本技術(shù)涉及支付金融領(lǐng)域，特別是涉及一種訂單類型確定方法、裝置、計算機設(shè)備和存儲介質(zhì)。

背景技術(shù)：

1、隨著計算機和互聯(lián)網(wǎng)技術(shù)的發(fā)展，越來越多的采用互聯(lián)網(wǎng)進(jìn)行交易，例如，可以通過互聯(lián)網(wǎng)進(jìn)行支付以購買商品，隨著互聯(lián)網(wǎng)交易的不斷發(fā)展，不斷的出現(xiàn)異常的交易訂單。例如，在社交應(yīng)用支付中存在異常支付的情況。

2、傳統(tǒng)技術(shù)中，為了檢測異常的交易訂單，通常采用對交易訂單進(jìn)行評分來判斷交易是異常的交易訂單還是正常的交易訂單，然而評分主要依賴經(jīng)驗以及主觀因素，評分的可靠性較低，從而導(dǎo)致交易訂單的類型的檢測準(zhǔn)確度較低。

技術(shù)實現(xiàn)思路

1、基于此，有必要針對上述技術(shù)問題，提供一種能夠提高訂單類型的檢測準(zhǔn)確度的訂單類型確定方法、裝置、計算機設(shè)備、計算機可讀存儲介質(zhì)和計算機程序產(chǎn)品。

2、一方面，本技術(shù)提供了一種訂單類型確定方法。所述方法包括：基于多個樣本交易訂單和各所述樣本交易訂單的樣本權(quán)重，生成訂單異常檢測模型；所述訂單異常檢測模型包括多個檢測子模型，所述訂單異常檢測模型中的各個檢測子模型是依次生成的，在后生成的檢測子模型的生成過程依賴于在前生成的檢測子模型；所述訂單異常檢測模型檢測出的訂單異常程度表征值，為所述訂單異常檢測模型中各檢測子模型的檢測值的綜合；針對每個所述樣本交易訂單，基于所述訂單異常檢測模型檢測出的所述樣本交易訂單的訂單異常程度表征值，更新所述樣本交易訂單的樣本權(quán)重；基于更新后的樣本權(quán)重，返回迭代執(zhí)行所述基于多個樣本交易訂單和各所述樣本交易訂單的樣本權(quán)重，生成訂單異常檢測模型的步驟及后續(xù)步驟，以重新生成新的訂單異常檢測模型，直到生成預(yù)設(shè)數(shù)量的訂單異常檢測模型停止迭代；所述預(yù)設(shè)數(shù)量的訂單異常檢測模型用于確定訂單類型。

3、另一方面，本技術(shù)還提供了一種訂單類型確定裝置。所述裝置包括：模型生成模塊，用于基于多個樣本交易訂單和各所述樣本交易訂單的樣本權(quán)重，生成訂單異常檢測模型；所述訂單異常檢測模型包括多個檢測子模型，所述訂單異常檢測模型中的各個檢測子模型是依次生成的，在后生成的檢測子模型的生成過程依賴于在前生成的檢測子模型；所述訂單異常檢測模型檢測出的訂單異常程度表征值，為所述訂單異常檢測模型中各檢測子模型的檢測值的綜合；權(quán)重更新模塊，用于針對每個所述樣本交易訂單，基于所述訂單異常檢測模型檢測出的所述樣本交易訂單的訂單異常程度表征值，更新所述樣本交易訂單的樣本權(quán)重；迭代模塊，用于基于更新后的樣本權(quán)重，返回迭代執(zhí)行所述基于多個樣本交易訂單和各所述樣本交易訂單的樣本權(quán)重，生成訂單異常檢測模型的步驟及后續(xù)步驟，以重新生成新的訂單異常檢測模型，直到生成預(yù)設(shè)數(shù)量的訂單異常檢測模型停止迭代；所述預(yù)設(shè)數(shù)量的訂單異常檢測模型用于確定訂單類型。

4、在一些實施例中，所述模型生成模塊，還用于基于多個樣本交易訂單和各所述樣本交易訂單的樣本權(quán)重生成檢測子模型；將所述檢測子模型加入當(dāng)前異常檢測模型中，以更新當(dāng)前異常檢測模型；在當(dāng)前異常檢測模型未滿足第一迭代停止條件的情況下，返回所述基于多個樣本交易訂單和各所述樣本交易訂單的樣本權(quán)重生成檢測子模型的步驟；在當(dāng)前異常檢測模型滿足所述第一迭代停止條件的情況下，將當(dāng)前異常檢測模型確定為訂單異常檢測模型。

