[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

说明书

本发明提供一种虚假订单的识别方法、系统、计算机设备及存储介质，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。本发明可在存在电子围栏的特殊区域内识别是否为虚假订单，提高司机的接单效率以及有效收入，同时也提高了平台的运营能力，从而保证了其他正常乘客的出行体验。

技术领域

本发明涉及人工智能技术领域，特别是涉及一种虚假订单的识别方法、系统、计算机设备及存储介质。

背景技术

随着计算机网络技术与移动通信技术的迅速发展，移动终端上的网约车出行方式已成为人们出行时的重要选择之一。为乘客提供更为优质的出行体验，同时为司机提供公平合理的接单服务，已然成为出行服务的重中之重。

在机场、火车站等存在电子围栏的特殊区域内，当司机进入这些特定区域内服务时，平台会对司机进行排队派单。为了提高接单率，一些司机会通过虚拟小号或者其他账号下单，等司机接单后再取消订单，使得其他司机接到虚假订单，从而导致其他司机的排队顺序后移，让自己更快的接到订单。

由于这些虚假订单背后的叫单用户，在非机场、火车站等区域内叫单时，多数为真实的用车需求，从而导致这些账号在机场、火车站等存在电子围栏的特殊区域内进行虚假叫车时，更加难以被识别管控。现在的司机排队场景下恶意取消订单的识别方法，多是依赖专家经验制定单一的规则去判别，这种单一规则，缺少对当前用户行为数据信息的深入挖掘，其适用场景单一、泛化能力较差，覆盖率难以保证；同时，作弊司机为了尽可能隐蔽地完成虚假下单，其作弊手段复杂多变，单一的识别规则很快就会被其攻破并绕过，有效期通常较短。因此，如何全面且有效的识别司机排队场景下这些恶意取消的虚假订单是当前出行服务中亟需解决的问题。

发明内容

鉴于以上所述现有技术的缺点，本发明的目的在于提供一种虚假订单的识别方法、系统、计算机设备及存储介质，用于解决现有技术中的无法在司机排队场景下有效识别虚假订单的问题。

本发明的第一方面提供一种虚假订单的识别方法，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。

于本发明的一实施例中，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。

于本发明的一实施例中，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。

于本发明的一实施例中，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。