CN110796506A - 一种异常订单判定方法和装置 - Google Patents
一种异常订单判定方法和装置 Download PDFInfo
- Publication number
- CN110796506A CN110796506A CN201810878342.1A CN201810878342A CN110796506A CN 110796506 A CN110796506 A CN 110796506A CN 201810878342 A CN201810878342 A CN 201810878342A CN 110796506 A CN110796506 A CN 110796506A
- Authority
- CN
- China
- Prior art keywords
- order
- consumer
- determined
- group
- abnormal
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 230000002159 abnormal effect Effects 0.000 title claims abstract description 78
- 238000000034 method Methods 0.000 title claims abstract description 48
- 238000012545 processing Methods 0.000 claims abstract description 18
- 230000002547 anomalous effect Effects 0.000 claims abstract description 9
- 238000004590 computer program Methods 0.000 claims description 9
- 238000010586 diagram Methods 0.000 description 14
- 238000004891 communication Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 9
- 230000008569 process Effects 0.000 description 5
- 230000005856 abnormality Effects 0.000 description 4
- 235000013334 alcoholic beverage Nutrition 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 241000208125 Nicotiana Species 0.000 description 3
- 235000002637 Nicotiana tabacum Nutrition 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 239000002537 cosmetic Substances 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 235000019504 cigarettes Nutrition 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0633—Lists, e.g. purchase orders, compilation or processing
- G06Q30/0635—Processing of requisition or of purchase orders
Landscapes
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种异常订单判定方法和装置,涉及数据处理领域。该方法的一具体实施方式包括:基于预先建立的消费者异常订单模型,确定接收的订单中消费者所属的消费者群体;判断所述订单对于所确定的消费者群体是否存在异常,其中包括判断订单是否包括对于所确定的消费者群体而言属于非卖品的商品。该实施方式克服了现有技术中无法及时地、自动地对网上购物的订单进行甄别的技术问题,进而能够在异常订单被执行并由此造成严重后果之前,就发现并规避可能引发的问题。
Description
技术领域
本发明涉及数据处理领域,尤其涉及一种异常订单判定方法和装置。
背景技术
随着中国经济和互联网技术的发展,网上购物的规模不断上升。人们通过互联网检索商品信息,并通过电子订购单发出购物请求,并通过款到发货(直接银行转账,在线汇款)和货到付款等方式完成交易。
与此同时,近些年互联网金融服务也在中国兴起,传统金融机构与互联网企业能够利用互联网技术和信息通信技术实现资金融通、支付、投资和信息中介服务。这使得消费者可以通过从互联网金融服务借款来完成网上购物。
在实现本发明过程中,发明人发现现有技术中至少存在如下问题:消费者在进行网上购物时,可能尝试购买对该消费者而言属于非卖品的商品(例如未成年人也可以购买烟草、含酒精饮料等),并且也能够通过互联网金融服务进行借款,来购买商品价格远超过其支付能力的商品。在后一情况下,消费者可能会背负高额利息。以上情况,特别是针对未成年人和学生群体,会导致严重的社会问题。现有技术中缺乏及时地、自动地对这种异常订单进行判定并向消费者发出提醒的技术手段。
