[发明专利]虚假订单的识别方法、系统、计算机设备及存储介质

权利要求书

1.一种虚假订单的识别方法，其特征在于，包括：

获取叫车样本数据集，并基于风险指标对叫车样本数据集中的每个订单样本进行标记；

基于订单用户的叫车位置，筛选所述叫车样本数据集中每个订单样本的入模特征；

基于入模特征，在损失函数的约束下迭代训练初始虚假订单识别模型，得到训练后的虚假订单识别模型；

将司机接收的订单输入训练后的虚假订单识别模型中，得到识别结果，根据识别结果，确定该订单是否为虚假订单，若为虚假订单，取消该订单。

2.根据权利要求1所述的识别方法，其特征在于，所述基于风险指标对叫车样本数据集中的每个样本进行标记的步骤包括：

在所述叫车样本数据集中增加一列标签列，若一个订单样本在司机接单后被乘客主动取消，则将该订单样本对应的标签标记为1；否则，将该订单样本对应的标签标记为0。

3.根据权利要求1所述的识别方法，其特征在于，所述基于订单用户叫车位置，筛选所述叫车样本数据集中每个订单样本的入模特征的步骤包括：

根据叫车位置，将叫车样本数据集划分为普通区域和排队区域；

根据预设规则，分别从两个区域的订单样本中选择多个特征数据；

根据预设指标，从多个特征数据中筛选出符合要求的特征数据作为入模特征。

4.根据权利要求3所述的识别方法，其特征在于：

所述特征数据包括订单金额、订单时间、订单叫单次数、订单撤单次数、订单用户所用设备登录用户数、及订单登录次数中的任意一种或几种的组合。

5.根据权利要求4所述的识别方法，其特征在于，所述预设指标包括：

信息量指标，用于判断各特征数据是否具有预测能力，其中，一个特征数据的信息量越大，对应的预测能力越强；

相关性指标，用于判断两个特征数据是否具有相关性，其中，相关性指标越接近0，相关性越弱；

稳定性指标，用于判断各特征数据是否具有稳定性。

6.根据权利要求5所述的识别方法，其特征在于，所述预设指标还包括：

可得性指标，用于判断各特征数据是否持续可得；

可解释性指标，用于判断各特征数据是否符合业务逻辑。

7.根据权利要求6所述的识别方法，其特征在于，所述根据预设指标，从多个特征数据中筛选出符合要求的入模特征的步骤包括：

针对每个预设指标，设定各自的预设阈值；

选择指标值大于各预设阈值的特征数据，作为入模特征；

其中，若两个特征数据的相关性指标大于预设阈值，剔除信息量指标值较低的特征数据。

8.一种虚假订单的识别系统，其特征在于，包括：

样本获取模块，用于获取叫车样本数据集，并基于风险指标对叫车样本数据集中的每个订单样本进行标记；

入模特征筛选模块，用于基于订单用户叫车位置，筛选所述叫车样本数据集中每个订单样本的入模特征；

模型训练模块，用于基于入模特征，在损失函数的约束下迭代训练初始虚假订单识别模型，得到训练后的虚假订单识别模型；

识别模块，将司机接收的订单输入训练后的虚假订单识别模型中，得到识别结果，根据识别结果，确定该订单是否为虚假订单，若为虚假订单，取消该订单。

9.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于：所述处理器执行所述计算机程序时实现权利要求1-7中任一项所述方法的步骤。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1-7中任一项所述方法的步骤。