CN110619410A - 订单再投预测方法、装置和系统 - Google Patents
订单再投预测方法、装置和系统 Download PDFInfo
- Publication number
- CN110619410A CN110619410A CN201810632448.3A CN201810632448A CN110619410A CN 110619410 A CN110619410 A CN 110619410A CN 201810632448 A CN201810632448 A CN 201810632448A CN 110619410 A CN110619410 A CN 110619410A
- Authority
- CN
- China
- Prior art keywords
- order
- user
- information
- posting
- prediction
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/083—Shipping
- G06Q10/0838—Historical data
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- Information Transfer Between Computers (AREA)
Abstract
本公开提供一种订单再投预测方法、装置和系统。订单再投预测装置在接收到信息采集终端上传的订单信息后,根据订单信息查询相应的用户标识,从数据库中提取出与用户标识相关联的用户行为历史数据和配送历史数据,将用户行为历史数据和配送历史数据提供给预设的订单再投预测模型,以得到相应的订单再投预测结果,将订单再投预测结果发送给信息采集终端进行显示。本公开通过利用用户行为历史数据和配送历史数据预先对订单再投进行预测,可有效减少订单再投的发生概率,提升投递效率。
Description
技术领域
本公开涉及信息处理领域,特别涉及一种订单再投预测方法、装置和系统。
背景技术
随着电子商务的发展,用户足不出户就可实现购物,配送员会将用户所购物品送货上门,从而进一步提升了用户的购物体验。
发明内容
发明人通过研究发现,配送员在物品投递过程中,经常会发生在用户指定的收货地址处无人接收物品的情况。在这种情况下,配送员只能将该物品放在配送车上,并继续完成其它派送工作,待用户方便收货时对该物品再次进行派送。从而导致订单再投情况的发生。订单再投浪费了配送员的工作时间,降低了派送效率。同时订单再投还导致配送员无法有效利用配送车的空间,导致其他用户出现收货延迟的风险。
目前,配送员会根据配送经验,对诸如写字楼、住宅区、商铺等不同区域采用不同的时段进行派送。但是仍无法有效降低订单再投率。
为此,本公开提供一种根据用户行为历史数据和配送历史数据预先对订单再投进行预测以提升派送效率的方案。
根据本公开的一个或多个实施例的一个方面,提供一种订单再投预测方法,包括:在接收到信息采集终端上传的订单信息后,根据订单信息查询相应的用户标识;从数据库中提取出与用户标识相关联的用户行为历史数据和配送历史数据;将用户行为历史数据和配送历史数据提供给预设的订单再投预测模型,以得到相应的订单再投预测结果;将订单再投预测结果发送给信息采集终端进行显示。
在一些实施例中,在接收到信息采集终端上传的订单信息后,还包括:根据订单信息确定出对应订单的订单属性;根据订单属性判断订单是否为用户自取订单;在订单不是用户自取订单的情况下,执行根据订单信息查询相应的用户标识的步骤。
在一些实施例中,在订单不是用户自取订单的情况下,判定订单不会发生再投;将订单不会发生再投的判定结果发送给信息采集终端进行显示。
在一些实施例中,订单再投预测结果为订单再投发生的概率值。
在一些实施例中,将与用户标识相关联的用户信息发送给信息采集终端进行显示。
在一些实施例中,上述方法还包括:收集用户的画像数据及订单历史数据;将画像数据及订单历史数据转换为用户行为历史数据和配送历史数据;将转换得到的用户行为历史数据和配送历史数据输入到待训练模型中,以得到输出结果;根据待训练模型的输出结果与订单再投情况的偏差,调整待训练模型的参数,以得到订单再投预测模型。
根据本公开的一个或多个实施例的另一个方面,提供一种订单再投预测装置,包括:接收模块,被配置为接收信息采集终端上传的订单信息;用户标识查询模块,被配置为在接收模块接收到信息采集终端上传的订单信息后,根据订单信息查询相应的用户标识;信息提取模块,被配置为从数据库中提取出与用户标识相关联的用户行为历史数据和配送历史数据;预测模块,被配置为将用户行为历史数据和配送历史数据提供给预设的订单再投预测模型,以得到相应的订单再投预测结果;发送模块,被配置为将订单再投预测结果发送给信息采集终端进行显示。
