CN111368189A - 货源排序推荐方法、装置、电子设备、存储介质 - Google Patents

货源排序推荐方法、装置、电子设备、存储介质 Download PDF

Info

Publication number
CN111368189A
CN111368189A CN202010125912.7A CN202010125912A CN111368189A CN 111368189 A CN111368189 A CN 111368189A CN 202010125912 A CN202010125912 A CN 202010125912A CN 111368189 A CN111368189 A CN 111368189A
Authority
CN
China
Prior art keywords
source
goods
code
sources
list
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
CN202010125912.7A
Other languages
English (en)
Other versions
CN111368189B (zh
Inventor
宁永恒
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.)
Jiangsu Manyun Software Technology Co Ltd
Original Assignee
Jiangsu Manyun Software 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 Jiangsu Manyun Software Technology Co Ltd filed Critical Jiangsu Manyun Software Technology Co Ltd
Priority to CN202010125912.7A priority Critical patent/CN111368189B/zh
Publication of CN111368189A publication Critical patent/CN111368189A/zh
Application granted granted Critical
Publication of CN111368189B publication Critical patent/CN111368189B/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
    • 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
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/12—Computing arrangements based on biological models using genetic models
    • G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
    • 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]
    • G06Q30/0603—Catalogue ordering
    • 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]
    • G06Q30/0639—Item locations

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Accounting & Taxation (AREA)
  • Economics (AREA)
  • Finance (AREA)
  • Development Economics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Marketing (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Biophysics (AREA)
  • Databases & Information Systems (AREA)
  • Health & Medical Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Operations Research (AREA)
  • Human Resources & Organizations (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Physiology (AREA)
  • Genetics & Genomics (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • Computational Linguistics (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明提供一种货源排序推荐方法、装置、电子设备、存储介质，货源排序推荐方法包括：采集货源数据、司机数据以及货源列表显示数据；对各所述货源列表上的各货源进行编码获得特征编码，所述特征编码包括货源编码、司机编码以及位置编码；根据各所述货源列表上的各货源的特征编码采用遗传算法对待显示货源列表进行求解，获得最优种群；将待排序货源与所述最优种群进行匹配，以按所述最优种群对待排序货源进行排序，并将经排序的货源显示于货源列表，其中，对各所述货源列表上的各货源，将其电话量及曝光量的比值作为所述遗传算法的位置增益。本发明实现货源排序推荐方法。

