CN110852684B - 货源偏好的确定方法、装置、设备及存储介质 - Google Patents

货源偏好的确定方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN110852684B
CN110852684B CN201911105551.3A CN201911105551A CN110852684B CN 110852684 B CN110852684 B CN 110852684B CN 201911105551 A CN201911105551 A CN 201911105551A CN 110852684 B CN110852684 B CN 110852684B
Authority
CN
China
Prior art keywords
preference
goods
determining
source
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.)
Active
Application number
CN201911105551.3A
Other languages
English (en)
Other versions
CN110852684A (zh
Inventor
李轩增
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.)
Guiyang Shanen Technology Co ltd
Original Assignee
Guiyang Shanen 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 Guiyang Shanen Technology Co ltd filed Critical Guiyang Shanen Technology Co ltd
Priority to CN201911105551.3A priority Critical patent/CN110852684B/zh
Publication of CN110852684A publication Critical patent/CN110852684A/zh
Application granted granted Critical
Publication of CN110852684B publication Critical patent/CN110852684B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
    • G06Q10/083—Shipping
    • G06Q10/0834—Choice of carriers
    • 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
    • G06Q10/0835—Relationships between shipper or supplier and carriers

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Quality & Reliability (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Development Economics (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明实施例公开了一种货源偏好的确定方法、装置、设备及存储介质。该方法包括：获取用户的第一货源集合，并依据所述第一货源集合的第一连续属性信息确定用户的第一偏好特征信息；其中，所述第一货源集合为在第一历史时间触发并反馈的货源的集合；依据第一货源集合的第一离散属性信息，确定用户的第二偏好特征信息；依据用户的第二货源集合、所述第一偏好特征信息和所述第二偏好特征信息，确定用户对第二货源的偏好程度；所述第二货源集合为在第二历史时间触发的货源的集合。利用该方法，能够保证从多个维度来得到用户的偏好特征信息，进而能够从多个维度确定用户对货源的偏好程度。

