[发明专利]识别异常信息的方法、装置、服务器、客户端及介质

说明书

本公开提供了一种识别异常信息的方法，应用于服务器，该方法包括：接收包裹信息，所述包裹信息包括包裹的重量信息和包裹的尺寸信息；利用异常识别模型识别所述包裹的重量信息和所述包裹的尺寸信息，确定其是否存在异常；如果存在异常，向客户端发送异常信息，以便于提醒用户所述包裹信息存在异常。本公开还提供了一种识别异常信息的装置、服务器、客户端及介质。

技术领域

本公开涉及互联网的技术领域，尤其涉及一种识别异常信息的方法、装置、服务器、客户端及介质。

背景技术

随着互联网技术的快速发展，用户可以在网上采购各种商品，例如，手机、电脑、手表、衣服等等。在用户购买商品之后，需要商家对该商品进行打包出库，然后将包裹移交给配送公司。一般地，在将包裹移交给配送公司的相关人员时需要对该包裹进行测量，例如，测量该包裹的重量和体积，这样配送公司可以获取到该包裹的重量和体积。但是该配送公司只有该包裹的重量和体积信息，没有所包含商品的信息，因此导致在前端收货或分拣中心称重量方后，不能进行二次校验，必须要在录入时就提醒相关人员该包裹是否可能存在重量体积的异常，是否需要进行再次确认或者重新测量，因为包裹的重量和体积的准确性直接影响物流计费和商家使用体验。

目前，业务方(配送公司)在分拣中心的揽件一体机上采取硬性规则进行校验包裹的重量和体积。硬性规则可以是针对包裹的重量和体积设置的阈值范围。但是，在实现本发明的发明构思的过程中，发明人发现现有技术至少存在以下问题：由于硬性规则定出来的异常为极值异常，导致异常的识别率低，不能对较小变化幅度的重量体积异常进行识别，实际应用的价值较低；而且对所有商家的包裹采取统一的异常识别规则，没有考虑不同商家的特殊性，会导致在规定最大值附近变化的商家包裹经常受到异常提示，降低了人员的工作效率和商家体验。

发明内容

有鉴于此，本公开提供一种识别异常信息的方法、装置、服务器、客户端及介质，进而至少部分地解决了由于相关技术的限制和缺陷而导致的一个或者多个问题。

本公开的第一个方面提供了种识别异常信息的方法，应用于服务器，该方法包括：接收包裹信息，所述包裹信息包括包裹的重量信息和包裹的尺寸信息；利用异常识别模型识别所述包裹的重量信息和所述包裹的尺寸信息，确定其是否存在异常；如果存在异常，向客户端发送异常信息，以便于提醒用户所述包裹信息存在异常。

根据本公开的实施例，在向客户端发送异常信息之后，该方法还包括：响应于用户操作，接收针对所述包裹录入的新信息。

根据本公开的实施例，所述异常识别模型包括iForest模型。

根据本公开的实施例，在接收所述包裹信息之前，该方法还包括：获取过去一段时间内某商家的所有包裹的重量信息和尺寸信息；利用硬性规则对某商家的所有包裹的重量信息和尺寸信息进行初步筛选，得到某商家满足所述硬性规则的包裹的重量信息和尺寸信息；基于某商家满足所述硬性规则的包裹的重量信息和尺寸信息建立所述异常识别模型。

根据本公开的实施例，在基于某商家满足所述硬性规则的包裹的重量信息和尺寸信息建立所述异常识别模型之前，该方法还包括：判断某商家满足所述硬性规则的包裹的重量信息和尺寸信息是否适合聚类；如果适合聚类，则对某商家满足所述硬性规则的包裹的重量信息和尺寸信息进行聚类，得到与某商家满足所述硬性规则的包裹的重量信息和尺寸信息相对应的多个簇。

根据本公开的实施例，对某商家满足所述硬性规则的包裹的重量信息和尺寸信息进行聚类，得到与某商家满足所述硬性规则的包裹的重量信息和尺寸信息相对应的多个簇包括：利用K-Means算法对某商家满足所述硬性规则的包裹的重量信息和尺寸信息进行聚类，得到与某商家满足所述硬性规则的包裹的重量信息和尺寸信息相对应的多个簇。

根据本公开的实施例，基于某商家满足所述硬性规则的包裹的重量信息和尺寸信息建立所述异常识别模型包括：基于与某商家满足所述硬性规则的包裹的重量信息和尺寸信息相对应的多个簇建立所述异常识别模型。