发明内容
有鉴于此,本发明实施例提供一种异常订单判定方法和装置,能够及早发现特定消费者群体的异常消费情况,并且及时对异常消费情况进行自动处理。
为实现上述目的,根据本发明实施例的一个方面,提供了一种异常订单判定方法。
一种异常订单判定方法,包括:基于预先建立的消费者异常订单模型,确定接收的订单中消费者所属的消费者群体;判断所述订单对于所确定的消费者群体是否存在异常,其中包括判断订单是否包括对于所确定的消费者群体而言属于非卖品的商品。
可选地,所述消费者群体异常订单模型包括以下模型中的一个或多个:消费者信息模型、消费者所在地信息模型、商品信息模型、订单信息模型、和消费者反馈信息模型。
可选地,根据所述消费者的年龄和/或职业,确定所述消费者所属的消费者群体。
可选地,当判断所述订单对于所确定的消费者群体存在异常时,通过所述消费者的备用联系方式发出通知,并处理所述异常订单。
可选地,当所述订单包括对于所确定的消费者群体而言属于非卖品的商品时,结束所述订单。
可选地,判断所述订单对于所确定的消费者群体是否存在异常的步骤,还包括:判断所述订单是否包括对于所确定的消费者群体而言属于非必需品、并且订单金额超过所述消费者群体所属的地区的平均消费水平的商品。
可选地,当判断所述订单是否包括对于所确定的消费者群体而言属于非必需品、并且订单金额超过所述消费者群体所属的地区的平均消费水平的商品时,向消费者输出询问信息以确定是否继续执行所述订单。
根据本发明实施例的另一方面,提供了一种异常订单判定装置。
一种异常订单判定装置,包括:确定模块,用于基于预先建立的消费者异常订单模型,确定接收的订单中消费者所属的消费者群体;判断模块,用于判断所述订单对于所确定的消费者群体是否存在异常,其中包括判断订单是否包括对于所确定的消费者群体而言属于非卖品的商品。
根据本发明实施例的又一方面,提供了一种电子设备。
一种电子设备,包括:一个或多个处理器;以及存储器,用于存储一个或多个程序。其中当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器实现本发明提供的异常订单判定方法。
根据本发明实施例的又一方面,提供了一种计算机可读介质。
一种计算机可读介质,其上存储有计算机程序,所述程序被处理器执行时实现本发明提供的异常订单判定方法。
上述发明中的一个实施例具有如下优点或有益效果:因为在接收到网上购物的订单时,能够建立消费者异常订单模型,并基于消费者异常订单模型判断消费者所属的消费者群体以及判断订单内容对于所确定的消费者群体是否存在异常,在订单被判断为异常订单时通过所述消费者的备用联系方式发出通知并处理所述异常订单,所以克服了现有技术中无法及时地、自动地对网上购物的订单进行甄别的技术问题,进而能够在异常订单被执行并由此造成严重后果之前,就发现并规避可能引发的问题。
上述的非惯用的可选方式所具有的进一步效果将在下文中结合具体实施方式加以说明。
附图说明
附图用于更好地理解本发明,不构成对本发明的不当限定。其中:
图1是根据本发明实施例的用于异常订单判定和处理的方法的示意图;
图2是应用根据本发明实施例的用于异常订单判定和处理的方法的一个示例的示意图;
图3是根据本发明实施例的用于异常订单判定和处理的装置的示意图;
图4是本发明实施例可以应用于其中的示例性系统架构图;
图5是适于用来实现本发明实施例的终端设备或服务器的计算机系统的结构示意图。
具体实施方式
以下结合附图对本发明的示范性实施例做出说明,其中包括本发明实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本发明的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
本发明提供一种异常订单判定方法,主要步骤包括:基于预先建立的消费者异常订单模型,确定接收的订单中消费者所属的消费者群体;判断订单对于所确定的消费者群体是否存在异常,其中包括判断订单是否包括对于所确定的消费者群体而言属于非卖品的商品。下文将结合具体实施例介绍各步骤的具体实现过程。
图1是根据本发明实施例的用于异常订单判定和处理的方法的示意图。根据本发明实施例的用于异常订单判定和处理的方法包括步骤S101-S104。
在步骤S101中,接收消费者的订单。订单可以包括至少一件商品。
在步骤S102中,基于所述消费者和所述订单的信息,建立消费者异常订单模型。所述消费者群体异常订单模型可以包括以下模型中的一个或多个:消费者信息模型、消费者所在地信息模型、商品信息模型、订单信息模型、和消费者反馈信息模型。
消费者信息模型可以包括以下信息中的一项或多项:消费者编号、消费者姓名、消费者所在地名称、消费者所在地编号、消费者曾购买的最大商品金额、消费者的年龄和性别、以及消费者的备用联系方式。其中,消费者所在地可以是消费者在订单中填写的收货地的地址。消费者的备用联系方式可以是消费者在购物网站注册时预留的备用电子邮箱。
消费者所在地信息模型可以包括以下信息中的一项或多项:消费者所在地编号、消费者所在地名称、消费者所在地所属地区、消费者所在地所属地区月均消费水平、和消费者所在地所属地区人均收入水平。其中,消费者所在地所属地区可以是消费者在订单中填写的收货地所属的街道、区划、城市、省或其他行政区划。消费者所述地区的月均消费水平和人均消费水平可以是特定消费者群体的月均消费水平和人均消费水平。例如,消费者所在地信息模型可以仅包括针对大学生的月均消费水平和人均消费水平信息。