Description

货源偏好的确定方法、装置、设备及存储介质
技术领域
本发明实施例涉及数据处理技术领域，尤其涉及一种货源偏好的确定方法、装置、设备及存储介质。
背景技术
随着物流行业的快速发展，海量货源让用户感到困惑，正因如此各种各样的物流平台相继涌现，物流平台能够向用户推荐货源。
虽然，在向用户推荐货源时，物流平台能够根据用户对货源的偏好程度向用户推荐适合的货源。但是，在实际场景中，决定用户对货源偏好程度的因素包括：所需车长、货源重量、所需车型、货源类型和货源路线等，现有方案无法从多个维度来反映用户对货源的偏好程度，导致向用户推荐货源在某些维度下无法满足条件。因此，如何准确地确定用户对货源的偏好程度是非常必要的。
发明内容
本发明实施例中提供了一种货源偏好的确定方法、装置、设备及存储介质，以实现确定司机对货源的偏好程度，方便向司机推荐准确合适的货源。
第一方面，本发明实施例中提供了一种货源偏好的确定方法，包括：
获取用户的第一货源集合，并依据所述第一货源集合的第一连续属性信息确定用户的第一偏好特征信息；其中，所述第一货源集合为在第一历史时间触发并反馈的货源的集合；
依据第一货源集合的第一离散属性信息，确定用户的第二偏好特征信息；
依据用户的第二货源集合、所述第一偏好特征信息和所述第二偏好特征信息，确定用户对第二货源的偏好程度；所述第二货源集合为在第二历史时间触发的货源的集合。
第二方面，本发明实施例中还提供了一种货源偏好的确定装置，包括：
第一偏好特征确定模块，用于获取用户的第一货源集合，并依据所述第一货源集合的第一连续属性信息确定用户的第一偏好特征信息；其中，所述第一货源集合为在第一历史时间触发并反馈的货源的集合；
第二偏好特征确定模块，用于依据第一货源集合的第一离散属性信息，确定用户的第二偏好特征信息；
货源偏好程度确定模块，用于依据用户的第二货源集合、所述第一偏好特征信息和所述第二偏好特征信息，确定用户对第二货源的偏好程度；所述第二货源集合为在第二历史时间触发的货源的集合。
第三方面，本发明实施例中还提供了一种电子设备，包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序；
所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如本发明任意实施例中提供的货源偏好的方法。
第四方面，本发明实施例中还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本发明任意实施例中提供的货源偏好的确定方法。
本发明实施例中提供了一种货源偏好的确定方案，首先获取用户在历史时间触发并反馈的第一货源集合，然后依据第一货源集合的第一连续属性信息得到用户的第一偏好特征信息，以及依据第一货源集合的第一离散属性信息得到用户的第一偏好特征信息，进而通过分别得到的第一偏好特征信息和第二偏好特征信息来确定用户对第二货源集合中的第二货源的偏好程度，用于通过偏好程度描述用户在近期的用户画像。利用上述技术方案，由于第一连续属性信息中至少包含一个维度的属性信息，第一离散属性信息中也至少包含一个维度的属性信息，这样能够保证从多个维度来得到用户的偏好特征信息，进而能够从多个维度确定用户对货源的偏好程度；而且更重要是，本申请方案能够根据不同维度的属性信息的特性分别采用不同的处理方式确定偏好特征，保证不同维度的属性信息在进行处理得到的偏好特征信息均能保留其独有相关特性，而不会丢失这一独有相关特性，从而使得到的偏好特征更能刻画出用户对货源的实际偏好程度。
上述发明内容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
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显。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是本发明实施例中提供的一种货源偏好的确定方法的流程图；
图2是本发明实施例中提供的另一种货源偏好的确定方法的流程图；
图3是本发明实施例中提供的又一种货源偏好的确定方法的流程图；
图4是本发明实施例中提供的一种货源偏好的确定装置的结构框图；
图5是本发明实施例中提供的一种电子设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。
在更加详细地讨论示例性实施例之前应当提到的是，一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各项操作(或步骤)描述成顺序的处理，但是其中的许多操作可以被并行地、并发地或者同时实施。此外，各项操作的顺序可以被重新安排。当其操作完成时所述处理可以被终止，但是还可以具有未包括在附图中的附加步骤。所述处理可以对应于方法、函数、规程、子例程、子程序等等。
图1是本发明实施例中提供的一种货源偏好的确定方法的流程图，本发明实施例的方案可适用于确定用户对货源偏好程度，用以描述用户在近期内的用户画像的情况。该方法可以由货源偏好的确定装置来执行，其中该装置可由软件和/或硬件实现，并能集成在具有网络通信功能的电子设备上，在本实施例中电子设备包括但不限于服务器、终端设备等。如图1所示，本实施例中的货源偏好的确定方法，具体包括以下步骤：
S110、获取用户的第一货源集合，并依据第一货源集合的第一连续属性信息确定用户的第一偏好特征信息；其中，第一货源集合为在第一历史时间触发并反馈的货源的集合。
在本实施例中，第一历史时间包括从预设历史时间点到当前时间点之间的全部或者至少部分时间点。用户能够在第一历史时间触发货源平台上已发布的部分货源信息；例如，用户能够点击货源平台上已发布的部分货源信息，来实现触发货源。当用户触发货源信息后，用户还能够针对触发的货源信息对该触发的货源进行反馈；例如，用户能够根据已触发的货源信息进行打电话、支付定金等操作，以实现对已触发货源的反馈。
在本实施例中，可选地，根据用户的身份标识，获取用户在第一历史时间触发并反馈的货源，并将获取的货源组成第一货源集合。当用户对货源平台上发布的货源进行触发或者触发并反馈后，能够将用户对货源进行触发和用户对货源进行反馈的行为，以行为日志的形式进行记录存储。这样，方便后续能够直接从行为日志中直接获取用户触发的货源，以及获取用户触发并反馈的货源有哪些。可选地，根据用户的身份标识，确定用户所属的行为日志，并从用户所属的行为日志中获取用户在第一历史时间触发并反馈的货源。
在本实施例中，在车辆与货源匹配的领域中，对于货源平台发布的每一个货源而言，货源具备以下特征：货源所需车长、货源的重量、货源类型、货源所需车型和货源所需装卸方式等特征。在实际场景中，对于货源所需车长和货源的重量等特征而言，由于货源所需车长和货源的重量属于连续值变量，如果将各特征哈希化为数值，那么将其哈希化就等价于假设了连续区间内的任意两个值对应的特征空间完全独立，导致各特征会丢失连续值间存在的相关性。例如，要求承运车长为4.2米和6.8米的两种货源，对于注册车长6.8米司机吸引力的差异应该远小于6.8米和17米的两种货源，但在哈希化的实时偏好计算逻辑中，4.2米和17米的货源对于司机来说是等价的。可见，在依据上述特征计算用户的偏好特征信息时，需要将上述特征进行分类，然后将分类后的特征分别计算用户的偏好特征。可选地，可以根据上述特征的特性将上述特征划分为连续属性信息和离散属性信息。其中，连续属性信息可以包括：货源所需车长和货源的重量等，记为连续属性字段；离散属性信息可以包括：货源类型、货源所需车型和货源所需装卸方式等，记为离散属性字段。
