CN110851703A - 一种数据处理方法及装置 - Google Patents
一种数据处理方法及装置 Download PDFInfo
- Publication number
- CN110851703A CN110851703A CN201910939184.0A CN201910939184A CN110851703A CN 110851703 A CN110851703 A CN 110851703A CN 201910939184 A CN201910939184 A CN 201910939184A CN 110851703 A CN110851703 A CN 110851703A
- Authority
- CN
- China
- Prior art keywords
- data
- service
- historical
- subscription
- target user
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 19
- 238000011156 evaluation Methods 0.000 claims abstract description 232
- 238000000034 method Methods 0.000 claims abstract description 87
- 235000013305 food Nutrition 0.000 claims abstract description 27
- 238000013210 evaluation model Methods 0.000 claims description 78
- 238000012549 training Methods 0.000 claims description 77
- 238000012545 processing Methods 0.000 claims description 62
- 238000007781 pre-processing Methods 0.000 claims description 39
- 238000010586 diagram Methods 0.000 description 10
- 235000012054 meals Nutrition 0.000 description 9
- 230000011218 segmentation Effects 0.000 description 8
- 235000001916 dieting Nutrition 0.000 description 7
- 230000037228 dieting effect Effects 0.000 description 7
- 230000008569 process Effects 0.000 description 7
- 238000005070 sampling Methods 0.000 description 7
- 238000010606 normalization Methods 0.000 description 6
- 238000010801 machine learning Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 238000000605 extraction Methods 0.000 description 4
- 238000004590 computer program Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000000087 stabilizing effect Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 235000005911 diet Nutrition 0.000 description 1
- 230000000378 dietary effect Effects 0.000 description 1
- 230000007717 exclusion Effects 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- 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
- G06Q10/02—Reservations, e.g. for tickets, services or events
-
- 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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0282—Rating or review of business operators or products
-
- 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
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0641—Shopping interfaces
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/12—Hotels or restaurants
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Development Economics (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Economics (AREA)
- Databases & Information Systems (AREA)
- Entrepreneurship & Innovation (AREA)
- Human Resources & Organizations (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请公开了一种数据处理方法,包括:获得目标用户的业务预约订阅数据以及备选业务提供方的业务服务数据;其中,所述业务预约订阅数据包括在多个预约时间为所述目标用户提供餐品送达服务的订阅数据;所述备选业务提供方为用于向所述目标用户提供业务服务的待筛选的业务提供方;获得针对已完结的预约业务服务的历史反馈评价数据;其中,所述预约业务服务为按照预约时间提供餐品送达服务的业务服务;根据所述业务预约订阅数据、所述业务服务数据以及所述历史反馈评价数据,确定与所述目标用户匹配的备选业务提供方的排名信息。采用所述方法,解决了业务提供方排名问题。
Description
技术领域
本申请涉及数据处理技术领域,具体涉及一种数据处理方法及装置。本申请还涉及一种用户反馈评价模型的生成方法及装置。本申请还涉及一种数据处理系统。
背景技术
随着网络技术的发展,业务提供方通过互联网提供服务完成信息交流越来越普遍。业务提供方的排名显得非常重要。
现有业务提供方排名一般为搜索排名,搜索排名中搜索到的业务服务数据对应的价格是不确定的,因此业务提供方排名转化率即用户下单比例为影响平台效率的指标。但是,搜索排名无法准确的反应出针对平台的反馈评价满意度,不适用于由平台匹配用户和业务提供方的场景。由平台匹配用户和业务提供方的场景下,平台计算设备通过推荐算法对备选的服务提供方进行排名,按照排名选择最合适的服务提供方,如选择排名最高的外卖商户提供外卖套餐,针对平台的反馈评价满意度是衡量平台效率的重要指标。如果针对每个订阅用户,将备选业务提供方中评价满意度最高的业务提供方尽可能排名在前,则能提升反馈评价满意度,从而提升平台匹配用户和业务提供方的效率和价值。
因此,如何对业务提供方进行排名,提高反馈评价满意度的准确性,是需要解决的问题。
发明内容
本申请提供的数据处理方法,提供合理的业务提供方排名方案,以提高反馈评价满意度的准确性,解决了业务提供方排名问题。
本申请提供一种数据处理方法,包括:获得目标用户的业务预约订阅数据以及备选业务提供方的业务服务数据;其中,所述业务预约订阅数据包括在多个预约时间为所述目标用户提供餐品送达服务的订阅数据;所述备选业务提供方为用于向所述目标用户提供业务服务的待筛选的业务提供方;获得针对已完结的预约业务服务的历史反馈评价数据;其中,所述预约业务服务为按照预约时间提供餐品送达服务的业务服务;根据所述业务预约订阅数据、所述业务服务数据以及所述历史反馈评价数据,确定与所述目标用户匹配的备选业务提供方的排名信息。
可选的,还包括:获得历史连续订阅数据;所述历史连续订阅数据,为针对预约业务服务的一个历史时段相比前一个历史时段的订阅数量的比率;所述根据所述业务预约订阅数据、所述业务服务数据以及所述历史反馈评价数据,确定与所述目标用户匹配的备选业务提供方的排名信息,包括:根据所述业务预约订阅数据、所述业务服务数据、所述历史反馈评价数据,以及所述历史连续订阅数据,确定与所述目标用户匹配的备选业务提供方的排名信息。
可选的,还包括:获得历史配送数据;其中,所述历史配送数据,为已完结的预约业务服务对应的配送数据;所述根据所述业务预约订阅数据、所述业务服务数据以及所述历史反馈评价数据,确定与所述目标用户匹配的备选业务提供方的排名信息,包括:根据所述业务预约订阅数据、所述业务服务数据、所述历史反馈评价数据,以及所述历史配送数据,确定与所述目标用户匹配的备选业务提供方的排名信息。
可选的,还包括:获得配送服务数据;所述根据所述业务预约订阅数据、所述业务服务数据以及所述历史反馈评价数据,确定与所述目标用户匹配的备选业务提供方的排名信息,包括:根据所述配送服务数据、所述业务预约订阅数据、所述业务服务数据以及所述历史反馈评价数据,确定与所述目标用户匹配的备选业务提供方的排名信息。
可选的,所述根据所述配送服务数据、所述业务预约订阅数据、所述业务服务数据以及所述历史反馈评价数据,确定与所述目标用户匹配的备选业务提供方的排名信息,包括:根据所述业务预约订阅数据、所述业务服务数据以及所述历史反馈评价数据,得到与所述目标用户匹配的备选业务提供方的第一排名信息;根据所述配送服务数据,调整所述第一排名信息,得到第二排名信息;将所述第二排名信息作为与所述目标用户匹配的备选业务提供方的排名信息。
可选的,所述根据所述业务预约订阅数据、所述业务服务数据以及所述历史反馈评价数据,确定与所述目标用户匹配的备选业务提供方的排名信息,包括:根据以下至少一种数据:所述配送服务数据、所述业务预约订阅数据、所述业务服务数据,使用用户反馈评价模型,确定与所述目标用户匹配的备选业务提供方的排名信息;其中,所述用户反馈评价模型,为用于根据所述配送服务数据、所述业务预约订阅数据、所述业务服务数据中的至少一种数据,确定与所述目标用户匹配的业务提供方的排名信息的模型;所述用户反馈评价模型,为:使用所述历史反馈评价数据、所述历史连续订阅数据中的至少一种数据训练得到的模型。