在一些实施例中,上述装置还包括:订单属性确定模块,被配置为在接收模块接收到信息采集终端上传的订单信息后,根据订单信息确定出对应订单的订单属性;识别模块,被配置为根据订单属性判断订单是否为用户自取订单;用户标识查询模块还被配置为在订单不是用户自取订单的情况下,执行根据订单信息查询相应的用户标识的操作。
在一些实施例中,预测模块还被配置为在订单不是用户自取订单的情况下,判定订单不会发生再投;发送模块还被配置为将订单不会发生再投的判定结果发送给信息采集终端进行显示。
在一些实施例中,订单再投预测结果为订单再投发生的概率值。
在一些实施例中,发送模块还被配置为将与用户标识相关联的用户信息发送给信息采集终端进行显示。
在一些实施例中,上述装置还包括:信息收集模块,被配置为收集用户的画像数据及订单历史数据;数据转换模块,被配置为将画像数据及订单历史数据转换为用户行为历史数据和配送历史数据;训练模块,被配置为将转换得到的用户行为历史数据和配送历史数据输入到待训练模型中,以得到输出结果,根据待训练模型的输出结果与订单再投情况的偏差,调整待训练模型的参数,以得到订单再投预测模型。
根据本公开的一个或多个实施例的又一个方面,提供一种订单再投预测装置,包括:存储器,被配置为存储指令;处理器,耦合到存储器,处理器被配置为基于存储器存储的指令执行实现如上述任一实施例涉及的方法。
根据本公开的一个或多个实施例的又一个方面,提供一种订单再投预测系统,包括如上述任一实施例涉及的订单再投预测装置,以及信息采集终端,被配置为采集订单信息,将订单信息上传给订单再投预测装置,并将订单再投预测装置下发的订单再投预测结果进行显示。
根据本公开的一个或多个实施例的另一个方面,提供一种计算机可读存储介质,其中,计算机可读存储介质存储有计算机指令,指令被处理器执行时实现如上述任一实施例涉及的方法。
通过以下参照附图对本公开的示例性实施例的详细描述,本公开的其它特征及其优点将会变得清楚。
附图说明
为了更清楚地说明本公开实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本公开的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本公开一个实施例的订单再投预测方法的示例性流程图;
图2为本公开另一个实施例的订单再投预测方法的示例性流程图;
图3为本公开一个实施例的订单再投预测结果的示意图;
图4为本公开另一个实施例的订单再投预测结果的示意图;
图5为本公开一个实施例的订单再投预测装置的示例性框图;
图6为本公开另一个实施例的订单再投预测装置的示例性框图;
图7为本公开又一个实施例的订单再投预测装置的示例性框图;
图8为本公开一个实施例的订单再投预测系统的示例性框图。
具体实施方式
下面将结合本公开实施例中的附图,对本公开实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本公开一部分实施例,而不是全部的实施例。以下对至少一个示例性实施例的描述实际上仅仅是说明性的,决不作为对本公开及其应用或使用的任何限制。基于本公开中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本公开保护的范围。
除非另外具体说明,否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本公开的范围。
同时,应当明白,为了便于描述,附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的。
对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论,但在适当情况下,所述技术、方法和设备应当被视为授权说明书的一部分。
在这里示出和讨论的所有示例中,任何具体值应被解释为仅仅是示例性的,而不是作为限制。因此,示例性实施例的其它示例可以具有不同的值。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步讨论。
图1为本公开一个实施例的订单再投预测方法的示例性流程图。在一些实施例中,本实施例的方法步骤可由订单再投预测装置执行。
在步骤101,在接收到信息采集终端上传的订单信息后,根据订单信息查询相应的用户标识。
例如,配送员利用诸如手持终端的信息采集终端对物品包裹进行扫描收货操作,以采集相应的订单信息。信息采集终端将所采集的订单信息上传给订单再投预测装置。
