订单智能审核方法、装置、电子设备及存储介质与流程

本发明涉及人工智能技术领域，尤其涉及一种订单智能审核的方法、装置、电子设备及计算机可读存储介质。

背景技术：

订单审核是协调用户需求计划的一个关键流程，其主要通过评估用户提交的订单信息，根据评估结果，判断订单是否可以审核通过。例如，随着非事故道路救援的订单量日益增多，各个机构的人员对人工审单的压力也日渐突显，不仅需要对接各个供应商，还要针对每个订单的各项指标进行审核。

目前，订单的审核主要通过人工进行审核，但是由于订单数量庞大，通过人工进行订单审核需要耗费大量的人力和时间成本，此外，人工审核在时效和质量上都存在一定的风险。

技术实现要素：

本发明提供一种订单智能审核的方法、装置、电子设备及计算机可读存储介质，其主要目的在于实现订单审核的自动化，以降低订单审核的人力时间成本和提高订单审核的效率和质量。

为实现上述目的，本发明提供的一种订单智能审核方法，包括：

构建风险指标集；

接收待审核订单集，识别所述待审核订单集的订单类型，将所述待审核订单集按照所述订单类型进行整理汇总，得到订单报表集，并提取出所述订单报表集的审核维度指标集；

将所述审核维度指标集与预先构建的风险指标集进行匹配，得到匹配结果，根据所述匹配结果，生成所述待审核订单集的审核结果。

可选地，所述构建风险指标集包括：

获取历史订单集，将所述历史订单集中相同类型订单进行聚类，得到初始订单集，将所述初始订单集划分为有效数据集和无效数据集；

计算出所述有效数据集和无效数据集中的映射不动点，得到所述有效数据集的有效映射不动点集和所述无效数据集的无效不动点集；

将所述有效映射不动点集和所述无效映射不动点集按预设的方式进行连接，形成点列空间结构，根据所述点列空间结构对所述初始订单集进行三维建模，生成三维指标模型；

根据所述三维指标模型，从所述有效映射不动点集选取目标有效映射不动点，根据所述目标有效映射不动点，提取出所述初始订单集的有效数据，根据所述有效数据生成风险指标集。

可选地，所述识别所述待审核订单集的订单类型，包括：

获取所述待审核订单集中待审核订单的字符序列，提取所述字符序列的特征字符序列，根据所述特征字符序列，分析所述待审核订单的标签分布，根据所述标签分布得到所述待审核订单的订单类型。

可选地，所述将所述审核维度指标集与所述风险指标集进行匹配，得到匹配结果，包括：

检测所述审核维度指标集的第一尺度空间极值点以及所述风险指标集的第二尺度空间极值点；

对所述第一尺度空间极值点和第二尺度空间极值点进行过滤，得到第一特征点和第二特征点；

划分所述第一特征点和第二特征点的位置主方向；

根据所述第一特征点和第二特征点的位置主方向，生成所述审核维度指标集的第一特征向量和所述风险指标集的第二特征向量；

计算所述第一特征向量与所述第二特征向量的欧式距离，将所述欧式距离与预设的距离作比对，根据比对结果，生成所述审核维度指标集与所述风险指标集的匹配结果。

可选地，所述计算所述第一特征向量与所述第二特征向量的欧式距离，包括：

通过下述公式计算所述第一特征向量与所述第二特征向量的欧式距离：

其中，dab表示欧式距离，ai表示第一特征向量中的第i个特征向量，bi表示第二特征向量中的第i个特征向量。

为了解决上述问题，本发明还提供一种订单智能审核装置，所述装置包括：

构建模块，用于构建风险指标集；

识别汇总模块，用于接收待审核订单集，识别所述待审核订单集的订单类型，将所述待审核订单集按照所述订单类型进行整理汇总，得到订单报表集，并提取出所述订单报表集的审核维度指标集；

