CN107492021A - 订单来源分析方法及装置 - Google Patents
订单来源分析方法及装置 Download PDFInfo
- Publication number
- CN107492021A CN107492021A CN201710752505.7A CN201710752505A CN107492021A CN 107492021 A CN107492021 A CN 107492021A CN 201710752505 A CN201710752505 A CN 201710752505A CN 107492021 A CN107492021 A CN 107492021A
- Authority
- CN
- China
- Prior art keywords
- order
- information
- sequence information
- similarity
- orders
- 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
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
-
- 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]
- G06Q30/0623—Item investigation
- G06Q30/0625—Directed, with specific intent or strategy
- G06Q30/0629—Directed, with specific intent or strategy for generating comparisons
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
本发明提供一种订单来源分析方法及装置，属于计算机技术领域。该方法包括：对于订单集合中的任一订单，将任一订单作为第一订单，确定第一订单的订单信息与其它订单中每一订单的订单信息之间的相似度，其它订单为订单集合除第一订单之外的订单；当其它订单中存在订单的订单信息与第一订单的订单信息之间的相似度大于预设阈值时，将满足条件的订单与第一订单归类为同一来源的订单。对于订单集合中的任一订单，本发明通过在其它订单中存在订单的订单信息与第一订单的订单信息之间的相似度大于预设阈值时，将满足条件的订单与第一订单归类为同一来源的订单。由于可筛选出同一来源的订单，从而可检测出恶意刷单的行为。
Description
技术领域
本发明涉及计算机技术领域，更具体地，涉及一种订单来源分析方法及装置。
背景技术
目前网上购物的人越来越多，电商平台为了能够促进用户消费，且为了提高平台曝光度，通常会开展相应的特惠活动。在特惠活动中，一般会有优惠力度很高的商品。对于这些商品，经常会有用户通过恶意刷单的方式抢购囤货，后续以高于特惠价格的价格出售。再又如，对于电商平台中进驻的商家，经常会有商家之间进行恶意竞争。例如，A商家通过注册用户账号，以恶意刷单的方式购买B商家的商品，在收到商品后直接退货，以降低B商家的信誉度。针对上述恶意刷单行为，目前急需一种订单来源分析方法。
发明内容
为了解决上述问题，本发明提供一种克服上述问题或者至少部分地解决上述问题的订单来源分析方法及装置。
根据本发明的第一方面，提供了一种订单来源分析方法，该方法包括：
对于订单集合中的任一订单，将任一订单作为第一订单，确定第一订单的订单信息与其它订单中每一订单的订单信息之间的相似度，其它订单为订单集合除第一订单之外的订单；
当其它订单中存在订单的订单信息与第一订单的订单信息之间的相似度大于预设阈值时，将满足条件的订单与第一订单归类为同一来源的订单。
本发明实施例提供的方法，对于订单集合中的任一订单，将任一订单作为第一订单，确定第一订单的订单信息与其它订单中每一订单的订单信息之间的相似度，其它订单为订单集合除第一订单之外的订单。当其它订单中存在订单的订单信息与第一订单的订单信息之间的相似度大于预设阈值时，将满足条件的订单与第一订单归类为同一来源的订单。由于可根据订单之间的相似度，筛选出同一来源的订单，从而可分析出每一订单的来源，进而可检测出恶意刷单的行为。
结合第一方面的第一种可能的实现方式，在第二种可能的实现方式中，确定第一订单的订单信息与其它订单中每一订单的订单信息之间的相似度之前，还包括：
获取预设时间段内接收到的订单，并作为订单集合。
结合第一方面的第一种可能的实现方式，在第三种可能的实现方式中，订单信息至少包括以下三项信息中的任意一项，以下三项信息为用户注册信息、收货人地址及下单信息。
结合第一方面的第三种可能的实现方式，在第四种可能的实现方式中，确定第一订单的订单信息与其它订单中每一订单的订单信息之间的相似度，包括：
对于其它订单中的任一订单，将其它订单中的任一订单作为第二订单，确定第一订单的订单信息与第二订单的订单信息中信息相同的项数，将项数作为第一订单的订单信息与第二订单的订单信息之间的相似度。
结合第一方面的第三种可能的实现方式，在第五种可能的实现方式中，确定第一订单的订单信息与其它订单中每一订单的订单信息之间的相似度，包括：
对于其它订单中的任一订单，将其它订单中的任一订单作为第二订单，确定第一订单的订单信息与第二订单的订单信息中每一项信息之间的相似分值；
基于每一项信息之间的相似分值，确定第一订单的订单信息与第二订单的订单信息之间的相似度。
结合第一方面的第五种可能的实现方式，在第六种可能的实现方式中，对于订单信息中的收货人地址，确定第一订单的订单信息与第二订单的订单信息中每一项信息之间的相似分值，包括：
