[发明专利]一种异常寄递数据识别方法及系统、电子设备、存储介质

说明书

本发明提供一种异常寄递数据识别方法及系统、电子设备、存储介质，涉及智能检测技术领域。该方法包括：获取M条寄递数据；建立N个预设特征类别，每个预设特征类别分别对应两条寄递数据之间的一种对应关系；分析第i条寄递数据和第j条寄递数据之间的至少一种第一对应关系；将第一对应关系与预设特征类别进行匹配，将第i条寄递数据和第j条寄递数据归类至匹配到的预设特征类别中；通过对应的筛选规则，分别对各预设特征类别中的所有寄递数据进行筛选，各预设特征类别中筛选出的寄递数据均为异常寄递数据。本发明的技术方案能够对异常寄递数据进行自动识别，可操作性强，且准确率、识别效率均较高。

技术领域

本发明涉及智能检测技术领域，尤其涉及一种异常寄递数据识别方法及系统、电子设备、存储介质。

背景技术

随着邮政快递行业的蓬勃发展，利用邮寄方式售卖交易违规产品的案例一再发生，比如通过电商渠道售卖假冒伪劣产品、虚假证件或危险化学用品等，对人民群众的日常生活及生命健康造成了侵害。相关不法人员通过线上交易的方式将此类产品向大范围地域售卖，产品售卖范围通常存在跨区、跨省等情况。

在现有的异常寄递数据识别流程中，人工分析占据了较大的比重，如根据收寄验视情况锁定寄递黑名单等，这种依赖于人工分析经验的识别方法可操作性差，且准确率、识别效率均较低，仍然存在安全漏洞，无法满足邮政快递行业日益增长的需求。

发明内容

本发明提供一种异常寄递数据识别方法及系统、电子设备、存储介质，可以对异常寄递数据进行自动识别，可操作性强，且准确率、识别效率均较高。

第一方面，本发明提供一种异常寄递数据识别方法，采用如下技术方案：

所述异常寄递数据识别方法包括：

获取M条寄递数据，M为大于1的正整数；

建立N个预设特征类别，N为大于1的正整数，每个预设特征类别分别对应两条寄递数据之间的一种对应关系；

分析第i条寄递数据和第j条寄递数据之间的第一对应关系，1≤i≤M，1≤j≤M，且j≠i；

将第一对应关系与预设特征类别进行匹配，将第i条寄递数据和第j条寄递数据归类至匹配到的预设特征类别中；

通过对应的筛选规则，分别对各预设特征类别中的所有寄递数据进行筛选，各预设特征类别中筛选出的寄递数据均为异常寄递数据。

可选地，所述建立N个预设特征类别包括：

获取寄递数据中的多个寄递行为数据；

预设两条寄递数据中的任意两种寄递行为数据之间的多种第二对应关系；

从多种第二对应关系中选择N种，作为寄递数据的N个预设特征类别。

可选地，所述多个寄递行为数据至少包括：寄件姓名、寄件手机号、寄件地址、收件地址、发货地址；所述多种第二对应关系至少包括：相同寄件姓名且不同寄件手机号、相同寄件姓名且不同寄件地址、相同寄件手机号且不同寄件姓名、相同寄件手机号且不同寄件地址、相同寄件手机号且不同收件地址；

所述从多种第二对应关系中选择N种，作为寄递数据的N个预设特征类别具体包括：选择相同寄件姓名且不同寄件手机号、相同寄件姓名且不同寄件地址、相同寄件手机号且不同寄件姓名、相同寄件手机号且不同寄件地址、相同寄件手机号且不同收件地址，分别作为第一个至第五个预设特征类别。

可选地，所述通过对应的筛选规则，分别对各预设特征类别中的所有寄递数据进行筛选具体包括：

将第一个和第二个预设特征类别中的所有寄递数据构成第一数据并集；

将第三个、第四个和第五个预设特征类别中的所有寄递数据构成第二数据并集；

通过对应的筛选规则，分别对第一数据并集、第二数据并集中的所有寄递数据进行筛选。

通过对应的筛选规则，分别对第一数据并集、第二数据并集中的所有寄递数据进行筛选。