[发明专利]订单列表推送方法、装置、存储介质和计算机设备

权利要求书

1.一种订单列表推送方法，其特征在于，包括如下步骤：

获取待推送给目标司机的初始订单列表；

获取所述初始订单列表中待配对订单的假单概率值，所述假单概率值基于预置的假单预测模型评估得到；

根据所述假单概率值，判断所述初始订单列表中是否有达到预置假单后置处理条件的待配对订单；

若是，将达到所述预置假单后置处理条件的待配对订单在所述初始订单列表中的排序调整至第N位后，生成最终订单列表并推送给目标司机。

2.根据权利要求1所述的订单列表推送方法，其特征在于，所述根据所述假单概率值，判断所述初始订单列表中是否有达到预置假单后置处理条件的待配对订单，包括：

根据所述假单概率值，判断所述初始订单列表中是否有所述假单概率值大于预设阈值的待配对订单。

3.根据权利要求1所述的订单列表推送方法，其特征在于，所述根据所述假单概率值，判断所述初始订单列表中是否有达到预置假单后置处理条件的待配对订单，包括：

根据所述假单概率值，判断所述初始订单列表中是否有所述假单概率值大于预设阈值的待配对订单；

若是，随机生成对应目标司机的随机概率值，判断所述初始订单列表中是否有所述假单概率值大于预设阈值，且所述假单概率值大于所述随机概率值的待配对订单。

4.根据权利要求1所述的订单列表推送方法，其特征在于，所述将达到所述预置假单后置处理条件的待配对订单在所述初始订单列表中的排序调整至第N位后，包括：

所述将达到所述预置假单后置处理条件的待配对订单在所述初始订单列表中的排序调整至末位。

5.根据权利要求1所述的订单列表推送方法，其特征在于，所述假单预测模型通过以下步骤预先训练生成：

获取企业历史订单的关联信息和用于标识历史订单是否为假单的标签信息；

根据所述关联信息，生成订单关联特征数据；

根据所述订单关联特征数据和所述标签信息，生成训练样本；

根据所述训练样本，基于预定算法训练生成所述假单预测模型；所述假单预测模型用于评估订单为假单的假单概率值。

6.根据权利要求5所述的订单列表推送方法，其特征在于，述历史订单的关联信息包括以下至少之一：

订单起始点和终点、订单价格、用车距离、用车时长、用车时段、订单发起人的信用评价、订单发起人画像。

7.根据权利要求1所述的订单列表推送方法，其特征在于，所述获取待推送给目标司机的初始订单列表之前，还包括：

接收目标司机提交的订单列表刷新请求。

8.一种订单列表推送装置，其特征在于，包括：

订单列表获取模块，用于获取待推送给目标司机的初始订单列表；

假单概率值获取模块，用于获取所述初始订单列表中待配对订单的假单概率值，所述假单概率值基于预置的假单预测模型评估得到；

假单确定模块，用于根据所述假单概率值，判断所述初始订单列表中是否有达到预置假单后置处理条件的待配对订单；

假单处理模块，用于在所述初始订单列表中有达到预置假单后置处理条件的待配对订单时，将达到所述预置假单后置处理条件的待配对订单在所述初始订单列表中的排序调整至第N位后，生成最终订单列表并推送给目标司机。

9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1至7任一项所述的订单列表推送方法。

10.一种计算机设备，其特征在于，其包括：

一个或多个处理器；

存储器；

一个或多个计算机程序，其中所述一个或多个计算机程序被存储在所述存储器中并被配置为由所述一个或多个处理器执行，所述一个或多个计算机程序配置用于：执行根据权利要求1至7任一项所述的订单列表推送方法。