Description

货源排序推荐方法、装置、电子设备、存储介质
技术领域
本发明涉及计算机技术领域，尤其涉及一种货源排序推荐方法、装置、电子设备、存储介质。
背景技术
目前，货主可以在线上物流平台发布货物信息，司机可以通过线上物流平台进行货源搜索和接单操作。由此，司机搜索货源，目的是试图找到满意的货源成交，类似于电商平台上顾客找到满意的商品进行购买。在这样的场景下，通过搜索返回的货源列表的顺序，对于成交比例尤为重要。目前流行的排序方法主要是基于机器学习的模型打分排序。例如，分类算法(逻辑回归、决策树等)/协同过滤算法(因子分解机(Factorization Machine，FM)/场感知分解机(Field-aware Factorization Machine，FFM)/深场感知分解机(DEEPFFM)模型)等都可以用来进行列表排序。这些排序方式都是根据用户和待排序对象的匹配程度进行评分，根据分值的大小对待排序对象进行排序，并以列表形式返回。在列表中排序在前的待排序对象和用户更匹配。
目前使用的技术中，对于点击通过率(CTR)预估，比较广泛的方法是逻辑回归模型和FFM模型，逻辑回归模型能够匹配用户与待排序对象之间的匹配程度，得到该待排序对象对于该用户的分值，根据分值进行排序。逻辑回归模型易于上手，训练成本低，同时能简单快捷的迁移到线上预测使用，并且效果不差，但其缺点在于逻辑回归无法解决特征之间的组合问题，无法处理特征相关性，另外特征稀疏的样本也浪费了训练的时间和空间。由此产生了FM模型，FM是逻辑回归的改进，使用多项式的方式组合不同维度特征，同时利用矩阵分解的算法，避免了特征稀疏带来的计算问题。而FFM算法是FM算法的进一步改进，在FM的基础上添加了场概念，降低了特征的稀疏程度。现有的这些算法排序的目的是CTR的提升，从本质上来讲是更好的匹配用户与待排序对象，提高排序列表的精确性。
但在线上物流平台的场景下，当货源作为待排序对象时，由于货源不确定因素较大，采用现有的排序模型无法精准体现货源与司机的匹配程度。
发明内容
本发明为了克服上述相关技术存在的缺陷，提供一种货源排序推荐方法、装置、电子设备、存储介质，进而至少在一定程度上克服由于相关技术的限制和缺陷而导致的一个或者多个问题。
根据本发明的一个方面，提供货源排序推荐方法，包括：
采集货源数据、司机数据以及货源列表显示数据；
对各所述货源列表上的各货源进行编码获得特征编码，所述特征编码包括货源编码、司机编码以及位置编码，所述货源编码通过对该货源的货源数据进行编码获得，所述司机编码通过对浏览该货源列表的司机数据进行编码获得，所述位置编码通过对该货源在该货源列表上的位置进行编码获得；
根据各所述货源列表上的各货源的特征编码采用遗传算法对待显示货源列表进行求解，获得最优种群；
将待排序货源与所述最优种群进行匹配，以按所述最优种群对待排序货源进行排序，并将经排序的货源显示于货源列表，
其中，对各所述货源列表上的各货源，将其电话量及曝光量的比值作为所述遗传算法的位置增益。
在本发明的一些实施例中，所述根据各所述货源列表上的各货源的特征编码采用遗传算法对待显示货源列表进行求解，获得最优种群包括：
A.根据各所述货源列表上的各货源的特征编码构建初始种群，将初始种群作为父样本；
B.计算每一父样本的位置增益；
C.将位置增益较高的P％的父样本作为第一准样本，P为大于1小于100的整数；
D.对准样本中各货源进行交叉编码，获得N个第二准样本，N为大于等于1的整数；
E.以M的概率对所述第二准样本进行随机变异，将变异后的第一准样本和第二准样本作为子样本，M为大于0小于1的常数；
F.判断各子样本的总位置增益是否大于等于各父样本的总位置增益；
若步骤F判断为是，则将所述子样本作为父样本，执行步骤B至步骤F；
若步骤F判断为否，则输出子样本中位置增益最高的子样本作为最优种群。
在本发明的一些实施例中，所述第二准样本的数量与第一准样本的数量相同。
在本发明的一些实施例中，每一初始种群为一货源列表。
在本发明的一些实施例中，P为大于等于40小于等于60的常数，M为大于等于0.05小于等于0.2的常数。
在本发明的一些实施例中，所述随机变异包括对所述第二准样本的货源的特征编码中的随机位置进行变更。
在本发明的一些实施例中，所述将待排序货源与所述最优种群进行匹配，以按所述最优种群对待排序货源进行排序包括：
将所述最优种群中各货源的特征编码进行解码，获得各货源的货源数据、司机数据及位置数据；
将待排序货源与所述最优种群中各货源的货源数据、司机数据进行匹配，以确定待排序货源在货源列表上的位置。
根据本发明的又一方面，还提供了一种货源排序推荐装置，包括：
采集模块，用于采集货源数据、司机数据以及货源列表显示数据；
编码模块，用于对各所述货源列表上的各货源进行编码获得特征编码，所述特征编码包括货源编码、司机编码以及位置编码，所述货源编码通过对该货源的货源数据进行编码获得，所述司机编码通过对浏览该货源列表的司机数据进行编码获得，所述位置编码通过对该货源在该货源列表上的位置进行编码获得；
最优获取模块，用于根据各所述货源列表上的各货源的特征编码采用遗传算法对待显示货源列表进行求解，获得最优种群；
匹配显示模块，用于将待排序货源与所述最优种群进行匹配，以按所述最优种群对待排序货源进行排序，并将经排序的货源显示于货源列表，
其中，对各所述货源列表上的各货源，将其电话量及曝光量的比值作为所述遗传算法的位置增益。
根据本发明的又一方面，还提供一种电子设备，所述电子设备包括：处理器；存储介质，其上存储有计算机程序，所述计算机程序被所述处理器运行时执行如上所述的步骤。
根据本发明的又一方面，还提供一种存储介质，所述存储介质上存储有计算机程序，所述计算机程序被处理器运行时执行如上所述的步骤。
相比现有技术，本发明的优势在于：
对各所述货源列表上的各货源，采用其电话量及曝光量的比值作为所述遗传算法的位置增益，利用遗传算法计算排序货源列表的最优解，从而可以根据货源列表的最优解向司机返回经排序的货源列表。由此，实现了适用于线上物流平台场景的货源排序及展示方式。
附图说明
通过参照附图详细描述其示例实施方式，本发明的上述和其它特征及优点将变得更加明显。
图1示出了根据本发明实施例的货源排序推荐方法的流程图。
图2示出了根据本发明具体实施例的遗传算法的流程图。
图3示出了根据本发明具体实施例的将待排序货源与所述最优种群进行匹配的流程图。
图4示出了根据本发明实施例的货源排序推荐装置的模块图。
图5示意性示出本发明示例性实施例中一种计算机可读存储介质示意图。
图6示意性示出本发明示例性实施例中一种电子设备示意图。
具体实施方式
现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的范例；相反，提供这些实施方式使得本发明将更加全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。
此外，附图仅为本发明的示意性图解，并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体，不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
附图中所示的流程图仅是示例性说明，不是必须包括所有的步骤。例如，有的步骤还可以分解，而有的步骤可以合并或部分合并，因此，实际执行的顺序有可能根据实际情况改变。
图1示出了根据本发明实施例的货源排序推荐方法的流程图。货源排序推荐方法包括如下步骤：
步骤S110：采集货源数据、司机数据以及货源列表显示数据；
步骤S120：对各所述货源列表上的各货源进行编码获得特征编码，所述特征编码包括货源编码、司机编码以及位置编码，所述货源编码通过对该货源的货源数据进行编码获得，所述司机编码通过对浏览该货源列表的司机数据进行编码获得，所述位置编码通过对该货源在该货源列表上的位置进行编码获得；
步骤S130：根据各所述货源列表上的各货源的特征编码采用遗传算法对待显示货源列表进行求解，获得最优种群；
步骤S140：将待排序货源与所述最优种群进行匹配，以按所述最优种群对待排序货源进行排序，并将经排序的货源显示于货源列表，
其中，对各所述货源列表上的各货源，将其电话量及曝光量的比值作为所述遗传算法的位置增益。
在本发明提供的货源排序推荐方法中，对各所述货源列表上的各货源，采用其电话量及曝光量的比值作为所述遗传算法的位置增益，利用遗传算法计算排序货源列表的最优解，从而可以根据货源列表的最优解向司机返回经排序的货源列表。由此，实现了适用于线上物流平台场景的货源排序及展示方式。
在本发明的各个实施例中，货源数据包括请求车长、请求车辆类型、货源类型、货重、体积中的一项或多项。司机数据包括车长、车辆类型、载重中的一项或多项。司机数据为浏览该货源列表的司机的司机数据。货源列表显示数据包括每一货源列表中，各货源在货源列表中的位置、该货源在该位置的电话量、该货源在该位置的曝光量。具体而言，所述的电话量指的是浏览该货源的司机向发布该货源的货主打电话(包括网络电话)的次数。所述的曝光量指的是该货源被浏览的次数。例如，货源列表共包括200个货源，当用户浏览第一页的20个货源时，该20个货源被浏览的次数增加1。
在本发明的一些具体实现中，可以仅采集各货源列表的第一页的货源的货源数据和司机数据，从而大幅度减少算法计算量，同时对于第一页的货源列表的排序产生的影响较小。
在本发明的各个实施例中，通过对该货源的货源数据进行编码获得所述货源编码、通过对浏览该货源列表的司机数据进行编码获得所述司机编码、通过对该货源在该货源列表上的位置进行编码获得所述位置编码，该三种编码可以采用二进制编码法、浮点编码法、符号编码法中的一种或多种，本发明并非以此为限制。
下面参见图2，图2示出了根据本发明具体实施例的根据各所述货源列表上的各货源的特征编码采用遗传算法对待显示货源列表进行求解，获得最优种群的流程图。图2共示出如下步骤：
步骤S210：根据各所述货源列表上的各货源的特征编码构建初始种群，将初始种群作为父样本。
具体而言，每一初始种群可以为一货源列表。在一个优选例中，每一初始种群可以为一货源列表的第一页。
步骤S220：计算每一父样本的位置增益。
具体而言，每一父样本包括多个货源，父样本的位置增益为该父样本的各货源的位置增益之和。
步骤S230：将位置增益较高的P％的父样本作为第一准样本，P为大于1小于100的整数。
具体而言，在一些具体实现中，P为大于等于40小于等于60的常数。优选地，P可以为50。
步骤S240：对准样本中各货源进行交叉编码，获得N个第二准样本，N为大于等于1的整数。
具体而言，在一个优选实施例中，所述第二准样本的数量与第一准样本的数量相同。
具体而言，交叉编码可以采用单点交叉(在个体编码串中只随机设置一个交叉点，然后再该点相互交换两个配对个体的部分货源编码)、两点交叉(在个体编码串中随机设置了两个交叉点，然后再进行部分货源编码交换)、多点交叉(两个配对个体的每个货源上的货源编码都以相同的交叉概率进行交换，从而形成两个新个体)，本发明并非以此为限制。
步骤S250：以M的概率对所述第二准样本进行随机变异，将变异后的第一准样本和第二准样本作为子样本，M为大于0小于1的常数。
具体而言，所述随机变异包括对所述第二准样本的货源的特征编码中的随机位置进行变更。
进一步地，采用的变异方式可以包括基本位变异(Simple Mutation)、均匀变异(Uniform Mutation)、边界变异(Boundary Mutation)、非均匀变异、高斯近似变异中的一种或多种。
具体而言，M为大于等于0.05小于等于0.2的常数。优选地，M可以为0.1。
步骤S260：判断各子样本的总位置增益是否大于等于各父样本的总位置增益。
若步骤S260判断为是，则执行步骤S270将所述子样本作为父样本，执行步骤S220至步骤S260。
若步骤S260判断为否，则执行步骤S280输出子样本中位置增益最高的子样本作为最优种群。
由此，根据上述遗传算法，可以求解获得最优种群。
下面参见图3，图3示出了根据本发明具体实施例的将待排序货源与所述最优种群进行匹配的流程图。图3共示出如下步骤：
步骤S310：将所述最优种群中各货源的特征编码进行解码，获得各货源的货源数据、司机数据及位置数据。
步骤S320：将待排序货源与所述最优种群中各货源的货源数据、司机数据进行匹配，以确定待排序货源在货源列表上的位置。
具体而言，在本发明的最优种群的迭代过程中，司机编码不进行任何变化，从而获得的最优种群中每一特征编码的司机编码相同，避免产生混淆。进一步地，可以针对为各司机编码迭代获得各自的最优种群，从而在解码后，首先进行司机数据的匹配，进而获取该司机数据的司机编码的最优种群，确定待排序货源在货源列表上的位置。
以上仅仅是本发明的具体实现方式，各实施例可以单独或组合来实现。本发明并非以此为限制。
根据本发明的又一方面，还提供一种货源排序推荐装置，图4示出了根据本发明实施例的货源排序推荐装置的模块图。货源排序推荐装置400包括采集模块410，编码模块420、最优获取模块430以及匹配显示模块440。
采集模块410用于采集货源数据、司机数据以及货源列表显示数据；
编码模块420用于对各所述货源列表上的各货源进行编码获得特征编码，所述特征编码包括货源编码、司机编码以及位置编码，所述货源编码通过对该货源的货源数据进行编码获得，所述司机编码通过对浏览该货源列表的司机数据进行编码获得，所述位置编码通过对该货源在该货源列表上的位置进行编码获得；
最优获取模块430用于根据各所述货源列表上的各货源的特征编码采用遗传算法对待显示货源列表进行求解，获得最优种群；
匹配显示模块440用于将待排序货源与所述最优种群进行匹配，以按所述最优种群对待排序货源进行排序，并将经排序的货源显示于货源列表，
其中，对各所述货源列表上的各货源，将其电话量及曝光量的比值作为所述遗传算法的位置增益。
在本发明提供的货源排序推荐装置中，对各所述货源列表上的各货源，采用其电话量及曝光量的比值作为所述遗传算法的位置增益，利用遗传算法计算排序货源列表的最优解，从而可以根据货源列表的最优解向司机返回经排序的货源列表。由此，实现了适用于线上物流平台场景的货源排序及展示方式。
图4仅仅是示意性的示出本发明提供的货源排序推荐装置400，在不违背本发明构思的前提下，模块的拆分、合并、增加都在本发明的保护范围之内。本发明提供的货源排序推荐装置400可以由软件、硬件、固件、插件及他们之间的任意组合来实现，本发明并非以此为限。
在本发明的示例性实施例中，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，该程序被例如处理器执行时可以实现上述任意一个实施例中所述货源排序推荐方法及货源排序推荐方法的步骤。在一些可能的实施方式中，本发明的各个方面还可以实现为一种程序产品的形式，其包括程序代码，当所述程序产品在终端设备上运行时，所述程序代码用于使所述终端设备执行本说明书上述货源排序推荐方法及货源排序推荐方法部分中描述的根据本发明各种示例性实施方式的步骤。
参考图5所示，描述了根据本发明的实施方式的用于实现上述方法的程序产品700，其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码，并可以在终端设备，例如个人电脑上运行。然而，本发明的程序产品不限于此，在本文件中，可读存储介质可以是任何包含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。
所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、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。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、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
所述计算机可读存储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，其中承载了可读程序代码。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。可读存储介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、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。可读存储介质上包含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、有线、光缆、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的任意组合来编写用于执行本发明操作的程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等，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租户计算设备上执行、部分地在租户设备上执行、作为一个独立的软件包执行、部分在租户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(LAN)或广域网(WAN)，连接到租户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
在本发明的示例性实施例中，还提供一种电子设备，该电子设备可以包括处理器，以及用于存储所述处理器的可执行指令的存储器。其中，所述处理器配置为经由执行所述可执行指令来执行上述任意一个实施例中所述货源排序推荐方法及货源排序推荐方法的步骤。
所属技术领域的技术人员能够理解，本发明的各个方面可以实现为系统、方法或程序产品。因此，本发明的各个方面可以具体实现为以下形式，即：完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等)，或硬件和软件方面结合的实施方式，这里可以统称为“电路”、“模块”或“系统”。
下面参照图6来描述根据本发明的这种实施方式的电子设备500。图6显示的电子设备500仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
如图6所示，电子设备500以通用计算设备的形式表现。电子设备500的组件可以包括但不限于：至少一个处理单元510、至少一个存储单元520、连接不同系统组件(包括存储单元520和处理单元510)的总线530、显示单元540等。
其中，所述存储单元存储有程序代码，所述程序代码可以被所述处理单元510执行，使得所述处理单元510执行本说明书上述货源排序推荐方法及货源排序推荐方法部分中描述的根据本发明各种示例性实施方式的步骤。例如，所述处理单元510可以执行如图1至图3所示的步骤。
所述存储单元520可以包括易失性存储单元形式的可读介质，例如随机存取存储单元(RAM)5201和/或高速缓存存储单元5202，还可以进一步包括只读存储单元(ROM)5203。
所述存储单元520还可以包括具有一组(至少一个)程序模块5205的程序/实用工具5204，这样的程序模块5205包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。
总线530可以为表示几类总线结构中的一种或多种，包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
电子设备500也可以与一个或多个外部设备600(例如键盘、指向设备、蓝牙设备等)通信，还可与一个或者多个使得租户能与该电子设备500交互的设备通信，和/或与使得该电子设备500能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口550进行。并且，电子设备500还可以通过网络适配器560与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。网络适配器560可以通过总线530与电子设备500的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备500使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本发明实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、或者网络设备等)执行根据本发明实施方式的上述货源排序推荐方法及货源排序推荐方法。
相比现有技术，本发明的优势在于：
对各所述货源列表上的各货源，采用其电话量及曝光量的比值作为所述遗传算法的位置增益，利用遗传算法计算排序货源列表的最优解，从而可以根据货源列表的最优解向司机返回经排序的货源列表。由此，实现了适用于线上物流平台场景的货源排序及展示方式。
本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本发明的其它实施方案。本申请旨在涵盖本发明的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本发明的一般性原理并包括本发明未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本发明的真正范围和精神由所附的权利要求指出。

Claims (10)

1.一种货源排序推荐方法，其特征在于，包括：
采集货源数据、司机数据以及货源列表显示数据；
对各所述货源列表上的各货源进行编码获得特征编码，所述特征编码包括货源编码、司机编码以及位置编码，所述货源编码通过对该货源的货源数据进行编码获得，所述司机编码通过对浏览该货源列表的司机数据进行编码获得，所述位置编码通过对该货源在该货源列表上的位置进行编码获得；
根据各所述货源列表上的各货源的特征编码采用遗传算法对待显示货源列表进行求解，获得最优种群；
将待排序货源与所述最优种群进行匹配，以按所述最优种群对待排序货源进行排序，并将经排序的货源显示于货源列表，
其中，对各所述货源列表上的各货源，将其电话量及曝光量的比值作为所述遗传算法的位置增益。
2.如权利要求1所述的货源排序推荐方法，其特征在于，所述根据各所述货源列表上的各货源的特征编码采用遗传算法对待显示货源列表进行求解，获得最优种群包括：
A.根据各所述货源列表上的各货源的特征编码构建初始种群，将初始种群作为父样本；
B.计算每一父样本的位置增益；
C.将位置增益较高的P％的父样本作为第一准样本，P为大于1小于100的常数；
D.对准样本中各货源进行交叉编码，获得N个第二准样本，N为大于等于1的整数；
E.以M的概率对所述第二准样本进行随机变异，将变异后的第一准样本和第二准样本作为子样本，M为大于0小于1的常数；
F.判断各子样本的总位置增益是否大于等于各父样本的总位置增益；
若步骤F判断为是，则将所述子样本作为父样本，执行步骤B至步骤F；
若步骤F判断为否，则输出子样本中位置增益最高的子样本作为最优种群。
3.如权利要求2所述的货源排序推荐方法，其特征在于，所述第二准样本的数量与第一准样本的数量相同。
4.如权利要求2所述的货源排序推荐方法，其特征在于，每一初始种群为一货源列表。
5.如权利要求2所述的货源排序推荐方法，其特征在于，P为大于等于40小于等于60的常数，M为大于等于0.05小于等于0.2的常数。
6.如权利要求2所述的货源排序推荐方法，其特征在于，所述随机变异包括对所述第二准样本的货源的特征编码中的随机位置进行变更。
7.如权利要求1至6任一项所述的货源排序推荐方法，其特征在于，所述将待排序货源与所述最优种群进行匹配，以按所述最优种群对待排序货源进行排序包括：
将所述最优种群中各货源的特征编码进行解码，获得各货源的货源数据、司机数据及位置数据；
将待排序货源与所述最优种群中各货源的货源数据、司机数据进行匹配，以确定待排序货源在货源列表上的位置。
8.一种货源排序推荐装置，其特征在于，包括：
采集模块，用于采集货源数据、司机数据以及货源列表显示数据；
编码模块，用于对各所述货源列表上的各货源进行编码获得特征编码，所述特征编码包括货源编码、司机编码以及位置编码，所述货源编码通过对该货源的货源数据进行编码获得，所述司机编码通过对浏览该货源列表的司机数据进行编码获得，所述位置编码通过对该货源在该货源列表上的位置进行编码获得；
最优获取模块，用于根据各所述货源列表上的各货源的特征编码采用遗传算法对待显示货源列表进行求解，获得最优种群；
匹配显示模块，用于将待排序货源与所述最优种群进行匹配，以按所述最优种群对待排序货源进行排序，并将经排序的货源显示于货源列表，
其中，对各所述货源列表上的各货源，将其电话量及曝光量的比值作为所述遗传算法的位置增益。
9.一种电子设备，其特征在于，所述电子设备包括：
处理器；
存储器，其上存储有计算机程序，所述计算机程序被所述处理器运行时执行如权利要求1至7任一项所述的货源排序推荐方法。
10.一种存储介质，其特征在于，所述存储介质上存储有计算机程序，所述计算机程序被所述处理器运行时执行如权利要求1至7任一项所述的货源排序推荐方法。
CN202010125912.7A 2020-02-27 2020-02-27 货源排序推荐方法、装置、电子设备、存储介质 Active CN111368189B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010125912.7A CN111368189B (zh) 2020-02-27 2020-02-27 货源排序推荐方法、装置、电子设备、存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010125912.7A CN111368189B (zh) 2020-02-27 2020-02-27 货源排序推荐方法、装置、电子设备、存储介质

Publications (2)

Publication Number Publication Date
CN111368189A true CN111368189A (zh) 2020-07-03
CN111368189B CN111368189B (zh) 2022-09-27

Family

ID=71210126

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010125912.7A Active CN111368189B (zh) 2020-02-27 2020-02-27 货源排序推荐方法、装置、电子设备、存储介质

Country Status (1)

Country Link
CN (1) CN111368189B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112231564A (zh) * 2020-10-16 2021-01-15 江苏满运物流信息有限公司 货源排序方法、装置、电子设备、存储介质
CN116433138A (zh) * 2023-06-13 2023-07-14 长沙争渡网络科技有限公司 一种基于遗传算法的物流平台信息推送方法及系统

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109284852A (zh) * 2018-07-17 2019-01-29 昆明理工大学 一种应用于物流配送中心的车辆分配过程的优化调度方法
CN110457545A (zh) * 2019-08-16 2019-11-15 第四范式（北京）技术有限公司 一种确定推荐系统中排序模型的参数的方法及装置

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109284852A (zh) * 2018-07-17 2019-01-29 昆明理工大学 一种应用于物流配送中心的车辆分配过程的优化调度方法
CN110457545A (zh) * 2019-08-16 2019-11-15 第四范式（北京）技术有限公司 一种确定推荐系统中排序模型的参数的方法及装置

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112231564A (zh) * 2020-10-16 2021-01-15 江苏满运物流信息有限公司 货源排序方法、装置、电子设备、存储介质
CN112231564B (zh) * 2020-10-16 2022-07-08 江苏满运物流信息有限公司 货源排序方法、装置、电子设备、存储介质
CN116433138A (zh) * 2023-06-13 2023-07-14 长沙争渡网络科技有限公司 一种基于遗传算法的物流平台信息推送方法及系统
CN116433138B (zh) * 2023-06-13 2023-09-22 长沙争渡网络科技有限公司 一种基于遗传算法的物流平台信息推送方法及系统

Also Published As

Publication number Publication date
CN111368189B (zh) 2022-09-27

Similar Documents

Publication Publication Date Title
CN110555469B (zh) 处理交互序列数据的方法及装置
CN110427560B (zh) 一种应用于推荐系统的模型训练方法以及相关装置
CN112508691B (zh) 基于关系网标签化和图神经网络的风险预测方法及装置
CN110119445B (zh) 生成特征向量和基于特征向量进行文本分类的方法和装置
CN108984555B (zh) 用户状态挖掘和信息推荐方法、装置以及设备
CN112395487B (zh) 信息推荐方法、装置、计算机可读存储介质及电子设备
CN111368189B (zh) 货源排序推荐方法、装置、电子设备、存储介质
CN113139115B (zh) 信息推荐方法、搜索方法、装置及客户端、介质及设备
CN112818685A (zh) 地址匹配方法、装置、电子设备及存储介质
CN113360788A (zh) 一种地址推荐方法、装置、设备及存储介质
CN113779186A (zh) 一种文本生成方法和装置
CN111414533A (zh) 推荐信息的生成方法、装置、电子设备、存储介质
CN113450167A (zh) 一种商品推荐方法和装置
CN115080039A (zh) 前端代码生成方法、装置、计算机设备、存储介质和产品
CN113822734B (zh) 用于生成信息的方法和装置
CN112905885A (zh) 向用户推荐资源的方法、装置、设备、介质和程序产品
CN110348581B (zh) 用户特征群中用户特征寻优方法、装置、介质及电子设备
CN113742564A (zh) 目标资源的推送方法和装置
CN115238676B (zh) 招标需求热点识别方法、装置、存储介质及电子设备
CN111339423A (zh) 基于用户的旅游城市推送方法、系统、设备及存储介质
CN111598638A (zh) 点击率确定方法、装置及设备
CN112307334B (zh) 信息推荐方法、信息推荐装置、存储介质与电子设备
CN115879956A (zh) 一种电商客户维护推送方法、装置、设备及存储介质
CN110807646A (zh) 数据分析方法、装置和计算机可读存储介质
CN111475737B (zh) 用户推荐方法、装置、电子设备、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
GR01 Patent grant
GR01 Patent grant