商品信息模型可以包括以下信息中的一项或多项:商品编号、商品名称、商品品牌、商品单价、和非卖品信息。其中,商品品牌可以是商品三级分类编号。非卖品信息可以指示该商品是否对于特定消费者群体是非卖品。例如,非卖品信息可以指示诸如香烟、含酒精饮料的商品对于未成年人是非卖品。
订单信息模型可以包括订单编号、消费者编号、消费者姓名、商品编号、商品单价、订单金额、和异常类型。当消费者的订单包含多个商品时,并且在订单系统中将该订单拆分成多个子订单时,可以向消费者的订单赋予父订单编号,并且对拆分出的子订单分别赋予子订单编号。在这种情况下,订单信息模型还可以包括父订单编号,并且订单编号可以是至少包括所关心的商品的子订单的编号。异常类型可以指示该订单存在以下两种异常之一:(i)订单信息中的商品对于消费者所属的特定消费者群体而言属于非卖品,和(ii)订单信息中的商品对于消费者所属的特定消费者群体而言属于非必需品,并且订单金额超过所属地区的月均消费水平和/或人均收入水平。
消费者反馈信息模型可以包括订单编号、消费者编号、消费者所在地编号、和消费者反馈信息。消费者反馈信息模型用于在订单被判断为异常订单时,记录通过消费者备用联系方式与消费者的交流信息。当消费者备用联系方式是备用电子邮箱时,消费者反馈信息可以记录电子邮件的发送时间、发送内容、回复时间以及回复内容。
如本领域技术人员能够理解的,上述各个模型均可以根据实际需要包括其他信息,也可以根据一般建模原则包括冗余字段。例如,商品信息模型可以同时包括商品品牌和商品三级分类编号作为冗余预留字段。也可以根据实际需要包括更多或更少的信息模型,例如消费者信息模型可以拆分成多个信息模型,或者与其他信息模型合并。
在步骤S103中,基于所建立的消费者异常订单模型,确定所述消费者所属的消费者群体,并判断订单内容对于所确定的消费者群体是否存在异常。
具体地,确定所述消费者所属的消费者群体可以包括确定所述消费者的年龄和/或职业。可以根据多种方式确定消费者的年龄和职业。例如,可以从接入的外部数据来判定消费者的年龄和职业。该外部数据可以来自对数据进行整合和加工的第三方。在没有外部数据或外部数据中不含有该消费者的信息的情况下,可以根据消费者在购物网站上注册时预留的信息,或者根据订单预留的收货地址,来判定消费者的年龄和职业。例如,当外部数据指示消费者的年龄低于18岁时,可以判定消费者属于未成年人群体。又例如,当消费者的注册信息指示消费者的职业为学生时,可以判定消费者属于学生群体。再例如,当订单的收货地址为学校,并且消费者的年龄低于18岁时,可以判定消费者属于未成年学生群体。
判断订单内容对于所确定的消费者群体是否存在异常可以包括:(i)订单信息中的商品对于消费者所属的特定消费者群体而言属于非卖品,和(ii)订单信息中的商品对于消费者所属的特定消费者群体而言属于非必需品,并且订单金额超过所属地区月均消费水平和/或人均收入水平。也可以预先设定基于所属地区月均消费水平和/或人均收入水平的阈值,例如可以将异常判断阈值设定为所属地区月均消费水平的三倍。例如,在判断消费者属于未成年人群体的情况下,当订单包含例如烟草、含酒精饮料等对于未成年人属于非卖品的商品时,可以判断订单为异常订单。又例如,在判断消费者属于学生群体的情况下,当订单包含例如高端电子产品、高档化妆品、奢侈品等对于学生群体而言属于非必需品的商品,并且订单金额超过当地学生月均消费水平的三倍时,可以判断订单为异常订单。
在步骤S104中,当判断为异常订单时,通过所述消费者的备用联系方式发出通知,并处理所述异常订单。根据所判断的异常类型,对异常订单的处理可以不同。
当判断订单内容包括对于所确定的消费者群体而言属于非卖品的商品时,可以直接拒绝并结束该订单,并通过所述消费者的备用联系方式发出通知这一结果以及订单被拒绝的原因。
当判断订单内容是否包括对于所确定的消费者群体而言属于非必需品、并且订单金额超过的所述消费者群体所属的地区的平均消费水平的商品时,可以暂时挂起该订单,并且向消费者输出询问信息,以询问消费者是否继续执行所述订单。可以预先设置消费者答复的时限,例如,可以预先设置消费者应在两天内回复。如果在时限内收到消费者反馈,则可以根据消费者的反馈来继续执行或结束该订单。如果超过该时限未接收到消费者反馈,则可以直接拒绝并结束该订单。
通过所述消费者的备用联系方式发出通知可以包括向所述消费者的备用电子邮箱地址发送电子邮件。在这种情况下,该电子邮件可以由与订单系统关联的邮件系统自动发送。该电子邮件可以为模板定制邮件。该电子邮件可以包括消费者信息、商品信息、和订单被拒绝/挂起的原因。在询问消费者是否继续执行所述订单的情况下,电子邮件可以仅向收件人提供“正常执行”和“拒绝”这两个选项,使得收件人只能进行选择并发送,不能编辑回复内容。
图2是应用根据本发明实施例的用于异常订单判定和处理的方法的一个示例的示意图。该示例示出了针对未成年学生群体对异常订单进行判定和处理的流程图。该流程包括步骤S201-S214。
在步骤S201中,通过订单系统接收到消费者的订单。
在步骤S202中,在订单系统中基于所述消费者和所述订单的信息,建立消费者异常订单模型,消费者异常订单模型可以包括在步骤S102中描述的一个或多个模型和信息。并且,在订单系统中对消费者的身份进行判定。例如,当外部数据或消费者的注册信息指示消费者的年龄低于18岁、并且职业为学生时,可以判定消费者属于未成年学生群体。又例如,当消费者的注册信息指示消费者的年龄低于18岁,并且当订单的收货地址为学校时,可以判定消费者属于未成年学生群体。