可选的,还包括:针对所述业务预约订阅数据、所述业务服务数据以及所述历史反馈评价数据,进行下述至少一种数据预处理:缺失值处理、数据拼接处理;所述根据所述业务预约订阅数据、所述业务服务数据以及所述历史反馈评价数据,确定与所述目标用户匹配的备选业务提供方的排名信息,包括:根据数据预处理后的业务预约订阅数据、业务服务数据、历史反馈评价数据,确定与所述目标用户匹配的备选业务提供方的排名信息。
可选的,还包括:针对所述配送服务数据,进行下述至少一种数据预处理:缺失值处理、数据拼接处理;所述根据所述配送服务数据、所述业务预约订阅数据、所述业务服务数据以及所述历史反馈评价数据,确定与所述目标用户匹信息配的备选业务提供方的排名信息,包括:根据数据预处理后的配送服务数据、业务预约订阅数据、业务服务数据以及历史反馈评价数据,确定与所述目标用户匹配的备选业务提供方的排名信息。
可选的,所述根据所述业务预约订阅数据、所述业务服务数据以及所述历史反馈评价数据,确定与所述目标用户匹配的备选业务提供方的排名信息,包括:根据所述业务预约订阅数据,获得所述目标用户的用户特征信息;根据所述业务服务数据,获得所述备选业务提供方的业务提供方特征信息;根据所述用户特征信息、所述业务提供方特征信息以及所述历史反馈评价数据,确定与所述目标用户匹配的备选业务提供方的排名信息。
可选的,还包括:输出与所述目标用户匹配的备选业务提供方的排名信息;或者,根据所述与所述目标用户匹配的备选业务提供方的排名信息,确定向所述目标用户提供的目标业务服务数据以及目标业务提供方,向所述目标业务提供方的计算设备发送目标业务服务数据。
可选的,还包括:获得所述排名信息中的业务提供方的用户评价满意度值,将用户评价满意度值最大的业务提供方,作为向所述目标用户提供目标业务服务数据的目标业务提供方。
可选的,所述业务预约订阅数据,包括下述至少一种信息:用户餐饮偏好信息、用户餐饮忌口信息、用户购买力信息;所述业务服务数据,包括下述至少一种信息:业务提供方位置信息、业务提供方提供的套餐信息、业务提供方的配送服务信息、业务提供方的服务质量信息;所述配送服务数据,包括下述至少一种:配送负载指标信息、配送等待时间信息、配送预计送达时间信息、配送量信息。
本申请还提供一种用户反馈评价模型的生成方法,包括:获得以下至少一种历史数据:针对已完结的预约业务服务的历史反馈评价数据,历史连续订阅数据;其中,所述预约业务服务为按照多个预约时间的至少一个预约时间提供餐品送达服务的业务服务;所述历史连续订阅数据,为针对预约业务服务的一个历史时段相比前一个历史时段的订阅数量的比率;将所述历史数据作为训练样本,训练得到用户反馈评价模型,所述用户反馈评价模型为用于根据配送服务数据、业务预约订阅数据、业务服务数据中的至少一种数据确定与目标用户匹配的业务提供方的排名信息的模型。
可选的,还包括:获得历史配送数据;其中,所述历史配送数据,为已完结的预约业务服务对应的配送数据;将所述历史反馈评价数据和所述历史连续订阅数据中的至少一种历史数据,以及所述历史配送数据,作为训练样本,训练得到所述用户反馈评价模型。
可选的,还包括:获得针对预约业务服务进行订阅的历史订单数据;根据所述历史订单数据,提取多维度特征数据;所述多维度特征数据包括以下至少一种特征数据:用户特征数据、业务提供方特征数据、配送特征数据;所述将所述历史数据作为训练样本,训练得到用户反馈评价模型,包括:根据提取的多维度特征数据以及所述历史数据,训练得到所述用户反馈评价模型。
可选的,还包括:针对所述历史订单数据进行数据抽样和数据去噪处理。
可选的,所述用户特征数据,包括下述至少一种特征数据:用户餐饮偏好信息、用户餐饮忌口信息、用户购买力信息;所述业务提供方特征数据,包括下述至少一种特征数据:业务提供方位置信息、业务提供方提供的套餐信息、业务提供方的配送服务信息、业务提供方的服务质量信息;所述配送特征数据,包括下述至少一种特征数据:配送负载指标信息、配送等待时间信息、配送实际送达时间信息、配送量信息。
可选的,还包括:针对所述历史反馈评价数据进行归一化处理。
可选的,还包括:针对所述用户反馈评价模型进行模型评价,根据模型评价结果确定是否重新进行训练,直到获得满足模型评价条件的用户反馈评价模型。
可选的,还包括:针对训练样本进行数据切分处理;使用切分得到的训练数据分别进行训练,得到多个训练模型;针对所述多个训练模型中的每个模型进行模型评价,确定满足模型评价条件的模型,作为所述用户反馈评价模型。
本申请还提供一种数据处理装置,包括:在线数据获得单元,用于获得目标用户的业务预约订阅数据以及备选业务提供方的业务服务数据;其中,所述业务预约订阅数据包括在多个预约时间为所述目标用户提供餐品送达服务的订阅数据;所述备选业务提供方为用于向所述目标用户提供业务服务的待筛选的业务提供方;历史数据获得单元,用于获得针对已完结的预约业务服务的历史反馈评价数据;其中,所述预约业务服务为按照预约时间提供餐品送达服务的业务服务;排名单元,用于根据所述业务预约订阅数据、所述业务服务数据以及所述历史反馈评价数据,确定与所述目标用户匹配的备选业务提供方的排名信息。
本申请还提供一种用户反馈评价模型的生成装置,包括:训练数据获得单元,用于获得以下至少一种历史数据:针对已完结的预约业务服务的历史反馈评价数据,历史连续订阅数据;其中,所述预约业务服务为按照多个预约时间的至少一个预约时间提供餐品送达服务的业务服务;所述历史连续订阅数据,为针对预约业务服务的一个历史时段相比前一个历史时段的订阅数量的比率;模型训练单元,用于将所述历史数据作为训练样本,训练得到用户反馈评价模型,所述用户反馈评价模型为用于根据配送服务数据、业务预约订阅数据、业务服务数据中的至少一种数据确定与目标用户匹配的业务提供方的排名信息的模型。
本申请还提供一种数据处理系统,包括:第一计算设备、第二计算设备、第三计算设备,其中,所述第一计算设备,用于获得目标用户的业务预约订阅数据,所述业务预约订阅数据包括在多个预约时间为所述目标用户提供餐品送达服务的订阅数据;将所述业务预约订阅数据发送给所述第三计算设备;所述第二计算设备,用于获得针对已完结的预约业务服务的历史反馈评价数据,获得针对目标用户的备选业务提供方以及备选业务提供方的业务服务数据,获得目标用户的业务预约订阅数据;根据所述历史反馈评价数据、所述业务服务数据以及所述业务预约订阅数据,确定与所述目标用户匹配的备选业务提供方的排名信息;将所述排名信息提供给所述第三计算设备;其中,所述备选业务提供方为用于向所述目标用户提供业务服务的待筛选的业务提供方;所述第三计算设备,用于获得所述业务预约订阅数据,获得所述第二计算设备提供的排名信息,根据预约时间以及所述排名信息推送目标业务服务数据。
可选的,所述第二计算设备,还用于:按照排名信息确定针对所述目标用户推荐的业务提供方的列表信息,将所述列表信息发送给所述第三计算设备;所述第三计算设备,还用于:获得配送资源的调度计划数据,根据所述调度计划数据以及所述列表信息,确定针对所述目标用户提供业务服务的业务提供方。
可选的,所述第二计算设备,还用于:获得配送资源的调度计划数据,根据所述调度计划数据以及所述排名信息针对所述目标用户推荐业务提供方,将推荐的业务提供方的信息发送给所述第三计算设备;所述第三计算设备,还用于:根据预约时间以及推荐的业务提供方的信息,推送所述目标业务服务数据。
与现有技术相比,本申请具有以下优点:
本申请提供的一种数据处理方法及装置,通过根据目标用户的业务预约订阅数据、备选业务提供方的业务服务数据以及历史反馈评价数据,确定与目标用户匹配的备选业务提供方的排名信息。基于历史反馈评价数据进行排名,能够将目标用户有强烈需求的业务提供方尽量排名在前,从而满足目标用户对于业务提供方的排名需求,并且,依赖历史反馈评价数据进行排名,能够在不打扰订阅用户的情况下,提升用户对于预约订阅服务的满意度。从而解决了预约订阅服务模式中的业务提供方排名问题。
本申请提供的一种用户反馈评价模型的生成方法及装置,通过将以下至少一种历史数据:针对已完结的预约业务服务的历史反馈评价数据,历史连续订阅数据,作为训练样本,训练得到用户反馈评价模型,所述用户反馈评价模型为用于根据配送服务数据、业务预约订阅数据、业务服务数据中的至少一种数据确定与目标用户匹配的业务提供方的排名信息的模型。解决了用户反馈评价模型的生成问题。进一步,基于用于反馈评价模型进行业务提供方排名,能够满足目标用户对于业务提供方的排名需求,同时在不打扰订阅用户的情况下,提升用户对于预约订阅服务的满意度。
本申请还提供一种数据处理系统,包括:第一计算设备、第二计算设备、第三计算设备,其中,第一计算设备获得目标用户的业务预约订阅数据;第二计算设备根据历史反馈评价数据、业务服务数据以及所述业务预约订阅数据,确定与目标用户匹配的备选业务提供方的排名信息;将排名信息提供给第三计算设备;第三计算设备获得业务预约订阅数据以及排名信息,根据预约时间以及排名信息推送目标业务服务数据。基于历史反馈评价数据进行排名,能够将目标用户有强烈需求的业务提供方尽量排名在前,能够在不打扰订阅用户的情况下,提升用户对于预约订阅服务的满意度。从而解决了预约订阅服务模式中的业务提供方排名问题。
附图说明
图1是本申请第一实施例提供的数据处理方法的系统环境示意图;
图2是本申请第一实施例提供的数据处理方法的处理流程图;
图3是本申请第一实施例提供的一种业务提供方排名处理的流程图;
图4是本申请第二实施例提供的用户反馈评价模型的生成方法的处理流程图;
图5是本申请第三实施例提供的数据处理装置示意图;
图6是本申请第四实施例提供的用户反馈评价模型的生成装置示意图;
图7是本申请提供的电子设备示意图。
图8是本申请第七实施例提供的一种数据处理系统示意图。
具体实施方式
在下面的描述中阐述了很多具体细节以便于充分理解本申请。但是本申请能够以很多不同于在此描述的其它方式来实施,本领域技术人员可以在不违背本申请内涵的情况下做类似推广,因此本申请不受下面公开的具体实施的限制。
本申请提供数据处理方法、装置及电子设备。本申请还涉及一种用户反馈评价模型的生成方法、装置及电子设备。在下面的实施例中逐一进行详细说明。
为便于理解,首先给出数据处理方法适用的系统环境。所述数据处理方法根据用户反馈评价信息针对业务提供方进行排名,适用于由平台匹配用户和业务提供方的预约订阅服务提供模式,尤其适用于外卖订阅服务。所谓预约订阅服务提供模式,包括:用户的计算设备向提供预约订阅服务的预约订阅计算设备发送预约订阅计划数据;预约订阅计算设备根据用户的预约订阅计划数据,从业务提供方选择合适的业务提供方提供目标业务服务数据。例如,作为用户的计算设备的用户终端获取预约计划数据,包括:采用包周、包月、包年等方式,配置外卖送餐的日期、时间、送餐地址、餐饮偏好、餐饮忌口、付款方式等计划数据,将预约计划数据发送给作为预约订阅计算设备的外卖订阅服务器,由外卖订阅服务器选择合适的外卖商户提供外卖套餐,按照和用户约定的时间、地点配送给用户。外卖订阅系统作为预约订阅服务系统的一个特例,其系统环境类似预约订阅服务系统环境。