在本实施例中，在获取第一货源集合后，确定第一货源集合的第一连续属性信息，进而依据第一连续属性信息确定用户的第一偏好特征信息。其中，第一偏好特征信息能够反映用户在第一连续属性下，对第一货源集合中各类型货源的偏好程度的分布情况。
S120、依据第一货源集合的第一离散属性信息，确定用户的第二偏好特征信息。
在本实施例中，在获取第一货源集合后，还能确定第一货源集合的第一离散属性信息，进而依据第一离散属性信息确定用户的第二偏好特征信息。其中第二偏好特征信息能够反映用户在第一离散属性下，对第一货源集合中各类型货源的偏好程度的分布情况。
在本实施例中，用户的第二偏好特征信息是在货源平台上已经发布的货源均衡的条件下，依靠用户对已发布的货源的历史行为得到的用户偏好特征。而在实际场景中，货源平台上发布的货源并不是平衡的，因此在确定用户的第二偏好特征信息时，需要结合货源平台上已发布的货源来决定。可选地，获取第三货源集合，其中，第三货源集合为在第一历史时间货源平台上已发布货源的集合。进而，能够依据第一货源集合的第一离散属性信息和第三货源集合的第三离散属性信息，确定用户的第二偏好特征信息。这样，可以保证用户的第二偏好特征信息在考虑了货源平台已发布的全部货源的货源分布影响的基础上得到的用户的偏特征。
在本实施例中，在车辆与货源匹配场景下，某一段时间内一条路线上的货源不会像电商场景中的商品那样海量到信息过载的程度，这意味着货源类型的分布变化存在随时间变化的趋势性。例如，用户最近50次点击中40次为货物类型A，可能是因为用户活跃时段内绝大多数货源为类型A，而非用户对类型A存在极强的偏好。因此，在确定用户的第一偏好特征信息和第二偏好特征信息时，需要获取用户触发并反馈的足够多的货源，而不是少量的货源。
基于上述分析，在一个可选示例中，获取用户在最近预设天数内触发且反馈的货源，作为第一货源集合。其中，每一货源集合中均能够包括司机在货源平台上的注册信息和货源集合中各个货源的基础信息。这样，通过将尽可能多的货源组成第一货源集合，才能尽可能地消除由于在某一段时间段货源类型比较固定，而导致误判用户对该货源表现出极强的偏好的缺陷。可选地，在货源平台上可能存在多个用户的活跃度仍然是非常低的，在获取用户在最近预设天数内触发且反馈的货源后，其货源数量仍然比较少，为此可以对货源数量少于预设阈值数量的用户进行剔除。
在本实施例中，每一货源集合中均能够对应存在：司机在货源平台上的注册信息和货源集合中各个货源的基础信息。其中，注册信息可以包括：司机年龄、司机性别、注册城市、注册车长、注册车重、注册车型。基础信息可以包括：货源所需车长、货源的重量、货源类型、货源所需车型和货源所需装卸方式，上述也是货源所具备的基本特征。
S130、依据用户触发的第二货源集合、第一偏好特征信息和第二偏好特征信息，确定用户对第二货源的偏好程度；第二货源集合为在第二历史时间触发的货源的集合。
在本实施例中，第二历史时间包括距离当前时间点在预设时间范围内的全部或者至少部分时间点，第一历史时间包括第二历史时间。例如，第二历史时间是指用户最近一天包含的全部时间点或至少部分时间点，第二货源集合是指用户最近一天触发的全部或者至少部分货源的集合。此时，通过货源的身份标识能够快速确定第二货源集合中各个货源的属性信息，即可得到第二货源集合的第二连续属性信息和第二离散属性信息。
在本实施例中，用户的第一偏好特征信息是根据第一货源集合的第一连续属性信息得到，因此可以依据第一偏好特征信息，确定用户对第二货源集合中各个货源的第一偏好程度。而，用户的第二偏好特征信息是根据第一货源集合的第一离散属性信息得到，因此可以依据第二偏好特征信息，确定用户对第二货源集合中各个货源的第二偏好程度。最终，可以依据第一偏好程度和第二偏好程度，将第一偏好程度和第二偏好程度进行组合，得到用户对第二货源的偏好程度，用于描述用户画像。通过用户画像可以获知用户在近期时间内对各个货源的偏好程度，进而可以方便向用户推荐合适的货源。
可以理解的是，通过上述中的“第一”和“第二”能够用于进行区分前后出现的具有相同名称的词语。例如，以第一货源集合和第二货源集合为例，通过“第一”和“第二”来区分在在第一历史时间触发并反馈的货源的集合和在第二历史时间触发的货源的集合。
本发明实施例中提供了一种货源偏好的确定方案，利用上述技术方案，由于第一连续属性信息中至少包含一个维度的属性信息，第一离散属性信息中也至少包含一个维度的属性信息，这样能够保证从多个维度来得到用户的偏好特征信息，进而能够从多个维度确定用户对货源的偏好程度；而且更重要是，本申请方案能够根据不同维度的属性信息的特性分别采用不同的处理方式确定偏好特征，保证不同维度的属性信息在进行处理得到的偏好特征信息均能保留其独有相关特性，而不会丢失这一独有相关特性，从而使得到的偏好特征更能刻画出用户对货源的实际偏好程度。
图2是本发明实施例中提供的另一种货源偏好的确定方法的流程图，本发明实施例在上述实施例的基础上对步骤S110进行优化，本发明实施例可以与上述一个或者多个实施例中各个可选方案结合。如图2所示，本发明实施例中的货源偏好的确定方法，具体包括以下步骤：
S210、获取用户的第一货源集合，确定第一货源集合的第一连续属性信息包括的连续属性字段，以及连续属性字段的取值；其中，第一货源集合为在第一历史时间触发并反馈的货源的集合；连续属性字段包括：货源所需车长和/或货源的重量。
在本实施例中，第一货源集合中包括多个货源，第一连续属性信息包括第一货源集合中包括的各个货源的连续属性。而且，由于每一个连续属性可以包括一种或者多种连续属性字段，因此第一连续属性信息中能够包括一种或者多种连续属性字段，连续属性字段可以为货源所需车长或者货源的重量。
在本实施例中，对于不同货源的同一种连续属性字段而言，不同货源可以具有不同取值的连续属性字段或者具有相同取值的连续属性字段。因此，第一连续属性信息中的同一种连续属性字段可以存在多个取值。例如，以连续属性字段为“货源所需车长”为例，第一货源集合中包括三个货源，各个货源的货源所需车长分别为：6.8米、4.2米和17米，那么“货源所需车长”这一连续属性字段的取值分别为：6.8、4.2和17。按照上述过程，能够依次得到第一连续属性信息中包括的每一种连续属性字段的取值，即分别得到多种连续属性字段中的每一种连续属性字段的多个取值。
S220、根据连续属性字段的取值，确定用户在连续属性字段下的第一偏好特征信息。
在本实施例中，每一种连续属性字段存在多个取值，在得到每一种连续属性字段的取值后，对该种连续属性字段的取值进行统计，得到统计结果。可选地，统计结果包括：中位数、平均数和标准差。进而，将得到的在该种连续属性字段下的统计结果，直接作为用户在连续属性字段下的第一偏好特征信息。当第一连续属性信息中能够包括多种连续属性字段时，可以得到用户在每一种连续属性字段下的第一偏好特征信息，进而将用户分别在至少一种连续属性字段下的第一偏好特征信息组合成用户的第一偏好特征信息。
S230、依据第一货源集合的第一离散属性信息，确定用户的第二偏好特征信息。
在本实施例的中，依据第一货源集合的第一离散属性信息，确定用户的第二偏好特征信息，具体包括：依据第一货源集合的第一离散属性信息和第三货源集合的第三离散属性信息，确定用户的第二偏好特征信息；其中，第三货源集合为在第一历史时间货源平台上已发布货源的集合。
S240、依据第一偏好特征信息，确定用户对第二货源集合中各个货源的第一偏好程度；以及，依据第二偏好特征信息，确定用户对第二货源集合中各个货源的第二偏好程度；第二货源集合为在第二历史时间触发的货源的集合。
在本实施例中，第二货源集合中包括多个货源，每一个货源的连续属性信息中包括一种或多种连续属性字段。这样，就可以得到第二货源集合中各个货源的连续属性字段以及连续属性字段的取值。第一偏好特征信息中包括针对每一种连续属性字段的取值的统计结果。例如，第一偏好特征信息中包括针对货源所需车长的取值的统计结果和/或针对货源的重量的取值的统计结果。
在本实施例中，以其中包括的一种连续属性字段为例，可以确定第二货源集合中各个货源的该种连续属性字段的取值，从中得到该种连续属性字段的取值的最大值和最小值。同时，还可以确定第一偏好特征信息中包括的针对该种连续属性字段的取值的统计结果，包括：中位数、平均数和标准差。
在一个可选示例中，按照如下公式1：
Figure BDA0002271166980000111
可以得到一个第一偏好程度值；按照如下公式2：
Figure BDA0002271166980000112
也可以得到一个第一偏好程度值。上述两个第一偏好程度值均是在第一偏好特征中包括的该种连续属性字段下的第一类第一偏好程度。其中，W最大为第二货源集合中各个货源的该种连续属性字段的取值的最大值，W最小为第二货源集合中各个货源的该种连续属性字段的取值的最小值，W中位数为第一偏好特征信息中包括的针对该种连续属性字段的取值的中位数统计结果，W注册为司机在货源平台上的注册信息包括的该种连续属性字段对应的注册值。
在另一可选示例中，按照如下公式3：
Figure BDA0002271166980000113
可以得到另一第一偏好程度值；按照如下公式4：
Figure BDA0002271166980000121
也可以得到一个另一第一偏好程度值。上述两个第一偏好程度值均是在第一偏好特征中包括的该种连续属性字段下的第二类第一偏好程度。其中，W最大为第二货源集合中各个货源的该种连续属性字段的取值的最大值，W最小为第二货源集合中各个货源的该种连续属性字段的取值的最小值，W平均数为第一偏好特征信息中包括的针对该种连续属性字段的取值的平均数统计结果，W标准差为第一偏好特征信息中包括的针对该种连续属性字段的取值的平均数统计结果，W注册为司机在货源平台上的注册信息包括的该种连续属性字段对应的注册值。
基于上述两个可选示例，可以将上述两个可选示例得到的第一类第一偏好程度和第二类第一偏好程度组合成完整的第一偏好程度，即可得到用户对第二货源集合中货源的第一偏好程度。
S250、依据第一偏好程度和第二偏好程度，确定用户对第二货源的偏好程度，用于描述用户画像。
本发明实施例中提供了一种货源偏好的确定方案，利用上述技术方案，由于第一连续属性信息中至少包含一个维度的属性信息，第一离散属性信息中也至少包含一个维度的属性信息，这样能够保证从多个维度来得到用户的偏好特征信息，进而能够从多个维度确定用户对货源的偏好程度；而且更重要是，本申请方案能够根据不同维度的属性信息的特性分别采用不同的处理方式确定偏好特征，保证不同维度的属性信息在进行处理得到的偏好特征信息均能保留其独有相关特性，而不会丢失这一独有相关特性，尤其是保证得到的第一偏好特征能够精确地刻画保留不同的货源所需车长以及不同货源的重量之间的独特相关性，从而使得到的偏好特征能够更好反映用户对货源的实际偏好情况。
图3是本发明实施例中提供的又一种货源偏好的确定方法的流程图，本发明实施例在上述实施例的基础上对步骤S120进行优化，本发明实施例可以与上述一个或者多个实施例中各个可选方案结合。如图3所示，本发明实施例中的货源偏好的确定方法，具体包括以下步骤：
S310、获取用户的第一货源集合，并依据第一货源集合的第一连续属性信息确定用户的第一偏好特征信息；其中，第一货源集合为在第一历史时间触发并反馈的货源的集合。
S320、依据第一货源集合的第一离散属性信息和第三货源集合的第三离散属性信息，确定第一离散属性信息中离散属性字段的后验概率分布；其中，第三货源集合为在第一历史时间货源平台上已发布货源的集合；离散属性字段包括以下至少一项：货源类型、货源所需车型和货源所需装卸方式。
在本实施例的一种可选方式中，依据第一货源集合的第一离散属性信息和第三货源集合的第三离散属性信息，确定第一离散属性信息中离散属性字段的后验概率分布，至少包括以下步骤A1-步骤A3：
步骤A1、依据第一离散属性信息，确定第一离散属性信息中离散属性字段的似然概率分布。
在本实施方式中，第一货源集合的第一离散属性信息包括一种或多种离散属性字段；例如，离散属性字段可以为：货源类型、货源所需车型和货源所需装卸方式中的至少一项。第一离散属性信息中包括第一货源集合中的各个货源对应的每一种离散属性字段以及每一种离散属性字段的各个取值。对于第一属性信息中包括的一种离散属性字段，依据第一离散属性信息，确定第一货源集合中目标第一货源的数量。目标第一货源为第一货源集合中具有该种离散属性字段的取值的货源。这样，就能针对第一离散属性信息中的每一种离散属性字段，统计得到第一货源集合中哪些货源具有该种离散属性字段的取值，并得到对应的货源数量，即得到目标第一货源的数量。
在本实施方式中，在上述基础上，可以依据目标第一货源的数量和第一货源集合中的货源总数量，计算得到第一离散属性信息中离散属性字段的似然概率分布。例如，将每一个离散属性字段的取值对应的目标第一货源的数量分别与第一货源集合中的货源总数量的比值，作为第一离散属性信息中离散属性字段的似然概率分布。按照上述过程，可以得到第一离散属性信息中至少一种离散属性字段的似然概率分布。
步骤A2、依据第三离散属性信息，确定第一离散属性信息中离散属性字段的先验概率分布。
在本实施方式中，第三离散属性信息中包括第三货源集合中的各个货源对应的每一种离散属性字段以及每一种离散属性字段的各个取值。依据第三离散属性信息，确定第三货源集合中目标第三货源的数量。目标第三货源为第三货源集合中具有该种离散属性字段的取值的货源，其中该种离散属性字段具体为第一属性信息中包括的离散属性字段。这样，就能针对第一离散属性信息中的每一种离散属性字段，统计得到第三货源集合中哪些货源具有该种离散属性字段的取值，并得到对应的货源数量，即得到目标第三货源的数量。
在本实施方式中，在此基础上，可以依据目标第三货源的数量和第三货源集合中的货源总数量，计算得到第一离散属性信息中离散属性字段的似然概率分布。例如，将每一个离散属性字段的取值对应的目标第三货源的数量分别与第三货源集合中的货源总数量的比值，作为第一离散属性信息中离散属性字段的先验概率分布。按照上述过程，可以得到第一离散属性信息中至少一种离散属性字段的先验概率分布。
步骤A3、依据第一离散属性信息中的离散属性字段的似然概率分布和离散属性字段的先验概率分布，确定第一离散属性信息中的离散属性字段的后验概率分布。
在本实施方式中，在确定第一离散属性信息中每一种离散属性字段的似然概率分布和每一种离散属性字段的先验概率分布，可以采用贝叶斯公式计算得到第一离散属性信息中每一种离散属性字段的后验概率分布。
S330、依据用户的第四货源集合中的货源总数量，对第一离散属性信息中离散属性字段的后验概率分布进行修正，得到修正后的后验概率分布；其中，第四货源集合为在第一历史时间触发的所有货源的集合。
在本实施例中，如果计算每一种离散属性字段的后验概率分布所使用的第一货源集合中货源数量比较少，尤其是第一货源集合中货源数量无法满足一般的有效统计量(例如30次)时，得到的后验概率分布可能存在误差，导致后验概率分布不精确。因此，可以依据第四货源集合中的货源总数量，对第一离散属性信息中离散属性字段的后验概率分布进行修正。由于第四货源集合中为用户在第一历史时间触发的所有货源的集合，从而能够反映用户在第一历史时间的货源触发活跃度，因此在一定程度上也能反映用户对货源的偏好，通过第四货源集合中的货源总数量对后验概率分布进行微调后，能够保证修正后的后验概率分布同时依据了被忽略的只触发但未反馈的货源数量，使得修正后的后验概率分布更加精确。
在本实施例的一种可选方式中，依据第四货源集合中的货源总数量，对第一离散属性信息中离散属性字段的后验概率分布进行修正，得到修正后的后验概率分布，至少包括以下步骤B1和步骤B2：
步骤B1、依据第一离散属性信息中离散属性字段的后验概率分布，确定离散属性字段的各个取值的后验概率。
在本实施方式中，第一离散属性信息中包括一种或多种离散属性字段，进而可以针对每一种离散属性字段，确定每一种离散属性字段的各个取值的后验概率。
步骤B2、基于置信上界算法，依据第四货源集合中的货源总数量，对离散属性字段的各个取值的后验概率进行调整，以实现对离散属性字段的后验概率分布的平滑修正。
在本实施方式中，可选地，根据置信上界算法(UCB,Upper Confidence Bound)的原则，将每一种离散属性字段中的各个取值的后验概率分布，按照p(x)＝p(x)+1/N的方式进行平滑，并重新归一化后得到修正后的离散属性字段的各个取值的后验概率，即可得到经时频修正后的离散属性字段的各个取值的后验概率。其中，p(x)为在同一种离散属性字段下，该种离散属性字段的某种取值的后验概率，N为第四货源集合中的货源总数量，比如司机在在第一历史时间点击的所有货源的数量。
S340、将修正后的后验概率分布，作为用户的第二偏好特征信息。
在本实施例中，按照上述步骤的过程，可以得到修正后的第一属性信息中各种离散属性字段的后验概率分布。进而，将修正后的第一属性信息中至少一种离散属性字段的后验概率分布作为用户的第二偏好特征信息。
S350、依据第一偏好特征信息，确定用户对第二货源集合中各个货源的第一偏好程度；以及，依据第二偏好特征信息，确定用户对第二货源集合中各个货源的第二偏好程度；第二货源集合为在第二历史时间触发的货源的集合。
在本实施例中，第二货源集合中包括多个货源，每一个货源的离散属性信息中包括一种或多种离散属性字段。这样，就可以得到第二货源集合中各个货源的离散属性字段以及离散属性字段的取值。第二偏好特征信息中包括针对每一种离散属性字段的后验概率分布的修正结果。每一种离散属性字段的后验概率分布包括该种离散属性字段的取值的后验概率。
在本实施例中，以其中一种离散属性字段为例，依据第二货源集合中各个货源的该种离散属性字段的取值与第一偏好特征信息中包括的针对该种离散属性字段的后验概率分布，得到第二货源集合中各个货源的该种离散属性字段的取值的后验概率的修正结果，作为用户在该种离散属性字段下对第二货源集合中各个货源的第二偏好程度。
按照上述方式，可以得到用户在至少一种离散属性字段下对第二货源集合中各个货源的偏好程度，将上述至少一个偏好程度进行组合，可以得到用户对第二货源集合中各个货源的第二偏好程度。
S360、依据第一偏好程度和第二偏好程度，确定用户对第二货源的偏好程度，用于描述用户画像。
在本实施例中，在得到用户对第二货源的偏好程度，还可以分析用户对第二货源的偏好程度与货源触发并反馈的效率之间的映射关系，并确定用于异常值截断的映射关系信噪比拐点阈值。可选地，对用户对第二货源的偏好程度进行非线性变换，得到新的用户对第二货源的偏好程度。例如，采用新的用户对第二货源的偏好程度＝log(n+(用户对第二货源的偏好程度))，然后根据信噪比拐点阈值对新的用户对第二货源的偏好程度进行异常值截断。
本发明实施例中提供了一种货源偏好的确定方案，利用上述技术方案，由于第一连续属性信息中至少包含一个维度的属性信息，第一离散属性信息中也至少包含一个维度的属性信息，这样能够保证从多个维度来得到用户的偏好特征信息，进而能够从多个维度确定用户对货源的偏好程度；而且更重要是，本申请方案能够根据不同维度的属性信息的特性分别采用不同的处理方式确定偏好特征，保证不同维度的属性信息在进行处理得到的偏好特征信息均能保留其独有相关特性，而不会丢失这一独有相关特性，从而使得到的偏好特征更能刻画出用户对货源的实际偏好程度。
图4是本发明实施例中提供的一种货源偏好的确定装置的结构框图，本发明实施例的方案可适用于确定用户对货源偏好程度，用以描述用户在近期内的用户画像的情况。该装置可由软件和/或硬件实现，并能集成在具有网络通信功能的电子设备上，在本实施例中电子设备包括但不限于服务器、终端设备等。
如图4所示，本实施例中的货源偏好的确定装置，包括：第一偏好特征确定模块410、第二偏好特征确定模块420和货源偏好程度确定模块430。其中：
第一偏好特征确定模块410，用于获取用户的第一货源集合，并依据所述第一货源集合的第一连续属性信息确定用户的第一偏好特征信息；其中，所述第一货源集合为在第一历史时间触发并反馈的货源的集合；
第二偏好特征确定模块420，用于依据第一货源集合的第一离散属性信息，确定用户的第二偏好特征信息；
货源偏好程度确定模块430，用于依据用户的第二货源集合、所述第一偏好特征信息和所述第二偏好特征信息，确定用户对第二货源的偏好程度；所述第二货源集合为在第二历史时间触发的货源的集合。
在上述实施例的基础上，可选地，所述第一偏好特征确定模块410，包括：
连续属性字段确定单元，用于确定所述第一连续属性信息包括的连续属性字段，以及所述连续属性字段的取值；其中，所述连续属性字段包括：货源所需车长和/或货源的重量；
第一偏好特征确定单元，用于根据所述连续属性字段的取值，确定用户在所述连续属性字段下的第一偏好特征信息。
在上述实施例的基础上，可选地，所述第一偏好特征确定单元，包括：
对所述连续属性字段的取值进行统计，得到统计结果；其中，所述统计结果包括：中位数、平均数和标准差；
将所述统计结果作为用户在所述连续属性字段下的第一偏好特征信息。
在上述实施例的基础上，可选地，第二偏好特征确定模块420，具体用于：
依据所述第一货源集合的第一离散属性信息和第三货源集合的第三离散属性信息，确定用户的第二偏好特征信息；其中，所述第三货源集合为在第一历史时间货源平台上已发布货源的集合。
在上述实施例的基础上，可选地，所述第二偏好特征确定模块420，包括：
后验概率分布确定单元，用于依据所述第一离散属性信息和所述第三离散属性信息，确定第一离散属性信息中离散属性字段的后验概率分布；其中，所述离散属性字段包括以下至少一项：货源类型、货源所需车型和货源所需装卸方式；
后验概率分布修正单元，用于依据第四货源集合中的货源总数量，对第一离散属性信息中离散属性字段的后验概率分布进行修正，得到修正后的后验概率分布；所述第四货源集合为在第一历史时间触发的所有货源的集合；
第二偏好特征确定单元，用于将所述修正后的后验概率分布，作为用户的第二偏好特征信息。
在上述实施例的基础上，可选地，所述后验概率分布确定单元，包括：
似然概率分布确定子单元，用于依据所述第一离散属性信息，确定所述第一离散属性信息中离散属性字段的似然概率分布；
先验概率分布确定子单元，用于依据所述第三离散属性信息，确定所述第一离散属性信息中离散属性字段的先验概率分布；
后验概率分布确定子单元，用于依据所述离散属性字段的似然概率分布和所述离散属性字段的先验概率分布，确定第一离散属性信息中的离散属性字段的后验概率分布。
在上述实施例的基础上，可选地，所述似然概率分布确定子单元，包括：
依据所述第一离散属性信息，确定所述第一货源集合中目标第一货源的数量；其中，所述目标第一货源为所述第一货源集合中具有所述离散属性字段的取值的货源；
依据所述目标第一货源的数量和第一货源集合中的货源总数量，计算得到所述第一离散属性信息中所述离散属性字段的似然概率分布。
在上述实施例的基础上，可选地，所述先验概率分布确定子单元，包括：
依据所述第三离散属性信息，确定所述第三货源集合中目标第三货源的数量；其中，所述目标第三货源为所述第三货源集合中具有所述离散属性字段的取值的货源；
依据所述目标第三货源的数量和第三货源集合中的货源总数量，计算得到所述第一离散属性信息中所述离散属性字段的先验概率分布。
在上述实施例的基础上，可选地，所述后验概率分布修正单元，包括：
依据第一离散属性信息中离散属性字段的后验概率分布，确定所述离散属性字段的各个取值的后验概率；
基于置信上界算法，依据第四货源集合中的货源总数量，对各个取值的后验概率进行调整，以实现对所述离散属性字段的后验概率分布的平滑修正。
在上述实施例的基础上，可选地，所述货源偏好程度确定模块430，包括：
依据所述第一偏好特征信息，确定用户对所述第二货源集合中各个货源的第一偏好程度；
依据所述第二偏好特征信息，确定用户对所述第二货源集合中各个货源的第二偏好程度；
依据所述第一偏好程度和所述第二偏好程度，确定用户对第二货源的偏好程度，用于描述用户画像。
本发明实施例中所提供的货源偏好的确定装置可执行上述本发明任意实施例中所提供的货源偏好的确定方法，具备执行该货源偏好的确定方法相应的功能和有益效果，详细过程参见前述实施例中货源偏好的确定方法的相关操作。
图5是本发明实施例中提供的一种电子设备的结构示意图。如图5所示结构，本发明实施例中提供的电子设备包括：一个或多个处理器510和存储装置520；该电子设备中的处理器510可以是一个或多个，图5中以一个处理器510为例；存储装置520用于存储一个或多个程序；所述一个或多个程序被所述一个或多个处理器510执行，使得所述一个或多个处理器510实现如本发明实施例中任一项所述的货源偏好的确定方法。
该电子设备还可以包括：输入装置530和输出装置540。
该电子设备中的处理器510、存储装置520、输入装置530和输出装置540可以通过总线或其他方式连接，图5中以通过总线连接为例。
该电子设备中的存储装置520作为一种计算机可读存储介质，可用于存储一个或多个程序，所述程序可以是软件程序、计算机可执行程序以及模块，如本发明实施例中所提供的货源偏好的确定法对应的程序指令/模块。处理器510通过运行存储在存储装置520中的软件程序、指令以及模块，从而执行电子设备的各种功能应用以及数据处理，即实现上述方法实施例中货源偏好的确定方法。
存储装置520可包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序；存储数据区可存储根据电子设备的使用所创建的数据等。此外，存储装置520可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中，存储装置520可进一步包括相对于处理器510远程设置的存储器，这些远程存储器可以通过网络连接至设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入装置530可用于接收输入的数字或字符信息，以及产生与电子设备的用户设置以及功能控制有关的键信号输入。输出装置540可包括显示屏等显示设备。
并且，当上述电子设备所包括一个或者多个程序被所述一个或者多个处理器510执行时，程序进行如下操作：
获取用户的第一货源集合，并依据所述第一货源集合的第一连续属性信息确定用户的第一偏好特征信息；其中，所述第一货源集合为在第一历史时间触发并反馈的货源的集合；
依据第一货源集合的第一离散属性信息，确定用户的第二偏好特征信息；
依据用户的第二货源集合、所述第一偏好特征信息和所述第二偏好特征信息，确定用户对第二货源的偏好程度；所述第二货源集合为在第二历史时间触发的货源的集合。
当然，本领域技术人员可以理解，当上述电子设备所包括一个或者多个程序被所述一个或者多个处理器510执行时，程序还可以进行本发明任意实施例中所提供的货源偏好的确定方法中的相关操作。
本发明实施例中提供了一种计算机可读介质，其上存储有计算机程序，该程序被处理器执行时用于执行货源偏好的确定方法，该方法包括：
获取用户的第一货源集合，并依据所述第一货源集合的第一连续属性信息确定用户的第一偏好特征信息；其中，所述第一货源集合为在第一历史时间触发并反馈的货源的集合；
依据第一货源集合的第一离散属性信息，确定用户的第二偏好特征信息；
依据用户的第二货源集合、所述第一偏好特征信息和所述第二偏好特征信息，确定用户对第二货源的偏好程度；所述第二货源集合为在第二历史时间触发的货源的集合。
可选的，该程序被处理器执行时还可以用于执行本发明任意实施例中所提供的货源偏好的确定方法。
本发明实施例的计算机存储介质，可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(Random AccessMemory，RAM)、只读存储器(Read Only Memory，ROM)、可擦式可编程只读存储器(ErasableProgrammable Read Only Memory，EPROM)、闪存、光纤、便携式CD-ROM、光存储器件、磁存储器件、或者上述的任意合适的组合。计算机可读存储介质可以是任何包括或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于：电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包括的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、无线电频率(RadioFrequency，RF)等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)——连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包括于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。

Claims (12)

1.一种货源偏好的确定方法，其特征在于，包括：
获取用户的第一货源集合，并依据所述第一货源集合的第一连续属性信息确定用户的第一偏好特征信息；其中，所述第一货源集合为在第一历史时间触发并反馈的货源的集合；
依据第一货源集合的第一离散属性信息，确定用户的第二偏好特征信息；
离散属性信息包括：货源类型、货源所需车型和/或货源所需装卸方式，记为离散属性字段；
依据用户的第二货源集合、所述第一偏好特征信息和所述第二偏好特征信息，确定用户对第二货源的偏好程度；所述第二货源集合为在第二历史时间触发的货源的集合；
依据所述第一货源集合的第一连续属性信息确定用户的第一偏好特征信息，包括：
确定所述第一连续属性信息包括的连续属性字段，以及所述连续属性字段的取值；其中，所述连续属性字段包括：货源所需车长和/或货源的重量；
根据所述连续属性字段的取值，确定用户在所述连续属性字段下的第一偏好特征信息。
2.根据权利要求1所述的方法，其特征在于，根据所述连续属性字段的取值，确定用户在所述连续属性字段下的第一偏好特征信息，包括：
对所述连续属性字段的取值进行统计，得到统计结果；其中，所述统计结果包括：中位数、平均数和标准差；
将所述统计结果作为用户在所述连续属性字段下的第一偏好特征信息。
3.根据权利要求1所述的方法，其特征在于，依据第一货源集合的第一离散属性信息，确定用户的第二偏好特征信息，包括：
依据所述第一货源集合的第一离散属性信息和第三货源集合的第三离散属性信息，确定用户的第二偏好特征信息；其中，所述第三货源集合为在第一历史时间货源平台上已发布货源的集合。
4.根据权利要求3所述的方法，其特征在于，依据所述第一货源集合的第一离散属性信息和第三货源集合的第三离散属性信息，确定用户的第二偏好特征信息，包括：
依据所述第一离散属性信息和所述第三离散属性信息，确定第一离散属性信息中离散属性字段的后验概率分布；
依据第四货源集合中的货源总数量，对第一离散属性信息中离散属性字段的后验概率分布进行修正，得到修正后的后验概率分布；所述第四货源集合为在第一历史时间触发的所有货源的集合；
将所述修正后的后验概率分布，作为用户的第二偏好特征信息。
5.根据权利要求4所述的方法，其特征在于，依据所述第一离散属性信息和所述第三离散属性信息，确定第一离散属性信息中离散属性字段的后验概率分布，包括：
依据所述第一离散属性信息，确定所述第一离散属性信息中离散属性字段的似然概率分布；
依据所述第三离散属性信息，确定所述第一离散属性信息中离散属性字段的先验概率分布；
依据所述离散属性字段的似然概率分布和所述离散属性字段的先验概率分布，确定第一离散属性信息中的离散属性字段的后验概率分布。
6.根据权利要求5所述的方法，其特征在于，依据所述第一离散属性信息，确定所述第一离散属性信息中离散属性字段的似然概率分布，包括：
依据所述第一离散属性信息，确定所述第一货源集合中目标第一货源的数量；其中，所述目标第一货源为所述第一货源集合中具有所述离散属性字段的取值的货源；
依据所述目标第一货源的数量和第一货源集合中的货源总数量，计算得到所述第一离散属性信息中所述离散属性字段的似然概率分布。
7.根据权利要求5所述的方法，其特征在于，依据所述第三离散属性信息，确定所述第一离散属性信息中离散属性字段的先验概率分布，包括：
依据所述第三离散属性信息，确定所述第三货源集合中目标第三货源的数量；其中，所述目标第三货源为所述第三货源集合中具有所述离散属性字段的取值的货源；
依据所述目标第三货源的数量和第三货源集合中的货源总数量，计算得到所述第一离散属性信息中所述离散属性字段的先验概率分布。
8.根据权利要求4所述的方法，其特征在于，依据第四货源集合中的货源总数量，对第一离散属性信息中所述离散属性字段的后验概率分布进行修正，得到修正后的后验概率分布，包括：
依据第一离散属性信息中离散属性字段的后验概率分布，确定所述离散属性字段的各个取值的后验概率；
基于置信上界算法，依据第四货源集合中的货源总数量，对各个取值的后验概率进行调整，以实现对所述离散属性字段的后验概率分布的平滑修正。
9.根据权利要求1所述的方法，其特征在于，依据用户的第二货源集合、所述第一偏好特征信息和所述第二偏好特征信息，确定用户对第二货源的偏好程度，包括：
依据所述第一偏好特征信息，确定用户对所述第二货源集合中各个货源的第一偏好程度；
依据所述第二偏好特征信息，确定用户对所述第二货源集合中各个货源的第二偏好程度；
依据所述第一偏好程度和所述第二偏好程度，确定用户对第二货源的偏好程度，用于描述用户画像。
10.一种货源偏好的确定装置，其特征在于，包括：
第一偏好特征确定模块，用于获取用户的第一货源集合，并依据所述第一货源集合的第一连续属性信息确定用户的第一偏好特征信息；其中，所述第一货源集合为在第一历史时间触发并反馈的货源的集合；
第二偏好特征确定模块，用于依据第一货源集合的第一离散属性信息，确定用户的第二偏好特征信息；
货源偏好程度确定模块，用于依据用户的第二货源集合、所述第一偏好特征信息和所述第二偏好特征信息，确定用户对第二货源的偏好程度；所述第二货源集合为在第二历史时间触发的货源的集合；
离散属性信息包括：货源类型、货源所需车型和/或货源所需装卸方式，记为离散属性字段；
依据所述第一货源集合的第一连续属性信息确定用户的第一偏好特征信息，包括：
确定所述第一连续属性信息包括的连续属性字段，以及所述连续属性字段的取值；其中，所述连续属性字段包括：货源所需车长和/或货源的重量；
根据所述连续属性字段的取值，确定用户在所述连续属性字段下的第一偏好特征信息。
11.一种电子设备，其特征在于，包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现权利要求1-9中任一所述的货源偏好的确定方法。
12.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现权利要求1-9中任一所述的货源偏好的确定方法。
CN201911105551.3A 2019-11-13 2019-11-13 货源偏好的确定方法、装置、设备及存储介质 Active CN110852684B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911105551.3A CN110852684B (zh) 2019-11-13 2019-11-13 货源偏好的确定方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911105551.3A CN110852684B (zh) 2019-11-13 2019-11-13 货源偏好的确定方法、装置、设备及存储介质

Publications (2)

Publication Number Publication Date
CN110852684A CN110852684A (zh) 2020-02-28
CN110852684B true CN110852684B (zh) 2022-09-20

Family

ID=69601425

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911105551.3A Active CN110852684B (zh) 2019-11-13 2019-11-13 货源偏好的确定方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN110852684B (zh)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108229728A (zh) * 2017-12-18 2018-06-29 成都返空汇网络技术有限公司 一种货源信息的推荐方法及一种计算机设备
CN109447334A (zh) * 2018-10-19 2019-03-08 江苏满运软件科技有限公司 货源信息的数据降维方法、装置、电子设备、存储介质

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108229728A (zh) * 2017-12-18 2018-06-29 成都返空汇网络技术有限公司 一种货源信息的推荐方法及一种计算机设备
CN109447334A (zh) * 2018-10-19 2019-03-08 江苏满运软件科技有限公司 货源信息的数据降维方法、装置、电子设备、存储介质

Also Published As

Publication number Publication date
CN110852684A (zh) 2020-02-28

Similar Documents

Publication Publication Date Title
CN112000675B (zh) 行情数据更新方法、装置、终端设备及存储介质
CN107977457B (zh) 数据清算方法、系统和计算机可读存储介质
US20200184393A1 (en) Method and apparatus for determining risk management decision-making critical values
CN110378529B (zh) 一种数据生成的方法、装置、可读存储介质和电子设备
CN107798332B (zh) 一种用户行为预测方法及装置
US10943691B2 (en) Cost of healthcare analytics platform
CN114048931B (zh) 补货信息生成方法、装置、电子设备和计算机可读介质
CN108667877B (zh) 确定推荐信息的方法及装置、计算机设备及存储介质
CN108805332B (zh) 一种特征评估方法和装置
CN110852684B (zh) 货源偏好的确定方法、装置、设备及存储介质
CN111507541B (zh) 货量预测模型构建方法、货量测量方法、装置及电子设备
CN114520830A (zh) 一种消息的推送方法、装置以及系统
CN110633804B (zh) 金融产品进件评价方法、服务器和存储介质
CN111105176B (zh) 数据处理方法、装置、设备和存储介质
CN115660244A (zh) 路线信息生成方法、装置、设备和介质
CN115080412A (zh) 软件更新质量评估方法、装置、设备及计算机存储介质
CN113591999A (zh) 一种端边云联邦学习模型训练系统及方法
CN111400678A (zh) 一种用户检测方法及装置
CN112364232A (zh) 信息生成方法、装置、电子设备和计算机可读介质
CN111126909B (zh) 货源路线的数据处理方法、装置、设备及存储介质
CN113837514A (zh) 用户满意度的评估方法、装置、计算设备及存储介质
CN111105059B (zh) 属性冲突发现方法、装置和计算机可读存储介质
US20190005514A1 (en) Dynamic management of a customer life-cycle value
CN112435000B (zh) 待审批订单通知方法、装置、计算机设备及存储介质
CN110782215B (zh) 货源确定方法、装置、设备及存储介质

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
TA01 Transfer of patent application right

Effective date of registration: 20220819

Address after: 550025 No. 123, Kaifa Avenue, economic and Technological Development Zone, Guiyang, Guizhou

Applicant after: Guiyang Shanen Technology Co.,Ltd.

Address before: 210012 3-5 / F, building 4, 170-1 software Avenue, Yuhuatai District, Nanjing City, Jiangsu Province

Applicant before: JIANGSU MANYUN SOFTWARE TECHNOLOGY Co.,Ltd.

TA01 Transfer of patent application right
GR01 Patent grant
GR01 Patent grant