CN110706047A - 一种确定订单的交付信息方法及装置 - Google Patents

一种确定订单的交付信息方法及装置 Download PDF

Info

Publication number
CN110706047A
CN110706047A CN201810751710.6A CN201810751710A CN110706047A CN 110706047 A CN110706047 A CN 110706047A CN 201810751710 A CN201810751710 A CN 201810751710A CN 110706047 A CN110706047 A CN 110706047A
Authority
CN
China
Prior art keywords
node
address
floor
dimension
delivery time
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.)
Granted
Application number
CN201810751710.6A
Other languages
English (en)
Other versions
CN110706047B (zh
Inventor
叶成鹏
高久翀
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Sankuai Online Technology Co Ltd
Original Assignee
Beijing Sankuai Online Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Sankuai Online Technology Co Ltd filed Critical Beijing Sankuai Online Technology Co Ltd
Priority to CN201810751710.6A priority Critical patent/CN110706047B/zh
Publication of CN110706047A publication Critical patent/CN110706047A/zh
Application granted granted Critical
Publication of CN110706047B publication Critical patent/CN110706047B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q30/00Commerce
    • G06Q30/06Buying, selling or leasing transactions
    • G06Q30/0601Electronic shopping [e-shopping]
    • G06Q30/0633Lists, e.g. purchase orders, compilation or processing
    • G06Q30/0635Processing of requisition or of purchase orders

Landscapes

  • Business, Economics & Management (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Development Economics (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Strategic Management (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及互联网技术领域,尤其涉及一种确定订单的交付信息方法及装置,用于解决现有技术中存在的采用地址聚合方式确定交付时长耗时较长、效率较低的缺陷。本发明是根据地址模型确定目标节点,进而根据目标节点确定所述目的地址的楼层交付时长,而地址模型是对一级维度对应的节点进行逐级分裂后得到的,包括多个地址维度,每个地址维度对应至少一个节点,这样可以使得地址模型可以更好的反应楼层与交付时长之间的关系,在每次确定交付时长时只需要找到对应的地址模型就可以确定对应的交付时长,相比采用地址聚合方式确定交付时长的方式缩短了确定交付时长的时间,提高了确定交付时长的效率。