匹配模块，用于将所述审核维度指标集与所述风险指标集进行匹配，得到匹配结果，根据所述匹配结果，生成所述待审核订单集的审核结果。

可选地，所述构建模块在构建所述风险指标集时，执行下述操作：

获取历史订单集，将所述历史订单集中相同类型订单进行聚类，得到初始订单集，将所述初始订单集划分为有效数据集和无效数据集；

计算出所述有效数据集和无效数据集中的映射不动点，得到所述有效数据集的有效映射不动点集和所述无效数据集的无效不动点集；

将所述有效映射不动点集和所述无效映射不动点集按预设的方式进行连接，形成点列空间结构，根据所述点列空间结构对所述初始订单集进行三维建模，生成三维指标模型；

根据所述三维指标模型，从所述有效映射不动点集选取目标有效映射不动点，根据所述目标有效映射不动点，提取出所述初始订单集的有效数据，根据所述有效数据生成风险指标集。

可选地，所述将所述审核维度指标集与所述风险指标集进行匹配，得到匹配结果，包括：

检测所述审核维度指标集的第一尺度空间极值点以及所述风险指标集的第二尺度空间极值点；

对所述第一尺度空间极值点和第二尺度空间极值点进行过滤，得到第一特征点和第二特征点；

划分所述第一特征点和第二特征点的位置主方向；

根据所述第一特征点和第二特征点的位置主方向，生成所述审核维度指标集的第一特征向量和所述风险指标集的第二特征向量；

计算所述第一特征向量与所述第二特征向量的欧式距离，将所述欧式距离与预设的距离作比对，根据比对结果，生成所述审核维度指标集与所述风险指标集的匹配结果。

为了解决上述问题，本发明还提供一种电子设备，所述电子设备包括：

存储器，存储至少一个指令；及

处理器，执行所述存储器中存储的指令以实现上述所述的订单智能审核方法。

为了解决上述问题，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一个指令，所述至少一个指令被电子设备中的处理器执行以实现上述所述的订单智能审核方法。

本发明实施例识别待审核订单集的订单类型，对所述待审核订单集按照所述订单类型进行整理汇总，得到订单报表集，并提取出所述订单报表集的审核维度指标集，根据提取出的审核维度指标集可以提高订单审核的效率以及降低人工操作频繁带来的风险；基于预先构建的风险指标集对待审核订单进行智能审单，极大的简化了传统人工审单的操作流程，减少了人工参与审核的时间，降低了订单审核的人力时间成本，从而实现了订单审核的自动化。

附图说明

图1为本发明一实施例提供的订单智能审核方法的流程示意图；

图2为本发明图1中订单智能审核方法中步骤s3的详细实施流程示意图；

图3为本发明一实施例提供的订单智能审核装置的模块示意图；

图4为本发明一实施例提供的实现订单智能审核方法的电子设备的内部结构示意图；

本发明目的的实现、功能特点及优点将整合实施例，参照附图做进一步说明。

具体实施方式

应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

本发明提供一种订单智能审核的方法。参照图1所示，为本发明一实施例提供的订单智能审核方法的流程示意图。该方法可以由一个装置执行，该装置可以由软件和/或硬件实现。

在本实施例中，订单智能审核的方法包括：

s1、构建风险指标集。

详细地，所述风险指标集是通过对历史订单集进行分析后构建的。

所述历史订单集指的是审核状态已完成的订单集合，所述历史订单集包括但不限于：道路救援订单、车险理赔订单以及意外核保订单等。较佳地，本发明实施例可以通过访问各大保险企业的后台数据库下载得到所述历史订单集。例如，访问中国平安企业的后台数据库，获取中国平安历年所处理完成的订单集。

进一步地，本发明实施例通过建立三维指标模型提取所述历史订单集的风险指标，根据所述风险指标构建所述风险指标集。其中，所述风险指标可以用于判断订单是否可以审核通过，由于订单类型不同，风险指标也会不同，例如，对于道路救援类型的订单来说，其风险指标包括：用户信息和道路路况信息等，对于车险理赔订单来说，其风险指标包括：车牌信息和用户信息等。

详细地，所述构建风险指标集，包括：

获取历史订单集，将所述历史订单集中相同类型订单进行聚类，得到初始订单集，将所述初始订单集划分为有效数据集和无效数据集；利用压缩映射算法计算出所述有效数据集和无效数据集中的映射不动点，得到所述有效数据集的有效映射不动点集和所述无效数据集的无效不动点集；并将所述有效映射不动点集和所述无效映射不动点集按预设的方式进行连接，形成点列空间结构，根据所述点列空间结构对所述初始订单集进行三维建模，生成三维指标模型，根据所述三维指标模型，利用线性回归算法从所述有效映射不动点集选取目标有效映射不动点，根据所述目标有效映射不动点，提取出所述初始订单集的有效数据，其中，所述有效数据即风险指标，并根据所述有效数据生成风险指标集。

较佳地，本发明通过下述聚类算法将所述历史订单集中相同类型订单进行聚类：

其中，e表示聚类中心点，k表示聚类中心点的数量，c表示历史订单集的数量，xt历史订单集中相同类型订单，表示第i个聚类中心点的簇心质量。

所述有效数据集指的是可以确定订单审核通过的指标数据；所述无效数据集指的是并不影响订单审核的指标数据，可以用于与所述有效数据集进行比对，更加直观的在三维指标模型中突显出有效数据的位置。

所述压缩映射算法可以为b-距离空间算法，其根据不同的数据计算出对应虚拟空间的循环映射点，将所述循环映射点压缩成映射不动点，所述映射不动点指的是将有效数据和无效数据在虚拟空间中进行压缩形成的点状形式。

所述预设的方式包括：将所述有效映射不动点集中的有效映射不动点进行连接，形成有效映射不动点的点列空间结构，将所述无效映射不动点集中的无效映射不动点进行连接，形成无效映射不动点的点列空间结构，将所述有效映射不动点的点列空间结构和所述无效映射不动点的点列空间结构进行合并，形成所述点列空间结构。

所述三维指标建模指的是通过三维制作软件通过虚拟三维空间构建出具有三维数据的模型。

s2、接收待审核订单集，识别所述待审核订单集的订单类型，将所述待审核订单集按照所述订单类型进行整理汇总，得到订单报表集，并提取出所述订单报表集的审核维度指标集。

本发明实施例中，所述待审核订单集可以通过移动设备终端进行上传得到，例如，在某道路发生一场车辆碰擦事故，事故司机可以通过手机app填写事故订单，并通过该手机app将填写后的订单上传至后台订单审核页面中，从而得到其中一个待审核订单。

由于待审核订单会包含大量不同的订单类型，本发明优先识别出待审核订单集的订单类型，对所述待审核订单集按照所述订单类型进行整理汇总，得到订单报表集，用以减少后续订单审核时间，提高订单审核效率。

进一步地，所述识别所述待审核订单集的订单类型，包括：

获取所述待审核订单集中待审核订单的字符序列，提取所述字符序列的特征字符序列，根据所述特征字符序列，分析所述待审核订单的标签分布，根据所述标签分布得到所述待审核订单的订单类型。

较佳地，本发明实施例通过支持向量机算法提取所述所述字符序列的特征字符序列。

进一步地，本发明实施例基于冒泡排序的思想对识别后的所述待审核订单集按照所述订单类型进行整理汇总，得到订单报表集。所述冒泡排序的思想包括：比较相邻的订单类型的数量，如果第一个数量比第二个数量大，则交换这两个订单的位置。

进一步地，所述提取所述订单报表集的审核维度指标集包括：

接收所述订单报表集；利用压缩映射算法计算出所述订单报表集中的映射不动点集；并将所述映射不动点集按预设的方式进行连接，形成点列空间结构，根据所述点列空间结构对所述订单报表集进行三维建模，生成三维指标模型，根据所述三维指标模型，分析出所述历史订单集中的有效映射不动点，根据分析出的有效映射不动点，提取出所述审核维度指标集。

需要强调的是，为进一步保证上述待审核订单集的私密和安全性，上述待审核订单集还可以存储于一区块链的节点中。

s3、将所述审核维度指标集与所述风险指标集进行匹配，得到匹配结果，根据所述匹配结果，生成所述待审核订单集的审核结果。

在本发明的至少一个实施例中，通过尺度不变特征变换算法将所述审核维度指标集与所述风险指标集进行匹配。

详细地，参阅图2所示，所述通过尺度不变特征变换算法将所述审核维度指标集与所述风险指标集进行匹配，得到匹配结果，包括：

s30、检测所述审核维度指标集的第一尺度空间极值点以及所述风险指标集的第二尺度空间极值点；

较佳地，本发明实施例利用高斯微分函数检测所述第一尺度空间极值点和第二尺度空间极值点。详细地，本发明在所述审核维度指标集构建高斯差分尺度空间d(x,y,σ)；在d(x,y,σ)内比较每个点和其同尺度的周围8个相邻点，及上下两个相邻尺度对应的18个相邻点(上下2个相邻尺度各9个点)，如果该点的d(x,y,σ)算子值在26个邻域中为极大值或极小值，确定该点为第一尺度空间极值点。同理，所述第二尺度空间极值点检测步骤与所述第一尺度空间极值点检测步骤相同，在次不再赘述。