确定第一订单的收货人地址与第二订单的收货人地址之间距离；
基于距离确定第一订单的收货人地址与第二订单的收货人地址之间的相似分值。
结合第一方面的第五种可能的实现方式，在第七种可能的实现方式中，对于订单信息中的用户注册信息，确定第一订单的订单信息与第二订单的订单信息中每一项信息之间的相似分值，包括：
确定第一订单的用户注册信息对应的注册时间与第二订单的用户注册信息对应的注册时间之间的时间差；
确定第一订单的用户注册信息与第二订单的用户注册信息之间的信息相似程度；
基于时间差及信息相似程度，确定第一订单对应的用户注册信息与第二订单对应的用户注册信息之间的相似分值。
结合第一方面的第五种可能的实现方式，在第八种可能的实现方式中，对于订单信息中的下单信息，下单信息至少包括下单时间，确定第一订单的订单信息与第二订单的订单信息中每一项信息之间的相似分值，包括：
确定第一订单的下单时间与第二订单的下单时间之间的时间差；
基于时间差，确定第一订单的下单信息与第二订单的下单信息之间的相似分值。
结合第一方面的第五种可能的实现方式，在第九种可能的实现方式中，将满足条件的订单与第一订单归类为同一来源的订单之后，还包括：
获取第一订单的收货人地址，将第一订单的收货人地址作为同一来源订单的收货人地址。
根据本发明的第二方面，提供了一种订单来源分析装置，包括：
确定模块，用于对于订单集合中的任一订单，将任一订单作为第一订单，确定第一订单的订单信息与其它订单中每一订单的订单信息之间的相似度，其它订单为订单集合除第一订单之外的订单；
归类模块，用于当其它订单中存在订单的订单信息与第一订单的订单信息之间的相似度大于预设阈值时，将满足条件的订单与第一订单归类为同一类订单。
应当理解的是，以上的一般描述和后文的细节描述是示例性和解释性的，并不能限制本发明。
附图说明
图1为本发明实施例的一种订单来源分析方法的流程示意图；
图2为本发明实施例的一种订单来源分析方法的流程示意图；
图3为本发明实施例的一种订单来源分析装置的结构示意图；
图4为本发明实施例的一种订单来源分析设备的框图。
具体实施方式
下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明，但不用来限制本发明的范围。
目前网上购物的人越来越多，电商平台为了能够促进用户消费，且为了提高平台曝光度，通常会开展相应的特惠活动。在特惠活动中，一般会有优惠力度很高的商品。对于这些商品，经常会有用户通过恶意刷单的方式抢购囤货，后续以高于特惠价格的价格出售。再又如，对于电商平台中进驻的商家，经常会有商家之间进行恶意竞争。例如，A商家通过注册用户账号，以恶意刷单的方式购买B商家的商品，在收到商品后直接退货，以降低B商家的信誉度。
针对上述问题，本发明实施例提供了一种订单来源分析方法。该方法可应用于服务器，即通过服务器分析各种终端发送订单的订单来源，从而筛选出哪些可能是恶意刷单行为。参考图1，该方法包括：101、对于订单集合中的任一订单，将任一订单作为第一订单，确定第一订单的订单信息与其它订单中每一订单的订单信息之间的相似度，其它订单为订单集合除第一订单之外的订单；102、当其它订单中存在订单的订单信息与第一订单的订单信息之间的相似度大于预设阈值时，将满足条件的订单与第一订单归类为同一来源的订单。
其中，订单集合为服务器接收到的一系列订单，相似度用于表示若干个订单为恶意刷单行为的可能性。同一来源订单指的是一批次恶意刷单行为所生成的订单，如同一个用户在一段时间恶意刷单所产生成的订单。
本发明实施例提供的方法，对于订单集合中的任一订单，将任一订单作为第一订单，确定第一订单的订单信息与其它订单中每一订单的订单信息之间的相似度，其它订单为订单集合除第一订单之外的订单。当其它订单中存在订单的订单信息与第一订单的订单信息之间的相似度大于预设阈值时，将满足条件的订单与第一订单归类为同一来源的订单。由于可根据订单之间的相似度，筛选出同一来源的订单，从而可分析出每一订单的来源，进而可检测出恶意刷单的行为。
作为一种可选实施例，确定第一订单的订单信息与其它订单中每一订单的订单信息之间的相似度之前，还包括：
获取预设时间段内接收到的订单，并作为订单集合。
作为一种可选实施例，订单信息至少包括以下三项信息中的任意一项，以下三项信息为用户注册信息、收货人地址及下单信息。
作为一种可选实施例，确定第一订单的订单信息与其它订单中每一订单的订单信息之间的相似度，包括：
对于其它订单中的任一订单，将其它订单中的任一订单作为第二订单，确定第一订单的订单信息与第二订单的订单信息中信息相同的项数，将项数作为第一订单的订单信息与第二订单的订单信息之间的相似度。
作为一种可选实施例，确定第一订单的订单信息与其它订单中每一订单的订单信息之间的相似度，包括：
对于其它订单中的任一订单，将其它订单中的任一订单作为第二订单，确定第一订单的订单信息与第二订单的订单信息中每一项信息之间的相似分值；
基于每一项信息之间的相似分值，确定第一订单的订单信息与第二订单的订单信息之间的相似度。
作为一种可选实施例，对于订单信息中的收货人地址，确定第一订单的订单信息与第二订单的订单信息中每一项信息之间的相似分值，包括：
确定第一订单的收货人地址与第二订单的收货人地址之间距离；
基于距离确定第一订单的收货人地址与第二订单的收货人地址之间的相似分值。
作为一种可选实施例，对于订单信息中的用户注册信息，确定第一订单的订单信息与第二订单的订单信息中每一项信息之间的相似分值，包括：
