CN104794639A - 用于确定用户的历史订单的价值的方法及设备 - Google Patents

Abstract

本公开的实施例提供了一种用于确定用户的历史订单的价值的方法及设备。该方法包括：获取所有历史订单的活跃度特征和属性特征；基于所述活跃度特征，确定每个订单的初始订单价值；基于所述初始订单价值和所述属性特征，确定所述每个订单的最终订单价值；以及基于每个订单的最终订单价值，确定所述用户的历史订单的价值。根据本公开的实施例，提供了一种能够对用户历史订单价值做出较为综合且合理的评价的方法。

Description

用于确定用户的历史订单的价值的方法及设备

技术领域

本公开的实施例涉及一种用于确定用户的历史订单的价值的方法及设备。

背景技术

随着城市的快速发展，打车需求已成为社会各个阶层人士的普遍需求。打车软件的快速发展成功解决了司机与用户(即，乘客)之间的信息不对称问题。随着使用打车软件(或平台)的打车用户日益增多，打车软件公司可以积累大量的用户订单信息。基于这些订单信息，打车软件公司可以对用户过去一段时间内的历史打车行为进行分析和评价。

每个订单的价值对于平台可能大不相同。例如，对于同样成功的两个订单，用户消耗的平台资源可能不同，例如，A用户是使用了平台补贴(如红包、滴米等)才完成了该订单，而B用户在不使用平台补贴(甚至支付滴米)的情况下就完成了该订单；类似地，对于相同价格的两个订单，司机对订单反应的活跃度可能不同，例如，A用户的订单可使得司机在到达目的地之后还有很大的可能性能接到较好的订单，而B用户的订单可能会使得司机在到达目的地之后很难继续接到订单；类似地，对于司机反应速度相同的两个订单，用户距离司机的距离可能不相同，例如，A用户可能距离司机当前位置较近而使得司机愿意接单，而B用户可能距司机当前位置较远，但由于订单费用较高(例如，去机场的订单)且司机在到达目的地之后很可能继续接到较好的订单，因此使得司机同样愿意接单。总体而言，每个订单的价值由多种因素决定，因此，在每个用户的每个订单价值之间会存在很大的差别。

由于打车软件问世的时间较短，因此目前还没有对用户历史订单价值做出较为综合且合理评价的方法。

发明内容

为了解决上述问题，本公开的实施例旨在提供一种用于确定用户的历史订单的价值的方法。

根据本公开的一个方面，提供了一种用于确定用户的历史订单的价值的方法。该方法包括：获取所有历史订单的活跃度特征和属性特征；基于所述活跃度特征，确定每个订单的初始订单价值；基于所述初始订单价值和所述属性特征，确定所述每个订单的最终订单价值；以及基于每个订单的最终订单价值，确定所述用户的历史订单的价值。

在一个实施例中，所述活跃度特征包括以下的至少一个：用户下单次数、司机最短抢单时间和抢单次数。

在另一个实施例中，其中所述属性特征包括以下的至少一个：订单是否成功、平台收益、订单距离、订单费用和订单发生时距离当前的天数。

在又一个实施例中，其中获取所有历史订单的活跃度特征和属性特征包括：基于每个历史订单，生成一个对应的表，可选地为hive表；获得与所有历史订单对应的总表；从所述总表中获取所有历史订单的活跃度特征和属性特征。

在再一个实施例中，其中从所述总表中获取所有历史订单的活跃度特征和属性特征包括：在所述总表中补全缺失的属性特征，以获取所有历史订单的属性特征。

在再一个实施例中，其中基于与历史订单相关的信息，来获取所述缺失的属性特征。

在再一个实施例中，其中与历史订单相关的信息包括：始发地，目的地，出发时间，到达时间和行驶轨迹。

在再一个实施例中，其中所述缺失的属性特征包括订单距离特征和订单费用特征。

在再一个实施例中，其中基于每个历史订单的行驶轨迹或始发地和目的地，确定所述订单距离特征，即，曼哈度距离。

在再一个实施例中，其中基于每个历史订单的始发地、目的地以及出发时间，来确定所述订单费用特征。

在再一个实施例中，其中基于所述活跃度特征，确定每个订单的初始订单价值包括：对权重较大的活跃度特征进行平滑化处理，其中，可选地采用对数化处理，并更为可选地采用以2为底数的对数化处理；以及根据平滑化处理后的活跃度特征，确定每个订单的初始订单价值。

在再一个实施例中，其中基于所述初始订单价值和所述属性特征，确定所述每个订单的最终订单价值包括：对权重较大的属性特征进行平滑化处理，其中，同样可选地采用对数化处理，并更为可选地采用以2为底数的对数化处理；以及基于所述初始订单价值和平滑化处理后的属性特征，确定所述每个订单的最终订单价值。

在再一个实施例中，其中基于每个订单的最终订单价值，确定所述用户的历史订单的价值包括：将每个订单的最终订单价值依次进行累加以获得累加值；确定所有历史订单的质量系数和消费系数；以及基于所述累加值、所述质量系数以及所述消费系数，确定所述用户的历史订单的价值。

在再一个实施例中，其中根据订单级别确定所述用户质量系数；以及根据用户平均订单费用、给予小费的金额和占比，以及用户使用诸如红包、滴米或代金券之类的平台补贴的金额的总和与占比，确定所述消费系数。

在再一个实施例中，其中所述订单级别包括：极好、好、正常、差和极差。

根据本公开的另一方面，提供了一种用于确定用户的历史订单的价值设备，包括：获取装置，用于获取所有历史订单的活跃度特征和属性特征；初始订单价值确定装置，用于基于所述活跃度特征，确定每个订单的初始订单价值；最终订单价值确定装置，用于基于初始订单价值和属性特征，确定每个订单的最终订单价值；以及历史订单价值确定装置，用于基于每个订单的最终订单价值，确定所述用户的历史订单的价值。

在又一个实施例中，所述活跃度特征包括以下的至少一个：用户下单次数、司机最短抢单时间和抢单次数。

在再一个实施例中，所述属性特征包括以下的至少一个：订单是否成功、平台收益、订单距离、订单费用和订单发生时距离当前的天数。

在又一个实施例中，所述获取装置包括：表生成单元，用于基于每个历史订单，生成一个对应的表；总表生成单元，用于获得与所有历史订单对应的总表；特征提取单元，用于从所述总表中获取所有历史订单的活跃度特征和属性特征；以及属性特征补全单元，用于在所述总表中补全缺失的属性特征，以获取所有历史订单的属性特征。

在又一个实施例中，所述缺失的属性特征包括订单距离特征和订单费用特征。

在又一个实施例中，所述属性特征补全单元包括：订单距离确定单元，用于基于每个历史订单的行驶轨迹或始发地和目的地，确定所述订单距离特征；以及订单费用确定单元，基于每个历史订单的始发地、目的地以及出发时间，来确定所述订单费用特征。

在又一个实施例中，所述初始订单价值确定装置包括：活跃度处理单元，用于对权重较大的活跃度特征进行平滑化处理；以及初始订单价值确定单元，用于基于平滑化处理后的活跃度特征，确定所述每个订单的初始订单价值。

在又一个实施例中，所述最终订单价值确定装置包括：属性处理单元，用于对权重较大的属性特征进行平滑化处理；以及最终订单价值确定单元，用于基于初始订单价值和平滑化处理后的属性特征，确定所述每个订单的最终订单价值。

在又一个实施例中，所述历史订单价值确定装置包括：累加单元，用于将每个订单的最终订单价值依次进行累加以获得累加值；系数确定单元，用于确定所有历史订单的质量系数和消费系数；以及历史订单价值确定单元，用于基于所述累加值、所述质量系数以及所述消费系数，确定所述用户的历史订单的价值。

本公开的实施例能够提供一种综合且合理地确定用户的历史订单的价值的方法及设备。

附图说明

此处所说明的附图用来提供对本公开的进一步理解，构成本申请的一部分，本公开的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。

图1是根据本公开的实施例的用于确定用户的历史订单的价值的方法100的流程图。

图2是根据本公开的实施例的用于确定用户的历史订单的价值的设备200的结构框图。

具体实施方式

下面将参考附图中示出的若干示例实施例来描述本发明的原理。应当理解，描述这些实施例仅是为了使本领域技术人员能够更好地理解进而实现本发明，而并非以任何方式限制本发明的范围。

图1图示了根据本公开的实施例的确定用户的历史订单的价值的方法的流程图，其中包括如下的步骤S101至步骤S104。

在步骤S101中，获取所有历史订单的活跃度特征和属性特征。

例如，活跃度特征包括以下的至少一个：用户下单次数、司机最短抢单时间和抢单次数。

例如，属性特征包括以下的至少一个：订单是否成功、平台收益、订单距离、订单费用以及订单发生时距离当前的天数。

根据本公开的实施例，该步骤包括，基于每个历史订单生成一个对应的表，可选地为hive表。

根据本公开的实施例，该步骤进一步包括，分别将对应于所有历史订单的多个hive表关联生成一张总表。

根据本公开的实施例，该步骤进一步包括，从生成总表中获得所需的用户历史订单的活跃度特征和属性特征。

应当注意到，在生成的总表中可能存在缺失的属性特征，因此，一些情况下，需要在生成的总表中基于与历史订单相关的信息，将缺失的属性特征补全。其中与历史订单相关的信息包括：始发地，目的地，出发时间，到达时间和行驶轨迹等。例如，由于语音输入或者系统遗漏，使得用户订单中的部分订单缺乏目的地，因此系统可以通过司机的轨迹或者用户付款时的地点来确定用户目的地，从而通过起始点与目的地来进一步计算缺失的订单距离(即，曼哈度距离)。又例如，由于用户订单中的部分订单没有使用微信支付功能，使得不能获取订单费用，因此，系统使用历史出发地和目的地以及出发时间来确定订单费用。

同样应当注意到，当用户一次下单而没有成功时，用户可能多次重复下单。这种情况下，需要在该步骤中对实际上内容相同的重复订单进行去重操作。

接下来，该方法进行至步骤S102，基于所述步骤S101中获得的活跃度特征，确定每个订单的初始订单价值。

根据本公开的实施例，该步骤包括，对权重较大的属性特征进行平滑化处理，以使的权重较大的活跃度特征对每个订单的初始价值的影响不会过于激烈。其中，可选地使用对数化处理，并更为可选使用以2为底数的对数化处理。

根据本公开的实施例，该步骤进一步包括，根据平滑化处理后的活跃度特征，确定每个订单的初始订单价值。

现选取本公开的一个具体示例对该步骤以及后面的多个步骤进行详细地阐述：

例如，某用户在过去的一段时间内共有2次打车行为，第一次订单成功，其中，抢单司机数为2人，抢单时间为10秒，平台收益为50滴米，订单距离为12公里，订单费用为30元，用户提供5元小费，该订单距离当前天数为5天。第二次订单未成功，其中，用户共3次下单，但均司机应答，平台付出100滴米，订单距离为5公里，订单费用为20元，用户没有提供小费，该订单距离当前天数为15天。

为清楚起见，在下面的表格中示出了与该用户的上述两个订单的部分相关特征。

表1：某用户过去一段时间内的所有历史订单的部分相关特征

在该步骤中，首先对步骤S101中获得的部分活跃度特征进行必要的调整。具体来说，对于第一个订单，将抢单时间调整为最低成交时间18秒；将抢单司机人数限制为最多30人，并且对有更多司机抢单的情况不再区分。

针对第一个订单的初始订单价值(V_i1)可通过如下等式(1)计算：

V_i1＝log₂(T)×log₂(N+1)      (1)

其中，T为抢单时间，N为抢单司机数，

对于第一个订单，由于已经将抢单时间T调整为最低成交时间18秒，且抢单司机数为2人(N＝2)，因此，第一个订单的初始订单价值V_i1＝4.170×1.585＝6.61。

对于第二个订单，由于该次订单未成功，且用户多次下单，因此针对第二次订单的初始订单价值(V_i2)为负值，并且第二个订单的初始价值可通过如下等式(2)计算：

V_i2＝-log₂(R+1)，       (2)

其中，R为用户下单次数，

对于第二个订单，由于用户下单3次(R＝3)，因此，第二个订单的初始价值V_i2＝-log₂(3+1)＝-2。

应当注意到，在上述两个公式以及在下面将要出现的部分公式中，需要将某些属性特征通过添加一个常数部分来避免可能出现的数值为0的情况。

接下来，该方法进行至步骤S103，基于所述初始订单价值和所述属性特征，确定所述每个订单的最终订单价值。

根据本公开的实施例，该步骤包括，对权重较大的属性特征进行平滑化处理，以使权重较大的属性特征对每个订单的最终价值的影响不至于过于激烈。其中，同样可选地使用对数化处理，并更为可选使用以2为底数的对数化处理。

根据本公开的实施例，该步骤进一步包括，基于所述初始订单价值和平滑化处理后的属性特征，确定所述每个订单的最终订单价值。

根据属性特征，对步骤S102中计算得到的每个初始订单价值进行调整的具体方法如下：

首先，根据订单距离和订单费用对订单价值进行调整以获得第一调权参数，为了避免二者引起订单价值激烈变化，可选地采用以2为底的对数化处理，使得订单的最终价值随着订单距离和订单费用平滑地(或温和地)上升。

具体来说，对于第一个订单的第一调权参数P₁₁可通过如下等式进行计算：

P₁₁＝log₂((D/D₀)+1)×log₂((C/C₀)+1)    (3)

其中，D为订单距离，D₀为单位订单距离(或最短订单距离)，C为订单费用，C₀为所有用户的平均订单费用。应当指出，当本文中以P_mn的形式命名调权参数时，m表示调权参数编号，且n表示订单编号(m,n均为大于1的整数)。

在该示例中，将单位订单距离D₀设定为10公里，且将所有用户的平均订单费用C₀设定为20元。因此当使用第一个订单中的具体参数进行计算时(即，D＝12，C＝30)，第一个订单的第一调权参数P₁₁＝log₂(12/10+1)×log₂(1.5+1)＝1.137×1.322＝1.50。

对于第二个订单，由于订单未成功，因此无法获得诸如订单距离或订单费用的属性特征，进而无法获得第二个订单的第一调权参数P₂₁(或P₂₁这种情况下不存在)。

随后，根据订单是否成功来获得第二调权参数。具体来说，如果订单成功，则只要平台付出的成本(例如，包括加价、滴米、红包或代金券等的平台补贴方式)不过高，订单价值就是“正向”的，否则会根据平台付出的成本而确定出“负向”的订单价值。如果订单失败，则随着平台付出的成本的增加，负向价值也变得越大。

具体来说，对于第一个订单，由于平台收益了50滴米(“正向”收益)，则第二调权参数P₂₁可通过如下等式(4)计算：

P₂₁＝1+G/100      (4)

其中：G为平台收益，且使用常数100对“正向”平台收益进行了归一化处理。在该示例中，对于第一个订单，由于G＝50，因此P₂₁＝1+50/100＝1.5。

对于第二个订单，用户多次下单且在平台允诺付出100滴米(收益为负)的情况下，仍然未能成交。这说明第二个订单价值非常低，且有负向作用，因此，第二个订单的第二调权参数P₂₂可通过如下等式(5)计算：

P₂₂＝G/V₀      (5)

其中，G为平台收益，V₀为单位滴米价值(或最小滴米价值)。

在本具体的实施例中，使用单位滴米价值V₀对“负向”单位收益进行归一化处理，在该示例中，单位滴米价值V₀被设定为常数50，且由于G＝-100，因此第二个订单的第二调权参数P₂₂＝-100/50＝-2。

随后，根据订单发生时距当前的天数获得第三调权参数，以快速响应用户最近的状态变化。第三调权参数P_3n可通过如下等式(6)计算：

P_3n＝1-d/H       (6)

其中，n为订单编号，d为订单发生时距离当前的天数，H为历史天数，在该示例中，历史天数H被设定为150天，这意味着在本实施例中只统计了该用户在过去150天内的所有订单。

具体来说，对于第一个订单，由于订单发生距当前时间为5天，因此，第一个订单的第三调权参数P₃₁＝1-5/150＝0.967。对于第二个订单，由于订单发生距当前时间为15天，因此，第二个订单的第三调权参数P₃₂＝1-15/150＝0.9。

最后，根据本步骤中获得的所有调权参数P_mn，对步骤S102中确定的订单初始价值进行调整，以获得最终订单价值，具体来说，第一个订单的最终价值(V_f1)可通过如下等式(7)计算：

V_f1＝V_i1×P₁₁×P₂₁×P₃₁       (7)

在本示例中，V_f1＝6.61×1.5×1.5×0.967＝14.38，并由于第一个订单为成功订单，且使得平台获得收益，因此将第一个订单记录为一个好订单；第二个订单的最终价值(V_f2)可通过如下等式(8)计算：

V_f2＝(V_i2+P₂₂)×P₃₂       (8)

在本示例中，V_f2＝(-2-2)×0.9＝-3.6，并由于第二个订单为失败订单，且消耗了平台资源(即，平台付出了100滴米)，因此将第二个订单记录为一个极差订单。

接下来，该方法进行至步骤S104，基于每个订单的最终订单价值，确定所述用户的历史订单的价值。

根据本公开的实施例，该步骤包括，将每个订单的最终订单价值依次进行累加以获得累加值。

根据本公开的实施例，该步骤进一步包括，确定所有历史订单的质量系数和消费系数。

根据本公开的实施例，该步骤进一步包括，基于所述累加值、所述质量系数以及所述消费系数，确定所述用户的历史订单的价值。

根据本公开的实施例，其中根据订单级别确定所述用户质量系数；以及根据用户平均订单费用、给予小费的金额和占比，以及用户使用诸如红包、滴米或代金券之类的平台补贴的金额的总和与占比，确定所述消费系数。

根据本公开的实施例，其中所述订单级别包括：极好、好、正常、差和极差。

继续通过上面的示例对该步骤进行具体地描述：

首先，将每个订单的最终订单价值根据下面等式(9)依次进行累加以获得累加值Sum：

Sum＝V_f1+V_f2+…+V_fn，     (9)

因此，在本示例中，累加值Sum＝V_f1+V_f2＝14.38+(-3.6)＝10.78。

随后，根据订单级别确定所述用户质量系数确定质量系数Q，且质量系数可通过如下等式(10)被计算：

Q＝1+(L_A/Tot)×0.9，     (10)

其中，L_A为平均订单等级因子，Tot为订单总数。

由于用户的第一个订单为好订单且第二个订单为极差订单，因此将两者综合等价为一次差订单。其中，每个平均订单等级对应于一个平均订单等级因子，在该实施例中，平均订单等级为差，其对应的平均订单等级因子为-1。因此，质量系数Q＝1+(-1/2)×0.9＝0.55。

随后，根据该用户平均的订单费用和/或给予小费的金额与占比和/或使用诸如红包、滴米或代金券之类的平台补贴的金额总和与占比，确定所述消费系数。

根据该用户平均订单消费确定的第一消费系数(S₁)可通过如下等式(11)计算：

S₁＝log₂(C_A/C₀+2)     (11)

其中，C_A为该用户平均订单费用，C₀为所有用户平均订单费用。

由于该用户的平均每个订单消费为25元，且所有用户的平均订单消费水平为20元，因此，第一消费系数S₁＝log₂(25/20+2)＝1.7。

根据该用户提供的小费金额与占比确定的第二消费系数(S2)可通过如下等式(12)计算为：

S₂＝1+log₂(N_t/Tot+2)×log₂(t_A+2)×log₂(Tot/10+1)   (12)

其中，N_t为提供小费次数，Tot为订单总数，t_A为该用户的平均小费。

由于该用户在两次订单中共提供一次小费(5元)，故平均小费为2.5元，因此第二消费系数S₂＝log₂(2.5)×log₂(4.5)×log₂(1.2)＝1.754；

最后，将考虑到该用户所有订单的最终价值、质量系数以及消费系数的历史订单的价值V_H通过如下等式(13)确定：

V_H＝Sum×Q×(S₁×S₂…×S_N)    (13)

其中，N为大于1的整数，

因此，本示例中，该用户的历史订单的价值V_H＝10.78×0.55×1.7×1.754＝17.68。

图2图示了根据本公开的实施例的确定用户的历史订单的价值的设备200的结构框图。

如图2所示，该设备200包括：获取装置201，用于获取所有历史订单的活跃度特征和属性特征；初始订单价值确定装置202，用于基于所述活跃度特征，确定每个订单的初始订单价值；最终订单价值确定装置203，用于基于初始订单价值和属性特征，确定所述每个订单的最终订单价值；以及历史订单价值确定装置204，用于基于每个订单的最终订单价值，确定所述用户的历史订单的价值。

根据本公开的实施例，其中活跃度特征包括以下的至少一个：用户下单次数、司机最短抢单时间和抢单次数。

根据本公开的实施例，其中属性特征包括以下的至少一个：订单是否成功、平台收益、订单距离、订单费用和订单发生时距离当前的天数。

根据本公开的实施例，获取装置201包括：表生成单元，用于基于每个历史订单，生成一个对应的表；总表生成单元，用于获得与所有历史订单对应的总表；特征提取单元，用于从所述总表中获取所有历史订单的活跃度特征和属性特征。属性特征补全单元，用于在所述总表中补全缺失的属性特征，以获取所有历史订单的属性特征。

根据本公开的实施例，其中缺失的属性特征包括订单距离特征和订单费用特征。

根据本公开的实施例，属性特征补全单元包括：订单距离确定单元，用于基于每个历史订单的行驶轨迹或始发地和目的地，确定所述订单距离特征；订单费用确定单元，基于每个历史订单的始发地、目的地以及出发时间，来确定所述订单费用特征。

根据本公开的实施例，初始订单价值确定装置202包括：活跃度处理单元，用于对权重较大的活跃度特征进行平滑化处理；以及初始订单价值确定单元，用于基于平滑化处理后的活跃度特征，确定所述每个订单的初始订单价值。

根据本公开的实施例，最终订单价值确定装置203包括：属性处理单元，用于对权重较大的属性特征进行平滑化处理；以及最终订单价值确定单元，用于基于初始订单价值和平滑化处理后的属性特征，确定所述每个订单的初始订单价值。

根据本公开的实施例，历史订单价值确定装置204包括：累加单元，用于将每个订单的最终订单价值依次进行累加以获得累加值；系数确定单元，用于确定所有历史订单的质量系数和消费系数；以及历史订单价值确定单元，用于基于所述累加值、所述质量系数以及所述消费系数，确定所述用户的历史订单的价值。

综上所述，根据上述本公开的实施例，提供了一种用于确定用户的历史订单的价值的方法及设备。该方法包括：获取所有历史订单的活跃度特征和属性特征；基于所述活跃度特征，确定每个订单的初始订单价值；基于所述初始订单价值和所述属性特征，确定所述每个订单的最终订单价值；以及基于每个订单的最终订单价值，确定所述用户的历史订单的价值，从而提供了一种对用户历史订单价值做出较为综合且合理的评价的方法。

显然，本领域的技术人员应该明白，上述的本公开的方法的各个步骤可以通过通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，可选地，它们可以用计算装置可执行的程序代码来实现，从而可以将它们存储在存储装置中由计算装置来执行，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本发明不限制于任何特定的硬件和软件结合。

以上所述仅为本公开的可选实施例，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等效替换、改进等，均应包含在本发明的保护范围之内。

Claims (21)

1.一种用于确定用户的历史订单的价值的方法，包括：

获取所有历史订单的活跃度特征和属性特征；

基于所述活跃度特征，确定每个订单的初始订单价值；

基于所述初始订单价值和所述属性特征，确定所述每个订单的最终订单价值；以及

基于每个订单的最终订单价值，确定所述用户的历史订单的价值。

2.根据权利要求1所述的方法，其中所述活跃度特征包括以下的至少一个：

用户下单次数、司机最短抢单时间和抢单次数。

3.根据权利要求1所述的方法，其中所述属性特征包括以下的至少一个：

订单是否成功、平台收益、订单距离和订单费用。

4.根据权利要求1所述的方法，其中获取所有历史订单的活跃度特征和属性特征包括：

基于每个历史订单，生成一个对应的表；

获得与所有历史订单对应的总表；

从所述总表中获取所有历史订单的活跃度特征和属性特征。

5.根据权利要求4所述的方法，其中从所述总表中获取所有历史订单的活跃度特征和属性特征包括：

在所述总表中补全缺失的属性特征，以获取所有历史订单的属性特征。

6.根据权利要求5所述的方法，其中基于与历史订单相关的信息，来获取所述缺失的属性特征。

7.根据权利要求5的所述方法，其中所述缺失的属性特征包括订单距离特征和订单费用特征。

8.根据权利要求7所述的方法，其中基于每个历史订单的行驶轨迹或始发地和目的地，确定所述订单距离特征。

9.根据权利要求7所述的方法，其中基于每个历史订单的始发地、目的地以及出发时间，来确定所述订单费用特征。

10.根据权利要求1所述的方法，其中基于所述活跃度特征，确定每个订单的初始订单价值包括：

对权重较大的活跃度特征进行平滑化处理；以及

根据平滑化处理后的活跃度特征，确定每个订单的初始订单价值。

11.根据权利要求1所述的方法，其中基于所述初始订单价值和所述属性特征，确定所述每个订单的最终订单价值包括：

对权重较大的属性特征进行平滑化处理；以及

基于所述初始订单价值和平滑化处理后的属性特征，确定所述每个订单的最终订单价值。

12.根据权利要求1所述的方法，其中基于每个订单的最终订单价值，确定所述用户的历史订单的价值包括：

将每个订单的最终订单价值依次进行累加以获得累加值；

确定所有历史订单的质量系数和消费系数；以及

基于所述累加值、所述质量系数以及所述消费系数，确定所述用户的历史订单的价值。

13.一种用于确定用户的历史订单的价值的设备，包括：

获取装置，用于获取所有历史订单的活跃度特征和属性特征；

初始订单价值确定装置，用于基于所述活跃度特征，确定每个订单的初始订单价值；

最终订单价值确定装置，用于基于所述初始订单价值和所述属性特征，确定所述每个订单的最终订单价值；以及

历史订单价值确定装置，用于基于每个订单的最终订单价值，确定所述用户的历史订单的价值。

14.根据权利要求13所述设备，其中所述活跃度特征包括以下的至少一个：

用户下单次数、司机最短抢单时间和抢单次数。

15.根据权利要求13所述设备，其中所述属性特征包括以下的至少一个：

订单是否成功、平台收益、订单距离和订单费用。

16.根据权利要求13所述的设备，其中所述获取装置包括：

表生成单元，用于基于每个历史订单，生成一个对应的表；

总表生成单元，用于获得与所有历史订单对应的总表；

特征提取单元，用于从所述总表中获取所有历史订单的活跃度特征和属性特征；以及

属性特征补全单元，用于在所述总表中补全缺失的属性特征，以获取所有历史订单的属性特征。

17.根据权利要求16所述的设备，其中所述缺失的属性特征包括订单距离特征和订单费用特征。

18.根据权利要求16所述的设备，其中所述属性特征补全单元包括：

订单距离确定单元，用于基于每个历史订单的行驶轨迹或始发地和目的地，确定所述订单距离特征；以及

订单费用确定单元，基于每个历史订单的始发地、目的地以及出发时间，来确定所述订单费用特征。

19.根据权利要求13所述的设备，其中所述初始订单价值确定装置包括：

活跃度处理单元，用于对权重较大的活跃度特征进行平滑化处理；以及

初始订单价值确定单元，用于基于平滑化处理后的活跃度特征，确定所述每个订单的初始订单价值。

20.根据权利要求13所述的设备，其中所述最终订单价值确定装置包括：

属性处理单元，用于对权重较大的属性特征进行平滑化处理；以及

最终订单价值确定单元，用于基于所述初始订单价值和平滑化处理后的属性特征，确定所述每个订单的初始订单价值。

21.根据权利要求13所述的设备，其中所述历史订单价值确定装置包括：

累加单元，用于将每个订单的最终订单价值依次进行累加以获得累加值；

系数确定单元，用于确定所有历史订单的质量系数和消费系数；以及

历史订单价值确定单元，用于基于所述累加值、所述质量系数以及所述消费系数，确定所述用户的历史订单的价值。