如何预防异常快件的产生。

一方面，本申请提供一种快件异常类别确定方法，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。

在本申请一种可能的实现方式中，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。

在本申请一种可能的实现方式中，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。

在本申请一种可能的实现方式中，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。

在本申请一种可能的实现方式中，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；