确定第一订单的用户注册信息对应的注册时间与第二订单的用户注册信息对应的注册时间之间的时间差；
确定第一订单的用户注册信息与第二订单的用户注册信息之间的信息相似程度；
基于时间差及信息相似程度，确定第一订单对应的用户注册信息与第二订单对应的用户注册信息之间的相似分值。
作为一种可选实施例，对于订单信息中的下单信息，下单信息至少包括下单时间，确定第一订单的订单信息与第二订单的订单信息中每一项信息之间的相似分值，包括：
确定第一订单的下单时间与第二订单的下单时间之间的时间差；
基于时间差，确定第一订单的下单信息与第二订单的下单信息之间的相似分值。
作为一种可选实施例，将满足条件的订单与第一订单归类为同一来源的订单之后，还包括：
获取第一订单的收货人地址，将第一订单的收货人地址作为同一来源订单的收货人地址。
上述所有可选技术方案，可以采用任意结合形成本发明的可选实施例，在此不再一一赘述。
基于上述实施例的内容，本发明实施例提供了一种订单来源分析方法。参见图2，该方法包括：201、获取预设时间段内接收到的订单，并作为订单集合；202、对于订单集合中的任一订单，将任一订单作为第一订单，确定第一订单的订单信息与其它订单中每一订单的订单信息之间的相似度，其它订单为订单集合除第一订单之外的订单；203、当其它订单中存在订单的订单信息与第一订单的订单信息之间的相似度大于预设阈值时，将满足条件的订单与第一订单归类为同一来源的订单。
其中，201、获取预设时间段内接收到的订单，并作为订单集合。
在本步骤中，主要确定订单集合，从而后续步骤可分析出订单集合中订单的来源。由于恶意刷单行为通常具有时间性，从而可获取预设时间段内接收到的订单，以确定订单集合。具体地，电商平台的特惠活动通常会在一个时间点开启，在这个时间点后续短暂的时间段内，对于特惠商品，服务器必定会接收到很多订单，从而可将该时间段作为预设时间段，将该时间段内接收到的订单作为订单集合。例如，若特惠活动在上午9点开始，则在9点到9点5分，服务器会接收到针对特惠商品抢购的大量订单，从而可将这5分钟内接收到的订单作为订单集合。
其中，202、对于订单集合中的任一订单，将任一订单作为第一订单，确定第一订单的订单信息与其它订单中每一订单的订单信息之间的相似度，其它订单为订单集合除第一订单之外的订单。
通过上述步骤在去确定待分析的对象后，可分析订单集合中的订单来源。由于订单信息在一定程度上可反映订单的来源，从而本步骤可基于订单信息确定订单间的相似度。其中，订单信息可至少包括以下三项信息中的任意一项，以下三项信息为用户注册信息、收货人地址及下单信息，本发明实施例对此不作具体限定。
用户注册信息为下订单的用户在电商平台中注册时的用户信息，收货人地址为下订单用户所填写的接收商品的地址，下单信息可包括用户的下单时间、用户填写的联系方式等，本发明实施例对此不作具体限定。
基于上述内容，本发明实施例不对确定第一订单的订单信息与其它订单中每一订单的订单信息之间的相似度的方式作具体限定，包括但不限于：对于其它订单中的任一订单，将其它订单中的任一订单作为第二订单，确定第一订单的订单信息与第二订单的订单信息中信息相同的项数，将项数作为第一订单的订单信息与第二订单的订单信息之间的相似度。
例如，若第一订单与第二订单的用户注册信息相同，第一订单与第二订单的收货人地址相同，第一订单与第二订单的下单信息相同，则可确定第一订单的订单信息与第二订单的订单信息中信息相同的项数为3。若第一订单与第二订单的用户注册信息相同，第一订单与第二订单的收货人地址不同，第一订单与第二订单的下单信息相同，则可确定第一订单的订单信息与第二订单的订单信息中信息相同的项数为2。
考虑到恶意刷单的用户可能不会采用完全相同的信息实施恶意刷单行为，如采用完全相同的联系方式，收货人姓名，地址等。而通常会修改部分信息，以防止被检测出恶意刷单行为，如修改收货人姓名、按照一个地址周围附近的几个地址进行下单等。针对上述行为，本发明实施例提供了另一种相似度的确认方式，具体包括：对于其它订单中的任一订单，将其它订单中的任一订单作为第二订单，确定第一订单的订单信息与第二订单的订单信息中每一项信息之间的相似分值；基于每一项信息之间的相似分值，确定第一订单的订单信息与第二订单的订单信息之间的相似度。
其中，相似分值用于表示订单之间订单信息中每一项信息的近似程度或者对应恶意刷单行为的可能性。
由上述内容可知，订单信息可包括用户注册信息、收货人地址及下单信息中的至少一项信息。现针对不同信息项，对相似分值的确定方式进行阐述。对于订单信息中的收货人地址，本发明实施例不对确定第一订单的订单信息与第二订单的订单信息中每一项信息之间的相似分值的方式作具体限定，包括但不限于：确定第一订单的收货人地址与第二订单的收货人地址之间距离；基于距离确定第一订单的收货人地址与第二订单的收货人地址之间的相似分值。
在确定相似分值时，可预先设置一个距离区间，确定第一订单的收货人地址与第二订单的收货人地址之间距离在距离区间内落入的位置，从而得到相似分值。例如，若预先设置的距离区间为0到1km。若第一订单的收货人地址与第二订单的收货人地址之间距离为10m，从而可确定相似分值为1km/10m＝100。若第一订单的收货人地址与第二订单的收货人地址之间距离为100m，从而可确定相似分值为1km/100m＝10。当然，对于收货人地址对应的相似分值，除了上述示例中的确定方式之外，还可以基于恶意刷单的用户在填写收货地址时的行为预期，选取相应的确定方式，本发明实施例对此不作具体限定。
