本发明涉及计算机，尤其涉及一种发货异常用户的检测方法和装置。
背景技术：
1、随着网购的快速发展，网购平台商家的快递、快运等物流运单也越来越多。各个物流公司在为商家用户提供服务时，会考虑商家用户的发货数量、利润等因素为商家用户提供低折扣运费的服务。然而有些用户，会利用虚假的信息对物流公司进行欺骗，存在发货异常行为，给物流公司带来严重的经济损失。目前，对于存在发货异常行为的异常用户进行检测时，多是依靠工作人员根据最近时间段的发货单量和依据自身经验设置的阈值来进行判断。
2、在实现本发明过程中，发明人发现现有技术中至少存在如下问题：
3、目前对异常用户的检测几乎都是由工作人员根据经验确定的，并没有一套完整的方法去自动化识别异常用户，导致异常用户的检测效率较低，检测数量较小；同时由于人工检测能力有限，无法实现对发货模式比较复杂的用户或历史上已发生过发货异常的用户进行检测，导致异常检测不够全面。
技术实现思路
1、有鉴于此，本发明实施例提供一种发货异常用户的检测方法和装置，能够自动化识别发货异常用户，将变点检测技术和异常检测技术相结合，给出一种识别数据突增且给出数据突增时间范围的方法，在用户异常发货的场景下，不仅能识别发货异常用户，还能识别出发生异常的时间段，提高了发货异常用户的检测效率，且可对全量用户进行检测，无论是对发货模式比较复杂的用户还是历史上已发生过发货异常的用户均可以进行检测，实现对发货异常用户的全面检测，且为人工核查提供了有力证据。
2、为实现上述目的，根据本发明实施例的一个方面，提供了一种发货异常用户的检测方法，包括：
3、获取用户在指定时间段内的发货单量的时间序列；
4、对所述时间序列进行变点检测得到不少于一个发货单量发生变化的变化点，并基于所述变化点将所述时间序列切分为多个子时间序列；
5、对所述时间序列进行异常值检测得到异常时间序列，并确定所述异常时间序列所属的子时间序列为发货异常时间段；
6、根据所述发货异常时间段之内的用户特征与所述发货异常时间段之外的用户特征进行差异性分析，以检测所述用户是否发货异常。
7、可选地，对所述时间序列进行变点检测，包括：使用变点检测模型对所述时间序列进行变点检测，所述变点检测模型包括搜索方法和损失函数；其中，在所述时间序列符合正态分布的情况下，所述损失函数为检测方差变化的损失函数；在所述时间序列不符合正态分布的情况下，所述损失函数为检测均值变化的损失函数。
8、可选地，在基于所述变化点将所述时间序列切分为多个子时间序列之后，还包括：对每个子时间序列，分别提取不少于一个维度的用户特征；基于每个维度的用户特征，对所述多个子时间序列进行差异性分析以对所述变化点进行准确性验证。
9、可选地，在确定所述异常时间序列所属的子时间序列为发货异常时间段之前，还包括：获取所述异常时间序列所属的子时间序列的第一用户特征，以及除所述异常时间序列所属的子时间序列之外的子时间序列的第二用户特征；计算所述第一用户特征和所述第二用户特征的差异度；以及，确定所述差异度超过设定的差异度阈值。
10、可选地，所述方法还包括：在检测所述用户发货异常之后，根据设定的业务校验规则对所述用户进行业务校验；以及，在业务校验通过的情况下，将所述用户确定为发货异常用户。
11、可选地，在获取用户在指定时间段内的发货单量的时间序列之前，还包括：根据预设规则从用户集群中筛选出符合指定要求的用户，并将筛选出的符合指定要求的用户作为所述用户。
12、可选地，根据预设规则从用户集群中筛选出符合指定要求的用户，包括：对于用户集群中的每个用户，基于所述用户对应的产品类别和折扣率确定所述用户所属的类别；获取所述类别的用户的发货量基线数据，所述发货量基线数据是通过对所述类别的所有用户的发货量数据进行分析得到的；在所述用户的发货量数据小于所述类别的发货量基线数据的情况下，确定所述用户为符合指定要求的用户；在所述用户的发货量数据不小于所述类别的发货量基线数据的情况下，确定所述用户不是符合指定要求的用户。。
13、根据本发明实施例的另一方面，提供了一种发货异常用户的检测装置，包括：
14、数据获取模块，用于获取用户在指定时间段内的发货单量的时间序列；
15、变点检测模块，用于对所述时间序列进行变点检测得到不少于一个发货单量发生变化的变化点，并基于所述变化点将所述时间序列切分为多个子时间序列；
16、异常检测模块，用于对所述时间序列进行异常值检测得到异常时间序列，并确定所述异常时间序列所属的子时间序列为发货异常时间段；
17、差异分析模块，用于根据所述发货异常时间段之内的用户特征与所述发货异常时间段之外的用户特征进行差异性分析，以检测所述用户是否发货异常。
18、根据本发明实施例的又一方面，提供了一种电子设备，包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现本发明实施例所提供的发货异常用户的检测方法。
19、根据本发明实施例的再一方面，提供了一种计算机可读介质，其上存储有计算机程序，所述程序被处理器执行时实现本发明实施例所提供的发货异常用户的检测方法。
20、上述发明中的一个实施例具有如下优点或有益效果：通过获取用户在指定时间段内的发货单量的时间序列；对时间序列进行变点检测得到不少于一个发货单量发生变化的变化点，并基于变化点将时间序列切分为多个子时间序列；对时间序列进行异常值检测得到异常时间序列，并确定异常时间序列所属的子时间序列为发货异常时间段；根据发货异常时间段之内的用户特征与发货异常时间段之外的用户特征进行差异性分析，以检测用户是否发货异常的技术方案，实现了自动化识别发货异常用户，将变点检测技术和异常检测技术相结合，给出一种识别数据突增且给出数据突增时间范围的方法，在用户异常发货的场景下，不仅能识别发货异常用户，还能识别出发生异常的时间段，提高了发货异常用户的检测效率，且可对全量用户进行检测，无论是对发货模式比较复杂的用户还是历史上已发生过发货异常的用户均可以进行检测，实现对发货异常用户的全面检测，且为人工核查提供了有力证据。
21、上述的非惯用的可选方式所具有的进一步效果将在下文中结合具体实施方式加以说明。
1.一种发货异常用户的检测方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，对所述时间序列进行变点检测，包括：
3.根据权利要求1所述的方法，其特征在于，在基于所述变化点将所述时间序列切分为多个子时间序列之后，还包括：
4.根据权利要求1所述的方法，其特征在于，在确定所述异常时间序列所属的子时间序列为发货异常时间段之前，还包括：
5.根据权利要求1所述的方法，其特征在于，所述方法还包括：
6.根据权利要求1所述的方法，其特征在于，在获取用户在指定时间段内的发货单量的时间序列之前，还包括：
7.根据权利要求6所述的方法，其特征在于，根据预设规则从用户集群中筛选出符合指定要求的用户，包括：
8.一种发货异常用户的检测装置，其特征在于，包括：
9.一种电子设备，其特征在于，包括：
10.一种计算机可读介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现如权利要求1-7中任一所述的方法。