当在步骤S203中判断消费者不属于未成年学生群体时,方法进行到步骤S204,并且正常执行该订单。
当在步骤S203中判断消费者属于未成年学生群体时,方法进行到步骤S205,将订单从订单系统转发到异常监测系统。
在步骤S206中,在异常监测系统中判断订单商品是否包括针对未成年学生的非卖品,例如烟草、含酒精饮料等。
当在步骤S206中判断存在非卖品时,方法进行到步骤S214,订单被认定为异常订单。该异常订单被直接结束,并且在步骤S210中,通过所述消费者的备用联系方式发出通知。在本示例中,是向消费者预留的备用电子邮箱发送电子邮件,通知订单被结束以及原因。
当在步骤S206中判断不存在非卖品时,方法进行到步骤S207,进行其他异常商品和异常金额判定。在步骤S207中,判断订单是否包括除非卖品外的其他异常商品,即对于未成年学生群体而言属于非必需品,且订单金额是否异常。例如,可以判断订单是否包含例如高端电子产品、高档化妆品、奢侈品等,并且订单金额是否超过当地学生月均消费水平的三倍。
当在步骤S208中判断没有异常时,方法进行到步骤S204,并且正常执行该订单。
当在步骤S208中判断订单包括非必需品,并且金额存在异常时,在步骤S209中,将订单认定为异常订单,并将该订单挂起。此后,方法进行到步骤S210。
在步骤S210中,本示例利用电子邮件系统向消费者预留的备用电子邮箱发送通知邮件,通知订单被挂起、原因并询问消费者是否继续执行所述订单。邮件是自动发送的模板定制邮件,为收件人提供了两个选择,即“正常执行”和“拒绝”,并且为收件人指定了答复期限,在本示例中为两天。
在步骤S211中,邮件系统在两天的窗口期中监视收件人的反馈。如果在两天内未收到反馈,则方法进行到步骤S214,该订单被拒绝。
当在步骤S212中,在两天内收到了反馈时,方法进行到步骤S213,确定反馈结果是否指示正常执行订单。
当在步骤S213中,反馈结果指示正常执行订单时,方法进行到步骤S204,并且正常执行该订单。
当在步骤S214中,反馈结果指示拒绝该订单时,方法进行到步骤S214,该订单被结束。
在该示例中,由于消费者是未成年人,其预留的备用电子邮箱可能属于该消费者的监护人。由此,该消费者的监护人能够及时发现该异常订单,并且由此规避可能造成的严重后果。
本发明还提供一种异常订单判定装置,主要包括:
确定模块,用于基于预先建立的消费者异常订单模型,确定接收的订单中消费者所属的消费者群体;
判断模块,用于判断接收的订单对于所确定的消费者群体是否存在异常,其中包括判断订单是否包括对于所确定的消费者群体而言属于非卖品的商品。下文将结合具体实施例介绍各模块的功能,其中,以下的实施例中,将上述确定模块和判定模块整合为一个异常订单判定模块303来进行介绍,确定模块和判定模块的具体功能参见对异常订单判定模块303的功能介绍。
图3是根据本发明实施例的用于异常订单判定和处理的装置的示意图。根据本发明实施例的用于异常订单判定和处理的装置包括:
订单接收模块301;接收消费者的订单;
模型建立模块302,基于所述消费者和所述订单的信息,建立消费者异常订单模型;
异常订单判定模块303,基于所建立的消费者异常订单模型,确定所述消费者所属的消费者群体,并判断订单内容对于所确定的消费者群体是否存在异常;以及,
异常订单处理模块304,当判断为异常订单时,通过所述消费者的备用联系方式发出通知,并处理所述异常订单。
在本发明实施例中用于异常订单判定和处理的装置中,各个模块301-304的具体实施内容,在上面用于异常订单判定和处理的方法步骤S101-S104中已经分别详细说明了,故在此重复内容不再说明。
本领域技术人员能够理解的是,上述各个模块301-304中的一部分或其组合能够实现为在图2的示例中提到的订单系统、异常检测系统和邮件系统。
图4示出了可以应用本发明实施例的用于异常订单判定和处理的方法和装置的示例性系统架构400。
如图4所示,系统架构400可以包括终端设备401、402、403,网络404和服务器405。网络404用以在终端设备401、402、403和服务器405之间提供通信链路的介质。网络404可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备401、402、403通过网络404与服务器405交互,以接收或发送消息等。终端设备401、402、403上可以安装有各种通讯客户端应用,例如购物类应用、网页浏览器应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等(仅为示例)。
终端设备401、402、403可以是具有显示屏并且支持网页浏览的各种电子设备,包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。
服务器405可以是提供各种服务的服务器,例如对用户利用终端设备401、402、403所浏览的购物类网站提供支持的后台管理服务器(仅为示例)。后台管理服务器可以对接收到的产品信息查询请求等数据进行分析等处理,并将处理结果(例如目标推送信息、产品信息--仅为示例)反馈给终端设备。
需要说明的是,本发明实施例所提供的用于异常订单判定和处理的方法一般由服务器405执行,相应地,用于异常订单判定和处理的法和装置一般设置于服务器405中。
应该理解,图4中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。