对于订单信息中的用户注册信息，本发明实施例不对确定第一订单的订单信息与第二订单的订单信息中每一项信息之间的相似分值的方式作具体限定，包括但不限于：确定第一订单的用户注册信息对应的注册时间与第二订单的用户注册信息对应的注册时间之间的时间差；确定第一订单的用户注册信息与第二订单的用户注册信息之间的信息相似程度；基于时间差及信息相似程度，确定第一订单对应的用户注册信息与第二订单对应的用户注册信息之间的相似分值。
由于恶意刷单的用户为了避开用户帐号的限制，如特惠活动中每一用户帐号只能最多下三次单，通常会申请注册多个用户帐号。为了便于实施恶意刷单行为，恶意用户通常会在某一时间段内集中注册用户帐号，从而注册时间可以作为分析恶意刷单行为的一个依据。同理，用户在一批次注册帐号时所填写的注册信息，可能某些程度上会有雷同，如用户所在地信息、用户性别、用户出生年月等。因此，在确定不同订单的用户注册信息之间的相似分值时，可依据上述两个因素来确定。当然，还可以采用其中任一个因素来确定相似分值，本发明实施例对此不作具体限定。
例如，若确定第一订单的用户注册信息对应的注册时间为上午9点，而第二订单的用户注册信息对应的注册时间为同一天的上午9点1分，可确定两者间的时间差为1分钟。此时，若其它信息存在雷同，则说明第一订单与第二订单很有可能是同一恶意用户下的订单。
在确定第一订单的用户注册信息与第二订单的用户注册信息之间的信息相似程度时，可基于用户注册信息中信息相同的项数，确定两者间的信息相似程度。例如，若第一订单与第二订单对应的用户所在地信息相同，第一订单与第二订单对应的用户性别相同，第一订单与第二订单对应的用户出生年月相同，则可确定两者的信息相似程度为3。若第一订单与第二订单对应的用户所在地信息不同，第一订单与第二订单对应的用户性别相同，第一订单与第二订单对应的用户出生年月相同，则可确定两者的信息相似程度为2。
在确定时间差及信息相似程度之后，可确定第一订单对应的用户注册信息与第二订单对应的用户注册信息之间的相似分值。具体地，可按照加权求和的方式确定不同订单的用户注册信息之间的相似分值。例如，第一订单与第二订单的用户注册信息之间的信息相似程度为2，而用户注册信息中的信息项数为3，则可确定对应的分值为2×100/3。而对于时间差同样可按照上述确定距离对应分值的方式，按照时间所落入的时间阈值区间确定对应的分值，如60。若时间差对应的权重为0.6，而用户注册信息对应的权重为0.4，从而可按照加权求和的方式计算出相似分值为0.6×60+0.4×2×100/3。
对于订单信息中的下单信息，下单信息中可至少包括下单时间。本发明实施例不对确定第一订单的订单信息与第二订单的订单信息中每一项信息之间的相似分值的方式作具体限定，包括但不限于：确定第一订单的下单时间与第二订单的下单时间之间的时间差；基于时间差，确定第一订单的下单信息与第二订单的下单信息之间的相似分值。
例如，第一订单的下单时间为下午5点，第二订单的下单时间为同一天的下午5点2分，可确定两者间的时间差为1分钟。此时，若其它信息存在雷同，则说明第一订单与第二订单很有可能是同一恶意用户下的订单。在基于时间差确定相似分值时，同样可按照按照时间所落入的时间阈值区间确定对应的分值。具体过程可参考上述内容，此处不再赘述。
通过上述方式，在确定每一项信息之间的相似分值后，可基于每一项信息之间的相似分值，确定第一订单的订单信息与第二订单的订单信息之间的相似度。具体地，同样可为每一项信息设置权重，按照加权求和得到相似度，此处不再赘述。
需要说明的是，上述步骤主要是从订单集合中选取一个第一订单，在剩下的其它订单中选取一个第二订单，确定第一订单与第二订单之间的相似度。对于其它订单中的每一订单，均可采用上述方式确定与第二订单之间的相似度，此处不再赘述。
其中，203、当其它订单中存在订单的订单信息与第一订单的订单信息之间的相似度大于预设阈值时，将满足条件的订单与第一订单归类为同一来源的订单。
通过上述步骤在确定其它订单中的每一订单与第一订单之间的相似度后，当其它订单中存在订单与第一订单之间的相似度大于预设阈值时，则将满足条件的订单与第一订单归类为同一来源的订单。其中，由于上述步骤中的相似度为具体分值，从而预设阈值也可以按照需求设置为分值，本发明实施例对此不作具体限定。
由于上述步骤主要是从订单集合中任选一个订单，分析剩下的订单与该订单是否为同一来源的订单，而对于订单集合中刨去该同一来源的订单后所剩下的订单，可能还会存在恶意刷单所产生的订单，从而对于剩下的订单，依然可采用上述步骤201至步骤203分析相应的同一来源的订单，此处不再赘述。
需要说明的是，对于同一来源的订单，即判定出恶意刷单所产生的订单，通常需要采用一定的措施减少恶意刷单所带来的损失。例如，一个用户通过恶意刷单下了10个订单，这10个订单的收货人地址为不同的地址，但是均为附近不同小区对应的地址。若分别送派送10次，则会增加很多快递费用与人力负担。基于此，在将满足条件的订单与第一订单归类为同一来源的订单之后，还可获取第一订单的收货人地址，将第一订单的收货人地址作为同一来源订单的收货人地址。通过该过程，后续送货时可统一送至同一地址，以减少快递费用及人力负担。当然，除了该方式应对恶意刷单之外，还可以通过查封账号、订单失效、警告等，本发明实施例不对在判定恶意刷单后相应的处理方式作具体限定。
本发明实施例提供的方法，获取预设时间段内接收到的订单，并作为订单集合。对于订单集合中的任一订单，将任一订单作为第一订单，确定第一订单的订单信息与其它订单中每一订单的订单信息之间的相似度，其它订单为订单集合除第一订单之外的订单。当其它订单中存在订单的订单信息与第一订单的订单信息之间的相似度大于预设阈值时，将满足条件的订单与第一订单归类为同一来源的订单。由于可根据订单之间的相似度，筛选出同一来源的订单，从而可分析出每一订单的来源，进而可检测出恶意刷单的行为。