Description

一种确定订单的交付信息方法及装置
技术领域
本发明涉及互联网技术领域,尤其涉及一种确定订单的交付信息方法及装置。
背景技术
随着互联网的发展,电子商务的兴起,越来越多的用户选择网上购物,例如网上订餐、网上买衣服、网上买药等。网上购物过程中,如餐饮行业中,客户下单后,一般会显示从订单下单成功至货物送至客户所需要的时长,该时长由几部分构成,其中一部分时长为配送员从客户楼下至客户家里的交付时长,如图1所示。
目前,在计算交付时长时,采用的是对地址进行聚合,再求出每个地址的平均楼层交付时长的方式,但是这种方法存在耗时较长、效率较低的缺陷。
发明内容
鉴于上述问题,提出了本发明,以便提供一种克服上述问题或者至少部分地解决上述问题的一种确定订单的交付信息方法及装置,用于解决现有技术中存在的采用地址聚合方式确定交付时长耗时较长、效率较低的缺陷。
依据本发明的第一方面,提供了一种建立交付时长模型的方法,包括:
根据订单中的目的地址,从多个地址模型中查找与所述目的地址匹配的地址模型,其中所述地址模型包括多个地址维度,每个地址维度对应至少一个节点,所述地址模型是对一级维度对应的节点进行逐级分裂后得到的;
从查找到的所述地址模型中与所述目的地址匹配的节点中,确定目标节点;
根据目标节点对应的楼层交付信息,确定所述目的地址的楼层交付时长。
在一些实施方式中,所述楼层交付信息为平均楼层交付时长;
所述根据目标节点对应的楼层交付时长信息,确定所述目的地址的楼层交付时长,包括:
将所述目标节点对应的平均楼层交付时长作为所述目的地址的楼层交付时长。
在一些实施方式中,根据下列方式确定所述地址模型:
针对一级维度对应的任意一个节点,确定包含所述节点的一级订单的数量;
根据所述一级订单的数量判断是否满足分裂为二级维度对应的节点的一级分裂条件;
若判定满足所述一级分裂条件,则对所述节点进行分裂得到二级维度中的至少一个节点,并确定包括二级维度中的每一个节点的二级订单的数量,并根据所述二级订单的数量判断是否满足分裂为三级维度对应的节点的二级分裂条件;
直至得到的M级订单的数量不满足分裂为M+1级维度对应的节点的M级分裂条件时,停止继续分裂,其中M为正整数;
根据各级维度对应的节点构建所述地址模型。
在一些实施方式中,所述M级分裂条件包括下列条件中的部分或全部:
条件1、M级订单的数量大于M级订单量阈值;
条件2、M级订单的数量的平均绝对误差MAE值与M+1级订单的数量的MAE值的变化量大于MAE阈值;
条件3、分裂后的节点为地址中的楼层维度节点。
在一些实施方式中,根据下列方式确定所述地址模型中节点对应的平均楼层交付时长:
针对所述地址模型中任意一个节点,若所述节点对应未知地址,则将分裂得到所述节点的上一个节点的平均楼层交付时长作为所述节点的平均楼层交付时长;或
针对所述地址模型中任意一个节点,若所述节点对应非未知地址,则根据包括所述节点的订单对应的楼层交付时长,确定所述地址模型中节点对应的平均楼层交付时长。
在一些实施方式中,所述楼层交付信息为楼层交付时长回归函数;
所述根据目标节点对应的楼层交付时长信息,确定所述目的地址的楼层交付时长,包括:
根据所述目的地址中的楼层信息和目标节点对应的楼层交付时长回归函数,确定所述目的地址的楼层交付时长。
在一些实施方式中,根据下列方式确定所述地址模型:
针对一级维度对应的任意一个节点,对所述节点进行分裂得到二级维度中的至少一个节点;
判断所述二级维度中的至少一个节点是否为地址中的楼层维度节点;
若判定不为地址中的楼层维度节点,则对所述二级维度中的至少一个节点进行分裂得到三级维度中的至少一个节点,并判断所述三级维度中的至少一个节点是否为地址中的楼层维度节点;
直至得到的X级维度中的至少一个节点为地址中的楼层维度节点,停止继续分裂,其中X为正整数;
根据各级维度对应的节点构建所述地址模型。
在一些实施方式中,根据下列方式确定所述地址模型中节点对应的楼层交付时长回归函数:
针对任意一个节点,获取包含所述节点的订单;
根据获取的订单中的楼层信息以及楼层交付时长,通过线性拟合方式得到所述节点对应的楼层交付时长回归函数。
依据本发明的第二方面,提供了一种确定订单的交付信息装置,包括:
至少一个处理单元以及至少一个存储单元,其中,所述存储单元存储有程序代码,当所述程序代码被所述处理单元执行时,使得所述处理单元执行下列过程:
根据订单中的目的地址,从多个地址模型中查找与所述目的地址匹配的地址模型,其中所述地址模型包括多个地址维度,每个地址维度对应至少一个节点,所述地址模型是对一级维度对应的节点进行逐级分裂后得到的;从查找到的所述地址模型中与所述目的地址匹配的节点中,确定目标节点;根据目标节点对应的楼层交付信息,确定所述目的地址的楼层交付时长。
在一些实施方式中,所述楼层交付信息为平均楼层交付时长;
所述处理单元具体用于:
将所述目标节点对应的平均楼层交付时长作为所述目的地址的楼层交付时长。
在一些实施方式中,根据下列方式确定所述地址模型:
针对一级维度对应的任意一个节点,确定包含所述节点的一级订单的数量;
根据所述一级订单的数量判断是否满足分裂为二级维度对应的节点的一级分裂条件;
若判定满足所述一级分裂条件,则对所述节点进行分裂得到二级维度中的至少一个节点,并确定包括二级维度中的每一个节点的二级订单的数量,并根据所述二级订单的数量判断是否满足分裂为三级维度对应的节点的二级分裂条件;
直至得到的M级订单的数量不满足分裂为M+1级维度对应的节点的M级分裂条件时,停止继续分裂,其中M为正整数;
根据各级维度对应的节点构建所述地址模型。
在一些实施方式中,所述M级分裂条件包括下列条件中的部分或全部:
条件1、M级订单的数量大于M级订单量阈值;
条件2、M级订单的数量的平均绝对误差MAE值与M+1级订单的数量的MAE值的变化量大于MAE阈值;
