CN111582407A - 任务处理方法、装置、可读存储介质和电子设备 - Google Patents

任务处理方法、装置、可读存储介质和电子设备 Download PDF

Info

Publication number
CN111582407A
CN111582407A CN202010568391.2A CN202010568391A CN111582407A CN 111582407 A CN111582407 A CN 111582407A CN 202010568391 A CN202010568391 A CN 202010568391A CN 111582407 A CN111582407 A CN 111582407A
Authority
CN
China
Prior art keywords
task
duration
historical
information
attribute information
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
CN202010568391.2A
Other languages
English (en)
Other versions
CN111582407B (zh
Inventor
余维
朱麟
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.)
Rajax Network Technology Co Ltd
Original Assignee
Rajax Network 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 Rajax Network Technology Co Ltd filed Critical Rajax Network Technology Co Ltd
Priority to CN202010568391.2A priority Critical patent/CN111582407B/zh
Publication of CN111582407A publication Critical patent/CN111582407A/zh
Application granted granted Critical
Publication of CN111582407B publication Critical patent/CN111582407B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • 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
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06311—Scheduling, planning or task assignment for a person or group
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
    • G06Q10/083—Shipping
    • G06Q10/0838—Historical data

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Physics & Mathematics (AREA)
  • Development Economics (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Marketing (AREA)
  • Data Mining & Analysis (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Artificial Intelligence (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Educational Administration (AREA)
  • Game Theory and Decision Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Information Transfer Between Computers (AREA)

Abstract

本发明实施例公开了一种任务处理方法、装置、可读存储介质和电子设备。本发明实施例通过确定任务信息，预测第一任务处理终端处理所述任务信息可能需要的候选处理时长，以及预测所述候选处理时长过程中可能产生的误差时长，根据所述误差时长对候选任务时长进行修正得到最终的任务时长，将所述任务时长发送给预定的第二任务处理终端，以通过所述第二任务处理终端基于所述任务时长进行后续的任务处理。本发明实施例能够通过误差修正提高任务时长的准确率，避免了占用第二任务处理终端时间过长，提高系统整体的任务处理效率。