请参考图1。图中,用户计算设备101用于获得目标用户信息对应的业务预约订阅数据,所述业务预约订阅数据包括在多个预约时间为所述目标用户提供餐品送达服务的订阅数据;将所述业务预约订阅数据提供给预约订阅计算设备102。具体的,由用户计算设备接收目标用户输入的订阅计划数据,根据订阅计划包括的提供业务服务的时间点提供外卖套餐。例如,用户计算设备可以是目标用户信息对应的终端,能够接受目标用户的输入信息。进一步,用户计算设备还可以指终端上的客户端小程序或者客户端网页或者客户端APP。用户计算设备101包括配置订餐计划模块和反馈评价模块,配置订餐计划模块用于接收目标用户的配置订餐计划数据,反馈评价模块用于接收目标用户的反馈评价数据;所述配置订餐计划数据和反馈评价数据可以通过http协议,json字符串的形式和预约订阅计算设备102进行交互。
图中,预约订阅计算设备102,用于获得所述业务预约订阅数据,在所述多个预约时间的至少一个服务时间,针对目标用户获得推荐的业务提供方,提供目标业务服务数据;将目标业务服务数据推送给推荐的业务提供方的计算设备103。例如,推荐的业务提供方为针对目标用户能提供业务服务数据的备选业务提供方中排名最优的业务提供方。进一步,预约订阅计算设备从和预约订阅平台签约的外卖商户中通过推荐算法优选出适合用户的业务提供方,或者预约订阅计算设备从对业务提供方进行排名的计算设备105获得针对目标用户推荐的业务提供方。
图中,业务提供方的计算设备103,用于接收所述目标业务服务数据,根据所述目标业务服务数据提供对应的业务服务。以业务提供方的计算设备为外卖提供方的计算设备为例。外卖提供方通过外卖提供方的计算设备接收预约订单,根据所述预约订单包含的套餐信息提供对应的外卖服务。例如,外卖提供方的计算设备包括套餐信息模块以及订单处理模块,其中,套餐信息模块用于配置可以提供的外卖套餐。再如,外卖提供方通过对应的计算设备管理业务服务数据。所谓外卖,是指提供出外服务或者外送商品,例如,送餐服务。
图中,配送方的计算设备104,用于进行配送数据相关的操作。例如,获得配送资源的调度数据,根据所述调度数据提供配送服务。例如,将所述调度数据中包含的订单信息提示给配送员。再如,根据所述调度数据为配送员提供前往服务提供方的配送出发地址的导航服务。再如,进行配送拥塞控制,平衡各个配送区域或配送子区域的配送量,记录配送数据,包括记录指定时间点的配送负载指标、配送等待时间、配送预计送达时间等配送数据。
图中,对业务提供方进行排名的计算设备105,用于获得针对目标用户的备选业务提供方,对所述备选业务提供方进行排名。具体的,包括:采集反馈评价数据、采集物流配送数据、采集业务预约订阅数据、采集业务提供方数据,根据上述数据确定备选业务提供方和/或备选业务提供方的排名信息。对业务提供方进行排名的计算设备可以从预约订阅计算设备获取上述数据,也可以分别从用户计算设备、业务提供方的计算设备以及配送方的计算设备获得上述数据中对应的数据。进一步,提供所述排名信息,以便预约订阅计算设备根据所述排名信息决策出推荐的业务提供方,由推荐的业务提供方提供业务服务。实际应用中,对业务提供方进行排名的计算设备可以是独立的用于排名的计算设备,也可以与预约订阅系统共用计算设备。
本申请第一实施例提供一种数据处理方法,可部署于包含排名功能的预约订阅计算设备,也可部署于独立的对业务提供方进行排名的计算设备。在不需要用户选择下单的预约订阅场景中对可选的业务提供方进行排名,从而推荐最合适的业务提供方提供业务服务。以下结合图2和图3对第一实施例提供的数据处理方法进行说明。图2所示的数据处理方法,包括:步骤S201至步骤S203。
步骤S201,获得目标用户的业务预约订阅数据以及备选业务提供方的业务服务数据;其中,所述业务预约订阅数据包括在多个预约时间为所述目标用户提供餐品送达服务的订阅数据;所述备选业务提供方为用于向所述目标用户提供业务服务的待筛选的业务提供方。
实际应用中,目标用户向预约订阅计算设备进行业务服务预约订阅,从而获得在所述多个预约时间中的至少一个服务时间针对所述目标用户的信息提供的业务服务。所述业务服务预约订阅,是指:预约订阅计算设备获得目标用户的业务预约订阅数据,通过推荐算法决策出匹配上所述业务预约订阅数据的推荐的业务提供方,并由推荐的业务提供方按照服务时间提供业务服务。例如,外卖订阅作为一种特定的预约订阅场景,是指用户可以通过包周、包月、包年等方式加入订阅外卖服务,由预约订阅计算设备从和平台签约的外卖提供方的计算设备提供的外卖服务数据中,通过推荐算法优选出推荐给所述用户的外卖服务数据,确定对应的外卖提供方。实际环境中后续可以按照订阅外卖服务的计划送达时间由所述外卖提供方提供外卖。
本实施例中,可以是对业务提供方排名的计算设备获得目标用户信息对应的终端发送的对应于目标用户信息的用户的业务预约订阅数据;也可以是对业务提供方排名的计算设备从预约订阅计算设备获得所述业务预约订阅数据。具体的,获得对应于所述目标用户信息的预约计划信息;从所述预约计划信息中获得业务预约订阅数据。其中,所述预约计划信息是指针对所述目标用户信息在多个预约时间的至少一个服务时间提供业务服务的预约计划包含的信息。例如,针对包周、包月、包年等预约配置方式的外卖送餐的日期、时间、送餐地址、餐饮偏好、餐饮忌口、付款方式等信息。优选的,所述业务预约订阅数据,包括下述至少一种信息:用户餐饮偏好信息、用户餐饮忌口信息、用户购买力信息。所述业务服务数据,为在所述多个预约时间的至少一个服务时间针对所述目标用户的信息提供的业务服务的相关数据。例如,所述业务服务数据,包括下述至少一种信息:业务提供方位置信息、业务提供方提供的套餐信息、业务提供方的配送服务信息、业务提供方的服务质量信息。再如,可以是能提供的目标套餐信息。本实施例中,可以将和预约订阅计算设备对应的预约平台签约的业务提供方作为备选业务提供方,获得所述备选业务提供方能提供的业务服务数据。
步骤S202,获得针对已完结的预约业务服务的历史反馈评价数据;其中,所述预约业务服务为按照预约时间提供餐品送达服务的业务服务。
本实施例中,使用所述历史反馈评价数据作为业务提供方排名的参考信息。具体的,针对所述历史反馈评价数据进行训练,得到用于针对目标用户的业务提供方进行排名的用户反馈评价模型。以便后续使用所述用户反馈评价模型进行业务提供方排名,尽可能提高预约订阅平台的效率和成功率。反馈评价满意度是体现预约订阅平台的效率和成功率的核心指标。所谓反馈评价满意度,是指用户反馈评价数据中评价满意的数量占总评价数量的比率。使用预约订阅业务的历史反馈评价数据作为训练模型的数据,能够尽可能使得目标用户有强烈需求的业务提供方的排名更为优先,即针对每个用户,尽量将评价满意度最高的业务提供方排在备选业务提供方排名信息中优先位置,从而能提升系统的整体反馈评价满意度。并且,依赖用户反馈评价数据,能在不打扰用户的情况下提升用户的满意度。
本实施例中,可以获得用户历史评价内容,从所述历史评价内容中提取正面词,以及负面词,分别进行统计,从而得到历史正反馈评价数据和负反馈评价数据。也可以按照用户反馈评价的喜欢等级划分为正反馈评价数据,或者负反馈评价数据。本实施例的一个实施方式中,还可以根据历史连续订阅数据进行排名。具体包括:获得历史连续订阅数据;所述历史连续订阅数据,为针对预约业务服务的一个历史时段相比前一个历史时段的订阅数量的比率;进一步,所述根据所述业务预约订阅数据、所述业务服务数据以及所述历史反馈评价数据,确定与所述目标用户匹配的备选业务提供方的排名信息,包括:根据所述业务预约订阅数据、所述业务服务数据、所述历史反馈评价数据,以及所述历史连续订阅数据,确定与所述目标用户匹配的备选业务提供方的排名信息。具体的,可以获得历史用户订阅数据,根据历史用户订阅数据确定历史连续订阅率。所述历史用户订阅数据为历史时段用户的业务预约订阅数据。以按月付费的订阅方式为例。采用按月付费的方式,下月订阅数占上月订阅数的比例为连续订阅率。历史连续订阅率能够反映用户满意度,例如,连续订阅率高说明用户流失率低,从而反映出用户满意度较高。
本实施例的一个实施方式中,还包括:获得历史配送数据,由历史配送数据确定历史配送拥塞控制数据,从而在模型训练中加入配送数据对业务提供方排名的影响因素。其中,所述历史配送数据,为已完结的预约业务服务对应的配送数据;进一步,所述根据所述业务预约订阅数据、所述业务服务数据以及所述历史反馈评价数据,确定与所述目标用户匹配的备选业务提供方的排名信息,包括:根据所述业务预约订阅数据、所述业务服务数据、所述历史反馈评价数据,以及所述历史配送数据,确定与所述目标用户匹配的备选业务提供方的排名信息。
本实施例的一个实施方式中,还包括:针对所述业务预约订阅数据、所述业务服务数据以及下述至少一种历史数据:历史反馈评价数据、历史连续订阅数据、历史配送数据,进行下述至少一种数据预处理:缺失值处理、数据拼接处理;其中,所述缺失值处理是对缺失信息的业务提供方,进行信息补全操作;所述数据拼接处理是将业务提供方的多个数据集进行合并拼接处理。后续步骤中,根据数据预处理后的业务预约订阅数据、数据预处理后的业务服务数据以及数据预处理后的下述至少一种历史数据:历史反馈评价数据、历史连续订阅数据、历史配送数据,确定与所述目标用户匹配的备选业务提供方的排名信息。
步骤S203,根据所述业务预约订阅数据、所述业务服务数据以及所述历史反馈评价数据,确定与所述目标用户匹配的备选业务提供方的排名信息。
本实施例中,使用用户特征信息、业务提供方特征信息,确定备选业务提供方排名信息。具体包括下述处理:根据所述业务预约订阅数据,获得所述目标用户的用户特征信息;根据所述业务服务数据,获得所述备选业务提供方的业务提供方特征信息;根据所述用户特征信息、所述业务提供方特征信息以及所述历史反馈评价数据,确定与所述目标用户匹配的备选业务提供方的排名信息。本实施例中,在步骤S202中获得下述至少一种历史数据:历史反馈评价数据、历史连续订阅数据、历史配送数据后,在本步骤中根据所述业务预约订阅数据、所述业务服务数据以及所述至少一种历史数据,确定与所述目标用户匹配的备选业务提供方的排名信息。具体还可以是根据数据预处理后的业务预约订阅数据、数据预处理后的业务服务数据以及数据预处理后的下述至少一种历史数据:历史反馈评价数据、历史连续订阅数据、历史配送数据,确定与所述目标用户匹配的备选业务提供方的排名信息。
本实施例中,还包括:获得配送服务数据;进一步,根据所述配送服务数据、所述业务预约订阅数据、所述业务服务数据、以及下述至少一种历史数据:历史反馈评价数据、历史连续订阅数据、历史配送数据,确定与所述目标用户匹配的备选业务提供方的排名信息。例如,所述配送服务数据,包括下述至少一种:配送负载指标信息、配送等待时间信息、配送预计送达时间信息、配送量信息。实际应用中,所述配送服务数据可以用于进行配送拥塞控制的数据基础,例如,通过将配送量平衡到每个配送子区域,从而避免特定配送子区域出现热点配送量,平抑热点配送量能够实现配送的均衡稳定。其中,所谓热点配送量是指特定子区域的配送量远大于其他子区域的配送量。本实施例的一个实施方式中,所述根据所述配送服务数据、所述业务预约订阅数据、所述业务服务数据以及下述至少一种历史数据:历史反馈评价数据、历史连续订阅数据、历史配送数据,确定与所述目标用户匹配的备选业务提供方的排名信息,包括:根据所述业务预约订阅数据、所述业务服务数据以及所述至少一种历史数据,得到与所述目标用户匹配的备选业务提供方的第一排名信息;根据所述配送服务数据,调整所述第一排名信息,得到第二排名信息;将所述第二排名信息作为与所述目标用户匹配的备选业务提供方的排名信息。例如,所述第一排名信息中,最优排名的业务提供方可能为用户满意度最高的业务提供方,考虑到配送区域的运力分配,避免配送区域中的子区域出现热点配送量的情况,加入配送因素调整第一排名信息得到第二排名信息,第二排名信息中,平衡配送后可能将满意度次优的业务提供方作为推荐的业务提供方调整为最优排名。
本实施例中,还包括对数据进行预处理。一种实施方式中包括:针对所述业务预约订阅数据、所述业务服务数据以及所述历史反馈评价数据,进行下述至少一种数据预处理:缺失值处理、数据拼接处理;进一步,根据数据预处理后的业务预约订阅数据、业务服务数据、历史反馈评价数据,确定与所述目标用户匹配的备选业务提供方的排名信息。一种实施方式中包括:针对所述配送服务数据,进行下述至少一种数据预处理:缺失值处理、数据拼接处理;进一步,根据数据预处理后的配送服务数据、业务预约订阅数据、业务服务数据以及历史反馈评价数据,确定与所述目标用户匹配的备选业务提供方的排名信息。
本实施例的一个实施方式中,使用用户反馈评价模型对业务提供方进行排名,具体包括下述处理:根据以下至少一种数据:所述配送服务数据、所述业务预约订阅数据、所述业务服务数据,使用用户反馈评价模型,确定与所述目标用户匹配的备选业务提供方的排名信息;其中,所述用户反馈评价模型,为用于根据所述配送服务数据、所述业务预约订阅数据、所述业务服务数据中的至少一种数据,确定与所述目标用户匹配的业务提供方的排名信息的模型,所述用户反馈评价模型使用所述历史反馈评价数据、所述历史连续订阅数据、所述历史配送数据中的至少一种历史数据训练得到的模型。
本实施例的一个实施方式中,还包括:输出与所述目标用户匹配的备选业务提供方的排名信息;或者,根据所述与所述目标用户匹配的备选业务提供方的排名信息,确定向所述目标用户提供的目标业务服务数据以及目标业务提供方,向所述目标业务提供方的计算设备发送目标业务服务数据。其中,所述目标业务服务数据包括目标套餐信息。
本实施例的一个实施方式中,还包括:获得所述排名信息中的业务提供方的用户评价满意度值,将用户评价满意度值最大的业务提供方,作为向所述目标用户提供目标业务服务数据的目标业务提供方。其中,所述目标业务服务数据包括目标套餐信息。
请参考图3,图中示出了一种业务提供方排名处理的流程图,包括:
S301,根据历史数据训练得到用户反馈评价模型;本步骤具体包括:S301-1,获得历史反馈评价数据,包括正反馈评价数据和负反馈评价数据;S301-2,获得历史连续订阅数据;S301-3,获得历史业务订阅相关数据,包括:历史用户订阅数据、历史业务服务数据、历史配送数据;S301-4,对上述获得的数据进行数据抽样和去噪等预处理;S301-5,多维度特征提取,包括:根据预处理后的历史用户订阅数据、历史业务服务数据、历史配送数据,分别提取用户特征信息、业务提供方特征信息、配送特征信息;S301-6,模型训练,包括:使用预处理后的历史反馈评价数据、历史连续订阅数据,以及提取的用户特征信息、业务提供方特征信息、配送特征信息训练模型;S301-7,模型评价,包括:使用ROC曲线(receiveroperating characteristic curve,接受者操作特性曲线)、准确率(Accuracy)评估、AUC值(Area under Curve,曲线下的面积)中的至少一种模型评价方式定模型训练终止条件,得到训练好的用户反馈评价模型。所谓AUC(Area under Curve)值,是指ROC曲线下的面积,介于0.1和1之间,以用于直观的评价机器学习结果的好坏。
S302,使用用户反馈评价模型对目标用户的备选业务提供方排名;本步骤具体包括:S302-1,获得在线业务订阅相关数据,包括:在线的用户订阅数据、在线的业务服务数据、在线的配送数据;用户订阅数据为用户的业务预约订阅数据;S302-2,对S302-1获得的数据进行下述至少一种数据预处理:缺失值处理和数据拼接处理;S302-3,特征提取,包括:根据预处理后的用户订阅数据、业务服务数据、配送数据,分别提取用户特征信息、业务提供方特征信息、配送特征信息;S302-4,使用用户反馈评价模型排名,包括:将用户特征信息、业务提供方特征信息、配送特征信息作为用户反馈评价模型的输入信息,得到针对目标用户的业务提供方的排名信息。
S303,输出排名信息。
至此,对本实施例提供的数据处理方法进行了详细说明,所述方法通过根据目标用户的业务预约订阅数据、备选业务提供方的业务服务数据以及下述至少一种历史数据:历史反馈评价数据、历史连续订阅数据、历史配送数据,确定与所述目标用户匹配的备选业务提供方的排名信息。基于历史反馈评价数据进行排名,能够将目标用户有强烈需求的业务提供方尽量排名在前,从而满足目标用户对于业务提供方的排名需求,并且,依赖历史反馈评价数据进行排名,能够在不打扰订阅用户的情况下,提升用户对于预约订阅服务的满意度。从而解决了业务提供方排名的准确性问题。
以上述实施例为基础,本申请第二实施例提供一种用户反馈评价模型的生成方法。以下结合图4对第二实施例提供的用户反馈评价模型的生成方法进行说明,相关部分请参见上述实施例对应部分的说明。
图4所示的用户反馈评价模型的生成方法,包括:步骤S401至步骤S402。
步骤S401,获得以下至少一种历史数据:针对已完结的预约业务服务的历史反馈评价数据,历史连续订阅数据;其中,所述预约业务服务为按照多个预约时间的至少一个预约时间提供餐品送达服务的业务服务;所述历史连续订阅数据,为针对预约业务服务的一个历史时段相比前一个历史时段的订阅数量的比率。
本实施例中,使用所述至少一种历史数据作为业务提供方排名的参考信息。具体的,针对所述至少一种历史数据进行训练,得到用于针对目标用户的业务提供方进行排名的用户反馈评价模型。以便后续使用所述用户反馈评价模型进行业务提供方排名,尽可能提高预约订阅平台的效率和成功率。反馈评价满意度是体现预约订阅平台的效率和成功率的核心指标。所谓反馈评价满意度,是指用户反馈评价数据中评价满意的数量占总评价数量的比率。使用预约订阅业务的历史反馈评价数据、历史连续订阅数据作为训练模型的数据,能够尽可能使得目标用户有强烈需求的业务提供方的排名更为优先,即针对每个用户,尽量将评价满意度最高的业务提供方排在备选业务提供方排名信息中优先位置,从而能提升系统的整体反馈评价满意度。并且,依赖用户反馈评价数据,能在不打扰用户的情况下提升用户的满意度。
本实施例中,可以获得用户历史评价内容,从所述历史评价内容中提取正面词,以及负面词,分别进行统计,从而得到历史正反馈评价数据和负反馈评价数据。也可以按照用户反馈评价的喜欢等级划分为正反馈评价数据,或者负反馈评价数据。本实施例中,可以获得历史用户订阅数据,根据历史用户订阅数据确定历史连续订阅率。所述历史用户订阅数据为历史时段用户的业务预约订阅数据。所述业务预约订阅数据包括在多个预约时间为所述目标用户提供餐品送达服务的订阅数据。例如,用户向预约订阅计算设备进行业务服务预约订阅,从而获得在所述多个预约时间中的至少一个服务时间针对所述用户的信息提供的业务服务。具体包括:获得一个历史时段相比前一个历史时段的订阅数量的比率;将所述比率作为所述历史连续订阅数据。以按月付费的订阅方式为例。采用按月付费的方式,下月订阅数占上月订阅数的比例为连续订阅率。历史连续订阅率能够反映用户满意度,例如,连续订阅率高说明用户流失率低,从而反映出用户满意度较高。
本实施例中,还包括:获得历史配送数据,由历史配送数据确定历史配送拥塞控制数据,从而在模型训练中加入配送数据对业务提供方排名的影响因素。具体可以为:将所述历史反馈评价数据、所述历史连续订阅数据以及所述历史配送数据中的至少一种历史数据,作为训练样本,训练得到所述用户反馈评价模型。其中,所述历史配送数据,为已完结的预约业务服务对应的配送数据。
本实施例的一个实施方式中,还包括:针对所述至少一种历史数据进行数据抽样和去噪等预处理操作,后续步骤中使用预处理后的数据训练模型。
本实施例的一个实施方式中,还包括:针对所述历史反馈评价数据进行归一化处理。所谓归一化是将数值类型的指标转化为百分比的指标,比如针对业务提供方A的正反馈评价数据包括8条数据,负反馈评价数据包括2条数据,进行归一化处理可以得到正反馈率为80%,使用正反馈率作为参与模型训练的训练数据。
步骤S402,将所述历史数据作为训练样本,训练得到用户反馈评价模型,所述用户反馈评价模型为用于根据配送服务数据、业务预约订阅数据、业务服务数据中的至少一种数据确定与目标用户匹配的业务提供方的排名信息的模型。
本实施例中,还包括:获得针对预约业务服务进行订阅的历史订单数据;根据所述历史订单数据,提取多维度特征数据;所述多维度特征数据包括以下至少一种特征数据:用户特征数据、业务提供方特征数据、配送特征数据;根据提取的多维度特征数据以及所述历史数据,训练得到所述用户反馈评价模型。其中,所述用户特征数据,包括下述至少一种特征数据:用户餐饮偏好信息、用户餐饮忌口信息、用户购买力信息;所述业务提供方特征数据,包括下述至少一种特征数据:业务提供方位置信息、业务提供方提供的套餐信息、业务提供方的配送服务信息、业务提供方的服务质量信息;所述配送特征数据,包括下述至少一种特征数据:配送负载指标信息、配送等待时间信息、配送实际送达时间信息、配送量信息。
本实施例的一个实施方式中,还包括:针对所述历史订单数据进行数据抽样和数据去噪处理。针对数据抽样和去噪处理后的历史订单数据提取多维度特征信息。
本实施例的一个实施方式中,还包括:针对所述用户反馈评价模型进行模型评价,根据模型评价结果确定是否重新进行训练,直到获得满足模型评价条件的用户反馈评价模型。具体的,使用下述至少一种模型评价方式进行模型评价:ROC曲线、准确率评估、AUC值。所谓ROC曲线,为接受者操作特性曲线(receiver operating characteristic curve,简称ROC曲线),曲线上每个点反映着对同一信号刺激的感受性,用于作为衡量机器学习的性能指标。所谓AUC(Area under Curve)值,是指ROC曲线下的面积,介于0.1和1之间。AUC值可以用于直观的评价机器学习结果的好坏。所谓准确率(Accuracy),为机器学习的衡量指标,是指:对于给定的测试数据集,机器学习结果正确分类的样本数与总样本数之比,也就是损失函数是0-1损失时测试数据集上的准确率。
本实施例的一个实施方式中,还包括下述处理:针对训练样本进行数据切分处理;使用切分得到的训练数据分别进行训练,得到多个训练模型;针对所述多个训练模型中的每个模型进行模型评价,确定满足模型评价条件的模型,作为所述用户反馈评价模型。
与第一实施例对应,本申请第三实施例提供一种数据处理装置。以下结合图5对第三实施例提供的装置进行说明。图5所示的数据处理装置,包括:在线数据获得单元501,用于获得目标用户的业务预约订阅数据以及备选业务提供方的业务服务数据;其中,所述业务预约订阅数据包括在多个预约时间为所述目标用户提供餐品送达服务的订阅数据;所述备选业务提供方为用于向所述目标用户提供业务服务的待筛选的业务提供方;历史数据获得单元502,用于获得针对已完结的预约业务服务的历史反馈评价数据;其中,所述预约业务服务为按照预约时间提供餐品送达服务的业务服务;排名单元503,用于根据所述业务预约订阅数据、所述业务服务数据以及所述历史反馈评价数据,确定与所述目标用户匹配的备选业务提供方的排名信息。
可选的,所述历史数据获得单元502,还用于:获得历史连续订阅数据;所述历史连续订阅数据,为针对预约业务服务的一个历史时段相比前一个历史时段的订阅数量的比率;相应的,所述排名单元503还用于:根据所述业务预约订阅数据、所述业务服务数据、所述历史反馈评价数据,以及所述历史连续订阅数据,确定与所述目标用户匹配的备选业务提供方的排名信息。
可选的,所述历史数据获得单元502,还用于:获得历史配送数据;其中,所述历史配送数据,为已完结的预约业务服务对应的配送数据;相应的,所述排名单元503还用于:根据所述业务预约订阅数据、所述业务服务数据、所述历史反馈评价数据,以及所述历史配送数据,确定与所述目标用户匹配的备选业务提供方的排名信息。
可选的,所述在线数据获得单元501,还用于:获得配送服务数据;相应的,所述排名单元503还用于:根据所述配送服务数据、所述业务预约订阅数据、所述业务服务数据以及所述历史反馈评价数据,确定与所述目标用户匹配的备选业务提供方的排名信息。
可选的,所述排名单元503具体用于:根据所述业务预约订阅数据、所述业务服务数据以及所述历史反馈评价数据,得到与所述目标用户匹配的备选业务提供方的第一排名信息;根据所述配送服务数据,调整所述第一排名信息,得到第二排名信息;将所述第二排名信息作为与所述目标用户匹配的备选业务提供方的排名信息。
可选的,所述排名单元503具体用于:根据以下至少一种数据:所述配送服务数据、所述业务预约订阅数据、所述业务服务数据,使用用户反馈评价模型,确定与所述目标用户匹配的备选业务提供方的排名信息;其中,所述用户反馈评价模型,为用于根据所述配送服务数据、所述业务预约订阅数据、所述业务服务数据中的至少一种数据,确定与所述目标用户匹配的业务提供方的排名信息的模型;所述用户反馈评价模型,为:使用所述历史反馈评价数据、所述历史连续订阅数据中的至少一种数据训练得到的模型。
可选的,所述排名单元503,具体用于:针对所述业务预约订阅数据、所述业务服务数据以及所述历史反馈评价数据,进行下述至少一种数据预处理:缺失值处理、数据拼接处理;根据数据预处理后的业务预约订阅数据、业务服务数据、历史反馈评价数据,确定与所述目标用户匹配的备选业务提供方的排名信息。
可选的,所述排名单元503,具体用于:针对所述配送服务数据,进行下述至少一种数据预处理:缺失值处理、数据拼接处理;根据数据预处理后的配送服务数据、业务预约订阅数据、业务服务数据以及历史反馈评价数据,确定与所述目标用户匹配的备选业务提供方的排名信息。
可选的,所述排名单元503,具体用于:根据所述业务预约订阅数据,获得所述目标用户的用户特征信息;根据所述业务服务数据,获得所述备选业务提供方的业务提供方特征信息;根据所述用户特征信息、所述业务提供方特征信息以及所述历史反馈评价数据,确定与所述目标用户匹配的备选业务提供方的排名信息。
可选的,所述装置还包括排名输出单元,所述排名输出单元用于:输出与所述目标用户匹配的备选业务提供方的排名信息;或者,根据所述与所述目标用户匹配的备选业务提供方的排名信息,确定向所述目标用户提供的目标业务服务数据以及目标业务提供方,向所述目标业务提供方的计算设备发送目标业务服务数据。
可选的,所述排名输出单元具体用于:获得所述排名信息中的业务提供方的用户评价满意度值,将用户评价满意度值最大的业务提供方,作为向所述目标用户提供目标业务服务数据的目标业务提供方。
可选的,所述业务预约订阅数据,包括下述至少一种信息:用户餐饮偏好信息、用户餐饮忌口信息、用户购买力信息;所述业务服务数据,包括下述至少一种信息:业务提供方位置信息、业务提供方提供的套餐信息、业务提供方的配送服务信息、业务提供方的服务质量信息;所述配送服务数据,包括下述至少一种:配送负载指标信息、配送等待时间信息、配送预计送达时间信息、配送量信息。
与第二实施例对应,本申请第四实施例提供一种用户反馈评价模型的生成装置。以下结合图6对第四实施例提供的装置进行说明。图6所示的用户反馈评价模型的生成装置,包括:
训练数据获得单元601,用于针对已完结的预约业务服务的历史反馈评价数据,历史连续订阅数据;其中,所述预约业务服务为按照多个预约时间的至少一个预约时间提供餐品送达服务的业务服务;所述历史连续订阅数据,为针对预约业务服务的一个历史时段相比前一个历史时段的订阅数量的比率;
模型训练单元602,用于将所述历史数据作为训练样本,训练得到用户反馈评价模型,所述用户反馈评价模型为用于根据配送服务数据、业务预约订阅数据、业务服务数据中的至少一种数据确定与目标用户匹配的业务提供方的排名信息的模型。
可选的,所述训练数据获得单元601,还用于:获得历史配送数据;其中,所述历史配送数据,为已完结的预约业务服务对应的配送数据;相应的,所述模型训练单元602具体用于:将所述历史反馈评价数据和所述历史连续订阅数据中的至少一种历史数据,以及所述历史配送数据,作为训练样本,训练得到所述用户反馈评价模型。
可选的,所长装置还包括特征提取单元,所述特征提取单元用于:获得针对预约业务服务进行订阅的历史订单数据;根据所述历史订单数据,提取多维度特征数据;所述多维度特征数据包括以下至少一种特征数据:用户特征数据、业务提供方特征数据、配送特征数据;相应的,所述模型训练单元602具体用于:根据提取的多维度特征数据以及所述历史数据,训练得到所述用户反馈评价模型。
可选的,所述装置还包括数据预处理单元,所述数据预处理单元用于:针对所述历史订单数据进行数据抽样和数据去噪处理。
可选的,所述用户特征数据,包括下述至少一种特征数据:用户餐饮偏好信息、用户餐饮忌口信息、用户购买力信息;所述业务提供方特征数据,包括下述至少一种特征数据:业务提供方位置信息、业务提供方提供的套餐信息、业务提供方的配送服务信息、业务提供方的服务质量信息;所述配送特征数据,包括下述至少一种特征数据:配送负载指标信息、配送等待时间信息、配送实际送达时间信息、配送量信息。
可选的,所述数据预处理单元还用于:针对所述历史反馈评价数据进行归一化处理。
可选的,所述装置还包括模型评价单元,所述模型评价单元用于:针对所述用户反馈评价模型进行模型评价,根据模型评价结果确定是否重新进行训练,直到获得满足模型评价条件的用户反馈评价模型。
可选的,所述模型训练单元602具体用于:针对训练样本进行数据切分处理;使用切分得到的训练数据分别进行训练,得到多个训练模型;针对所述多个训练模型中的每个模型进行模型评价,确定满足模型评价条件的模型,作为所述用户反馈评价模型。
与第一实施例相对应,本申请第五实施例提供一种用于数据处理方法的电子设备。图7为所述电子设备的示意图。图7所示的电子设备,包括:存储器701,以及处理器702;所述存储器用于存储计算机可执行指令,所述处理器用于执行所述计算机可执行指令:
获得目标用户的业务预约订阅数据以及备选业务提供方的业务服务数据;其中,所述业务预约订阅数据包括在多个预约时间为所述目标用户提供餐品送达服务的订阅数据;所述备选业务提供方为用于向所述目标用户提供业务服务的待筛选的业务提供方;
获得针对已完结的预约业务服务的历史反馈评价数据;其中,所述预约业务服务为按照预约时间提供餐品送达服务的业务服务;
根据所述业务预约订阅数据、所述业务服务数据以及所述历史反馈评价数据,确定与所述目标用户匹配的备选业务提供方的排名信息。
可选的,所述处理器还用于执行下述计算机可执行指令:获得历史连续订阅数据;所述历史连续订阅数据,为针对预约业务服务的一个历史时段相比前一个历史时段的订阅数量的比率;根据所述业务预约订阅数据、所述业务服务数据、所述历史反馈评价数据,以及所述历史连续订阅数据,确定与所述目标用户匹配的备选业务提供方的排名信息。
可选的,所述处理器还用于执行下述计算机可执行指令:获得历史配送数据;其中,所述历史配送数据,为已完结的预约业务服务对应的配送数据;根据所述业务预约订阅数据、所述业务服务数据、所述历史反馈评价数据,以及所述历史配送数据,确定与所述目标用户匹配的备选业务提供方的排名信息。
可选的,所述处理器还用于执行下述计算机可执行指令:获得配送服务数据;根据所述配送服务数据、所述业务预约订阅数据、所述业务服务数据以及所述历史反馈评价数据,确定与所述目标用户匹配的备选业务提供方的排名信息。
可选的,所述处理器还用于执行下述计算机可执行指令:根据所述业务预约订阅数据、所述业务服务数据以及所述历史反馈评价数据,得到与所述目标用户匹配的备选业务提供方的第一排名信息;根据所述配送服务数据,调整所述第一排名信息,得到第二排名信息;将所述第二排名信息作为与所述目标用户匹配的备选业务提供方的排名信息。
可选的,所述处理器还用于执行下述计算机可执行指令:根据以下至少一种数据:所述配送服务数据、所述业务预约订阅数据、所述业务服务数据,使用用户反馈评价模型,确定与所述目标用户匹配的备选业务提供方的排名信息;其中,所述用户反馈评价模型,为用于根据所述配送服务数据、所述业务预约订阅数据、所述业务服务数据中的至少一种数据,确定与所述目标用户匹配的业务提供方的排名信息的模型;所述用户反馈评价模型,为:使用所述历史反馈评价数据、所述历史连续订阅数据中的至少一种数据训练得到的模型。
可选的,所述处理器还用于执行下述计算机可执行指令:针对所述业务预约订阅数据、所述业务服务数据以及所述历史反馈评价数据,进行下述至少一种数据预处理:缺失值处理、数据拼接处理;根据数据预处理后的业务预约订阅数据、业务服务数据、历史反馈评价数据,确定与所述目标用户匹配的备选业务提供方的排名信息。
可选的,所述处理器还用于执行下述计算机可执行指令:针对所述配送服务数据,进行下述至少一种数据预处理:缺失值处理、数据拼接处理;根据数据预处理后的配送服务数据、业务预约订阅数据、业务服务数据以及历史反馈评价数据,确定与所述目标用户匹配的备选业务提供方的排名信息。
可选的,所述处理器还用于执行下述计算机可执行指令:根据所述业务预约订阅数据,获得所述目标用户的用户特征信息;根据所述业务服务数据,获得所述备选业务提供方的业务提供方特征信息;根据所述用户特征信息、所述业务提供方特征信息以及所述历史反馈评价数据,确定与所述目标用户匹配的备选业务提供方的排名信息。
可选的,所述处理器还用于执行下述计算机可执行指令:输出与所述目标用户匹配的备选业务提供方的排名信息;或者,根据所述与所述目标用户匹配的备选业务提供方的排名信息,确定向所述目标用户提供的目标业务服务数据以及目标业务提供方,向所述目标业务提供方的计算设备发送目标业务服务数据。
可选的,所述处理器还用于执行下述计算机可执行指令:获得所述排名信息中的业务提供方的用户评价满意度值,将用户评价满意度值最大的业务提供方,作为向所述目标用户提供目标业务服务数据的目标业务提供方。
可选的,所述业务预约订阅数据,包括下述至少一种信息:用户餐饮偏好信息、用户餐饮忌口信息、用户购买力信息;所述业务服务数据,包括下述至少一种信息:业务提供方位置信息、业务提供方提供的套餐信息、业务提供方的配送服务信息、业务提供方的服务质量信息;所述配送服务数据,包括下述至少一种:配送负载指标信息、配送等待时间信息、配送预计送达时间信息、配送量信息。
与第二实施例相对应,本申请第六实施例提供一种用于用户反馈评价模型的生成方法的电子设备。所述电子设备的示意图类似图7。第六实施例提供的电子设备,包括:存储器,以及处理器;所述存储器用于存储计算机可执行指令,所述处理器用于执行所述计算机可执行指令:
获得以下至少一种历史数据:针对已完结的预约业务服务的历史反馈评价数据,历史连续订阅数据;其中,所述预约业务服务为按照多个预约时间的至少一个预约时间提供餐品送达服务的业务服务;所述历史连续订阅数据,为针对预约业务服务的一个历史时段相比前一个历史时段的订阅数量的比率;
将所述历史数据作为训练样本,训练得到用户反馈评价模型,所述用户反馈评价模型为用于根据配送服务数据、业务预约订阅数据、业务服务数据中的至少一种数据确定与目标用户匹配的业务提供方的排名信息的模型。
可选的,所述处理器还用于执行下述计算机可执行指令:获得历史配送数据;其中,所述历史配送数据,为已完结的预约业务服务对应的配送数据;将所述历史反馈评价数据和所述历史连续订阅数据中的至少一种历史数据,以及所述历史配送数据,作为训练样本,训练得到所述用户反馈评价模型。
可选的,所述处理器还用于执行下述计算机可执行指令:获得针对预约业务服务进行订阅的历史订单数据;根据所述历史订单数据,提取多维度特征数据;所述多维度特征数据包括以下至少一种特征数据:用户特征数据、业务提供方特征数据、配送特征数据;根据提取的多维度特征数据以及所述历史数据,训练得到所述用户反馈评价模型。
可选的,所述处理器还用于执行下述计算机可执行指令:针对所述历史订单数据进行数据抽样和数据去噪处理。
可选的,所述用户特征数据,包括下述至少一种特征数据:用户餐饮偏好信息、用户餐饮忌口信息、用户购买力信息;所述业务提供方特征数据,包括下述至少一种特征数据:业务提供方位置信息、业务提供方提供的套餐信息、业务提供方的配送服务信息、业务提供方的服务质量信息;所述配送特征数据,包括下述至少一种特征数据:配送负载指标信息、配送等待时间信息、配送实际送达时间信息、配送量信息。
可选的,所述处理器还用于执行下述计算机可执行指令:针对所述历史反馈评价数据进行归一化处理。
可选的,所述处理器还用于执行下述计算机可执行指令:针对所述用户反馈评价模型进行模型评价,根据模型评价结果确定是否重新进行训练,直到获得满足模型评价条件的用户反馈评价模型。
可选的,所述处理器还用于执行下述计算机可执行指令:针对训练样本进行数据切分处理;使用切分得到的训练数据分别进行训练,得到多个训练模型;针对所述多个训练模型中的每个模型进行模型评价,确定满足模型评价条件的模型,作为所述用户反馈评价模型。
以上述实施例为基础,本申请第七实施例提供一种数据处理系统,图8示出了所述数据处理系统的示意图。
图8所示的数据处理系统,包括:第一计算设备801、第二计算设备802、第三计算设备803,其中,所述第一计算设备801,用于获得目标用户的业务预约订阅数据,所述业务预约订阅数据包括在多个预约时间为所述目标用户提供餐品送达服务的订阅数据;将所述业务预约订阅数据发送给所述第三计算设备;所述第二计算设备802,用于获得针对已完结的预约业务服务的历史反馈评价数据,获得针对目标用户的备选业务提供方以及备选业务提供方的业务服务数据,获得目标用户的业务预约订阅数据;根据所述历史反馈评价数据、所述业务服务数据以及所述业务预约订阅数据,确定与所述目标用户匹配的备选业务提供方的排名信息;将所述排名信息提供给所述第三计算设备;其中,所述备选业务提供方为用于向所述目标用户提供业务服务的待筛选的业务提供方;所述第三计算设备803,用于获得所述业务预约订阅数据,获得所述第二计算设备提供的排名信息,根据预约时间以及所述排名信息推送目标业务服务数据。
实际应用中,第一计算设备101可以是用户的计算设备。目标用户通过第一计算设备向作为预约订阅计算设备的第三计算设备进行业务服务预约订阅,从而获得在所述多个预约时间中的至少一个服务时间针对所述目标用户的信息提供的业务服务。以外卖订阅为例,第一计算设备用于接收目标用户输入的订阅计划数据,后续根据订阅计划包括的提供业务服务的预约时间提供外卖套餐。例如,第一计算设备可以是目标用户信息对应的终端,能够接受目标用户的输入信息。进一步,第一计算设备还可以指终端上的客户端小程序或者客户端网页或者客户端APP。第一计算设备还可以包括配置订餐计划模块和反馈评价模块,配置订餐计划模块用于接收目标用户的配置订餐计划数据,反馈评价模块用于接收目标用户的反馈评价数据;所述配置订餐计划数据和反馈评价数据可以通过http协议,json字符串的形式和第三计算设备803进行交互。
本实施例中,第二计算设备802可以是对业务提供方进行排名的计算设备,用于实现对备选业务提供方的排名。具体可以将与第三计算设备对应的预约平台签约的业务提供方作为备选业务提供方,获得所述备选业务提供方能提供的业务服务数据。其中,业务服务数据包括下述至少一种信息:业务提供方位置信息、业务提供方提供的套餐信息、业务提供方的配送服务信息、业务提供方的服务质量信息。业务服务数据还可以是能提供的目标套餐信息。
第二计算设备具体通过下述处理对备选业务提供方进行排名:采集反馈评价数据、采集物流配送数据、采集业务预约订阅数据、采集业务提供方数据,根据上述数据确定备选业务提供方和/或备选业务提供方的排名信息。其中,第二计算设备可以从第三计算设备803获取上述数据,也可以分别从第一计算设备、业务提供方的计算设备以及配送方的计算设备获得上述数据中对应的数据。进一步,第二计算设备可以根据所述排名信息决策出推荐的业务提供方;或者,将所述排名信息提供给第三计算设备,由第三计算设备根据所述排名信息决策出推荐的业务提供方,由推荐的业务提供方提供业务服务。例如,所述第二计算设备用于:按照排名信息确定针对所述目标用户推荐的业务提供方的列表信息,将所述列表信息发送给所述第三计算设备;相应的,所述第三计算设备用于:获得配送资源的调度计划数据,根据所述调度计划数据以及所述列表信息,确定针对所述目标用户提供业务服务的业务提供方。再如,所述第二计算设备用于:获得配送资源的调度计划数据,根据所述调度计划数据以及所述排名信息针对所述目标用户推荐业务提供方,将推荐的业务提供方的信息发送给所述第三计算设备;相应的,所述第三计算设备具体用于:根据预约时间以及推荐的业务提供方的信息,推送所述目标业务服务数据。
本实施例中,第二计算设备使用所述历史反馈评价数据作为业务提供方排名的参考信息。具体的,第二计算设备用于针对所述历史反馈评价数据进行训练,得到用于针对目标用户的业务提供方进行排名的用户反馈评价模型,使用所述用户反馈评价模型进行业务提供方排名,尽可能提高预约订阅平台的效率和成功率。所谓反馈评价满意度,是指用户反馈评价数据中评价满意的数量占总评价数量的比率,可以作为体现预约订阅平台的效率和成功率的核心指标。使用预约订阅业务的历史反馈评价数据作为训练模型的数据,能够尽可能使得目标用户有强烈需求的业务提供方的排名更为优先,即针对每个用户,尽量将评价满意度最高的业务提供方排在备选业务提供方排名信息中优先位置,从而能提升系统的整体反馈评价满意度。并且,依赖用户反馈评价数据,能在不打扰用户的情况下提升用户的满意度。其中,所述用户反馈评价模型,为用于根据所述配送服务数据、所述业务预约订阅数据、所述业务服务数据中的至少一种数据,确定与所述目标用户匹配的业务提供方的排名信息的模型,所述用户反馈评价模型使用所述历史反馈评价数据、所述历史连续订阅数据、所述历史配送数据中的至少一种历史数据训练得到的模型。具体的,第二计算设备用于获得用户历史评价内容,从所述历史评价内容中提取正面词,以及负面词,分别进行统计,从而得到历史正反馈评价数据和负反馈评价数据。也可以按照用户反馈评价的喜欢等级划分为正反馈评价数据,或者负反馈评价数据。
本实施例的一个实施方式中,第二计算设备还用于根据历史连续订阅数据进行排名。具体包括:获得历史连续订阅数据;所述历史连续订阅数据,为针对预约业务服务的一个历史时段相比前一个历史时段的订阅数量的比率;进一步,根据所述业务预约订阅数据、所述业务服务数据、所述历史反馈评价数据,以及所述历史连续订阅数据,确定与所述目标用户匹配的备选业务提供方的排名信息。以按月付费的订阅方式为例。采用按月付费的方式,下月订阅数占上月订阅数的比例为连续订阅率。历史连续订阅率能够反映用户满意度,例如,连续订阅率高说明用户流失率低,从而反映出用户满意度较高。
本实施例的一个实施方式中,第二计算设备还用于获得历史配送数据,由历史配送数据确定历史配送拥塞控制数据,从而在模型训练中加入配送数据对业务提供方排名的影响因素。其中,所述历史配送数据,为已完结的预约业务服务对应的配送数据;进一步,根据所述业务预约订阅数据、所述业务服务数据、所述历史反馈评价数据,以及所述历史配送数据,确定与所述目标用户匹配的备选业务提供方的排名信息。
本实施例的一个实施方式中,第二计算设备还用于根据以下至少一种历史数据:历史反馈评价数据、历史连续订阅数据、历史配送数据训练得到所述用户反馈评价模型。
本实施例的一个实施方式中,第二计算设备还用于:针对所述业务预约订阅数据、所述业务服务数据以及下述至少一种历史数据:历史反馈评价数据、历史连续订阅数据、历史配送数据,进行下述至少一种数据预处理:缺失值处理、数据拼接处理;进一步,根据预处理后的业务预约订阅数据、预处理后的业务服务数据以及预处理后的下述至少一种历史数据:历史反馈评价数据、历史连续订阅数据、历史配送数据,确定与所述目标用户匹配的备选业务提供方的排名信息。
本实施例的一个实施方式中,第二计算设备用于根据用户特征信息、业务提供方特征信息,确定备选业务提供方排名信息。具体包括下述处理:根据所述业务预约订阅数据,获得所述目标用户的用户特征信息;根据所述业务服务数据,获得所述备选业务提供方的业务提供方特征信息;根据所述用户特征信息、所述业务提供方特征信息以及所述历史反馈评价数据,确定与所述目标用户匹配的备选业务提供方的排名信息。
本实施例中,第二计算设备还用于:获得配送服务数据;进一步,根据所述配送服务数据、所述业务预约订阅数据、所述业务服务数据、以及下述至少一种历史数据:历史反馈评价数据、历史连续订阅数据、历史配送数据,确定与所述目标用户匹配的备选业务提供方的排名信息。其中,所述配送服务数据,包括下述至少一种:配送负载指标信息、配送等待时间信息、配送预计送达时间信息、配送量信息。实际应用中,所述配送服务数据可以用于进行配送拥塞控制的数据基础,例如,通过将配送量平衡到每个配送子区域,从而避免特定配送子区域出现热点配送量,平抑热点配送量能够实现配送的均衡稳定。其中,所谓热点配送量是指特定子区域的配送量远大于其他子区域的配送量。具体包括下述处理:根据所述业务预约订阅数据、所述业务服务数据以及所述至少一种历史数据,得到与所述目标用户匹配的备选业务提供方的第一排名信息;根据所述配送服务数据,调整所述第一排名信息,得到第二排名信息;将所述第二排名信息作为与所述目标用户匹配的备选业务提供方的排名信息。例如,所述第一排名信息中,最优排名的业务提供方可能为用户满意度最高的业务提供方,考虑到配送区域的运力分配,避免配送区域中的子区域出现热点配送量的情况,加入配送因素调整第一排名信息得到第二排名信息,第二排名信息中,平衡配送后可能将满意度次优的业务提供方作为推荐的业务提供方调整为最优排名。
本实施例中,第二计算设备还用于对数据进行预处理。一种实施方式中包括:针对所述业务预约订阅数据、所述业务服务数据以及所述历史反馈评价数据,进行下述至少一种数据预处理:缺失值处理、数据拼接处理;进一步,根据数据预处理后的业务预约订阅数据、业务服务数据、历史反馈评价数据,确定与所述目标用户匹配的备选业务提供方的排名信息。一种实施方式中包括:针对所述配送服务数据,进行下述至少一种数据预处理:缺失值处理、数据拼接处理;进一步,根据数据预处理后的配送服务数据、业务预约订阅数据、业务服务数据以及历史反馈评价数据,确定与所述目标用户匹配的备选业务提供方的排名信息。
本实施例的一个实施方式中,第二计算设备具体用于:获得所述排名信息中的业务提供方的用户评价满意度值,将用户评价满意度值最大的业务提供方,作为向所述目标用户提供目标业务服务数据的目标业务提供方。其中,所述目标业务服务数据包括目标套餐信息。
本实施例中,第三计算设备803可以是预约订阅计算设备,在所述至少一个服务时间,获得针对目标用户推荐的业务提供方,提供目标业务服务数据;将目标业务服务数据推送给推荐的业务提供方的计算设备。例如,第三计算设备从第二计算设备获得推荐的业务提供方,所述业务提供方为针对目标用户能提供业务服务数据的备选业务提供方中排名最优的业务提供方。再如,第三计算设备从第二计算设备获得推荐的业务提供方的排名信息,进一步,第三计算设备从和预约订阅平台签约的外卖商户中根据预约时间以及配送资源的调度计划数据优选出适合用户的业务提供方。
实际应用中,所述系统还包括业务提供方的计算设备,所述业务提供方的计算设备,用于接收所述第三计算设备推送的目标业务服务数据,根据所述目标业务服务数据提供对应的业务服务。以业务提供方的计算设备为外卖提供方的计算设备为例。外卖提供方通过外卖提供方的计算设备接收预约订单,根据所述预约订单包含的套餐信息提供对应的外卖服务。例如,外卖提供方的计算设备包括套餐信息模块以及订单处理模块,其中,套餐信息模块用于配置可以提供的外卖套餐。再如,外卖提供方通过对应的计算设备管理业务服务数据。所谓外卖,是指提供出外服务或者外送商品,例如,送餐服务。
本实施例的一个实施方式中,还包括:配送方的计算设备。所述配送方的计算设备用于进行配送数据相关的操作。例如,获得配送资源的调度数据,根据所述调度数据提供配送服务。例如,将所述调度数据中包含的订单信息提示给配送员。再如,根据所述调度数据为配送员提供前往服务提供方的配送出发地址的导航服务。再如,进行配送拥塞控制,平衡各个配送区域或配送子区域的配送量,记录配送数据,包括记录指定时间点的配送负载指标、配送等待时间、配送预计送达时间等配送数据。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。内存可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
1、计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括非暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
2、本领域技术人员应明白,本申请的实施例可提供为方法、系统或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请虽然以较佳实施例公开如上,但其并不是用来限定本申请,任何本领域技术人员在不脱离本申请的精神和范围内,都可以做出可能的变动和修改,因此本申请的保护范围应当以本申请权利要求所界定的范围为准。
Claims (10)
1.一种数据处理方法,其特征在于,包括:
获得目标用户的业务预约订阅数据以及备选业务提供方的业务服务数据;其中,所述业务预约订阅数据包括在多个预约时间为所述目标用户提供餐品送达服务的订阅数据;所述备选业务提供方为用于向所述目标用户提供业务服务的待筛选的业务提供方;
获得针对已完结的预约业务服务的历史反馈评价数据;其中,所述预约业务服务为按照预约时间提供餐品送达服务的业务服务;
根据所述业务预约订阅数据、所述业务服务数据以及所述历史反馈评价数据,确定与所述目标用户匹配的备选业务提供方的排名信息。
2.根据权利要求1所述的方法,其特征在于,还包括:获得历史连续订阅数据;所述历史连续订阅数据,为针对预约业务服务的一个历史时段相比前一个历史时段的订阅数量的比率;
所述根据所述业务预约订阅数据、所述业务服务数据以及所述历史反馈评价数据,确定与所述目标用户匹配的备选业务提供方的排名信息,包括:
根据所述业务预约订阅数据、所述业务服务数据、所述历史反馈评价数据,以及所述历史连续订阅数据,确定与所述目标用户匹配的备选业务提供方的排名信息。
3.根据权利要求1所述的方法,其特征在于,还包括:获得历史配送数据;其中,所述历史配送数据,为已完结的预约业务服务对应的配送数据;
所述根据所述业务预约订阅数据、所述业务服务数据以及所述历史反馈评价数据,确定与所述目标用户匹配的备选业务提供方的排名信息,包括:
根据所述业务预约订阅数据、所述业务服务数据、所述历史反馈评价数据,以及所述历史配送数据,确定与所述目标用户匹配的备选业务提供方的排名信息。
4.根据权利要求1所述的方法,其特征在于,还包括:获得配送服务数据;
所述根据所述业务预约订阅数据、所述业务服务数据以及所述历史反馈评价数据,确定与所述目标用户匹配的备选业务提供方的排名信息,包括:根据所述配送服务数据、所述业务预约订阅数据、所述业务服务数据以及所述历史反馈评价数据,确定与所述目标用户匹配的备选业务提供方的排名信息。
5.根据权利要求4所述的方法,其特征在于,所述根据所述配送服务数据、所述业务预约订阅数据、所述业务服务数据以及所述历史反馈评价数据,确定与所述目标用户匹配的备选业务提供方的排名信息,包括:
根据所述业务预约订阅数据、所述业务服务数据以及所述历史反馈评价数据,得到与所述目标用户匹配的备选业务提供方的第一排名信息;
根据所述配送服务数据,调整所述第一排名信息,得到第二排名信息;
将所述第二排名信息作为与所述目标用户匹配的备选业务提供方的排名信息。
6.根据权利要求4所述的方法,其特征在于,所述根据所述业务预约订阅数据、所述业务服务数据以及所述历史反馈评价数据,确定与所述目标用户匹配的备选业务提供方的排名信息,包括:
根据以下至少一种数据:所述配送服务数据、所述业务预约订阅数据、所述业务服务数据,使用用户反馈评价模型,确定与所述目标用户匹配的备选业务提供方的排名信息;
其中,所述用户反馈评价模型,为用于根据所述配送服务数据、所述业务预约订阅数据、所述业务服务数据中的至少一种数据,确定与所述目标用户匹配的业务提供方的排名信息的模型;所述用户反馈评价模型为:使用所述历史反馈评价数据、所述历史连续订阅数据中的至少一种数据训练得到的模型。
7.根据权利要求4所述的方法,其特征在于,还包括:针对所述业务预约订阅数据、所述业务服务数据以及所述历史反馈评价数据,进行下述至少一种数据预处理:缺失值处理、数据拼接处理;
所述根据所述业务预约订阅数据、所述业务服务数据以及所述历史反馈评价数据,确定与所述目标用户匹配的备选业务提供方的排名信息,包括:根据数据预处理后的业务预约订阅数据、业务服务数据、历史反馈评价数据,确定与所述目标用户匹配的备选业务提供方的排名信息。
8.根据权利要求7所述的方法,其特征在于,还包括:针对所述配送服务数据,进行下述至少一种数据预处理:缺失值处理、数据拼接处理;
所述根据所述配送服务数据、所述业务预约订阅数据、所述业务服务数据以及所述历史反馈评价数据,确定与所述目标用户匹信息配的备选业务提供方的排名信息,包括:根据数据预处理后的配送服务数据、业务预约订阅数据、业务服务数据以及历史反馈评价数据,确定与所述目标用户匹配的备选业务提供方的排名信息。
9.一种用户反馈评价模型的生成方法,其特征在于,包括:
获得以下至少一种历史数据:针对已完结的预约业务服务的历史反馈评价数据,历史连续订阅数据;其中,所述预约业务服务为按照多个预约时间的至少一个预约时间提供餐品送达服务的业务服务;所述历史连续订阅数据,为针对预约业务服务的一个历史时段相比前一个历史时段的订阅数量的比率;
将所述历史数据作为训练样本,训练得到用户反馈评价模型,所述用户反馈评价模型为用于根据配送服务数据、业务预约订阅数据、业务服务数据中的至少一种数据确定与目标用户匹配的业务提供方的排名信息的模型。
10.一种数据处理系统,其特征在于,包括:第一计算设备、第二计算设备、第三计算设备,其中,
所述第一计算设备,用于获得目标用户的业务预约订阅数据,所述业务预约订阅数据包括在多个预约时间为所述目标用户提供餐品送达服务的订阅数据;将所述业务预约订阅数据发送给所述第三计算设备;
所述第二计算设备,用于获得针对已完结的预约业务服务的历史反馈评价数据,获得针对目标用户的备选业务提供方以及备选业务提供方的业务服务数据,获得目标用户的业务预约订阅数据;根据所述历史反馈评价数据、所述业务服务数据以及所述业务预约订阅数据,确定与所述目标用户匹配的备选业务提供方的排名信息;将所述排名信息提供给所述第三计算设备;其中,所述备选业务提供方为用于向所述目标用户提供业务服务的待筛选的业务提供方;
所述第三计算设备,用于获得所述业务预约订阅数据,获得所述第二计算设备提供的排名信息,根据预约时间以及所述排名信息推送目标业务服务数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910939184.0A CN110851703A (zh) | 2019-09-30 | 2019-09-30 | 一种数据处理方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910939184.0A CN110851703A (zh) | 2019-09-30 | 2019-09-30 | 一种数据处理方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110851703A true CN110851703A (zh) | 2020-02-28 |
Family
ID=69596349
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910939184.0A Pending CN110851703A (zh) | 2019-09-30 | 2019-09-30 | 一种数据处理方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110851703A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112907184A (zh) * | 2021-03-09 | 2021-06-04 | 浙江万里学院 | 实现货到付款交易的物流配送方法 |
CN114860788A (zh) * | 2022-04-22 | 2022-08-05 | 北京猎人纪信息科技有限公司 | 一种技术推广信息服务系统及方法 |
CN117252730A (zh) * | 2023-11-17 | 2023-12-19 | 浙江口碑网络技术有限公司 | 服务订阅处理系统、服务订阅信息处理方法与装置 |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120109749A1 (en) * | 2010-11-02 | 2012-05-03 | Visa International Service Association | Systems and Methods to Provide Recommendations |
CN105450768A (zh) * | 2015-12-07 | 2016-03-30 | 深圳市智汇十方科技有限公司 | 一种预约排序方法和预约排序装置 |
CN105654366A (zh) * | 2016-02-05 | 2016-06-08 | 朱亮红 | 一种商品交易方法和服务器 |
CN106202186A (zh) * | 2016-06-27 | 2016-12-07 | 百度在线网络技术(北京)有限公司 | 基于人工智能的服务推荐方法和装置 |
CN106951572A (zh) * | 2017-04-12 | 2017-07-14 | 上海斐讯数据通信技术有限公司 | 一种餐饮推荐系统和餐饮推荐方法 |
CN107977405A (zh) * | 2017-11-16 | 2018-05-01 | 北京三快在线科技有限公司 | 数据排序方法、数据排序装置、电子设备及可读存储介质 |
CN108470275A (zh) * | 2018-04-12 | 2018-08-31 | 陈静 | 一种基于大数据的餐饮信息安全监管方法 |
CN108510375A (zh) * | 2018-04-20 | 2018-09-07 | 重庆凯务电子商务有限公司 | 在线商品选购分析系统 |
CN108734344A (zh) * | 2018-05-07 | 2018-11-02 | 拉扎斯网络科技(上海)有限公司 | 订单配送预测方法、装置、设备及计算机可读存储介质 |
CN108734434A (zh) * | 2018-06-13 | 2018-11-02 | 苏州若依玫信息技术有限公司 | 一种基于离散商品信息的电子商务配送系统 |
CN109242374A (zh) * | 2017-07-10 | 2019-01-18 | 长安民生(上海)供应链有限公司 | 一种报价结果的排序系统及其使用方法 |
CN109615428A (zh) * | 2018-12-10 | 2019-04-12 | 拉扎斯网络科技(上海)有限公司 | 商户推荐方法、装置、系统及服务器 |
CN109636533A (zh) * | 2018-12-18 | 2019-04-16 | 拉扎斯网络科技(上海)有限公司 | 推荐方法、装置、电子设备和非易失性存储介质 |
CN110084653A (zh) * | 2019-05-13 | 2019-08-02 | 北京小度信息科技有限公司 | 一种数据处理方法、装置、服务器及存储介质 |
CN110232624A (zh) * | 2019-06-14 | 2019-09-13 | 杭州湘豪乐餐饮管理有限公司 | 综合外卖点餐系统及点餐方法 |
-
2019
- 2019-09-30 CN CN201910939184.0A patent/CN110851703A/zh active Pending
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120109749A1 (en) * | 2010-11-02 | 2012-05-03 | Visa International Service Association | Systems and Methods to Provide Recommendations |
CN105450768A (zh) * | 2015-12-07 | 2016-03-30 | 深圳市智汇十方科技有限公司 | 一种预约排序方法和预约排序装置 |
CN105654366A (zh) * | 2016-02-05 | 2016-06-08 | 朱亮红 | 一种商品交易方法和服务器 |
CN106202186A (zh) * | 2016-06-27 | 2016-12-07 | 百度在线网络技术(北京)有限公司 | 基于人工智能的服务推荐方法和装置 |
CN106951572A (zh) * | 2017-04-12 | 2017-07-14 | 上海斐讯数据通信技术有限公司 | 一种餐饮推荐系统和餐饮推荐方法 |
CN109242374A (zh) * | 2017-07-10 | 2019-01-18 | 长安民生(上海)供应链有限公司 | 一种报价结果的排序系统及其使用方法 |
CN107977405A (zh) * | 2017-11-16 | 2018-05-01 | 北京三快在线科技有限公司 | 数据排序方法、数据排序装置、电子设备及可读存储介质 |
CN108470275A (zh) * | 2018-04-12 | 2018-08-31 | 陈静 | 一种基于大数据的餐饮信息安全监管方法 |
CN108510375A (zh) * | 2018-04-20 | 2018-09-07 | 重庆凯务电子商务有限公司 | 在线商品选购分析系统 |
CN108734344A (zh) * | 2018-05-07 | 2018-11-02 | 拉扎斯网络科技(上海)有限公司 | 订单配送预测方法、装置、设备及计算机可读存储介质 |
CN108734434A (zh) * | 2018-06-13 | 2018-11-02 | 苏州若依玫信息技术有限公司 | 一种基于离散商品信息的电子商务配送系统 |
CN109615428A (zh) * | 2018-12-10 | 2019-04-12 | 拉扎斯网络科技(上海)有限公司 | 商户推荐方法、装置、系统及服务器 |
CN109636533A (zh) * | 2018-12-18 | 2019-04-16 | 拉扎斯网络科技(上海)有限公司 | 推荐方法、装置、电子设备和非易失性存储介质 |
CN110084653A (zh) * | 2019-05-13 | 2019-08-02 | 北京小度信息科技有限公司 | 一种数据处理方法、装置、服务器及存储介质 |
CN110232624A (zh) * | 2019-06-14 | 2019-09-13 | 杭州湘豪乐餐饮管理有限公司 | 综合外卖点餐系统及点餐方法 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112907184A (zh) * | 2021-03-09 | 2021-06-04 | 浙江万里学院 | 实现货到付款交易的物流配送方法 |
CN112907184B (zh) * | 2021-03-09 | 2024-04-19 | 浙江万里学院 | 实现货到付款交易的物流配送方法 |
CN114860788A (zh) * | 2022-04-22 | 2022-08-05 | 北京猎人纪信息科技有限公司 | 一种技术推广信息服务系统及方法 |
CN117252730A (zh) * | 2023-11-17 | 2023-12-19 | 浙江口碑网络技术有限公司 | 服务订阅处理系统、服务订阅信息处理方法与装置 |
CN117252730B (zh) * | 2023-11-17 | 2024-03-19 | 浙江口碑网络技术有限公司 | 服务订阅处理系统、服务订阅信息处理方法与装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106355391B (zh) | 一种业务处理方法及装置 | |
EP3893154A1 (en) | Recommendation model training method and related apparatus | |
CN110851703A (zh) | 一种数据处理方法及装置 | |
US20160050129A1 (en) | Performance assessment based on analysis of resources | |
CN107808314B (zh) | 用户推荐方法及装置 | |
CN110766509A (zh) | 服务订单处理、外卖订单推荐方法及装置 | |
CN111160950B (zh) | 一种资源信息的处理、输出方法及装置 | |
CN103150696A (zh) | 选择目标增值业务潜在客户的方法及装置 | |
CN107463675B (zh) | 数据处理方法及其系统 | |
US20210216936A1 (en) | Intelligent diversification tool | |
CN109902713A (zh) | 基于数据分析的楼盘推荐方法、设备、存储介质及装置 | |
CN112215448A (zh) | 分配客服的方法和装置 | |
CN111797320A (zh) | 数据处理方法、装置、设备及存储介质 | |
CN115170294A (zh) | 一种客户分类方法、装置及服务器 | |
CN110490748B (zh) | 基于订单的项目推荐方法以及装置 | |
CN111626767A (zh) | 资源数据的发放方法、装置及设备 | |
CN109075987A (zh) | 优化数字组件分析系统 | |
CN110570271A (zh) | 信息推荐方法、装置、电子设备及可读存储介质 | |
CN113298610A (zh) | 信息推荐与获取方法、设备及存储介质 | |
CN112905879A (zh) | 推荐方法、装置、服务器以及存储介质 | |
CN111768250A (zh) | 方法、装置、计算机可读介质及电子设备 | |
CN109858952A (zh) | 服务场景下的数据处理方法和装置 | |
CN116542747A (zh) | 产品推荐方法、装置、存储介质及电子设备 | |
CN110766488A (zh) | 一种自动确定主题场景的方法和装置 | |
CN110659960B (zh) | 变革管理服务产品自动生成方法、服务器及变革管理系统 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200228 |