5、在一些實施例中，所述模型生成模塊，還用于基于多個樣本交易訂單生成基準(zhǔn)子模型，對所述基準(zhǔn)子模型進(jìn)行更新得到基準(zhǔn)子模型對應(yīng)的至少一個更新子模型；針對每個更新子模型，通過所述更新子模型以及當(dāng)前異常檢測模型對所述樣本交易訂單進(jìn)行檢測，得到所述樣本交易訂單的預(yù)測異常程度表征值；根據(jù)所述樣本交易訂單的預(yù)測異常程度表征值和所述樣本交易訂單的樣本權(quán)重，確定所述樣本交易訂單的樣本預(yù)測偏差值；根據(jù)各所述更新子模型檢測出的各所述樣本交易訂單的樣本預(yù)測偏差值和各所述更新子模型，生成檢測子模型。

6、在一些實施例中，所述模型生成模塊，還用于針對每個所述更新子模型，基于各所述樣本交易訂單的樣本預(yù)測偏差值確定所述更新子模型的更新增益值；在未滿足第二迭代停止條件的情況下，從各更新子模型中選取更新增益值最大的更新子模型作為新的基準(zhǔn)子模型，返回對所述基準(zhǔn)子模型進(jìn)行更新得到基準(zhǔn)子模型對應(yīng)的至少一個更新子模型的步驟；在滿足第二迭代停止條件的情況下，將基準(zhǔn)子模型確定為檢測子模型。

7、在一些實施例中，所述基準(zhǔn)子模型屬于決策樹；所述模型生成模塊，還用于基于多個樣本交易訂單生成基準(zhǔn)子模型；所述基準(zhǔn)子模型中包括根節(jié)點，各所述樣本交易訂單劃分至所述根節(jié)點；獲取所述多個樣本交易訂單的訂單特征；所述樣本交易訂單的訂單特征包括所述樣本交易訂單在多個預(yù)設(shè)訂單特征維度下的特征值；從基準(zhǔn)子模型中確定候選分裂節(jié)點，生成候選分裂節(jié)點的至少一個分裂條件；所述分裂條件包括分裂訂單特征維度和所述分裂訂單特征維度對應(yīng)的分裂值；所述分裂訂單特征維度屬于所述多個預(yù)設(shè)訂單特征維度；針對所述候選分裂節(jié)點的每個分裂條件，依據(jù)所述分裂條件為基準(zhǔn)子模型中的所述候選分裂節(jié)點生成子節(jié)點，生成符合所述分裂條件的更新子模型。

8、在一些實施例中，所述模型生成模塊，還用于確定所述樣本交易訂單的預(yù)測異常程度表征值與所述樣本交易訂單的真實異常程度表征值之間的差值，得到所述樣本交易訂單的表征偏差值；基于所述樣本交易訂單的表征偏差值和所述樣本交易訂單的樣本權(quán)重，確定所述樣本交易訂單的樣本預(yù)測偏差值。

9、在一些實施例中，所述樣本交易訂單是通過社交應(yīng)用觸發(fā)的交易訂單；所述多個預(yù)設(shè)訂單特征維度包括資源轉(zhuǎn)入賬戶可靠度，所述模型生成模塊，還用于針對每個所述樣本交易訂單，基于所述樣本交易訂單的資源轉(zhuǎn)入方在所述社交應(yīng)用中的社交信息，確定所述樣本交易訂單在資源轉(zhuǎn)入賬戶可靠度下的特征值；根據(jù)所述樣本交易訂單在所述資源轉(zhuǎn)入賬戶可靠度下的特征值，得到所述樣本交易訂單的訂單特征。

10、在一些實施例中，所述裝置還包括用于確定多個樣本交易訂單的樣本確定模塊，所述樣本確定模塊還用于獲取第一歷史交易訂單集合；所述第一歷史交易訂單集合中各歷史交易訂單的訂單類型為正常訂單；獲取第二歷史交易訂單集合；所述第二歷史交易訂單集合中各歷史交易訂單的訂單類型為異常訂單；從所述第一歷史交易訂單集合中獲取第一數(shù)量的歷史交易訂單，并從所述第二歷史交易訂單集合中獲取第二數(shù)量的歷史交易訂單；基于所述第一數(shù)量的歷史交易訂單和所述第二數(shù)量的歷史交易訂單，得到所述多個樣本交易訂單；所述第一數(shù)量與所述第二數(shù)量不同。

11、在一些實施例中，所述權(quán)重更新模塊，還用于基于所述訂單異常檢測模型檢測出的所述樣本交易訂單的訂單異常程度表征值，確定所述樣本交易訂單的預(yù)測訂單類型；在所述樣本交易訂單的預(yù)測訂單類型與所述樣本交易訂單的真實訂單類型不一致的情況下，增大所述樣本交易訂單的樣本權(quán)重。

12、在一些實施例中，所述裝置還包括訂單類型確定模塊，所述訂單類型確定模塊，還用于確定待檢測的交易訂單；針對每個所述訂單異常檢測模型，通過所述訂單異常檢測模型中的各個檢測子模型分別對所述交易訂單進(jìn)行檢測，得到所述訂單異常檢測模型檢測出的所述交易訂單的訂單異常程度表征值；基于各所述訂單異常檢測模型分別檢測出的所述交易訂單的訂單異常程度表征值，確定所述交易訂單所屬的訂單類型。