s31、对所述第一尺度空间极值点和第二尺度空间极值点进行过滤，得到第一特征点和第二特征点；

较佳地，本发明实施例通过在所述第一尺度空间极值点的位置上，利用拟合精细模型确定所述第一尺度空间极值点的尺度，根据所述尺度的稳定程度对所述尺度空间极值点进行过滤，得到所述第一特征点。同理，所述第二特征点过滤步骤与所述第一特征点过滤步骤相同，在次不再赘述。

s32、划分所述第一特征点和第二特征点的位置主方向；

较佳地，本发明实施例利用局部特征点梯度方向的分布特性，定义所述第一特征点和第二特征点中梯度方向最大值所对应的方向，作为所述第一特征点和第二特征点特征点的位置主方向。

s33、根据所述第一特征点和第二特征点的位置主方向，生成所述审核维度指标集的第一特征向量和所述风险指标集的第二特征向量；

较佳地，本发明实施例以所述第一特征点和第二特征点为中心，取16×16大小的邻域，均匀地分成4×4的16个子区域，在所述子区域上以所述第一特征点和第二特征点的位置主方向作为起始方向，并按顺时针的方向计算所述子区域方向梯度累加值，从而生成所述第一特征向量和第二特征向量

s34、计算所述第一特征向量与所述第二特征向量的欧式距离，将所述欧式距离与预设的距离作比对，根据比对结果，生成所述审核维度指标集与所述风险指标集的匹配结果。

较佳地，本发明实施例通过下述公式计算所述第一特征向量与所述第二特征向量的欧式距离：

其中，dab表示欧式距离，ai表示第一特征向量中的第i个特征向量，bi表示第二特征向量中的第i个特征向量。

进一步地，本发明将所述欧式距离与预设的距离作比对，根据比对结果，生成所述审核维度指标集与所述风险指标集的匹配结果。较佳地，本发明所述预设的距离为1。

其中，若所述欧式距离大于预设的距离时，则判断出所述审核维度指标集与所述风险指标集不匹配，于是，得到所述待审核订单集的审核结果为审核失败；若所述欧式距离不大于预设的距离时，则判断出所述审核维度指标集与所述风险指标集匹配，于是，得到所述待审核订单集的审核结果为审核成功。

基于上述方案，本发明实施例采用规则匹配的方法，自动化识别出待审核订单的是否可以审核通过，减少了人工参与审核的时间，降低了订单审核的人力时间成本，以及极大地提高了订单审核的效率。

进一步地，本发明实施例在生成所述待审核订单集的审核结果之后还可以包括：

将审核结束的所述待审核订单存入订单数据库中，并作为历史订单集，用以不断的更新所述风险指标集。

如图3所示，是本发明订单智能审核装置的功能模块图。

本发明所述订单智能审核的装置100可以安装于电子设备中。根据实现的功能，所述订单智能审核装置可以包括构建模块101、识别汇总模块102以及匹配模块103。本发所述模块也可以称之为单元，是指一种能够被电子设备处理器所执行，并且能够完成固定功能的一系列计算机程序段，其存储在电子设备的存储器中。

在本实施例中，关于各模块/单元的功能如下：

所述构建模块101，用于构建风险指标集；

详细地，所述风险指标集是通过对历史订单集进行分析后构建的。

所述历史订单集指的是审核状态已完成的订单集合，所述历史订单集包括但不限于：道路救援订单、车险理赔订单以及意外核保订单等。较佳地，本发明实施例可以通过访问各大保险企业的后台数据库下载得到所述历史订单集。例如，访问中国平安企业的后台数据库，获取中国平安历年所处理完成的订单集。

进一步地，本发明实施例通过建立三维指标模型提取所述历史订单集的风险指标，根据所述风险指标构建所述风险指标集。其中，所述风险指标可以用于判断订单是否可以审核通过，由于订单类型不同，风险指标也会不同，例如，对于道路救援类型的订单来说，其风险指标包括：用户信息和道路路况信息等，对于车险理赔订单来说，其风险指标包括：车牌信息和用户信息等。

详细地，所述构建风险指标集，包括：

获取历史订单集，将所述历史订单集中相同类型订单进行聚类，得到初始订单集，将所述初始订单集划分为有效数据集和无效数据集；利用压缩映射算法计算出所述有效数据集和无效数据集中的映射不动点，得到所述有效数据集的有效映射不动点集和所述无效数据集的无效不动点集；并将所述有效映射不动点集和所述无效映射不动点集按预设的方式进行连接，形成点列空间结构，根据所述点列空间结构对所述初始订单集进行三维建模，生成三维指标模型，根据所述三维指标模型，利用线性回归算法从所述有效映射不动点集选取目标有效映射不动点，根据所述目标有效映射不动点，提取出所述初始订单集的有效数据，其中，所述有效数据即风险指标，并根据所述有效数据生成风险指标集。

较佳地，本发明通过下述聚类算法将所述历史订单集中相同类型订单进行聚类：

其中，e表示聚类中心点，k表示聚类中心点的数量，c表示历史订单集的数量，xt历史订单集中相同类型订单，表示第i个聚类中心点的簇心质量。

所述有效数据集指的是可以确定订单审核通过的指标数据；所述无效数据集指的是并不影响订单审核的指标数据，可以用于与所述有效数据集进行比对，更加直观的在三维指标模型中突显出有效数据的位置。

所述压缩映射算法可以为b-距离空间算法，其根据不同的数据计算出对应虚拟空间的循环映射点，将所述循环映射点压缩成映射不动点，所述映射不动点指的是将有效数据和无效数据在虚拟空间中进行压缩形成的点状形式。

所述预设的方式包括：将所述有效映射不动点集中的有效映射不动点进行连接，形成有效映射不动点的点列空间结构，将所述无效映射不动点集中的无效映射不动点进行连接，形成无效映射不动点的点列空间结构，将所述有效映射不动点的点列空间结构和所述无效映射不动点的点列空间结构进行合并，形成所述点列空间结构。

所述三维指标建模指的是通过三维制作软件通过虚拟三维空间构建出具有三维数据的模型。

所述识别汇总模块102，用于接收待审核订单集，识别所述待审核订单集的订单类型，将所述待审核订单集按照所述订单类型进行整理汇总，得到订单报表集，并提取出所述订单报表集的审核维度指标集。

本发明实施例中，所述待审核订单集可以通过移动设备终端进行上传得到，例如，在某道路发生一场车辆碰擦事故，事故司机可以通过手机app填写事故订单，并通过该手机app将填写后的订单上传至后台订单审核页面中，从而得到其中一个待审核订单。

由于待审核订单会包含大量不同的订单类型，本发明优先识别出待审核订单集的订单类型，对所述待审核订单集按照所述订单类型进行整理汇总，得到订单报表集，用以减少后续订单审核时间，提高订单审核效率。

进一步地，所述识别所述待审核订单集的订单类型，包括：

获取所述待审核订单集中待审核订单的字符序列，提取所述字符序列的特征字符序列，根据所述特征字符序列，分析所述待审核订单的标签分布，根据所述标签分布转换得到所述待审核订单的订单类型。

较佳地，本发明实施例通过支持向量机算法提取所述所述字符序列的特征字符序列。

进一步地，本发明实施例基于冒泡排序的思想对识别后的所述待审核订单集按照所述订单类型进行整理汇总，得到订单报表集。所述冒泡排序的思想包括：比较相邻的订单类型的数量，如果第一个数量比第二个数量大，则交换这两个订单的位置。

进一步地，所述提取所述订单报表集的审核维度指标集包括：

接收所述订单报表集；利用压缩映射算法计算出所述订单报表集中的映射不动点集；并将所述映射不动点集按预设的方式进行连接，形成点列空间结构，根据所述点列空间结构对所述订单报表集进行三维建模，生成三维指标模型，根据所述三维指标模型，分析出所述历史订单集中的有效映射不动点，根据分析出的有效映射不动点，提取出所述审核维度指标集。

所述匹配模块103，用于将所述审核维度指标集与所述风险指标集进行匹配，得到匹配结果，根据所述匹配结果，生成所述待审核订单集的审核结果。

在本发明的至少一个实施例中，通过尺度不变特征变换算法将所述审核维度指标集与所述风险指标集进行匹配。

详细地，所述通过尺度不变特征变换算法将所述审核维度指标集与所述风险指标集进行匹配，得到匹配结果，包括：

步骤a、检测所述审核维度指标集的第一尺度空间极值点以及所述风险指标集的第二尺度空间极值点；

较佳地，本发明实施例利用高斯微分函数检测所述第一尺度空间极值点和第二尺度空间极值点。详细地，本发明在所述审核维度指标集构建高斯差分尺度空间d(x,y,σ)；在d(x,y,σ)内比较每个点和其同尺度的周围8个相邻点，及上下两个相邻尺度对应的18个相邻点(上下2个相邻尺度各9个点)，如果该点的d(x,y,σ)算子值在26个邻域中为极大值或极小值，确定该点为第一尺度空间极值点。同理，所述第二尺度空间极值点检测步骤与所述第一尺度空间极值点检测步骤相同，在次不再赘述。

步骤b、对所述第一尺度空间极值点和第二尺度空间极值点进行过滤，得到第一特征点和第二特征点；

较佳地，本发明实施例通过在所述第一尺度空间极值点的位置上，利用拟合精细模型确定所述第一尺度空间极值点的尺度，根据所述尺度的稳定程度对所述尺度空间极值点进行过滤，得到所述第一特征点。同理，所述第二特征点过滤步骤与所述第一特征点过滤步骤相同，在次不再赘述。

步骤c、划分所述第一特征点和第二特征点的位置主方向；

较佳地，本发明实施例利用局部特征点梯度方向的分布特性，定义所述第一特征点和第二特征点中梯度方向最大值所对应的方向，作为所述第一特征点和第二特征点特征点的位置主方向。

步骤d、根据所述第一特征点和第二特征点的位置主方向，生成所述审核维度指标集的第一特征向量和所述风险指标集的第二特征向量；

较佳地，本发明实施例以所述第一特征点和第二特征点为中心，取16×16大小的邻域，均匀地分成4×4的16个子区域，在所述子区域上以所述第一特征点和第二特征点的位置主方向作为起始方向，并按顺时针的方向计算所述子区域方向梯度累加值，从而生成所述第一特征向量和第二特征向量

步骤e、计算所述第一特征向量与所述第二特征向量的欧式距离，将所述欧式距离与预设的距离作比对，根据比对结果，生成所述审核维度指标集与所述风险指标集的匹配结果。

较佳地，本发明实施例通过下述公式计算所述第一特征向量与所述第二特征向量的欧式距离：

其中，dab表示欧式距离，ai表示第一特征向量中的第i个特征向量，bi表示第二特征向量中的第i个特征向量。

进一步地，本发明将所述欧式距离与预设的距离作比对，根据比对结果，生成所述审核维度指标集与所述风险指标集的匹配结果。较佳地，本发明所述预设的距离为1。

其中，若所述欧式距离大于预设的距离时，则判断出所述审核维度指标集与所述风险指标集不匹配，于是，得到所述待审核订单集的审核结果为审核失败；若所述欧式距离不大于预设的距离时，则判断出所述审核维度指标集与所述风险指标集匹配，于是，得到所述待审核订单集的审核结果为审核成功。

基于上述方案，本发明实施例采用规则匹配的方法，自动化识别出待审核订单的是否可以审核通过，减少了人工参与审核的时间，降低了订单审核的人力时间成本，以及极大地提高了订单审核的效率。

进一步地，本发明实施例在生成所述待审核订单集的审核结果之后还可以包括：

将审核结束的所述待审核订单存入订单数据库中，并作为历史订单集，用以不断的更新所述风险指标集。

如图4所示，是本发明实现订单智能审核的方法的电子设备的结构示意图。

所述电子设备1可以包括处理器10、存储器11和总线，还可以包括存储在所述存储器11中并可在所述处理器10上运行的计算机程序，如订单智能审核程序12。

其中，所述存储器11至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器(例如：sd或dx存储器等)、磁性存储器、磁盘、光盘等。所述存储器11在一些实施例中可以是电子设备1的内部存储单元，例如该电子设备1的移动硬盘。所述存储器11在另一些实施例中也可以是电子设备1的外部存储设备，例如电子设备1上配备的插接式移动硬盘、智能存储卡(smartmediacard，smc)、安全数字(securedigital，sd)卡、闪存卡(flashcard)等。进一步地，所述存储器11还可以既包括电子设备1的内部存储单元也包括外部存储设备。所述存储器11不仅可以用于存储安装于电子设备1的应用软件及各类数据，例如订单智能审核程序的代码等，还可以用于暂时地存储已经输出或者将要输出的数据。

所述处理器10在一些实施例中可以由集成电路组成，例如可以由单个封装的集成电路所组成，也可以是由多个相同功能或不同功能封装的集成电路所组成，包括一个或者多个中央处理器(centralprocessingunit，cpu)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器10是所述电子设备的控制核心(controlunit)，利用各种接口和线路连接整个电子设备的各个部件，通过运行或执行存储在所述存储器11内的程序或者模块(例如订单智能审核程序等)，以及调用存储在所述存储器11内的数据，以执行电子设备1的各种功能和处理数据。

所述总线可以是外设部件互连标准(peripheralcomponentinterconnect，简称pci)总线或扩展工业标准结构(extendedindustrystandardarchitecture，简称eisa)总线等。该总线可以分为地址总线、数据总线、控制总线等。所述总线被设置为实现所述存储器11以及至少一个处理器10等之间的连接通信。

图4仅示出了具有部件的电子设备，本领域技术人员可以理解的是，图4示出的结构并不构成对所述电子设备1的限定，可以包括比图示更少或者更多的部件，或者组合某些部件，或者不同的部件布置。

例如，尽管未示出，所述电子设备1还可以包括给各个部件供电的电源(比如电池)，优选地，电源可以通过电源管理装置与所述至少一个处理器10逻辑相连，从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备1还可以包括多种传感器、蓝牙模块、wi-fi模块等，在此不再赘述。

进一步地，所述电子设备1还可以包括网络接口，可选地，所述网络接口可以包括有线接口和/或无线接口(如wi-fi接口、蓝牙接口等)，通常用于在该电子设备1与其他电子设备之间建立通信连接。

可选地，该电子设备1还可以包括用户接口，用户接口可以是显示器(display)、输入单元(比如键盘(keyboard))，可选地，用户接口还可以是标准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是led显示器、液晶显示器、触控式液晶显示器以及oled(organiclight-emittingdiode，有机发光二极管)触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在电子设备1中处理的信息以及用于显示可视化的用户界面。

应该了解，所述实施例仅为说明之用，在专利申请范围上并不受此结构的限制。

所述电子设备1中的所述存储器11存储的订单智能审核程序12是多个指令的组合，在所述处理器10中运行时，可以实现：

构建风险指标集；

接收待审核订单集，识别所述待审核订单集的订单类型，将所述待审核订单集按照所述订单类型进行整理汇总，得到订单报表集，并提取出所述订单报表集的审核维度指标集；

将所述审核维度指标集与所述风险指标集进行匹配，得到匹配结果，根据所述匹配结果，生成所述待审核订单集的审核结果。

具体地，所述处理器10对上述指令的具体实现方法可参考图1对应实施例中相关步骤的描述，在此不赘述。

进一步地，所述电子设备1集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、u盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(rom，read-onlymemory)。

在本发明所提供的几个实施例中，应该理解到，所揭露的设备，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。

所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块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。

另外，在本发明各个实施例中的各功能模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能模块的形式实现。

对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。

本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(blockchain)，本质上是一个去中心化的数据库，是一串使用密码学方法相关联产生的数据块，每一个数据块中包含了一批次网络交易的信息，用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。

因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。

此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。系统权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第二等词语用来表示名称，而并不表示任何特定的顺序。

最后应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。