[發明專利]異常寄遞行為檢測方法、系統、電子設備和存儲介質

有效

• 申請號: 202210115402.0
• 申請日: 2022-02-07
• 公開（公告）號: CN114154595B
• 公開（公告）日: 2022-04-08
• 發明（設計）人: 許良鋒;王豐;李惟聰;任仰奇;張彬;楊睿;聞克宇;王云龍
• 申請（專利權）人: 國家郵政局郵政業安全中心
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06Q10/08;G06Q50/26
• 代理公司: 北京友誼嘉知識產權代理事務所(普通合伙) 16075
• 代理人: 張會會

本公開實施例公開了一種異常寄遞行為檢測方法、系統、電子設備和存儲介質。其中，所述異常寄遞行為檢測方法包括：建立寄遞重點地區庫，所述寄遞重點地區庫中存儲有至少一種案件類型的至少一個地址類型的地址數據；根據待檢測案件類型，從所述寄遞重點地區庫中獲取目標地址數據；根據所述目標地址數據，篩選出對應的寄遞面單數據；確定所述寄遞面單數據中的寄遞地址的至少一種地理特征數據；通過聚類算法分別識別所述地理特征數據的異常特征值；根據所述異常特征值的識別結果，確定是否存在異常寄遞行為。

技術領域

本公開涉及人工智能領域 ，尤其涉及一種異常寄遞行為檢測方法、系統、電子設備和存儲介質。

背景技術

我國的快遞業務量近年來持續高速增長，快遞在人們生活中已變成不可或缺的一部分。與此同時，寄遞業在迅猛發展的同時，其存在的風險隱患問題也越來越凸顯，越來越多的違法犯罪分子利用寄遞業企業數量多、營業網點多、從業人員多、業務環節多等快遞企業管理漏洞以及行業人貨分離、隱蔽性強、安全監管難度大等特點，非法寄運禁運物品案件頻發，嚴重危害國家安全、公共安全和社會穩定。

目前，基于針對上述案件，已有的研究大多是人工針對某一類案件進行特點分析與方法應對。在發明人實施本公開實施例的過程中發現現有技術存在效率較低，實用性有待提升的問題。

發明內容

有鑒于此，本公開實施例提供了一種異常寄遞行為檢測方法、系統、電子設備和存儲介質，至少部分的解決現有技術中存在的效率較低，實用性有待提升的問題。

第一方面，本公開實施例提供了一種異常寄遞行為檢測方法，所述異常寄遞行為檢測方法包括：

建立寄遞重點地區庫，所述寄遞重點地區庫中存儲有至少一種案件類型的至少一個地址類型的地址數據；

根據待檢測案件類型，從所述寄遞重點地區庫中獲取目標地址數據；

根據所述目標地址數據，篩選出對應的寄遞面單數據；

確定所述寄遞面單數據中的寄遞地址的至少一種地理特征數據；

通過聚類算法分別識別所述地理特征數據的異常特征值；

根據所述異常特征值的識別結果，確定是否存在異常寄遞行為。

可選地，所述案件類型包括涉危險品、涉煙、電信詐騙、銷贓和其他，所述地址類型包括生產地、中轉地和消費地。

可選地，所述地址數據包括區域地址和詳細地址，所述異常寄遞行為檢測方法還包括：在獲取所述目標地址數據之后，判斷所述目標地址數據的詳細地址是否為空白；

所述根據所述目標地址數據，篩選出對應的寄遞面單數據包括：在所述詳細地址為空白時，根據所述目標地址數據中的區域地址，篩選出對應的寄遞面單數據。

可選地，所述異常寄遞行為檢測方法還包括：在所述詳細地址不為空白時，根據所述目標地址數據中的詳細地址，篩選出對應的寄遞面單數據，直接對所述寄遞面單數據進行復核。

可選地，所述地理特征數據包括：寄件發出地地址數、收件詳細地址填寫不正確數量、一人多址情況數量和寄件發往地地址數量。

可選地， 所述通過聚類算法分別識別所述地理特征數據的異常特征值包括：

使用不含異常特征值的數據作為訓練集，通過k-means算法，得到第一k均值聚類算法結果；

使用所述地理特征數據作為測試集，通過k-means算法，得到第二k均值聚類算法結果；

判斷所述第二k均值聚類算法結果中，是否存在異常點，所述異常點與最近的聚類中心之間的距離超過所述第一k均值聚類算法結果中的最大距離；

若存在異常點，將所述異常點對應的地理特征數據作為所述異常特征值。