条件3、分裂后的节点为地址中的楼层维度节点。
在一些实施方式中,所述处理器还用于,根据下列方式确定所述地址模型中节点对应的平均楼层交付时长:
针对所述地址模型中任意一个节点,若所述节点对应未知地址,则将分裂得到所述节点的上一个节点的平均楼层交付时长作为所述节点的平均楼层交付时长;或
针对所述地址模型中任意一个节点,若所述节点对应非未知地址,则根据包括所述节点的订单对应的楼层交付时长,确定所述地址模型中节点对应的平均楼层交付时长。
在一些实施方式中,所述楼层交付信息为楼层交付时长回归函数;
所述处理器具体用于:
根据所述目的地址中的楼层信息和目标节点对应的楼层交付时长回归函数,确定所述目的地址的楼层交付时长。
在一些实施方式中,所述处理器还用于,根据下列方式确定所述地址模型:
针对一级维度对应的任意一个节点,对所述节点进行分裂得到二级维度中的至少一个节点;
判断所述二级维度中的至少一个节点是否为地址中的楼层维度节点;
若判定不为地址中的楼层维度节点,则对所述二级维度中的至少一个节点进行分裂得到三级维度中的至少一个节点,并判断所述三级维度中的至少一个节点是否为地址中的楼层维度节点;
直至得到的X级维度中的至少一个节点为地址中的楼层维度节点,停止继续分裂,其中X为正整数;
根据各级维度对应的节点构建所述地址模型。
在一些实施方式中,所述处理器还用于,根据下列方式确定所述地址模型中节点对应的楼层交付时长回归函数:
针对任意一个节点,获取包含所述节点的订单;
根据获取的订单中的楼层信息以及楼层交付时长,通过线性拟合方式得到所述节点对应的楼层交付时长回归函数。
依据本发明的第三方面,提供了一种预估订单交付时长的装置,包括:
处理单元,用于根据订单中的目的地址,从多个地址模型中查找与所述目的地址匹配的地址模型,其中所述地址模型包括多个地址维度,每个地址维度对应至少一个节点,所述地址模型是对一级维度对应的节点进行逐级分裂后得到的;
节点确定单元,用于从查找到的所述地址模型中与所述目的地址匹配的节点中,确定目标节点;
时长处理单元,用于根据目标节点对应的楼层交付信息,确定所述目的地址的楼层交付时长。
依据本发明的第四方面,提供了一种计算机可存储介质,其上存储有计算机程序,该程序被处理器执行时实现上述方法的步骤。
本发明实施例根据订单中的目的地址从多个地址模型中查找与所述目的地址匹配的地址模型,其中所述地址模型包括多个地址维度,每个地址维度对应至少一个节点,所述地址模型是对一级维度对应的节点进行逐级分裂后得到的;从查找到的所述地址模型中与所述目的地址匹配的节点中,确定目标节点;根据目标节点对应的楼层交付信息,确定所述目的地址的楼层交付时长;由于本发明是根据地址模型确定目标节点,进而根据目标节点确定所述目的地址的楼层交付时长,而地址模型是对一级维度对应的节点进行逐级分裂后得到的,包括多个地址维度,每个地址维度对应至少一个节点,这样可以使得地址模型可以更好的反应楼层与交付时长之间的关系,在每次确定交付时长时只需要找到对应的地址模型就可以确定对应的交付时长,相比采用地址聚合方式确定交付时长的方式缩短了确定交付时长的时间,提高了确定交付时长的效率。
上述说明仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,而可依照说明书的内容予以实施,并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂,以下特举本发明的具体实施方式。
附图说明
通过阅读下文优选实施方式的详细描述,各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的,而并不认为是对本发明的限制。而且在整个附图中,用相同的参考符号表示相同的部件。在附图中:
图1是根据本发明的实施例提出的交付时长的示意图;
图2A是根据本发明的实施例提出的确定订单的交付信息的方法的一种流程图;
图2B是根据本发明的实施例提出的地址模型的示意图;
图2C是根据本发明的实施例提出的小区逐级分裂后的示意图;
图3是根据本发明的实施例提出的确定订单的交付信息的装置的一种示意图;
图4是根据本发明的实施例提出的确定订单的交付信息的装置的另一种示意图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例,然而应当理解,可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本公开,并且能够将本公开的范围完整的传达给本领域的技术人员。
图2A示意性地示出了根据本发明实施方式的建立交付时长模型的方法20的流程示意图。如图2A所示,该方法20可以包括步骤200、210和220。
步骤200:根据订单中的目的地址,从多个地址模型中查找与所述目的地址匹配的地址模型,其中所述地址模型包括多个地址维度,每个地址维度对应至少一个节点,所述地址模型是对一级维度对应的节点进行逐级分裂后得到的;
步骤201:从查找到的所述地址模型中与所述目的地址匹配的节点中,确定目标节点;
步骤202:根据目标节点对应的楼层交付信息,确定所述目的地址的楼层交付时长。
在实施中,楼层交付信息可以是平均楼层交付时长,也可以是楼层交付时长回归函数。不同的楼层交付信息,对应的确定所述目的地址的楼层交付时长的方式,以及确定地址模型的方式也不相同。下面举例进行说明。
一、楼层交付信息为平均楼层交付时长。
根据目标节点对应的楼层交付时长信息,确定所述目的地址的楼层交付时长时,可以将所述目标节点对应的平均楼层交付时长作为所述目的地址的楼层交付时长。
在构建地址模型时:
针对任意一个一级节点,确定该一级节点的地址模型,所述地址模型包括一级节点、二级节点、……、N级节点,所述地址模型中的每一级节点代表地址的不同维度,所述N为大于0的整数;
确定获取到的所述地址模型中的每一个节点在预设时长内的订单;
根据获取到的对应的订单确定该节点对应的楼层交付时长信息。
例如,“望京南湖东园小区”是一级节点,图2B是“望京南湖东园小区”的地址模型,二级节点包括1号楼、2号楼和3号楼这三个节点,三级节点包括2号楼的1单元、2号楼的2单元和2号楼的3单元、3号楼的1单元、3号楼的2单元和3号楼的3单元这6个节点,需要针对小区、楼宇和单元中的每个节点都确定对应的楼层交付时长信息,如针对1号楼这个节点:获取1号楼当前时间点半年内的历史订单数据,并根据采集到的数据来确定针对1号楼的楼层交付时长信息;针对2号楼1单元这个节点,获取2号楼1单元当前时间点半年内的历史订单数据,并根据采集到的数据来确定针对2号楼1单元的楼层交付时长信息;确定针对其他节点的楼层交付时长信息的过程与上述过程类似,在此不再一一示例。
本发明实施例中的各个节点的维度可以是“小区、楼宇、单元、楼层”这几个维度中的任意一种,一个小区可以包括多个楼宇,一个楼宇又可以包括多个单元,一个单元又可以包括多个楼层,如图2C所示。
本发明实施例中,确定该一级节点的地址模型的方式有多种,可选地,可以采用如下方式:
针对一级维度对应的任意一个节点,确定包含所述节点的一级订单的数量;
根据所述一级订单的数量判断是否满足分裂为二级维度对应的节点的一级分裂条件;
若判定满足所述一级分裂条件,则对所述节点进行分裂得到二级维度中的至少一个节点,并确定包括二级维度中的每一个节点的二级订单的数量,并根据所述二级订单的数量判断是否满足分裂为三级维度对应的节点的二级分裂条件;
直至得到的M级订单的数量不满足分裂为M+1级维度对应的节点的M级分裂条件时,停止继续分裂,其中M为正整数;
根据各级维度对应的节点构建所述地址模型。
本发明实施例中,所述M级分裂条件包括下列条件中的部分或全部:
条件1、M级订单的数量大于M级订单量阈值;
条件2、M级订单的数量的平均绝对误差MAE(mean abso l ute er ror,平均绝对误差值)值与M+1级订单的数量的MAE值的变化量大于MAE阈值;
条件3、分裂后的节点为地址中的楼层维度节点;
其中,所述M为大于0且小于或者等于N的整数。
例如,针对望京南湖东园小区,先获取望京南湖东园小区在当前时间点半年之内的历史订单量1,根据历史订单量1判断望京南湖东园小区是否满足分裂为至少一个二级节点的一级分裂条件,如果满足,如能够分裂为1号楼、2号楼和3号楼,则再进一步分别判断1号楼、2号楼和3号楼是否能够继续分裂,如1号楼不能继续分裂、2号楼和3号楼能够继续分裂,此时,要继续判断2号楼分裂后的1单元、2单元和3单元是否能够继续分裂,由于单元节点不能够继续往下分裂了,因此,停止针对望京南湖东园小区的分裂,并根据分裂后的小区、楼宇和单元构建地址模型。
本发明实施例中,可选地,各级节点对应的订单量阈值可以相同也可以不同,在此不做具体限定。
本发明实施例中在接收新的订单,并从所述新的订单中获取目的地址;
若将所述目的地址逐级解析时能够解析至M级节点对应的维度,从根据该一级节点得到的所有M级节点中筛选出目标M级节点;
确定筛选出的目标M级节点对应的平均楼层交付时长。
例如,地址模型如图2B所示,如新的订单中的目的地址为“南湖东园小区2号楼2单元”,该地址按照“小区→楼宇→单元→楼层”这个顺序逐级解析,能够逐级解析至“单元”这个维度,“南湖东园小区”地址模型中所包括的分裂后的单元节点为“2号楼1单元、2号楼2单元、2号楼3单元、3号楼1单元、3号楼2单元、3号楼3单元”,然后从这6个单元中筛选目标单元节点2号楼2单元,并确定2号楼2单元的平均楼层交付时长。
其中,可选地,所述从根据该一级节点得到的M级节点中筛选出目标M级节点时,采用如下方式:
确定将所述目的地址解析至M级节点对应的维度的维度标识;
将确定出的维度标识与所述M级节点中的每一个M级节点的节点标识进行匹配,将匹配成功的节点标识对应的M级节点作为筛选出的目标M级节点。
在确定所述地址模型中节点对应的平均楼层交付时长时:
1、针对所述地址模型中任意一个节点,若所述节点对应未知地址,则将分裂得到所述节点的上一个节点的平均楼层交付时长作为所述节点的平均楼层交付时长。
比如M级节点对应未知地址,可以将M-1级节点对应的平均楼层交付时长作为所述节点的平均楼层交付时长。
2、针对所述地址模型中任意一个节点,若所述节点对应非未知地址,则根据包括所述节点的订单对应的楼层交付时长,确定所述地址模型中节点对应的平均楼层交付时长。
二、楼层交付信息为楼层交付时长回归函数
在实施中,所述根据目标节点对应的楼层交付时长信息,确定所述目的地址的楼层交付时长时,根据所述目的地址中的楼层信息和目标节点对应的楼层交付时长回归函数,确定所述目的地址的楼层交付时长。
可选的,根据下列方式确定所述地址模型中节点对应的楼层交付时长回归函数:
针对任意一个节点,获取包含所述节点的订单;
根据获取的订单中的楼层信息以及楼层交付时长,通过线性拟合方式得到所述节点对应的楼层交付时长回归函数。
通过对楼层对应的交付时间分析,虽然有些楼层的数据缺失,但整体上楼层越高,交付时间越长,并且基本上为线性分布。因此,本发明实施例在楼层维度进行线性拟合,得到楼层交付时长回归函数。
本发明实施例的楼层交付时长回归函数可以体现楼层之间的交付时长的关系,这样不仅能反映出不同楼层的不同交付时长关系,还能给出未出现楼层的交付时长,利用有限的数据得出整栋楼的交付时长关系。
本发明实施例中,确定该一级节点的地址模型的方式有多种,可选地,可以采用如下方式:
根据下列方式确定所述地址模型:
针对一级维度对应的任意一个节点,对所述节点进行分裂得到二级维度中的至少一个节点;
判断所述二级维度中的至少一个节点是否为地址中的楼层维度节点;
若判定不为地址中的楼层维度节点,则对所述二级维度中的至少一个节点进行分裂得到三级维度中的至少一个节点,并判断所述三级维度中的至少一个节点是否为地址中的楼层维度节点;
直至得到的X级维度中的至少一个节点为地址中的楼层维度节点,停止继续分裂,其中X为正整数;
根据各级维度对应的节点构建所述地址模型。
例如,在分列时某个地址为望京南湖东园小区2号楼的1单元2层,则“望京南湖东园小区”是一级节点;二级节点为2号楼;三级节点为1单元;四级节点为2层。由于四级节点已经是楼层维度节点,所以停止分裂。
之后可以针对每个楼层维度节点构建楼层交付时长回归函数。
在确定楼层交互时长时,可以将目的地址中的楼层信息带入到目标节点对应的楼层交付时长回归函数中就可以确定目的地址的楼层交付时长。
基于同一发明构思,本发明实施例中还提供了一种确定订单的交付信息的装置,由于该装置解决问题的原理与本发明实施例确定订单的交付信息的方法相似,因此该装置的实施可以参见本发明实施例确定订单的交付信息的方法的实施,重复之处不再赘述。
如图3所示,本发明实施例中,还提出一种确定订单的交付信息的装置,包括:
至少一个处理单元300以及至少一个存储单元301,其中,所述存储单元301存储有程序代码,当所述程序代码被所述处理单元300执行时,使得所述处理单元300执行下列过程:
根据订单中的目的地址,从多个地址模型中查找与所述目的地址匹配的地址模型,其中所述地址模型包括多个地址维度,每个地址维度对应至少一个节点,所述地址模型是对一级维度对应的节点进行逐级分裂后得到的;从查找到的所述地址模型中与所述目的地址匹配的节点中,确定目标节点;根据目标节点对应的楼层交付信息,确定所述目的地址的楼层交付时长。
可选的,所述楼层交付信息为平均楼层交付时长;
所述处理单元300具体用于:
将所述目标节点对应的平均楼层交付时长作为所述目的地址的楼层交付时长。
可选的,所述处理器300还用于,根据下列方式确定所述地址模型:
针对一级维度对应的任意一个节点,确定包含所述节点的一级订单的数量;
根据所述一级订单的数量判断是否满足分裂为二级维度对应的节点的一级分裂条件;
若判定满足所述一级分裂条件,则对所述节点进行分裂得到二级维度中的至少一个节点,并确定包括二级维度中的每一个节点的二级订单的数量,并根据所述二级订单的数量判断是否满足分裂为三级维度对应的节点的二级分裂条件;
直至得到的M级订单的数量不满足分裂为M+1级维度对应的节点的M级分裂条件时,停止继续分裂,其中M为正整数;
根据各级维度对应的节点构建所述地址模型。
可选的,所述M级分裂条件包括下列条件中的部分或全部:
条件1、M级订单的数量大于M级订单量阈值;
条件2、M级订单的数量的平均绝对误差MAE值与M+1级订单的数量的MAE值的变化量大于MAE阈值;
条件3、分裂后的节点为地址中的楼层维度节点。
可选的,所述处理器300还用于,根据下列方式确定所述地址模型中节点对应的平均楼层交付时长:
针对所述地址模型中任意一个节点,若所述节点对应未知地址,则将分裂得到所述节点的上一个节点的平均楼层交付时长作为所述节点的平均楼层交付时长;或
针对所述地址模型中任意一个节点,若所述节点对应非未知地址,则根据包括所述节点的订单对应的楼层交付时长,确定所述地址模型中节点对应的平均楼层交付时长。
可选的,所述楼层交付信息为楼层交付时长回归函数;
所述处理器300具体用于:
根据所述目的地址中的楼层信息和目标节点对应的楼层交付时长回归函数,确定所述目的地址的楼层交付时长。
可选的,所述处理器300还用于,根据下列方式确定所述地址模型:
针对一级维度对应的任意一个节点,对所述节点进行分裂得到二级维度中的至少一个节点;
判断所述二级维度中的至少一个节点是否为地址中的楼层维度节点;
若判定不为地址中的楼层维度节点,则对所述二级维度中的至少一个节点进行分裂得到三级维度中的至少一个节点,并判断所述三级维度中的至少一个节点是否为地址中的楼层维度节点;
直至得到的X级维度中的至少一个节点为地址中的楼层维度节点,停止继续分裂,其中X为正整数;
根据各级维度对应的节点构建所述地址模型。
可选的,所述处理器300还用于,根据下列方式确定所述地址模型中节点对应的楼层交付时长回归函数:
针对任意一个节点,获取包含所述节点的订单;
根据获取的订单中的楼层信息以及楼层交付时长,通过线性拟合方式得到所述节点对应的楼层交付时长回归函数。
如图4所示,本发明实施例中,还提出一种确定订单的交付信息的装置,包括:
查找单元400,用于根据订单中的目的地址,从多个地址模型中查找与所述目的地址匹配的地址模型,其中所述地址模型包括多个地址维度,每个地址维度对应至少一个节点,所述地址模型是对一级维度对应的节点进行逐级分裂后得到的;
节点确定单元401,用于从查找到的所述地址模型中与所述目的地址匹配的节点中,确定目标节点;
时长处理单元402,用于根据目标节点对应的楼层交付信息,确定所述目的地址的楼层交付时长。
可选的,所述楼层交付信息为平均楼层交付时长;
时长处理单元402具体用于:
将所述目标节点对应的平均楼层交付时长作为所述目的地址的楼层交付时长。
可选的,所述时长处理单元402还用于,根据下列方式确定所述地址模型:
针对一级维度对应的任意一个节点,确定包含所述节点的一级订单的数量;
根据所述一级订单的数量判断是否满足分裂为二级维度对应的节点的一级分裂条件;
若判定满足所述一级分裂条件,则对所述节点进行分裂得到二级维度中的至少一个节点,并确定包括二级维度中的每一个节点的二级订单的数量,并根据所述二级订单的数量判断是否满足分裂为三级维度对应的节点的二级分裂条件;
直至得到的M级订单的数量不满足分裂为M+1级维度对应的节点的M级分裂条件时,停止继续分裂,其中M为正整数;