Description

任务处理方法、装置、可读存储介质和电子设备
技术领域
本发明涉及计算机技术领域，尤其涉及一种任务处理方法、装置、可读存储介质和电子设备。
背景技术
在某些互联网软件平台的运营过程中，需要调配大量的任务处理装置对平台接收到的任务进行处理，以调度平台可用的任务处理装置以合理的方式流动。其中，所述调度平台可以调度不同的任务处理装置按顺序执行对应的任务信息，即在一个任务处理装置执行对应的任务信息后，另一个任务处理装置才开始执行任务信息。对于所述需要按顺序执行任务的情况，当在先的任务处理装置未按时完成任务的情况下，在后的任务处理装置无法执行对应的任务；在先的任务处理装置提前完成任务的情况下，在后的任务处理装置开始处理任务之前会出现一段空闲时间。由此，所述在后任务处理装置被占用或出现空闲时间都会导致所述系统的整体任务处理效率降低。
发明内容
有鉴于此，本发明实施例提供了一种任务处理方法、装置、可读存储介质和电子设备，旨在准确的确定任务处理时长，以提高系统整体的任务处理效率。
第一方面，本发明实施例提供了一种任务处理方法，所述方法包括：
确定任务信息，所述任务信息中包括任务内容和终端标识，所述终端标识用于表征处理所述任务信息的第一任务处理终端；
确定所述终端标识对应的属性信息；
将所述任务内容和所述属性信息输入预先训练的第一模型，以确定候选任务时长；
将所述任务内容和所述属性信息输入预先训练的第二模型，以确定误差时长；
根据所述误差时长对所述候选任务时长进行修正以确定任务时长；
向预定的第二任务处理终端发送所述任务时长。
进一步地，所述根据所述误差时长对所述候选任务时长进行修正以确定任务时长包括：
计算所述误差时长和预设的修正系数的乘积，以确定修正时长；
计算所述候选任务时长和所述修正时长的差，以确定任务时长。
进一步地，所述属性信息包括所述终端标识对应的历史任务时长特征值。
进一步地，所述第一模型的训练过程包括：
确定模型训练集，所述模型训练集包括至少一个历史任务信息的历史任务内容，以及各所述历史任务信息中的终端标识对应的属性信息以及历史任务时长；
将所述历史任务内容和对应的属性信息作为输入，将所述历史任务时长作为输出训练得到所述第一模型。
进一步地，所述第二模型的训练过程包括：
确定模型训练集，所述模型训练集包括至少一个历史任务信息的历史任务内容，以及各所述历史任务信息中的终端标识对应的属性信息以及历史任务时长；
将所述历史任务内容和对应的属性信息输入所述第一模型，以确定预测任务时长；
将所述历史任务内容和对应的属性信息作为输入，将所述历史任务时长和所述预测任务时长差值的绝对值作为输出训练得到所述第二模型。
第二方面，本发明实施例提供了一种任务处理装置，所述装置包括：
信息确定模块，用于确定任务信息，所述任务信息中包括任务内容和终端标识，所述终端标识用于表征处理所述任务信息的第一任务处理终端；
属性确定模块，用于确定所述终端标识对应的属性信息；
第一时长预测模块，用于将所述任务内容和所述属性信息输入预先训练的第一模型，以确定候选任务时长；
第二时长预测模块，用于将所述任务内容和所述属性信息输入预先训练的第二模型，以确定误差时长；
时长修正模块，用于根据所述误差时长对所述候选任务时长进行修正以确定任务时长；
信息发送模块，用于向预定的第二任务处理终端发送所述任务时长。
进一步地，所述时长修正模块包括：
修正时长确定单元，用于计算所述误差时长和预设的修正系数的乘积，以确定修正时长；
任务时长确定单元，用于计算所述候选任务时长和所述修正时长的差，以确定任务时长。
进一步地，所述属性信息包括所述终端标识对应的历史任务时长特征值。
进一步地，所述第一模型的训练过程包括：
确定模型训练集，所述模型训练集包括至少一个历史任务信息的历史任务内容，以及各所述历史任务信息中的终端标识对应的属性信息以及历史任务时长；
将所述历史任务内容和对应的属性信息作为输入，将所述历史任务时长作为输出训练得到所述第一模型。
进一步地，所述第二模型的训练过程包括：
确定模型训练集，所述模型训练集包括至少一个历史任务信息的历史任务内容，以及各所述历史任务信息中的终端标识对应的属性信息以及历史任务时长；
将所述历史任务内容和对应的属性信息输入所述第一模型，以确定预测任务时长；
将所述历史任务内容和对应的属性信息作为输入，将所述历史任务时长和所述预测任务时长差值的绝对值作为输出训练得到所述第二模型。
第三方面，本发明实施例提供了一种计算机可读存储介质，用于存储计算机程序指令，所述计算机程序指令在被处理器执行时实现如第一方面中任一项所述的方法。
第四方面，本发明实施例提供了一种电子设备，包括存储器和处理器，所述存储器用于存储一条或多条计算机程序指令，其中，所述一条或多条计算机程序指令被所述处理器执行以实现如第一方面中任一项所述的方法。
本发明实施例通过确定任务信息，预测第一任务处理终端处理所述任务信息可能需要的候选处理时长，以及预测所述候选处理时长过程中可能产生的误差时长，根据所述误差时长对候选任务时长进行修正得到最终的任务时长，将所述任务时长发送给预定的第二任务处理终端，以通过所述第二任务处理终端基于所述任务时长进行后续的任务处理。本发明实施例能够通过误差修正提高任务时长的准确率，避免了占用第二任务处理终端时间过长，提高系统整体的任务处理效率。
附图说明
通过以下参照附图对本发明实施例的描述，本发明的上述以及其它目的、特征和优点将更为清楚，在附图中：
图1为可以实施本发明实施例的任务处理方法的任务处理系统的示意图；
图2为本发明实施例的任务处理方法的流程图；
图3为本发明实施例的确定候选任务时长以及误差时长的示意图；
图4为本发明实施例的任务处理方法的应用场景示意图；
图5为本发明实施例的任务处理装置的示意图；
图6为本发明实施例的电子设备的示意图。
具体实施方式
以下基于实施例对本发明进行描述，但是本发明并不仅仅限于这些实施例。在下文对本发明的细节描述中，详尽描述了一些特定的细节部分。对本领域技术人员来说没有这些细节部分的描述也可以完全理解本发明。为了避免混淆本发明的实质，公知的方法、过程、流程、元件和电路并没有详细叙述。
此外，本领域普通技术人员应当理解，在此提供的附图都是为了说明的目的，并且附图不一定是按比例绘制的。
除非上下文明确要求，否则在说明书的“包括”、“包含”等类似词语应当解释为包含的含义而不是排他或穷举的含义；也就是说，是“包括但不限于”的含义。
在本发明的描述中，需要理解的是，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性。此外，在本发明的描述中，除非另有说明，“多个”的含义是两个或两个以上。
图1为可以实施本发明实施例的任务处理方法的任务处理系统的示意图，如图1所示，所述系统包括通过网络连接的服务器10、任务发送终端11和第一任务处理终端12。其中，所述服务器10用于接收至少一个所述任务发送终端11发送的第一任务信息，将各所述第一任务信息与至少一个第一任务处理终端12进行匹配，再将各所述第一任务信息分配至匹配到的第一任务处理终端12进行处理。本发明实施例可以应用于任何通过服务器进行任务分配、调度的系统中，以将各任务分配到适合的第一任务处理终端进行处理。例如外卖平台的订单分配场景、网约车平台的订单分配场景、以及各种网络平台的售后处理客服匹配系统等应用场景。
在本发明实施例中，所述服务器10可以是单个服务器、也可以是以分布式方式配置的服务器集群。所述任务发送终端11和第一任务处理终端12可以是能够运行计算机程序的、具有通信功能通用数据处理终端，例如，智能手机或平板电脑等。
以外卖平台的订单分配场景为例进行说明，所述服务器10为外卖平台的服务器，用于分配外卖订单，所述外卖订单中包括商家标识；所述任务发送终端11为用户终端，用于向所述服务器10发送外卖订单；所述第一任务处理终端12为平台绑定的商家终端，用于接收包括对应商家标识的外卖订单，以根据所述外卖订单准备需要配送的商品。所述服务器10与多个用户终端11和多个商家终端12连接，用于获取各所述商家终端12对应的属性信息，以在为所述商家终端12分配对应的外卖订单后根据所述属性信息预测所述商家终端准备需要配送的商品的时间，以及所述时间的误差，根据所述时间和误差确定最终的商品准备时长。
进一步地，在本发明实施例的一个可选的实现方式中。所述任务处理系统包括服务器10、任务发送终端11、第一任务处理终端12和第二任务处理终端13。所述任务发送终端11用于向所述服务器1发送任务信息集合，所述任务信息集合包括需要按照顺序执行的第一任务信息和第二任务信息。所述服务器10用于将所述第一任务信息分配至对应的第一任务处理终端12，将所述第二任务信息分配至对应的第二任务处理终端13。在本发明实施例中，所述服务器10还用于通过预测所述第一任务信息的处理时长和误差时长，根据所述误差时长修正处理时长得到所述第一任务处理终端12处理任务所需的时长，将所述时长发送至所述第二任务处理终端13，以使得所述第二任务处理终端13基于所述时长确定所述第一任务处理终端12处理完第一任务信息的时刻，开始处理第二任务信息。其中，所述第二任务处理终端13可以是能够运行计算机程序的、具有通信功能通用数据处理终端，例如，智能手机或平板电脑等。
以外卖平台的订单分配场景为例进行说明，所述服务器10为外卖平台的服务器，用于分配外卖订单，所述外卖订单中包括商家备货任务和骑手配送任务；所述任务发送终端11为用户终端，用于向所述服务器10发送外卖订单；所述第一任务处理终端12为平台绑定的商家终端，用于接收包括对应商家备货任务，以根据所述外卖订单准备需要配送的商品；所述第二任务处理终端13为平台的配送终端，用于接收骑手配送任务，以将所述商家终端完成备货的物品配送至用户。所述服务器10与多个用户终端11、商家终端12以及配送终端13连接，用于获取各所述商家终端12对应的属性信息，以在根据所述属性信息预测所述商家终端准备需要配送的商品的时间以及所述时间的误差，根据所述时间和误差确定最终的商品准备时长，将所述商品准备时长发送至所述配送终端13，所述配送终端13根据所述商品准备时长处理骑手配送任务。
图2为本发明实施例的任务处理方法的流程图，如图2所示，所述任务处理方法包括：
步骤S100、确定任务信息。
具体地，所述任务信息可以通过任务发送终端发送，由服务器接收。所述任务信息包括任务内容和终端标识，所述终端标识用于表征处理所述任务信息的第一任务处理终端，所述任务内容可以包括任务详情、任务难度、任务标签以及任务要求等任务内容信息。其中，所述终端标识例如可以是处理所述任务信息的第一任务处理终端的终端名称、ID、代码等信息。以所述任务处理方法用于外卖软件为例进行说明。所述任务信息可以为通过用户终端发送，由所述外卖软件平台的服务器接收的配送商品准备任务。其中，所述任务信息包括任务内容和终端标识，所述终端标识用于表征进行配送商品准备工作的商家终端，所述任务详情可以包括所述商家终端需要准备的商品清单，所述任务难度可以为困难、简单、一般或者用于表征任务难度的0-10评分，所述任务标签可以为普通任务、准时达任务和预定任务等服务器预先设定的标签，所述任务要求可以为用户指定的其他要求。
步骤S200、确定所述终端标识对应的属性信息。
具体地，所述服务器根据所述任务信息中的终端标识确定对应的属性信息，所述确定属性信息的确定过程可以为服务器以键值对的方式预先存储多个终端标识和对应的属性信息，直接根据预设的终端标识和属性信息的对应关系获取属性信息。例如，当所述服务器中预先存储“终端标识1：属性信息A”、“终端标识2：属性信息B”、“终端标识3：属性信息C”，且所述服务器获取到的任务信息中包含的终端标识为终端标识2时，所述服务器确定所述终端标识对应的属性信息为属性信息B。
其中，所述属性信息用于表征所述终端标识对应的第一任务处理终端的至少一种属性，例如可以是等级、任务完成率、任务好评率、历史任务处理时长以及历史任务时长特征值等，所述历史任务时长特征值例如可以为历史任务处理时长的平均值、众数等可以表征所述历史任务处理时间特征的值，可以通过计算历史任务处理时长确定。以所述任务处理方法用于外卖软件为例进行说明。所述终端标识用于表征进行配送商品准备工作的商家终端，所述属性信息例如可以包括商家等级、商家历史任务完成率、历史任务好评率、历史任务处理时长，以及根据所述历史任务处理时长计算得到的历史任务时长特征值。
步骤S300、将所述任务内容和所述属性信息输入预先训练的第一模型，以确定候选任务时长。
具体地，所述服务器在确定属性信息后，将所述任务信息中的任务内容和所述第一任务处理装置对应的属性信息输入预先训练得到的第一模型，输出对应的候选任务时长，所述候选任务时长用于表征所述第一任务处理装置处理所述任务信息需要的时长。仍以所述任务处理方法用于外卖软件为例进行说明。所述服务器将用户发送的商家备货任务内容和对应商家的属性信息输入所述第一模型，输出所述商家本次备货过程可能需要的备货时长。
在本发明实施例中，所述第一模型的训练过程为先确定模型训练集，所述模型训练集包括至少一个历史任务信息的历史任务内容，以及各所述历史任务信息中的终端标识对应的属性信息以及历史任务时长。再将所述历史任务内容和对应的属性信息作为输入，将所述历史任务时长作为输出训练得到所述第一模型。例如，在外卖软件的应用场景下，所述服务器获取多个历史备货任务和对应的历史任务时长，确定各所述历史备货任务中的历史备货内容以及商家标识，进一步确定各所述商家标识对应的商家属性信息。将所述历史备货内容和对应的商家属性信息作为输入，将对应的历史任务时长作为输出训练得到所述第一模型。
步骤S400、将所述任务内容和所述属性信息输入预先训练的第二模型，以确定误差时长。
具体地，由于所述服务器在步骤S300中预测所述第一任务处理装置处理所述任务信息需要的候选任务时长可能存在一定的误差，所述服务器需要通过第二模型确定所述误差时长，以根据所述误差时长对所述候选任务时长进行修正。其中，所述服务器将所述任务信息中的任务内容和所述属性信息输入预先训练得到的第二模型，输出对应的误差时长。仍以所述任务处理方法用于外卖软件为例进行说明。所述服务器将用户发送的商家备货任务内容和对应商家的属性信息输入所述第二模型，输出所述商家本次备货过程可能需要的备货时长对应的误差时长。
在本发明实施例中，所述第二模型的训练过程为先确定模型训练集，所述模型训练集包括至少一个历史任务信息的历史任务内容，以及各所述历史任务信息中的终端标识对应的属性信息以及历史任务时长。再将所述历史任务内容和对应的属性信息输入已经训练好的所述第一模型，以确定预测任务时长。最后将所述历史任务内容和对应的属性信息作为输入，将所述历史任务时长和所述预测任务时长差值的绝对值作为输出训练得到所述第二模型。例如，在外卖软件的应用场景下，所述服务器获取多个历史备货任务和对应的历史任务时长，确定各所述历史备货任务中的历史备货内容以及商家标识，进一步确定各所述商家标识对应的商家属性信息。将所述历史备货内容和对应的商家属性信息作为已经训练好的第一模型的输入，输出商家处理所述历史备货任务可能需要的备货时长，再确定所述可能需要的备货时长与实际的历史任务时长差值的绝对值。将所述历史备货内容和对应的商家属性信息作为第二模型的输入，将所述绝对值作为输出训练得到所述第二模型。
图3为本发明实施例的确定候选任务时长以及误差时长的示意图，如图3所示，所述服务器在获取到任务信息对应的任务内容和属性信息后，将所述任务内容和属性信息分别输入第一模型30和第二模型31，以输出候选任务时长以及误差时长。以根据所述误差时长修正所述候选任务时长。
步骤S500、根据所述误差时长对所述候选任务时长进行修正以确定任务时长。
具体地，所述服务器在通过步骤S300确定候选任务时长，通过步骤S400确定误差时长后，根据所述误差时长对所述候选任务时长进行修正，得到一个准确的任务时长。在本发明实施例中，所述确定任务时长的过程为先计算所述误差时长和预设的修正系数的乘积，以确定修正时长。再计算所述候选任务时长和所述修正时长的差，以确定任务时长。其中，所述预设的修正系数可以为一个-1～1之间的值。即当所述候选任务时长为T0、修正时长为T’、预设的修正系数为α时，所述任务时长t＝T0-αT’。例如，当所述候选任务时长10min，所述修正时长为1min，预设的修正系数为0.2时，所述任务时长为10-0.2＝9.8min。
步骤S600、向预定的第二任务处理终端发送所述任务时长。
具体地，所述服务器在确定任务时长后，向预定的第二任务处理终端发送所述任务时长，以通过所述第二任务处理终端根据所述任务时长执行后续的任务。其中，所述第二任务处理终端用于在需要按顺序执行任务的系统中，在所述第一任务处理终端完成对应的任务信息后开始执行下一顺位的任务。以所述任务处理方法用于外卖软件为例进行说明。所述外卖软件平台需要按顺序执行备货任务和配送任务，所述备货任务通过第一任务处理终端，即商家终端执行；所述配送任务通过第二任务处理终端，即骑手终端执行。当所述商家终端执行完成对应的备货任务后，所述骑手终端才可以开始执行对应的配送任务。因此，所述服务器在获取到备货任务后，确定商家终端执行所述备货任务所需的时长，将所述时长发送到预定的骑手终端，以使得所述骑手终端根据所述时长到所述商家位置开始配送任务。
图4为本发明实施例的任务处理方法的应用场景示意图，如图4所示，所述任务处理方法应用于外卖软件。所述外卖软件平台需要按顺序执行备货任务和配送任务，所述备货任务通过商家终端40执行；所述配送任务通过骑手终端41执行。当所述商家终端40执行完成对应的备货任务后，所述骑手终端41才可以开始执行对应的配送任务。当所述骑手终端41过早开始执行配送任务时，在等待商家终端40完成备货任务的期间会造成骑手终端占用的情况；当所述骑手终端41过晚开始执行配送任务时，在备货任务完成后和配送任务开始前存在空白时间，使整个任务处理的效率低下。因此，所述服务器在获取到商家终端40对应的备货任务后，确定所述商家终端40处理所述备货任务需要的时长，将所述时长发送至骑手终端41，使得所述骑手终端41可以根据所述备货时长确定到所述商家位置开始配送任务的时间，以提高系统的任务处理效率。
本发明实施例所述的任务处理方法能够通过误差修正提高任务时长的准确率，避免了占用第二任务处理终端时间过长，提高系统整体的任务处理效率。
图5为本发明实施例的任务处理装置的示意图，如图5所示，所述任务处理装置包括信息确定模块50、属性确定模块51、第一时长预测模块52、第二时长预测模块53、时长修正模块54和信息发送模块55。
具体地，所述信息确定模块50用于确定任务信息，所述任务信息中包括任务内容和终端标识，所述终端标识用于表征处理所述任务信息的第一任务处理终端。所述属性确定模块51用于确定所述终端标识对应的属性信息。所述第一时长预测模块52用于将所述任务内容和所述属性信息输入预先训练的第一模型，以确定候选任务时长。所述第二时长预测模块53用于将所述任务内容和所述属性信息输入预先训练的第二模型，以确定误差时长。所述时长修正模块54用于根据所述误差时长对所述候选任务时长进行修正以确定任务时长。所述信息发送模块55用于向预定的第二任务处理终端发送所述任务时长。
进一步地，所述时长修正模块包括：
修正时长确定单元，用于计算所述误差时长和预设的修正系数的乘积，以确定修正时长；
任务时长确定单元，用于计算所述候选任务时长和所述修正时长的差，以确定任务时长。
进一步地，所述属性信息包括所述终端标识对应的历史任务时长特征值。
进一步地，所述第一模型的训练过程包括：
确定模型训练集，所述模型训练集包括至少一个历史任务信息的历史任务内容，以及各所述历史任务信息中的终端标识对应的属性信息以及历史任务时长；
将所述历史任务内容和对应的属性信息作为输入，将所述历史任务时长作为输出训练得到所述第一模型。
进一步地，所述第二模型的训练过程包括：
确定模型训练集，所述模型训练集包括至少一个历史任务信息的历史任务内容，以及各所述历史任务信息中的终端标识对应的属性信息以及历史任务时长；
将所述历史任务内容和对应的属性信息输入所述第一模型，以确定预测任务时长；
将所述历史任务内容和对应的属性信息作为输入，将所述历史任务时长和所述预测任务时长差值的绝对值作为输出训练得到所述第二模型。
本发明实施例的任务处理装置能够通过误差修正提高任务时长的准确率，避免了占用第二任务处理终端时间过长，提高系统整体的任务处理效率。
图6为本发明实施例的电子设备的示意图，如图6所示，在本实施例中，所述电子设备可以为服务器或终端等，所述终端例如可以是手机、电脑、平板电脑等智能设备。如图所示，所述电子设备包括：至少一个处理器61；与至少一个处理器通信连接的存储器60；以及与存储介质通信连接的通信组件62，所述通信组件62在处理器的控制下接收和发送数据；其中，存储器60存储有可被至少一个处理器61执行的指令，指令被至少一个处理器61执行以实现本发明实施例所述的任务处理方法。
具体地，所述存储器60作为一种非易失性计算机可读存储介质，可用于存储非易失性软件程序、非易失性计算机可执行程序以及模块。处理器61通过运行存储在存储器中的非易失性软件程序、指令以及模块，从而执行设备的各种功能应用以及数据处理，即实现上述任务处理方法。
存储器60可以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、至少一个功能所需要的应用程序；存储数据区可存储选项列表等。此外，存储器60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。在一些实施例中，存储器60可选包括相对于处理器61远程设置的存储器，这些远程存储器可以通过网络连接至外接设备。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。
一个或者多个模块存储在存储器60中，当被一个或者多个处理器61执行时，执行上述任意方法实施例中的任务处理方法。
上述产品可执行本申请实施例所公开的方法，具备执行方法相应的功能模块和有益效果，未在本实施例中详尽描述的技术细节，可参见本申请实施例所公开的任务处理方法。
本发明还涉及一种计算机可读存储介质，用于存储计算机可读程序，所述计算机可读程序用于供计算机执行上述部分或全部的方法实施例。
即，本领域技术人员可以理解，实现上述实施例所述方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序存储在一个存储介质中，包括若干指令用以使得一个设备(可以是单片机，芯片等)或处理器(processor)执行本申请各实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅为本发明的优选实施例，并不用于限制本发明，对于本领域技术人员而言，本发明可以有各种改动和变化。凡在本发明的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
本发明实施例公开了A1、一种任务处理方法，所述方法包括：
确定任务信息，所述任务信息中包括任务内容和终端标识，所述终端标识用于表征处理所述任务信息的第一任务处理终端；
确定所述终端标识对应的属性信息；
将所述任务内容和所述属性信息输入预先训练的第一模型，以确定候选任务时长；
将所述任务内容和所述属性信息输入预先训练的第二模型，以确定误差时长；
根据所述误差时长对所述候选任务时长进行修正以确定任务时长；
向预定的第二任务处理终端发送所述任务时长。
A2、根据A1所述的方法，所述根据所述误差时长对所述候选任务时长进行修正以确定任务时长包括：
计算所述误差时长和预设的修正系数的乘积，以确定修正时长；
计算所述候选任务时长和所述修正时长的差，以确定任务时长。
A3、根据A1所述的方法，所述属性信息包括所述终端标识对应的历史任务时长特征值。
A4、根据A1所述的方法，所述第一模型的训练过程包括：
确定模型训练集，所述模型训练集包括至少一个历史任务信息的历史任务内容，以及各所述历史任务信息中的终端标识对应的属性信息以及历史任务时长；
将所述历史任务内容和对应的属性信息作为输入，将所述历史任务时长作为输出训练得到所述第一模型。
A5、根据A1所述的方法，所述第二模型的训练过程包括：
确定模型训练集，所述模型训练集包括至少一个历史任务信息的历史任务内容，以及各所述历史任务信息中的终端标识对应的属性信息以及历史任务时长；
将所述历史任务内容和对应的属性信息输入所述第一模型，以确定预测任务时长；
将所述历史任务内容和对应的属性信息作为输入，将所述历史任务时长和所述预测任务时长差值的绝对值作为输出训练得到所述第二模型。
本发明实施例还公开了B1、一种任务处理装置，所述装置包括：
信息确定模块，用于确定任务信息，所述任务信息中包括任务内容和终端标识，所述终端标识用于表征处理所述任务信息的第一任务处理终端；
属性确定模块，用于确定所述终端标识对应的属性信息；
第一时长预测模块，用于将所述任务内容和所述属性信息输入预先训练的第一模型，以确定候选任务时长；
第二时长预测模块，用于将所述任务内容和所述属性信息输入预先训练的第二模型，以确定误差时长；
时长修正模块，用于根据所述误差时长对所述候选任务时长进行修正以确定任务时长；
信息发送模块，用于向预定的第二任务处理终端发送所述任务时长。
B2、根据B1所述的装置，所述时长修正模块包括：
修正时长确定单元，用于计算所述误差时长和预设的修正系数的乘积，以确定修正时长；
任务时长确定单元，用于计算所述候选任务时长和所述修正时长的差，以确定任务时长。
B3、根据B1所述的装置，所述属性信息包括所述终端标识对应的历史任务时长特征值。
B4、根据B1所述的装置，所述第一模型的训练过程包括：
确定模型训练集，所述模型训练集包括至少一个历史任务信息的历史任务内容，以及各所述历史任务信息中的终端标识对应的属性信息以及历史任务时长；
将所述历史任务内容和对应的属性信息作为输入，将所述历史任务时长作为输出训练得到所述第一模型。
B5、根据B1所述的装置，所述第二模型的训练过程包括：
确定模型训练集，所述模型训练集包括至少一个历史任务信息的历史任务内容，以及各所述历史任务信息中的终端标识对应的属性信息以及历史任务时长；
将所述历史任务内容和对应的属性信息输入所述第一模型，以确定预测任务时长；
将所述历史任务内容和对应的属性信息作为输入，将所述历史任务时长和所述预测任务时长差值的绝对值作为输出训练得到所述第二模型。
本发明实施例还公开了C1、一种计算机可读存储介质，用于存储计算机程序指令，所述计算机程序指令在被处理器执行时实现如A1-A5中任一项所述的方法。
本发明实施例还公开了D1、一种电子设备，包括存储器和处理器，所述存储器用于存储一条或多条计算机程序指令，其中，所述一条或多条计算机程序指令被所述处理器执行以实现如A1-A5中任一项所述的方法。

Claims (10)

1.一种任务处理方法，其特征在于，所述方法包括：
确定任务信息，所述任务信息中包括任务内容和终端标识，所述终端标识用于表征处理所述任务信息的第一任务处理终端；
确定所述终端标识对应的属性信息；
将所述任务内容和所述属性信息输入预先训练的第一模型，以确定候选任务时长；
将所述任务内容和所述属性信息输入预先训练的第二模型，以确定误差时长；
根据所述误差时长对所述候选任务时长进行修正以确定任务时长；
向预定的第二任务处理终端发送所述任务时长。
2.根据权利要求1所述的方法，其特征在于，所述根据所述误差时长对所述候选任务时长进行修正以确定任务时长包括：
计算所述误差时长和预设的修正系数的乘积，以确定修正时长；
计算所述候选任务时长和所述修正时长的差，以确定任务时长。
3.根据权利要求1所述的方法，其特征在于，所述属性信息包括所述终端标识对应的历史任务时长特征值。
4.根据权利要求1所述的方法，其特征在于，所述第一模型的训练过程包括：
确定模型训练集，所述模型训练集包括至少一个历史任务信息的历史任务内容，以及各所述历史任务信息中的终端标识对应的属性信息以及历史任务时长；
将所述历史任务内容和对应的属性信息作为输入，将所述历史任务时长作为输出训练得到所述第一模型。
5.根据权利要求1所述的方法，其特征在于，所述第二模型的训练过程包括：
确定模型训练集，所述模型训练集包括至少一个历史任务信息的历史任务内容，以及各所述历史任务信息中的终端标识对应的属性信息以及历史任务时长；
将所述历史任务内容和对应的属性信息输入所述第一模型，以确定预测任务时长；
将所述历史任务内容和对应的属性信息作为输入，将所述历史任务时长和所述预测任务时长差值的绝对值作为输出训练得到所述第二模型。
6.一种任务处理装置，其特征在于，所述装置包括：
信息确定模块，用于确定任务信息，所述任务信息中包括任务内容和终端标识，所述终端标识用于表征处理所述任务信息的第一任务处理终端；
属性确定模块，用于确定所述终端标识对应的属性信息；
第一时长预测模块，用于将所述任务内容和所述属性信息输入预先训练的第一模型，以确定候选任务时长；
第二时长预测模块，用于将所述任务内容和所述属性信息输入预先训练的第二模型，以确定误差时长；
时长修正模块，用于根据所述误差时长对所述候选任务时长进行修正以确定任务时长；
信息发送模块，用于向预定的第二任务处理终端发送所述任务时长。
7.根据权利要求6所述的装置，其特征在于，所述时长修正模块包括：
修正时长确定单元，用于计算所述误差时长和预设的修正系数的乘积，以确定修正时长；
任务时长确定单元，用于计算所述候选任务时长和所述修正时长的差，以确定任务时长。
8.根据权利要求6所述的装置，其特征在于，所述属性信息包括所述终端标识对应的历史任务时长特征值。
9.一种计算机可读存储介质，用于存储计算机程序指令，其特征在于，所述计算机程序指令在被处理器执行时实现如权利要求1-5中任一项所述的方法。
10.一种电子设备，包括存储器和处理器，其特征在于，所述存储器用于存储一条或多条计算机程序指令，其中，所述一条或多条计算机程序指令被所述处理器执行以实现如权利要求1-5中任一项所述的方法。
CN202010568391.2A 2020-06-19 2020-06-19 任务处理方法、装置、可读存储介质和电子设备 Active CN111582407B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010568391.2A CN111582407B (zh) 2020-06-19 2020-06-19 任务处理方法、装置、可读存储介质和电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010568391.2A CN111582407B (zh) 2020-06-19 2020-06-19 任务处理方法、装置、可读存储介质和电子设备

Publications (2)

Publication Number Publication Date
CN111582407A true CN111582407A (zh) 2020-08-25
CN111582407B CN111582407B (zh) 2022-11-04

Family

ID=72112413

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010568391.2A Active CN111582407B (zh) 2020-06-19 2020-06-19 任务处理方法、装置、可读存储介质和电子设备

Country Status (1)

Country Link
CN (1) CN111582407B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112769961A (zh) * 2021-03-11 2021-05-07 田继伟 网络系统的节点处理方法及装置
CN113436003A (zh) * 2021-06-29 2021-09-24 中国工商银行股份有限公司 时长确定方法、装置、电子设备、介质和程序产品

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110263869A (zh) * 2019-06-25 2019-09-20 咪咕文化科技有限公司 一种Spark任务的时长预测方法及装置
CN111198767A (zh) * 2020-01-07 2020-05-26 平安科技（深圳）有限公司 大数据资源处理方法、装置、终端及存储介质

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110263869A (zh) * 2019-06-25 2019-09-20 咪咕文化科技有限公司 一种Spark任务的时长预测方法及装置
CN111198767A (zh) * 2020-01-07 2020-05-26 平安科技（深圳）有限公司 大数据资源处理方法、装置、终端及存储介质

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112769961A (zh) * 2021-03-11 2021-05-07 田继伟 网络系统的节点处理方法及装置
CN112769961B (zh) * 2021-03-11 2021-10-15 苏万宝 网络系统的节点处理方法及装置
CN113436003A (zh) * 2021-06-29 2021-09-24 中国工商银行股份有限公司 时长确定方法、装置、电子设备、介质和程序产品

Also Published As

Publication number Publication date
CN111582407B (zh) 2022-11-04

Similar Documents

Publication Publication Date Title
CN111582407B (zh) 任务处理方法、装置、可读存储介质和电子设备
CN110264156B (zh) 一种项目管理方法、装置、电子设备及存储介质
CN111539780B (zh) 一种任务处理方法、装置、存储介质和电子设备
CN110378529B (zh) 一种数据生成的方法、装置、可读存储介质和电子设备
CN109508917B (zh) 订单分配方法、订单分配装置、存储介质和电子设备
CN110009155B (zh) 业务区域配送难度的估计方法、装置和电子设备
CN111459675B (zh) 一种数据处理方法、装置、可读存储介质和电子设备
CN112085355A (zh) 一种互联网电商的交易订单管理方法及装置
CN112070423A (zh) 库存预占方法、装置、电子设备及存储介质
CN111311164A (zh) 电子订单推送方法及系统、服务器及存储介质
CN109146128B (zh) 业务数据处理方法、装置及服务器
CN111144619B (zh) 一种自动售卖机器人任务优化调度方法及装置
CN111311150B (zh) 配送任务分组方法、平台、电子设备及存储介质
CN115220788A (zh) 在轨航天器指令序列冲突消解方法及装置
CN112435071B (zh) 推广数据创建方法及系统
CN115063204A (zh) 基于手持终端的订单处理方法、系统、计算机设备及介质
CN111651249B (zh) 任务分配方法、装置、可读存储介质和电子设备
US20180240210A1 (en) System and method for transportation scheduling and planning
CN112036702A (zh) 数据处理方法、装置、可读存储介质和电子设备
CN111582408A (zh) 数据处理方法、数据处理装置、存储介质和电子设备
CN113537853A (zh) 订单分配方法、订单分配装置、可读存储介质及电子设备
KR102421046B1 (ko) 자동으로 발주서를 생성하는 약국 단말 및 약국 단말의 동작 방법
WO2020157913A1 (ja) スケジューリング装置、スケジューリング方法、記録媒体
CN111651250A (zh) 压力调控方法、装置、可读存储介质和电子设备
CN111091262A (zh) 配送资源召回方法、装置、服务器及存储介质

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
GR01 Patent grant
GR01 Patent grant