在步骤102,从数据库中提取出与用户标识相关联的用户行为历史数据和配送历史数据。
例如,用户行为历史数据和配送历史数据可包括:
·用户在每个收货地址的不同时间点的收货数量。例如,可通过工作日、节假日、休息日进行统计。
·用户在每个地址的平均配送时间。
·每个配送站路区的平均配送时间。
·用户每个地址的平均再投率。
·用户常用的收货地址。
·每个配送站覆盖配送地址的主要类型。例如,家庭、学校、办公场所等。
在步骤103,将用户行为历史数据和配送历史数据提供给预设的订单再投预测模型,以得到相应的订单再投预测结果。
在一些实施例中,得到的订单再投预测结果是“会发生订单再投”、“不会发生订单再投”。在另一些实施例中,订单再投预测结果为订单再投发生的概率值。例如,若订单再投的概率为20%,则表明订单再投发生的概率较低。若订单再投的概率为95%,则表明订单再投发生的概率较高。
在一些实施例中,通过收集用户的画像数据及订单历史数据,将画像数据及订单历史数据转换为用户行为历史数据和配送历史数据,将转换得到的用户行为历史数据和配送历史数据输入到待训练模型中,以得到输出结果。还根据待训练模型的输出结果与订单再投情况的偏差,调整待训练模型的参数,以得到订单再投预测模型。
由于根据数据进行机器学习和模型训练,并不是本公开的发明点所在,因此这里不展开描述。
在步骤104,将订单再投预测结果发送给信息采集终端进行显示。
配送员根据信息采集终端所显示的订单再投预测结果,以确定是否对相应物品进行派送。
在一些实施例中,还可将与用户标识相关联的用户信息发送给信息采集终端进行显示。例如,用户信息可包括用户地址和用户电话,以便配送员能够方便地了解用户指定地址,并在需要时方便与用户通话。
在本公开上述实施例提供的订单再投预测方法中,通过利用用户行为历史数据和配送历史数据预先对订单再投进行预测,对于订单再投预测结果表明可能会发生订单再投的物品,可选择在其它时间派送,或者与用户电话联系以约定派送时间,从而可有效减少订单再投的发生概率,提升投递效率。
图2为本公开一个实施例的订单再投预测方法的示例性流程图。在一些实施例中,本实施例的方法步骤可由订单再投预测装置执行。
在步骤201,接收信息采集终端上传的订单信息。
在步骤202,根据订单信息确定出对应订单的订单属性。
在步骤203,根据订单属性判断订单是否为用户自取订单。
在订单不是用户自取订单的情况下,执行步骤206;在订单不是用户自取订单的情况下,执行步骤204。
在步骤204,判定订单不会发生再投。此时确定订单再投预测结果为0。
在步骤205,将相应的订单再投预测结果发送给信息采集终端进行显示。
在一些实施例中,若订单为用户自提订单或代收点代收订单,由于配送员无需将物品直接交给用户,而是将物品放置在指定的存放点或代收点,用户会自行前往该存放点或代收点提取货物。因此在这种情况下,订单再投的情况并不会发生,从而将订单再投预测结果确定为0。
在一些实施例中,还可将相对应的用户信息发送给信息采集终端进行显示。
在步骤206,根据订单信息查询相应的用户标识。
在步骤207,从数据库中提取出与用户标识相关联的用户行为历史数据和配送历史数据。
在步骤208,将用户行为历史数据和配送历史数据提供给预设的订单再投预测模型,以得到相应的订单再投预测结果。
在步骤209,将订单再投预测结果发送给信息采集终端进行显示。
在一些实施例中,还可将与用户标识相关联的用户信息发送给信息采集终端进行显示。
图3为本公开一个实施例的订单再投预测结果的示意图。
配送员利用诸如手持终端的信息采集终端对物品包裹进行扫描收货操作,以采集相应的订单信息。信息采集终端将所采集的订单信息上传给订单再投预测装置,以便订单再投预测装置进行相应的订单再投预测处理。订单再投预测装置将订单再投预测结果及相应的用户信息下发给信息采集终端进行显示。
如图3所示,得到的订单再投预测结果是“会发生订单再投”。配送员根据该预测结果,可选择晚一些再投递该物品。
图4为本公开另一个实施例的订单再投预测结果的示意图。
如图4所示,得到的订单再投预测结果是“订单再投的概率为90%”。配送员由此可了解,此时投递该物品发生订单再投的概率较大。
当然,配送员也可根据实际工作经验,来确定是否要进行投递。例如,得到的订单再投预测结果是“订单再投的概率为10%”,这表明此时投递该物品发生订单再投的概率较小。在这种情况下,配送员也可选择投递该物品。
图5为本公开一个实施例的订单再投预测装置的示例性框图。如图5所示,订单再投预测装置包括接收模块51、用户标识查询模块52、信息提取模块53、预测模块54和发送模块55。
接收模块51被配置为接收信息采集终端上传的订单信息。
用户标识查询模块52被配置为在接收模块接收到信息采集终端上传的订单信息后,根据订单信息查询相应的用户标识。
信息提取模块53被配置为从数据库中提取出与用户标识相关联的用户行为历史数据和配送历史数据。
预测模块54被配置为将用户行为历史数据和配送历史数据提供给预设的订单再投预测模型,以得到相应的订单再投预测结果。
在一些实施例中,得到的订单再投预测结果是“会发生订单再投”、“不会发生订单再投”。在另一些实施例中,订单再投预测结果为订单再投发生的概率值。例如,若订单再投的概率为20%,则表明订单再投发生的概率较低。若订单再投的概率为95%,则表明订单再投发生的概率较高。
发送模块55被配置为将订单再投预测结果发送给信息采集终端进行显示。
可选地,发送模块55还被配置为将与用户标识相关联的用户信息发送给信息采集终端进行显示。
在本公开上述实施例提供的订单再投预测装置中,通过利用用户行为历史数据和配送历史数据预先对订单再投进行预测,对于订单再投预测结果表明可能会发生订单再投的物品,可选择在其它时间派送,或者与用户电话联系以约定派送时间,从而可有效减少订单再投的发生概率,提升投递效率。
图6为本公开另一个实施例的订单再投预测装置的示例性框图。图6与图5的区别在于,在图6所示实施例中,订单再投预测装置还包括订单属性确定模块56和识别模块57。
订单属性确定模块56被配置为在接收模块接收到信息采集终端上传的订单信息后,根据订单信息确定出对应订单的订单属性。
识别模块57被配置为根据订单属性判断订单是否为用户自取订单。
用户标识查询模块52还被配置为在订单不是用户自取订单的情况下,执行根据订单信息查询相应的用户标识的操作。
在一些实施例中,预测模块54还被配置为在订单不是用户自取订单的情况下,判定订单不会发生再投。
发送模块55还被配置为将订单不会发生再投的判定结果发送给信息采集终端进行显示。
在一些实施例中,若订单为用户自提订单或代收点代收订单,由于配送员无需将物品直接交给用户,而是将物品放置在指定的存放点或代收点,用户会自行前往该存放点或代收点提取货物。因此在这种情况下,订单再投的情况并不会发生,从而将订单再投预测结果确定为0。
在一些实施例中,如图6所示,订单再投预测装置还包括信息收集模块58、数据转换模块59和训练模块510。
信息收集模块58被配置为收集用户的画像数据及订单历史数据;
数据转换模块59被配置为将画像数据及订单历史数据转换为用户行为历史数据和配送历史数据。
训练模块510被配置为将转换得到的用户行为历史数据和配送历史数据输入到待训练模型中,以得到输出结果,根据待训练模型的输出结果与订单再投情况的偏差,调整待训练模型的参数,以得到订单再投预测模型。
通过上述训练,预测模型能够根据用户行为历史数据和配送历史数据对订单再投情况进行预测。
图7为本公开又一个实施例的订单再投预测装置的示例性框图。如图7所示,订单再投预测装置包括存储器71和处理器72。
存储器71用于存储指令,处理器72耦合到存储器71,处理器72被配置为基于存储器存储的指令执行实现如图1至图2中任一实施例涉及的方法。
如图7所示,订单再投预测装置还包括通信接口73,用于与其它设备进行信息交互。同时,该装置还包括总线74,处理器72、通信接口73、以及存储器71通过总线74完成相互间的通信。
存储器71可以包含高速RAM存储器,也可还包括非易失性存储器(non-volatilememory),例如至少一个磁盘存储器。存储器71也可以是存储器阵列。存储器71还可能被分块,并且块可按一定的规则组合成虚拟卷。
此外,处理器72可以是一个中央处理器CPU,或者可以是专用集成电路ASIC,或者是被配置成实施本公开实施例的一个或多个集成电路。
本公开同时还涉及一种计算机可读存储介质,其中计算机可读存储介质存储有计算机指令,指令被处理器执行时实现如图1至图2中任一实施例涉及的方法。
图8为本公开一个实施例的订单再投预测系统的示例性框图。
如图8所示,订单再投预测系统包括订单再投预测装置81和信息采集终端82。订单再投预测装置81为图5至图7中任一实施例涉及的订单再投预测装置。为了简明起见,在图8中仅示出了一个信息采集终端。本领域技术人员可以了解的是,可有多个信息采集终端与订单再投预测装置进行交互。
信息采集终端82被配置为采集订单信息,将订单信息上传给订单再投预测装置81,并将订单再投预测装置81下发的订单再投预测结果进行显示。
在一些实施例中,在上面所描述的功能单元模块可以实现为用于执行本公开所描述功能的通用处理器、可编程逻辑控制器(Programmable Logic Controller,简称:PLC)、数字信号处理器(Digital Signal Processor,简称:DSP)、专用集成电路(ApplicationSpecific Integrated Circuit,简称:ASIC)、现场可编程门阵列(Field-ProgrammableGate Array,简称:FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件或者其任意适当组合。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成,也可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,上述提到的存储介质可以是只读存储器,磁盘或光盘等。
本公开的描述是为了示例和描述起见而给出的,而并不是无遗漏的或者将本公开限于所公开的形式。很多修改和变化对于本领域的普通技术人员而言是显然的。选择和描述实施例是为了更好说明本公开的原理和实际应用,并且使本领域的普通技术人员能够理解本公开从而设计适于特定用途的带有各种修改的各种实施例。
Claims (15)
1.一种订单再投预测方法,包括:
在接收到信息采集终端上传的订单信息后,根据所述订单信息查询相应的用户标识;
从数据库中提取出与所述用户标识相关联的用户行为历史数据和配送历史数据;
将所述用户行为历史数据和配送历史数据提供给预设的订单再投预测模型,以得到相应的订单再投预测结果;
将所述订单再投预测结果发送给所述信息采集终端进行显示。
2.根据权利要求1所述的方法,在接收到信息采集终端上传的订单信息后,还包括:
根据所述订单信息确定出对应订单的订单属性;
根据所述订单属性判断所述订单是否为用户自取订单;
在所述订单不是用户自取订单的情况下,执行根据所述订单信息查询相应的用户标识的步骤。
3.根据权利要求2所述的方法,还包括:
在所述订单不是用户自取订单的情况下,判定所述订单不会发生再投;
将所述订单不会发生再投的判定结果发送给所述信息采集终端进行显示。
4.根据权利要求1所述的方法,其中,
所述订单再投预测结果为订单再投发生的概率值。
5.根据权利要求1所述的方法,还包括:
将与所述用户标识相关联的用户信息发送给所述信息采集终端进行显示。
6.根据权利要求1-5中任一项所述的方法,还包括:
收集用户的画像数据及订单历史数据;
将所述画像数据及订单历史数据转换为用户行为历史数据和配送历史数据;
将转换得到的用户行为历史数据和配送历史数据输入到待训练模型中,以得到输出结果;
根据所述待训练模型的输出结果与订单再投情况的偏差,调整所述待训练模型的参数,以得到订单再投预测模型。
7.一种订单再投预测装置,包括:
接收模块,被配置为接收信息采集终端上传的订单信息;
用户标识查询模块,被配置为在接收模块接收到信息采集终端上传的订单信息后,根据所述订单信息查询相应的用户标识;
信息提取模块,被配置为从数据库中提取出与所述用户标识相关联的用户行为历史数据和配送历史数据;
预测模块,被配置为将所述用户行为历史数据和配送历史数据提供给预设的订单再投预测模型,以得到相应的订单再投预测结果;
发送模块,被配置为将所述订单再投预测结果发送给所述信息采集终端进行显示。
8.根据权利要求7所述的装置,还包括:
订单属性确定模块,被配置为在接收模块接收到信息采集终端上传的订单信息后,根据所述订单信息确定出对应订单的订单属性;
识别模块,被配置为根据所述订单属性判断所述订单是否为用户自取订单;
用户标识查询模块还被配置为在所述订单不是用户自取订单的情况下,执行根据所述订单信息查询相应的用户标识的操作。
9.根据权利要求8所述的装置,其中,
预测模块还被配置为在所述订单不是用户自取订单的情况下,判定所述订单不会发生再投;
发送模块还被配置为将所述订单不会发生再投的判定结果发送给所述信息采集终端进行显示。
10.根据权利要求7所述的装置,其中,
所述订单再投预测结果为订单再投发生的概率值。
11.根据权利要求7所述的装置,其中,
发送模块还被配置为将与所述用户标识相关联的用户信息发送给所述信息采集终端进行显示。
12.根据权利要求7-11中任一项所述的装置,还包括:
信息收集模块,被配置为收集用户的画像数据及订单历史数据;
数据转换模块,被配置为将所述画像数据及订单历史数据转换为用户行为历史数据和配送历史数据;
训练模块,被配置为将转换得到的用户行为历史数据和配送历史数据输入到待训练模型中,以得到输出结果,根据所述待训练模型的输出结果与订单再投情况的偏差,调整所述待训练模型的参数,以得到订单再投预测模型。
13.一种订单再投预测装置,包括:
存储器,被配置为存储指令;
处理器,耦合到存储器,处理器被配置为基于存储器存储的指令执行实现如权利要求1-6中任一项所述的方法。
14.一种订单再投预测系统,包括如权利要求7-13中任一项所述的订单再投预测装置,以及
信息采集终端,被配置为采集订单信息,将所述订单信息上传给所述订单再投预测装置,并将所述订单再投预测装置下发的订单再投预测结果进行显示。
15.一种计算机可读存储介质,其中,计算机可读存储介质存储有计算机指令,指令被处理器执行时实现如权利要求1-6中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810632448.3A CN110619410A (zh) | 2018-06-20 | 2018-06-20 | 订单再投预测方法、装置和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810632448.3A CN110619410A (zh) | 2018-06-20 | 2018-06-20 | 订单再投预测方法、装置和系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110619410A true CN110619410A (zh) | 2019-12-27 |
Family
ID=68920343
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810632448.3A Pending CN110619410A (zh) | 2018-06-20 | 2018-06-20 | 订单再投预测方法、装置和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110619410A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111260296A (zh) * | 2020-02-12 | 2020-06-09 | 上海东普信息科技有限公司 | 快件派送方式推荐方法、装置、设备及存储介质 |
CN112668924A (zh) * | 2021-01-05 | 2021-04-16 | 拉扎斯网络科技(上海)有限公司 | 物流运力的调配方法、装置及系统 |
WO2021107860A1 (en) * | 2019-11-29 | 2021-06-03 | Hitachi, Ltd. | Method, system, and device for matching deliveries |
CN113657916A (zh) * | 2020-05-12 | 2021-11-16 | 北京市天元网络技术股份有限公司 | 地埋管预算获取方法及装置 |
CN113780650A (zh) * | 2021-09-06 | 2021-12-10 | 杭州拼便宜网络科技有限公司 | 运力锁定方法、装置、设备和存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106779339A (zh) * | 2016-11-29 | 2017-05-31 | 捷开通讯(深圳)有限公司 | 一种智能快递方法及系统 |
US20170245114A1 (en) * | 2016-02-19 | 2017-08-24 | Yahoo Japan Corporation | Determination device through clustering analysis of position history data, method, and non-transitory computer readable storage medium |
CN107292418A (zh) * | 2017-05-23 | 2017-10-24 | 顺丰科技有限公司 | 一种运单滞留预测方法 |
-
2018
- 2018-06-20 CN CN201810632448.3A patent/CN110619410A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170245114A1 (en) * | 2016-02-19 | 2017-08-24 | Yahoo Japan Corporation | Determination device through clustering analysis of position history data, method, and non-transitory computer readable storage medium |