根据各级维度对应的节点构建所述地址模型。
可选的,所述M级分裂条件包括下列条件中的部分或全部:
条件1、M级订单的数量大于M级订单量阈值;
条件2、M级订单的数量的平均绝对误差MAE值与M+1级订单的数量的MAE值的变化量大于MAE阈值;
条件3、分裂后的节点为地址中的楼层维度节点。
可选的,时长处理单元402还用于,根据下列方式确定所述地址模型中节点对应的平均楼层交付时长:
针对所述地址模型中任意一个节点,若所述节点对应未知地址,则将分裂得到所述节点的上一个节点的平均楼层交付时长作为所述节点的平均楼层交付时长;或
针对所述地址模型中任意一个节点,若所述节点对应非未知地址,则根据包括所述节点的订单对应的楼层交付时长,确定所述地址模型中节点对应的平均楼层交付时长。
可选的,所述楼层交付信息为楼层交付时长回归函数;
所述时长处理单元402具体用于:
根据所述目的地址中的楼层信息和目标节点对应的楼层交付时长回归函数,确定所述目的地址的楼层交付时长。
可选的,时长处理单元402还用于,根据下列方式确定所述地址模型:
针对一级维度对应的任意一个节点,对所述节点进行分裂得到二级维度中的至少一个节点;
判断所述二级维度中的至少一个节点是否为地址中的楼层维度节点;
若判定不为地址中的楼层维度节点,则对所述二级维度中的至少一个节点进行分裂得到三级维度中的至少一个节点,并判断所述三级维度中的至少一个节点是否为地址中的楼层维度节点;
直至得到的X级维度中的至少一个节点为地址中的楼层维度节点,停止继续分裂,其中X为正整数;
根据各级维度对应的节点构建所述地址模型。
可选的,所述时长处理单元402还用于,根据下列方式确定所述地址模型中节点对应的楼层交付时长回归函数:
针对任意一个节点,获取包含所述节点的订单;
根据获取的订单中的楼层信息以及楼层交付时长,通过线性拟合方式得到所述节点对应的楼层交付时长回归函数。
本发明实施例还提供一种计算机可存储介质,所述计算机可存储介质为非易失性存储介质,其上存储有计算机程序,该程序被处理器执行时实现上述方法的步骤。
在此提供的方法和装置不与任何特定计算机、虚拟系统或者其它设备固有相关。各种通用系统也可以与基于在此的示教一起使用。根据上面的描述,构造这类装置所要求的结构是显而易见的。此外,本发明也不针对任何特定编程语言。应当明白,可以利用各种编程语言实现在此描述的本发明的内容,并且上面对特定语言所做的描述是为了披露本发明的最佳实施方式。
在此处所提供的说明书中,说明了大量具体细节。然而,能够理解,本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中,并未详细示出公知的方法、结构和技术,以便不模糊对本说明书的理解。
类似地,应当理解,为了精简本公开并帮助理解各个发明方面中的一个或多个,在上面对本发明的示例性实施例的描述中,本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而,并不应将该公开的方法解释成反映如下意图:即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说,如权利要求书所反映的那样,发明方面在于少于前面公开的单个实施例的所有特征。因此,遵循具体实施方式的权利要求书由此明确地并入该具体实施方式,其中每个权利要求本身都作为本发明的单独实施例。
本领域那些技术人员可以理解,可以对实施例中的装置中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个装置中。可以把实施例中的若干模块组合成一个模块或单元或组件,以及此外可以把它们分成多个模块或单元或组件。除了这样的特征和/或过程或者模块中的至少一些是相互排斥之外,可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述,本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的替代特征来代替。
此外,本领域的技术人员能够理解,尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征,但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如,在权利要求书中,所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
本发明的各个装置实施例可以以硬件实现,或者以在一个或者多个处理器上运行的软件模块实现,或者以它们的组合实现。本领域的技术人员应当理解,可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本发明实施例的装置中的一些或者全部模块的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的装置程序(例如,计算机程序和计算机程序产品)。这样的实现本发明的程序可以存储在计算机可读介质上,或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到,或者在载体信号上提供,或者以任何其他形式提供。
应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制,并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中,不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中,这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。