其次，由于订单集合主要是获取预设时间段内的订单，而预设时间段内的订单更有可能由恶意用户集中时间恶意刷单所产生，从而基于预设时间段内的恶意刷单分析订单来源，提高了订单来源分析的准确性。
再次，由于是按照订单信息中每项信息之间的相似分值来确定订单之间订单信息的相似度，而每项信息均可指示恶意刷单行为的可能性，且后续可结合每项信息之间的相似分值综合判定订单来源，从而可提高订单来源分析的准确性。
最后，由于在分析出订单来源之后，可将同一来源的订单设置为同一收货人地址，即后续发货时可按照同一收货人地址发货，从而可减少快递费用及人力负担。
基于上述实施例所提供的订单来源分析方法，本发明实施例提供了一种订单来源分析装置。参见图3，该装置包括：
确定模块301，用于对于订单集合中的任一订单，将任一订单作为第一订单，确定第一订单的订单信息与其它订单中每一订单的订单信息之间的相似度，其它订单为订单集合除第一订单之外的订单；
归类模块302，用于当其它订单中存在订单的订单信息与第一订单的订单信息之间的相似度大于预设阈值时，将满足条件的订单与第一订单归类为同一类订单。
作为一种可选实施例，该装置还包括：
第一获取模块，用于获取预设时间段内接收到的订单，并作为订单集合。
作为一种可选实施例，订单信息至少包括以下三项信息中的任意一项，以下三项信息为用户注册信息、收货人地址及下单信息。
作为一种可选实施例，确定模块301，用于对于其它订单中的任一订单，将其它订单中的任一订单作为第二订单，确定第一订单的订单信息与第二订单的订单信息中信息相同的项数，将项数作为第一订单的订单信息与第二订单的订单信息之间的相似度。
作为一种可选实施例，确定模块301，包括：
第一确定单元，用于对于其它订单中的任一订单，将其它订单中的任一订单作为第二订单，确定第一订单的订单信息与第二订单的订单信息中每一项信息之间的相似分值；
第二确定单元，用于基于每一项信息之间的相似分值，确定第一订单的订单信息与第二订单的订单信息之间的相似度。
作为一种可选实施例，对于订单信息中的收货人地址，第一确定单元，用于确定第一订单的收货人地址与第二订单的收货人地址之间距离；基于距离确定第一订单的收货人地址与第二订单的收货人地址之间的相似分值。
作为一种可选实施例，对于订单信息中的用户注册信息，第一确定单元，用于确定第一订单的用户注册信息对应的注册时间与第二订单的用户注册信息对应的注册时间之间的时间差；确定第一订单的用户注册信息与第二订单的用户注册信息之间的信息相似程度；基于时间差及信息相似程度，确定第一订单对应的用户注册信息与第二订单对应的用户注册信息之间的相似分值。
作为一种可选实施例，对于订单信息中的下单信息，第一确定单元，用于确定第一订单的下单时间与第二订单的下单时间之间的时间差；基于时间差，确定第一订单的下单信息与第二订单的下单信息之间的相似分值。
作为一种可选实施例，该装置还包括：
第二获取模块，用于获取第一订单的收货人地址，将第一订单的收货人地址作为同一来源订单的收货人地址。
本发明实施例提供的装置，对于订单集合中的任一订单，将任一订单作为第一订单，确定第一订单的订单信息与其它订单中每一订单的订单信息之间的相似度，其它订单为订单集合除第一订单之外的订单。当其它订单中存在订单的订单信息与第一订单的订单信息之间的相似度大于预设阈值时，将满足条件的订单与第一订单归类为同一来源的订单。由于可根据订单之间的相似度，筛选出同一来源的订单，从而可分析出每一订单的来源，进而可检测出恶意刷单的行为。
其次，由于订单集合主要是获取预设时间段内的订单，而预设时间段内的订单更有可能由恶意用户集中时间恶意刷单所产生，从而基于预设时间段内的恶意刷单分析订单来源，提高了订单来源分析的准确性。
再次，由于是按照订单信息中每项信息之间的相似分值来确定订单之间订单信息的相似度，而每项信息均可指示恶意刷单行为的可能性，且后续可结合每项信息之间的相似分值综合判定订单来源，从而可提高订单来源分析的准确性。
最后，由于在分析出订单来源之后，可将同一来源的订单设置为同一收货人地址，即后续发货时可按照同一收货人地址发货，从而可减少快递费用及人力负担。
本发明实施例提供了一种订单来源分析设备。参见图4，该订单来源分析设备包括：处理器(processor)401、存储器(memory)402和总线403；
其中，处理器401及存储器402分别通过总线403完成相互间的通信；
处理器401用于调用存储器402中的程序指令，以执行上述实施例所提供的订单来源分析方法，例如包括：对于订单集合中的任一订单，将任一订单作为第一订单，确定第一订单的订单信息与其它订单中每一订单的订单信息之间的相似度，其它订单为订单集合除第一订单之外的订单；当其它订单中存在订单的订单信息与第一订单的订单信息之间的相似度大于预设阈值时，将满足条件的订单与第一订单归类为同一来源的订单。
本发明提供一种非暂态计算机可读存储介质，该非暂态计算机可读存储介质存储计算机指令，该计算机指令使计算机执行上述实施例所提供的订单来源分析方法，例如包括：对于订单集合中的任一订单，将任一订单作为第一订单，确定第一订单的订单信息与其它订单中每一订单的订单信息之间的相似度，其它订单为订单集合除第一订单之外的订单；当其它订单中存在订单的订单信息与第一订单的订单信息之间的相似度大于预设阈值时，将满足条件的订单与第一订单归类为同一来源的订单。
本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于一计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