下面参考图5,其示出了适于用来实现本申请实施例的终端设备的计算机系统500的结构示意图。图5示出的终端设备仅仅是一个示例,不应对本申请实施例的功能和使用范围带来任何限制。
如图5所示,计算机系统500包括中央处理单元(CPU)501,其可以根据存储在只读存储器(ROM)502中的程序或者从存储部分508加载到随机访问存储器(RAM)503中的程序而执行各种适当的动作和处理。在RAM 503中,还存储有系统500操作所需的各种程序和数据。CPU 501、ROM 502以及RAM 503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。
以下部件连接至I/O接口505:包括键盘、鼠标等的输入部分506;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分507;包括硬盘等的存储部分508;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分509。通信部分509经由诸如因特网的网络执行通信处理。驱动器510也根据需要连接至I/O接口505。可拆卸介质511,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器510上,以便于从其上读出的计算机程序根据需要被安装入存储部分508。
特别地,根据本发明公开的实施例,上文方法示意图描述的过程可以被实现为计算机软件程序。例如,本发明公开的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行示意图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分509从网络上被下载和安装,和/或从可拆卸介质511被安装。在该计算机程序被中央处理单元(CPU)501执行时,执行本申请的系统中限定的上述功能。
需要说明的是,本发明所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请中,计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:无线、电线、光缆、RF等等,或者上述的任意合适的组合。
附图中的流程图和框图,图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图或流程图中的每个方框、以及框图或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本发明实施例中所涉及到的模块可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的模块也可以设置在处理器中,例如,可以描述为:一种处理器包括订单接收模块、模型建立模块、异常订单判定模块、以及异常订单处理模块。其中,这些模块的名称在某种情况下并不构成对该模块本身的限定,例如,订单接收模块还可以被描述为“接收消费者订单的模块”。
作为另一方面,本发明还提供了一种计算机可读介质,该计算机可读介质可以是上述实施例中描述的设备中所包含的;也可以是单独存在,而未装配入该设备中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被一个该设备执行时,使得该设备包括:基于预先建立的消费者异常订单模型,确定接收的订单中消费者所属的消费者群体;判断所述订单对于所确定的消费者群体是否存在异常,其中包括判断订单是否包括对于所确定的消费者群体而言属于非卖品的商品。
根据本发明实施例的技术方案,因为在接收到网上购物的订单时,能够建立消费者异常订单模型,并基于消费者异常订单模型判断消费者所属的消费者群体以及判断订单内容对于所确定的消费者群体是否存在异常,在订单被判断为异常订单时通过所述消费者的备用联系方式发出通知并处理所述异常订单,所以克服了现有技术中无法及时地、自动地对网上购物的订单进行甄别的技术问题,进而能够在异常订单被执行并由此造成严重后果之前,就发现并规避可能引发的问题。
上述具体实施方式,并不构成对本发明保护范围的限制。本领域技术人员应该明白的是,取决于设计要求和其他因素,可以发生各种各样的修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等,均应包含在本发明保护范围之内。
Claims (10)
1.一种异常订单判定方法,其特征在于,包括:
基于预先建立的消费者异常订单模型,确定接收的订单中消费者所属的消费者群体;
判断所述订单对于所确定的消费者群体是否存在异常,其中包括判断订单是否包括对于所确定的消费者群体而言属于非卖品的商品。
2.根据权利要求1所述的方法,其特征在于,所述消费者群体异常订单模型包括以下模型中的一个或多个:消费者信息模型、消费者所在地信息模型、商品信息模型、订单信息模型、和消费者反馈信息模型。
3.根据权利要求1所述的方法,其特征在于,根据所述消费者的年龄和/或职业,确定所述消费者所属的消费者群体。
4.根据权利要求1所述的方法,其特征在于,当判断所述订单对于所确定的消费者群体存在异常时,通过所述消费者的备用联系方式发出通知,并处理所述异常订单。
5.根据权利要求1所述的方法,其特征在于,当所述订单包括对于所确定的消费者群体而言属于非卖品的商品时,结束所述订单。