Claims (17)

1.一种确定订单的交付信息方法,其特征在于,包括:
根据订单中的目的地址,从多个地址模型中查找与所述目的地址匹配的地址模型,其中所述地址模型包括多个地址维度,每个地址维度对应至少一个节点,所述地址模型是对一级维度对应的节点进行逐级分裂后得到的;
从查找到的所述地址模型中与所述目的地址匹配的节点中,确定目标节点;
根据目标节点对应的楼层交付信息,确定所述目的地址的楼层交付时长。
2.如权利要求1所述的方法,其特征在于,所述楼层交付信息为平均楼层交付时长;
所述根据目标节点对应的楼层交付时长信息,确定所述目的地址的楼层交付时长,包括:
将所述目标节点对应的平均楼层交付时长作为所述目的地址的楼层交付时长。
3.如权利要求2所述的方法,其特征在于,根据下列方式确定所述地址模型:
针对一级维度对应的任意一个节点,确定包含所述节点的一级订单的数量;
根据所述一级订单的数量判断是否满足分裂为二级维度对应的节点的一级分裂条件;
若判定满足所述一级分裂条件,则对所述节点进行分裂得到二级维度中的至少一个节点,并确定包括二级维度中的每一个节点的二级订单的数量,并根据所述二级订单的数量判断是否满足分裂为三级维度对应的节点的二级分裂条件;
直至得到的M级订单的数量不满足分裂为M+1级维度对应的节点的M级分裂条件时,停止继续分裂,其中M为正整数;
根据各级维度对应的节点构建所述地址模型。
4.如权利要求3所述的方法,其特征在于,所述M级分裂条件包括下列条件中的部分或全部:
条件1、M级订单的数量大于M级订单量阈值;
条件2、M级订单的数量的平均绝对误差MAE值与M+1级订单的数量的MAE值的变化量大于MAE阈值;
条件3、分裂后的节点为地址中的楼层维度节点。
5.如权利要求3所述的方法,其特征在于,根据下列方式确定所述地址模型中节点对应的平均楼层交付时长:
针对所述地址模型中任意一个节点,若所述节点对应未知地址,则将分裂得到所述节点的上一个节点的平均楼层交付时长作为所述节点的平均楼层交付时长;或
针对所述地址模型中任意一个节点,若所述节点对应非未知地址,则根据包括所述节点的订单对应的楼层交付时长,确定所述地址模型中节点对应的平均楼层交付时长。
6.如权利要求1所述的方法,其特征在于,所述楼层交付信息为楼层交付时长回归函数;
所述根据目标节点对应的楼层交付时长信息,确定所述目的地址的楼层交付时长,包括:
根据所述目的地址中的楼层信息和目标节点对应的楼层交付时长回归函数,确定所述目的地址的楼层交付时长。
7.如权利要求6所述的方法,其特征在于,根据下列方式确定所述地址模型:
针对一级维度对应的任意一个节点,对所述节点进行分裂得到二级维度中的至少一个节点;
判断所述二级维度中的至少一个节点是否为地址中的楼层维度节点;
若判定不为地址中的楼层维度节点,则对所述二级维度中的至少一个节点进行分裂得到三级维度中的至少一个节点,并判断所述三级维度中的至少一个节点是否为地址中的楼层维度节点;
直至得到的X级维度中的至少一个节点为地址中的楼层维度节点,停止继续分裂,其中X为正整数;
根据各级维度对应的节点构建所述地址模型。
8.如权利要求7所述的方法,其特征在于,根据下列方式确定所述地址模型中节点对应的楼层交付时长回归函数:
针对任意一个节点,获取包含所述节点的订单;
根据获取的订单中的楼层信息以及楼层交付时长,通过线性拟合方式得到所述节点对应的楼层交付时长回归函数。
9.一种确定订单的交付信息装置,其特征在于,包括:
至少一个处理单元以及至少一个存储单元,其中,所述存储单元存储有程序代码,当所述程序代码被所述处理单元执行时,使得所述处理单元执行下列过程:
根据订单中的目的地址,从多个地址模型中查找与所述目的地址匹配的地址模型,其中所述地址模型包括多个地址维度,每个地址维度对应至少一个节点,所述地址模型是对一级维度对应的节点进行逐级分裂后得到的;从查找到的所述地址模型中与所述目的地址匹配的节点中,确定目标节点;根据目标节点对应的楼层交付信息,确定所述目的地址的楼层交付时长。
10.如权利要求9所述的装置,其特征在于,所述楼层交付信息为平均楼层交付时长;
所述处理单元具体用于:
将所述目标节点对应的平均楼层交付时长作为所述目的地址的楼层交付时长。
11.如权利要求10所述的装置,其特征在于,所述处理器还用于,根据下列方式确定所述地址模型:
针对一级维度对应的任意一个节点,确定包含所述节点的一级订单的数量;
根据所述一级订单的数量判断是否满足分裂为二级维度对应的节点的一级分裂条件;
若判定满足所述一级分裂条件,则对所述节点进行分裂得到二级维度中的至少一个节点,并确定包括二级维度中的每一个节点的二级订单的数量,并根据所述二级订单的数量判断是否满足分裂为三级维度对应的节点的二级分裂条件;
直至得到的M级订单的数量不满足分裂为M+1级维度对应的节点的M级分裂条件时,停止继续分裂,其中M为正整数;
根据各级维度对应的节点构建所述地址模型。
12.如权利要求11所述的装置,其特征在于,所述M级分裂条件包括下列条件中的部分或全部:
条件1、M级订单的数量大于M级订单量阈值;
条件2、M级订单的数量的平均绝对误差MAE值与M+1级订单的数量的MAE值的变化量大于MAE阈值;
条件3、分裂后的节点为地址中的楼层维度节点。
13.如权利要求11所述的装置,其特征在于,所述处理器还用于,根据下列方式确定所述地址模型中节点对应的平均楼层交付时长:
针对所述地址模型中任意一个节点,若所述节点对应未知地址,则将分裂得到所述节点的上一个节点的平均楼层交付时长作为所述节点的平均楼层交付时长;或
针对所述地址模型中任意一个节点,若所述节点对应非未知地址,则根据包括所述节点的订单对应的楼层交付时长,确定所述地址模型中节点对应的平均楼层交付时长。
14.如权利要求9所述的装置,其特征在于,所述楼层交付信息为楼层交付时长回归函数;
所述处理器具体用于:
根据所述目的地址中的楼层信息和目标节点对应的楼层交付时长回归函数,确定所述目的地址的楼层交付时长。
15.如权利要求14所述的装置,其特征在于,所述处理器还用于,根据下列方式确定所述地址模型:
针对一级维度对应的任意一个节点,对所述节点进行分裂得到二级维度中的至少一个节点;
判断所述二级维度中的至少一个节点是否为地址中的楼层维度节点;
若判定不为地址中的楼层维度节点,则对所述二级维度中的至少一个节点进行分裂得到三级维度中的至少一个节点,并判断所述三级维度中的至少一个节点是否为地址中的楼层维度节点;
直至得到的X级维度中的至少一个节点为地址中的楼层维度节点,停止继续分裂,其中X为正整数;
根据各级维度对应的节点构建所述地址模型。
16.如权利要求15所述的装置,其特征在于,所述处理器还用于,根据下列方式确定所述地址模型中节点对应的楼层交付时长回归函数:
针对任意一个节点,获取包含所述节点的订单;
根据获取的订单中的楼层信息以及楼层交付时长,通过线性拟合方式得到所述节点对应的楼层交付时长回归函数。
17.一种预估订单交付时长的装置,其特征在于,包括:
查找单元,用于根据订单中的目的地址,从多个地址模型中查找与所述目的地址匹配的地址模型,其中所述地址模型包括多个地址维度,每个地址维度对应至少一个节点,所述地址模型是对一级维度对应的节点进行逐级分裂后得到的;
节点确定单元,用于从查找到的所述地址模型中与所述目的地址匹配的节点中,确定目标节点;
时长处理单元,用于根据目标节点对应的楼层交付信息,确定所述目的地址的楼层交付时长。
CN201810751710.6A 2018-07-10 2018-07-10 一种确定订单的交付信息方法及装置 Active CN110706047B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810751710.6A CN110706047B (zh) 2018-07-10 2018-07-10 一种确定订单的交付信息方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810751710.6A CN110706047B (zh) 2018-07-10 2018-07-10 一种确定订单的交付信息方法及装置