以上所描述的信息交互设备等实施例仅仅是示意性的，其中作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分方法。
最后，本申请的方法仅为较佳的实施方案，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (10)
1.一种订单来源分析方法，其特征在于，包括：
对于订单集合中的任一订单，将所述任一订单作为第一订单，确定所述第一订单的订单信息与其它订单中每一订单的订单信息之间的相似度，所述其它订单为所述订单集合除所述第一订单之外的订单；
当所述其它订单中存在订单的订单信息与所述第一订单的订单信息之间的相似度大于预设阈值时，将满足条件的订单与所述第一订单归类为同一来源的订单。
2.根据权利要求1所述的方法，其特征在于，所述确定所述第一订单的订单信息与其它订单中每一订单的订单信息之间的相似度之前，还包括：
获取预设时间段内接收到的订单，并作为所述订单集合。
3.根据权利要求1所述的方法，其特征在于，所述订单信息至少包括以下三项信息中的任意一项，所述以下三项信息为用户注册信息、收货人地址及下单信息。
4.根据权利要求3所述的方法，其特征在于，所述确定所述第一订单的订单信息与其它订单中每一订单的订单信息之间的相似度，包括：
对于所述其它订单中的任一订单，将所述其它订单中的任一订单作为第二订单，确定所述第一订单的订单信息与所述第二订单的订单信息中信息相同的项数，将所述项数作为所述第一订单的订单信息与所述第二订单的订单信息之间的相似度。
5.根据权利要求3所述的方法，其特征在于，所述确定所述第一订单的订单信息与其它订单中每一订单的订单信息之间的相似度，包括：
对于所述其它订单中的任一订单，将所述其它订单中的任一订单作为第二订单，确定所述第一订单的订单信息与所述第二订单的订单信息中每一项信息之间的相似分值；
基于每一项信息之间的相似分值，确定所述第一订单的订单信息与所述第二订单的订单信息之间的相似度。
6.根据权利要求5所述的方法，其特征在于，对于订单信息中的收货人地址，所述确定所述第一订单的订单信息与所述第二订单的订单信息中每一项信息之间的相似分值，包括：
确定所述第一订单的收货人地址与所述第二订单的收货人地址之间距离；
基于所述距离确定所述第一订单的收货人地址与所述第二订单的收货人地址之间的相似分值。
7.根据权利要求5所述的方法，其特征在于，对于订单信息中的用户注册信息，所述确定所述第一订单的订单信息与所述第二订单的订单信息中每一项信息之间的相似分值，包括：
确定所述第一订单的用户注册信息对应的注册时间与所述第二订单的用户注册信息对应的注册时间之间的时间差；
确定所述第一订单的用户注册信息与所述第二订单的用户注册信息之间的信息相似程度；
基于所述时间差及所述信息相似程度，确定所述第一订单对应的用户注册信息与所述第二订单对应的用户注册信息之间的相似分值。
8.根据权利要求5所述的方法，其特征在于，对于订单信息中的下单信息，所述下单信息至少包括下单时间，所述确定所述第一订单的订单信息与所述第二订单的订单信息中每一项信息之间的相似分值，包括：
确定所述第一订单的下单时间与所述第二订单的下单时间之间的时间差；
基于所述时间差，确定所述第一订单的下单信息与所述第二订单的下单信息之间的相似分值。
9.根据权利要求1所述的方法，其特征在于，所述将满足条件的订单与所述第一订单归类为同一来源的订单之后，还包括：
获取所述第一订单的收货人地址，将所述第一订单的收货人地址作为所述同一来源订单的收货人地址。
10.一种订单来源分析装置，其特征在于，包括：
确定模块，用于对于订单集合中的任一订单，将所述任一订单作为第一订单，确定所述第一订单的订单信息与其它订单中每一订单的订单信息之间的相似度，所述其它订单为所述订单集合除所述第一订单之外的订单；
归类模块，用于当所述其它订单中存在订单的订单信息与所述第一订单的订单信息之间的相似度大于预设阈值时，将满足条件的订单与所述第一订单归类为同一类订单。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710752505.7A CN107492021A (zh) | 2017-08-28 | 2017-08-28 | 订单来源分析方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710752505.7A CN107492021A (zh) | 2017-08-28 | 2017-08-28 | 订单来源分析方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN107492021A true CN107492021A (zh) | 2017-12-19 |
Family
ID=60646670
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710752505.7A Pending CN107492021A (zh) | 2017-08-28 | 2017-08-28 | 订单来源分析方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107492021A (zh) |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108647801A (zh) * | 2018-03-23 | 2018-10-12 | 阿里巴巴集团控股有限公司 | 预测账务热点的方法及装置 |
| CN108900609A (zh) * | 2018-06-29 | 2018-11-27 | 重庆小雨点小额贷款有限公司 | 一种业务审批方法、服务器、客户端及存储介质 |
| CN109165906A (zh) * | 2018-06-29 | 2019-01-08 | 重庆小雨点小额贷款有限公司 | 一种业务审批方法、服务器及客户端 |
| CN110298673A (zh) * | 2019-06-14 | 2019-10-01 | 达疆网络科技(上海)有限公司 | 一种门店参与刷单的监测方法 |
| CN110555589A (zh) * | 2019-07-31 | 2019-12-10 | 苏宁云计算有限公司 | 风险订单识别方法及装置 |
| CN110955890A (zh) * | 2018-09-26 | 2020-04-03 | 瑞数信息技术（上海）有限公司 | 恶意批量访问行为的检测方法、装置和计算机存储介质 |
| CN112214731A (zh) * | 2019-07-11 | 2021-01-12 | 北京京东振世信息技术有限公司 | 确定目标集合的方法和装置 |
| CN113469789A (zh) * | 2021-07-01 | 2021-10-01 | 易纳购科技(北京)有限公司 | 异常订单的检测方法、装置及计算机设备 |
| CN113837617A (zh) * | 2021-09-26 | 2021-12-24 | 广州新丝路信息科技有限公司 | 一种防刷单的风险管理方法及装置 |
| CN117035945A (zh) * | 2023-09-08 | 2023-11-10 | 广东海洋大学 | 基于深度学习的电子信息管理方法及相关设备 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP4861965B2 (ja) * | 2007-11-14 | 2012-01-25 | 株式会社日立製作所 | 情報配信システム |
| CN104573017A (zh) * | 2015-01-09 | 2015-04-29 | 北京网智天元科技股份有限公司 | 识别网络水军团体的方法及系统 |
| CN105468742A (zh) * | 2015-11-25 | 2016-04-06 | 小米科技有限责任公司 | 恶意订单识别方法及装置 |
| CN106251202A (zh) * | 2016-07-29 | 2016-12-21 | 北京小米移动软件有限公司 | 恶意订单识别方法及装置 |
| CN106569994A (zh) * | 2015-10-10 | 2017-04-19 | 阿里巴巴集团控股有限公司 | 地址的分析方法及装置 |
| CN107092997A (zh) * | 2016-07-29 | 2017-08-25 | 北京小度信息科技有限公司 | 一种物流调度方法及装置 |
-
2017
- 2017-08-28 CN CN201710752505.7A patent/CN107492021A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP4861965B2 (ja) * | 2007-11-14 | 2012-01-25 | 株式会社日立製作所 | 情報配信システム |
| CN104573017A (zh) * | 2015-01-09 | 2015-04-29 | 北京网智天元科技股份有限公司 | 识别网络水军团体的方法及系统 |
| CN106569994A (zh) * | 2015-10-10 | 2017-04-19 | 阿里巴巴集团控股有限公司 | 地址的分析方法及装置 |
| CN105468742A (zh) * | 2015-11-25 | 2016-04-06 | 小米科技有限责任公司 | 恶意订单识别方法及装置 |
| CN106251202A (zh) * | 2016-07-29 | 2016-12-21 | 北京小米移动软件有限公司 | 恶意订单识别方法及装置 |
| CN107092997A (zh) * | 2016-07-29 | 2017-08-25 | 北京小度信息科技有限公司 | 一种物流调度方法及装置 |
Cited By (17)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108647801B (zh) * | 2018-03-23 | 2020-04-14 | 阿里巴巴集团控股有限公司 | 预测账务热点的方法及装置 |
| WO2019179236A1 (zh) * | 2018-03-23 | 2019-09-26 | 阿里巴巴集团控股有限公司 | 预测账务热点的方法及装置 |
| CN108647801A (zh) * | 2018-03-23 | 2018-10-12 | 阿里巴巴集团控股有限公司 | 预测账务热点的方法及装置 |
| CN108900609B (zh) * | 2018-06-29 | 2019-06-21 | 重庆小雨点小额贷款有限公司 | 一种业务审批方法、服务器、客户端及存储介质 |
| CN108900609A (zh) * | 2018-06-29 | 2018-11-27 | 重庆小雨点小额贷款有限公司 | 一种业务审批方法、服务器、客户端及存储介质 |
| CN109165906B (zh) * | 2018-06-29 | 2021-07-09 | 重庆小雨点小额贷款有限公司 | 一种业务审批方法、服务器及客户端 |
| CN109165906A (zh) * | 2018-06-29 | 2019-01-08 | 重庆小雨点小额贷款有限公司 | 一种业务审批方法、服务器及客户端 |
| CN110955890B (zh) * | 2018-09-26 | 2021-08-17 | 瑞数信息技术（上海）有限公司 | 恶意批量访问行为的检测方法、装置和计算机存储介质 |
| CN110955890A (zh) * | 2018-09-26 | 2020-04-03 | 瑞数信息技术（上海）有限公司 | 恶意批量访问行为的检测方法、装置和计算机存储介质 |
| CN110298673A (zh) * | 2019-06-14 | 2019-10-01 | 达疆网络科技(上海)有限公司 | 一种门店参与刷单的监测方法 |
| CN112214731A (zh) * | 2019-07-11 | 2021-01-12 | 北京京东振世信息技术有限公司 | 确定目标集合的方法和装置 |
| CN112214731B (zh) * | 2019-07-11 | 2024-04-09 | 北京京东振世信息技术有限公司 | 确定目标集合的方法和装置 |
| CN110555589A (zh) * | 2019-07-31 | 2019-12-10 | 苏宁云计算有限公司 | 风险订单识别方法及装置 |
| CN113469789A (zh) * | 2021-07-01 | 2021-10-01 | 易纳购科技(北京)有限公司 | 异常订单的检测方法、装置及计算机设备 |
| CN113837617A (zh) * | 2021-09-26 | 2021-12-24 | 广州新丝路信息科技有限公司 | 一种防刷单的风险管理方法及装置 |
| CN117035945A (zh) * | 2023-09-08 | 2023-11-10 | 广东海洋大学 | 基于深度学习的电子信息管理方法及相关设备 |
| CN117035945B (zh) * | 2023-09-08 | 2024-05-14 | 广东海洋大学 | 基于深度学习的电子信息管理方法及相关设备 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107492021A (zh) | 订单来源分析方法及装置 | |
| CN108038696B (zh) | 基于设备标识码和社交群组信息的刷单检测方法及系统 | |
| US10636100B2 (en) | System and method for prediction of value added tax reclaim success | |
| CN110807657B (zh) | 订单处理方法、装置、设备及计算机可读存储介质 | |
| CN106127505A (zh) | 一种刷单识别方法及装置 | |
| CN109064279A (zh) | 一种订单处理方法及装置 | |
| CN108876545A (zh) | 订单识别方法、装置和可读存储介质 | |
| CN107944002A (zh) | 优惠券核销方法、装置及电子设备 | |
| JP7516249B2 (ja) | 不正防止の装置および方法 | |
| CN107369026A (zh) | 业务分配方法及装置 | |
| CN108197851A (zh) | 一种电子商务多单同地址的物流分配方法 | |
| CN110197408B (zh) | 保价商品的定价预警方法及系统 | |
| CN112784039A (zh) | 一种分配在线客服的方法、装置和存储介质 | |
| CN110414902B (zh) | 一种基于互联网的电商平台系统 | |
| CN110060413A (zh) | 物品的出售方法和装置、存储介质及电子装置 | |
| CN108648005A (zh) | 数据处理方法及系统 | |
| US8533074B1 (en) | Lost and damaged items in a fulfillment network | |
| CN108182587A (zh) | 一种电商平台刷单行为检测方法及系统 | |
| US20190205832A1 (en) | System and method for delivering packages | |
| CN113469615A (zh) | 订单分配方法、装置、设备及存储介质 | |
| CN108415970A (zh) | 检索结果排序方法、装置、电子设备及存储介质 | |
| CN110009511A (zh) | 套利行为识别方法、套利行为识别模型训练方法及系统 | |
| CN112435059A (zh) | 物品价值实时评估方法、装置、电子设备及存储介质 | |
| CN106157045A (zh) | 基于物流数据识别虚假交易的方法、装置及服务器 | |
| CN107622408A (zh) | 购车线索交易转化的预估方法和预估装置 |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20171219 |
|
| RJ01 | Rejection of invention patent application after publication |