6.根据权利要求1所述的方法,其特征在于,判断所述订单对于所确定的消费者群体是否存在异常的步骤,还包括:
判断所述订单是否包括对于所确定的消费者群体而言属于非必需品、并且订单金额超过所述消费者群体所属的地区的平均消费水平的商品。
7.根据权利要求6所述的方法,其特征在于,当判断所述订单是否包括对于所确定的消费者群体而言属于非必需品、并且订单金额超过所述消费者群体所属的地区的平均消费水平的商品时,向消费者输出询问信息以确定是否继续执行所述订单。
8.一种异常订单判定装置,其特征在于,包括:
确定模块,用于基于预先建立的消费者异常订单模型,确定接收的订单中消费者所属的消费者群体;
判断模块,用于判断所述订单对于所确定的消费者群体是否存在异常,其中包括判断订单是否包括对于所确定的消费者群体而言属于非卖品的商品。
9.一种电子设备,其特征在于,包括:
一个或多个处理器;以及
存储器,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器实现如权利要求1-7中任一所述的方法。
10.一种计算机可读介质,其上存储有计算机程序,其特征在于,所述程序被处理器执行时实现如权利要求1-7中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810878342.1A CN110796506A (zh) | 2018-08-03 | 2018-08-03 | 一种异常订单判定方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810878342.1A CN110796506A (zh) | 2018-08-03 | 2018-08-03 | 一种异常订单判定方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110796506A true CN110796506A (zh) | 2020-02-14 |
Family
ID=69426205
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810878342.1A Pending CN110796506A (zh) | 2018-08-03 | 2018-08-03 | 一种异常订单判定方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110796506A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113781156A (zh) * | 2021-05-13 | 2021-12-10 | 北京沃东天骏信息技术有限公司 | 恶意订单的识别方法、模型的训练方法、设备及存储介质 |
CN117745066A (zh) * | 2023-12-19 | 2024-03-22 | 广州白驹科技有限公司 | 一种号卡订单的异常规避方法、装置、设备及存储介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103927675A (zh) * | 2014-04-18 | 2014-07-16 | 北京京东尚科信息技术有限公司 | 判断用户年龄段的方法及装置 |
CN104408629A (zh) * | 2014-11-10 | 2015-03-11 | 广东欧珀移动通信有限公司 | 网络购物监控方法、系统及包含该系统的终端设备 |
CN104836701A (zh) * | 2015-05-04 | 2015-08-12 | 北京京东尚科信息技术有限公司 | 订单监控方法及装置 |
CN107123031A (zh) * | 2017-05-02 | 2017-09-01 | 深圳乐信软件技术有限公司 | 一种订单处理方法及装置 |
CN107220236A (zh) * | 2017-05-23 | 2017-09-29 | 武汉朱雀闻天科技有限公司 | 一种确定疑似裸贷学生的方法及装置 |
JP2017182439A (ja) * | 2016-03-30 | 2017-10-05 | 日本電信電話株式会社 | オーダリマインダシステムおよびオーダリマインダ方法 |
CN108052895A (zh) * | 2017-12-11 | 2018-05-18 | 深圳市桐梦网络技术有限公司 | 远程人工辅助自助彩票终端识别未成年人的方法 |
-
2018
- 2018-08-03 CN CN201810878342.1A patent/CN110796506A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103927675A (zh) * | 2014-04-18 | 2014-07-16 | 北京京东尚科信息技术有限公司 | 判断用户年龄段的方法及装置 |
CN104408629A (zh) * | 2014-11-10 | 2015-03-11 | 广东欧珀移动通信有限公司 | 网络购物监控方法、系统及包含该系统的终端设备 |
CN104836701A (zh) * | 2015-05-04 | 2015-08-12 | 北京京东尚科信息技术有限公司 | 订单监控方法及装置 |
JP2017182439A (ja) * | 2016-03-30 | 2017-10-05 | 日本電信電話株式会社 | オーダリマインダシステムおよびオーダリマインダ方法 |
CN107123031A (zh) * | 2017-05-02 | 2017-09-01 | 深圳乐信软件技术有限公司 | 一种订单处理方法及装置 |
CN107220236A (zh) * | 2017-05-23 | 2017-09-29 | 武汉朱雀闻天科技有限公司 | 一种确定疑似裸贷学生的方法及装置 |
CN108052895A (zh) * | 2017-12-11 | 2018-05-18 | 深圳市桐梦网络技术有限公司 | 远程人工辅助自助彩票终端识别未成年人的方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113781156A (zh) * | 2021-05-13 | 2021-12-10 | 北京沃东天骏信息技术有限公司 | 恶意订单的识别方法、模型的训练方法、设备及存储介质 |
CN117745066A (zh) * | 2023-12-19 | 2024-03-22 | 广州白驹科技有限公司 | 一种号卡订单的异常规避方法、装置、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107729937B (zh) | 用于确定用户兴趣标签的方法及装置 | |
US11954682B2 (en) | System and method for automated linkage of enriched transaction data to a record of charge | |
US20130290169A1 (en) | Managing financial transactions using transaction data from sms notifications | |
US20120191517A1 (en) | Prepaid virtual card | |
US10318546B2 (en) | System and method for test data management | |
US11436585B2 (en) | Virtual point of sale | |
US20170316405A1 (en) | Systems and Methods for Control and Reconciliation of Virtual Token Accounts | |
US11869030B1 (en) | Systems and methods for electronic payment using loyalty rewards | |
US20090006250A1 (en) | Methods and systems for tracking and reporting financial transactions | |
CN114303164A (zh) | 使用事件驱动平台的供方发票对账和支付 | |
US9843588B2 (en) | Systems and methods for lossless compression of data and high speed manipulation thereof | |
CN110942392A (zh) | 一种业务数据处理方法、装置、设备和介质 | |
US11087380B2 (en) | Method, article of manufacture, and system for provisioning available appointments | |
CN110796506A (zh) | 一种异常订单判定方法和装置 | |
US20150356575A1 (en) | Methods and systems for predicting online and in-store purchasing | |
US20190087914A1 (en) | Deterministic Rules Protocol To Determine A Score | |
CN107977876B (zh) | 用于处理订单信息的方法及装置 | |
CN112101792A (zh) | 供应链关系构建的方法和装置 | |
US10949842B1 (en) | Preventing data analysis interruptions by identifying card continuity without using personally identifiable information | |
KR20230019025A (ko) | 템플릿 변경을 처리하기 위한 메시지 매핑을 위한 방법 및 시스템 | |
CN110956478A (zh) | 确定物品进货量的方法和装置 | |
US10902427B2 (en) | System and method for data analytics | |
CN112016791B (zh) | 资源分配方法、装置及电子设备 | |
CN113762879A (zh) | 设定邮费的方法、装置和系统 | |
US20160104173A1 (en) | Real-time economic indicator |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |