[发明专利]订单识别模型生成方法、识别方法、系统、设备和介质

权利要求书

1.一种订单识别模型生成方法，其特征在于，包括：

获取多个历史订单数据；

基于所述多个历史订单数据获取历史订单特征，所述订单特征包括用户维度特征、订单维度特征、产品维度特征、上下文维度特征；

将所述多个历史订单数据用图结构进行关联，得到一个以订单为图节点以用户ID和/或产品ID为边的图；

对所述历史订单特征进行特征处理与筛选，以剔除不相关特征，并将筛选后的订单特征加入对应的图节点中，从而得到GCN图结构网络；

将所述历史订单数据输入至GCN模型中进行训练，以得到订单识别模型，所述订单识别模型用于预测订单异常的概率。

2.如权利要求1所述的订单识别模型生成方法，其特征在于，所述对所述历史订单特征进行特征处理与筛选的步骤包括：

对所述历史订单特征进行覆盖率计算与相关性分析，剔除覆盖率低于一定阈值的订单特征和维度特征重复的订单特征，以得到历史订单第一特征；

将所述历史订单第一特征输入至XGBoost模型进行训练，以剔除不相关特征。

3.如权利要求1所述的订单识别模型生成方法，其特征在于，所述获取多个历史订单数据的步骤包括：

获取多个历史订单；

基于所述多个历史订单，获取每一个历史订单的特征维度表，历史订单维度表包括用户维度特征表、订单维度特征表、产品维度特征表、上下文维度特征表；

根据所述每一个历史订单的特征维度表获取每一张特征维度表的数据，并将所述数据进行离散化、归一化、缺失值补充的处理，将处理后的数据进行并行组合成每一个历史订单的一张高维度特征宽表；

获取每一个历史订单的高维度特征宽表中的数据，以得到多个历史订单数据。

4.一种订单识别方法，其特征在于，包括：

获取待识别订单的目标数据；

将所述订单的目标数据输入至所述订单识别模型中预测订单异常概率；

所述订单识别模型使用如权利要求1至3任一项所述的订单识别模型的生成方法生成。

5.一种订单识别模型生成系统，其特征在于，包括：

第一获取模块，用于获取多个历史订单数据；

第二获取模块，用于基于所述多个历史订单数据获取历史订单特征，所述订单特征包括用户维度特征、订单维度特征、产品维度特征、上下文维度特征；

关联模块，用于将所述多个历史订单数据用图结构进行关联，得到一个以订单为图节点以用户ID和/或产品ID为边的图；

筛选模块，用于对所述历史订单特征进行特征处理与筛选，以剔除不相关特征，并将筛选后的订单特征加入对应的图节点中，从而得到GCN图结构网络；

训练模块，用于将所述历史订单数据输入至GCN模型中进行训练，以得到订单识别模型，所述订单识别模型用于预测订单异常的概率。

6.如权利要求5所述的订单识别模型生成系统，其特征在于，所述筛选模块包括：

第一剔除单元，用于对所述历史订单特征进行覆盖率计算与相关性分析，剔除覆盖率低于一定阈值的订单特征和维度特征重复的订单特征，以得到历史订单第一特征；

第二剔除单元，用于将所述历史订单第一特征输入至XGBoost模型进行训练，以剔除不相关特征。

7.如权利要求5所述的订单识别模型生成系统，其特征在于，所述第一获取模块包括：

第一获取单元，用于获取多个历史订单；

第二获取单元，用于基于所述多个历史订单，获取每一个历史订单的特征维度表，历史订单维度表包括用户维度特征表、订单维度特征表、产品维度特征表、上下文维度特征表；

数据处理单元，用于根据所述每一个历史订单的特征维度表获取每一张特征维度表的数据，并将所述数据进行离散化、归一化、缺失值补充的处理，将处理后的数据进行并行组合成每一个历史订单的一张高维度特征宽表；

第三获取单元，用于获取每一个历史订单的高维度特征宽表中的数据，以得到多个历史订单数据。