13、在一些實施例中，所述訂單類型確定模塊，還用于通過所述訂單異常檢測模型中各檢測子模型分別對所述交易訂單進(jìn)行檢測，得到各所述檢測子模型針對所述交易訂單的檢測值；將各所述檢測子模型針對所述交易訂單的檢測值進(jìn)行統(tǒng)計，得到所述訂單異常檢測模型檢測出的所述交易訂單的訂單異常程度表征值。

14、在一些實施例中，所述裝置還包括模型權(quán)重確定模塊，所述模型權(quán)重確定模塊，用于對于每個所述樣本交易訂單，基于各所述訂單異常檢測模型的模型權(quán)重，對各所述訂單異常檢測模型分別針對所述樣本交易訂單的異常程度表征值進(jìn)行統(tǒng)計，得到所述樣本交易訂單的訂單異常程度統(tǒng)計值；確定所述樣本交易訂單的訂單異常程度統(tǒng)計值與所述樣本交易訂單的真實異常程度表征值之間的差值，得到所述樣本交易訂單的統(tǒng)計偏差值；基于各個所述樣本交易訂單的統(tǒng)計偏差值確定模型權(quán)重?fù)p失值，朝著使得模型權(quán)重?fù)p失值減小的方向，更新各訂單異常檢測模型的模型權(quán)重，得到各所述訂單異常檢測模型的檢測模型權(quán)重；所述訂單類型確定模塊，還用于基于各所述訂單異常檢測模型的檢測模型權(quán)重，對各所述訂單異常檢測模型分別針對所述交易訂單的異常程度表征值進(jìn)行統(tǒng)計，得到所述交易訂單的訂單異常程度統(tǒng)計值；根據(jù)所述交易訂單的訂單異常程度統(tǒng)計值確定所述交易訂單所屬的訂單類型。

15、另一方面，本技術(shù)還提供了一種計算機設(shè)備。所述計算機設(shè)備包括存儲器和處理器，所述存儲器存儲有計算機程序，所述處理器執(zhí)行所述計算機程序時實現(xiàn)上述訂單類型確定方法中的步驟。

16、另一方面，本技術(shù)還提供了一種計算機可讀存儲介質(zhì)。所述計算機可讀存儲介質(zhì)，其上存儲有計算機程序，所述計算機程序被處理器執(zhí)行時實現(xiàn)上述訂單類型確定方法中的步驟。

17、另一方面，本技術(shù)還提供了一種計算機程序產(chǎn)品。所述計算機程序產(chǎn)品，包括計算機程序，該計算機程序被處理器執(zhí)行時實現(xiàn)上述訂單類型確定方法中的步驟。

18、上述訂單類型確定方法、裝置、計算機設(shè)備、存儲介質(zhì)和計算機程序產(chǎn)品，基于多個樣本交易訂單和各樣本交易訂單的樣本權(quán)重，生成訂單異常檢測模型，訂單異常檢測模型包括多個檢測子模型，訂單異常檢測模型中的各個檢測子模型是依次生成的，在后生成的檢測子模型的生成過程依賴于在前生成的檢測子模型，訂單異常檢測模型檢測出的訂單異常程度表征值，為訂單異常檢測模型中各檢測子模型的檢測值的綜合，針對每個樣本交易訂單，基于訂單異常檢測模型檢測出的樣本交易訂單的訂單異常程度表征值，更新樣本交易訂單的樣本權(quán)重，基于更新后的樣本權(quán)重，返回迭代執(zhí)行基于多個樣本交易訂單和各樣本交易訂單的樣本權(quán)重，生成訂單異常檢測模型的步驟及后續(xù)步驟，以重新生成新的訂單異常檢測模型，直到生成預(yù)設(shè)數(shù)量的訂單異常檢測模型停止迭代，預(yù)設(shè)數(shù)量的訂單異常檢測模型用于確定訂單類型。從而迭代生成了多個訂單異常檢測模型，由于不同的樣本交易訂單的特點可能存在差異，例如，一些樣本交易訂單比較容易被識別出所屬的訂單類型，一些樣本交易訂單不容易被識別所屬的訂單類型，故每次迭代時，基于訂單異常檢測模型檢測出的樣本交易訂單的訂單異常程度表征值，更新樣本交易訂單的樣本權(quán)重，從而可以更新訂單異常檢測模型對樣本訂單的關(guān)注程度，使得樣本訂單在生成不同的訂單異常檢測模型的過程產(chǎn)生的影響程度合理變更，從而生成的預(yù)設(shè)數(shù)量的訂單異常檢測模型，可以適用于預(yù)測具有不同的特點的交易訂單所屬的訂單類型，提高了訂單類型的檢測準(zhǔn)確度。