Publications (2)

Publication Number Publication Date
CN110706047A true CN110706047A (zh) 2020-01-17
CN110706047B CN110706047B (zh) 2021-12-28

Family

ID=69192432

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810751710.6A Active CN110706047B (zh) 2018-07-10 2018-07-10 一种确定订单的交付信息方法及装置

Country Status (1)

Country Link
CN (1) CN110706047B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107203858A (zh) * 2016-03-16 2017-09-26 阿里巴巴集团控股有限公司 配送时间确定方法和装置
CN107506947A (zh) * 2017-09-22 2017-12-22 浪潮软件股份有限公司 一种任务分配方法及装置
CN107527312A (zh) * 2016-06-22 2017-12-29 顺丰科技有限公司 快件地址处理系统和方法
WO2018038082A1 (ja) * 2016-08-23 2018-03-01 日本電気株式会社 在庫管理装置、顧客端末、商品販売システム、在庫管理方法、表示制御方法および記録媒体
CN108122042A (zh) * 2016-11-28 2018-06-05 北京小度信息科技有限公司 配送时间预估方法及装置
CN108229879A (zh) * 2017-12-26 2018-06-29 拉扎斯网络科技(上海)有限公司 一种行程时长预估方法、装置及存储介质

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107203858A (zh) * 2016-03-16 2017-09-26 阿里巴巴集团控股有限公司 配送时间确定方法和装置
CN107527312A (zh) * 2016-06-22 2017-12-29 顺丰科技有限公司 快件地址处理系统和方法
WO2018038082A1 (ja) * 2016-08-23 2018-03-01 日本電気株式会社 在庫管理装置、顧客端末、商品販売システム、在庫管理方法、表示制御方法および記録媒体
CN108122042A (zh) * 2016-11-28 2018-06-05 北京小度信息科技有限公司 配送时间预估方法及装置
CN107506947A (zh) * 2017-09-22 2017-12-22 浪潮软件股份有限公司 一种任务分配方法及装置
CN108229879A (zh) * 2017-12-26 2018-06-29 拉扎斯网络科技(上海)有限公司 一种行程时长预估方法、装置及存储介质

Also Published As

Publication number Publication date
CN110706047B (zh) 2021-12-28

Similar Documents

Publication Publication Date Title
KR101999471B1 (ko) 정보 추천 방법 및 장치
CN106202324B (zh) 一种实时计算平台的数据处理方法和装置
CN110929981B (zh) 一种订单分配方法、装置、系统及存储介质
JP2021510429A5 (zh)
CN109167816B (zh) 信息推送方法、装置、设备和存储介质
CN109685528A (zh) 基于深度学习检测仿冒产品的系统和方法
CN105404896A (zh) 标注数据处理方法和标注数据处理系统
CN107798571A (zh) 恶意地址/恶意订单的识别系统、方法及装置
CN109118379B (zh) 基于社交网络的推荐方法和装置
CN106204118A (zh) 一种用于商圈发现的方法与装置
CN109859113B (zh) 模型生成方法、图像增强方法、装置及计算机可读存储介质
CN109409964B (zh) 优质品牌的识别方法及装置
CN108230040B (zh) 到店预测方法及装置
CN110399063B (zh) 页面元素属性的查看方法及装置
CN108512822B (zh) 一种数据处理事件的风险识别方法和装置
WO2017039684A1 (en) Classifier
CN111242318A (zh) 基于异构特征库的业务模型训练方法及装置
CN110378391A (zh) 计算模型的特征筛选方法、装置、电子设备和存储介质
CN113987387A (zh) 页面展示方法、电子设备及计算机存储介质
CN110377356A (zh) 任务处理方法、装置、系统及计算机可读存储介质
CN111291649B (zh) 图像识别方法、装置及电子设备
CN111444447A (zh) 内容推荐页面的展现方法及装置
CN110706047B (zh) 一种确定订单的交付信息方法及装置
CN109343891B (zh) 数据处理的系统、方法及装置
CN104699619B (zh) 线上测试的方法和装置

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
GR01 Patent grant
GR01 Patent grant