CN106779339A (zh) * | 2016-11-29 | 2017-05-31 | 捷开通讯(深圳)有限公司 | 一种智能快递方法及系统 |
CN107292418A (zh) * | 2017-05-23 | 2017-10-24 | 顺丰科技有限公司 | 一种运单滞留预测方法 |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021107860A1 (en) * | 2019-11-29 | 2021-06-03 | Hitachi, Ltd. | Method, system, and device for matching deliveries |
CN111260296A (zh) * | 2020-02-12 | 2020-06-09 | 上海东普信息科技有限公司 | 快件派送方式推荐方法、装置、设备及存储介质 |
CN113657916A (zh) * | 2020-05-12 | 2021-11-16 | 北京市天元网络技术股份有限公司 | 地埋管预算获取方法及装置 |
CN113657916B (zh) * | 2020-05-12 | 2024-01-26 | 北京市天元网络技术股份有限公司 | 地埋管预算获取方法及装置 |
CN112668924A (zh) * | 2021-01-05 | 2021-04-16 | 拉扎斯网络科技(上海)有限公司 | 物流运力的调配方法、装置及系统 |
CN113780650A (zh) * | 2021-09-06 | 2021-12-10 | 杭州拼便宜网络科技有限公司 | 运力锁定方法、装置、设备和存储介质 |
CN113780650B (zh) * | 2021-09-06 | 2024-03-26 | 杭州拼便宜网络科技有限公司 | 运力锁定方法、装置、设备和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110619410A (zh) | 订单再投预测方法、装置和系统 | |
CN102542474B (zh) | 查询结果排序方法及装置 | |
CN104731895B (zh) | 自动应答的方法和装置 | |
CN105654341A (zh) | 一种基于云服务的航空产品推荐系统及方法 | |
CN103368992A (zh) | 一种信息推送方法及装置 | |
CN111311147B (zh) | 包装箱回收方法、客户端、服务端和系统 | |
CN110660155A (zh) | 物品回收系统及方法 | |
CN114742476B (zh) | 基于区块链的数字化采购供应数据采集方法及采集平台 | |
CN105096023A (zh) | 工作标准相关数据的推送系统和方法 | |
CN108717612A (zh) | 一种配送方法及装置 | |
CN107316044A (zh) | 相似用户识别方法和装置 | |
CN113793081A (zh) | 仓储监控方法、装置、计算机可读介质及电子设备 | |
CN111391700B (zh) | 纯电动汽车电池充电状态信息共享方法及装置 | |
CN105681287A (zh) | 基于筛选规则的用户服务分配筛选方法 | |
CN113205412A (zh) | 一种智能柜台办理的业务种类的确定方法及相关装置 | |
CN109086289A (zh) | 一种媒体数据处理方法、客户端、介质和设备 | |
CN114219100A (zh) | 一种基于线上平台进行物品分类回收的方法、系统和存储介质 | |
CN115907926A (zh) | 商品的推荐方法、装置、电子设备及存储介质 | |
CN106649678B (zh) | 一种数据处理方法及系统 | |
CN107908555A (zh) | 一种sql脚本的异常检测方法及其终端 | |
CN107329989A (zh) | 导出数据的方法、装置及系统 | |
CN106845902A (zh) | 物流地址更换方法及系统 | |
CN107545392A (zh) | 共享物流箱计价方法、装置及系统 | |
CN112288507B (zh) | 展示信息确定的方法及装置 | |
CN103365858A (zh) | 基于一查询序列由多个源设备获取搜索结果的方法与设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |