[发明专利]一种处理订单数据的方法和装置

说明书

本发明公开了一种处理订单数据的方法和装置，涉及计算机技术领域。该方法的一具体实施方式包括：从训练集中随机抽取多个样本集，每个样本集包括多个订单数据；采用订单数据进行孤立森林算法建模，从而构建多棵二叉树，其中，每个样本集对应于一棵二叉树；根据所述多棵二叉树的树结构，计算待预测订单数据的异常值。该实施方式能够解决不能有效地识别出异常订单的问题。

技术领域

本发明涉及计算机技术领域，尤其涉及一种处理订单数据的方法和装置。

背景技术

当一辆汽车在质保期或延保期的时间内某一部件出现故障或损坏时，车主都可以向厂商(或汽车销售服务4S店)提出索赔。汽车的索赔当前主要分三大类：整车质保、零件质保、易损件质保。不同汽车品牌，不同车型的三大质保内容也不尽相同。

车辆在质保或延保期内出现质量问题时，汽车公司将免费为车主承担保修范围内发生的维修费用、原厂配件替换等服务。当车辆发生质保范围内的问题后，车辆会进入4S店维修检测，索赔员会评估汽车问题是否属于质保范围，如果是，4S店将根据检测结果对该车辆进行修理或部件更换，同时系统中会生成索赔单据，维修工时、配件、辅料等费用以理赔订单的形式上传至品牌汽车公司的售后数据库，由汽车公司定期向4S店进行对应的质保索赔。但是，出于利益或返利回扣指标，4S店提供的订单中存在不合理的情形，而针对订单的欺诈行为，汽车公司往往只能通过随机抽查的方式进行检验，对抽到的订单进行人工审核。

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：

目前汽车公司针对海量的结构化订单数据，并没有形成有效的异常订单检测手段，需要随机抽取少量的订单，人工在4S店通过现场照片、视频等额外记录进行判断，导致核实成本高、周期长。而且，由于订单数据量大，抽查比例很小，不能有效地识别出异常订单。

发明内容

有鉴于此，本发明实施例提供一种处理订单数据的方法和装置，能够解决不能有效地识别出异常订单的问题。

为实现上述目的，根据本发明实施例的一个方面，提供了一种处理订单数据的方法，包括：

从训练集中随机抽取多个样本集，每个样本集包括多个订单数据；

采用订单数据进行孤立森林算法建模，从而构建多棵二叉树，其中，每个样本集对应于一棵二叉树；

根据所述多棵二叉树的树结构，计算待预测订单数据的异常值。

可选地，采用订单数据进行孤立森林算法建模，包括：

针对每个样本集，以该样本集中编码后的订单数据作为根节点；

随机选取一个特征，确定该样本集中该特征的最小值和最大值；

随机选取该特征的最小值与最大值之间的值作为切分点值，将小于所述切分点值的特征对应的订单数据放入一侧的子节点，将大于等于所述切分点值的特征对应的订单数据放入另一侧的子节点；

对两侧子节点的订单数据重复执行随机选取特征及其切分点值的步骤，直到所有订单数据不可再分或者达到预设的树高度，从而创建得到一棵二叉树。

可选地，根据所述多棵二叉树的树结构，计算待预测订单数据的异常值，包括：

将待预测订单数据逐一遍历所述多棵二叉树，根据所述待预测订单数据在每棵二叉树中的位置，计算所述待预测订单数据的异常值。

可选地，根据所述待预测订单数据在每棵二叉树中的位置，计算所述待预测订单数据的异常值，包括：

根据所述待预测订单数据在每棵二叉树中的位置，计算所述待预测订单数据在所有二叉树中的高度的均值；