CN112262557B - 用于为线上到线下服务提供信息的系统和方法 - Google Patents
用于为线上到线下服务提供信息的系统和方法 Download PDFInfo
- Publication number
- CN112262557B CN112262557B CN201880094449.5A CN201880094449A CN112262557B CN 112262557 B CN112262557 B CN 112262557B CN 201880094449 A CN201880094449 A CN 201880094449A CN 112262557 B CN112262557 B CN 112262557B
- Authority
- CN
- China
- Prior art keywords
- primary
- histories
- history
- time point
- preliminary
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 62
- 238000004891 communication Methods 0.000 claims abstract description 22
- 238000012549 training Methods 0.000 claims description 55
- 230000008569 process Effects 0.000 claims description 35
- 238000012163 sequencing technique Methods 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 8
- 239000000758 substrate Substances 0.000 claims 1
- 230000004044 response Effects 0.000 abstract description 6
- 238000012545 processing Methods 0.000 description 26
- 230000006870 function Effects 0.000 description 11
- 230000003190 augmentative effect Effects 0.000 description 6
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 230000006872 improvement Effects 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000000644 propagated effect Effects 0.000 description 3
- 101100309447 Caenorhabditis elegans sad-1 gene Proteins 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 239000011521 glass Substances 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000029305 taxis Effects 0.000 description 2
- 241000579895 Chlorostilbon Species 0.000 description 1
- 235000015842 Hesperis Nutrition 0.000 description 1
- 235000012633 Iberis amara Nutrition 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 239000010976 emerald Substances 0.000 description 1
- 229910052876 emerald Inorganic materials 0.000 description 1
- 235000013305 food Nutrition 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000010977 jade Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 235000012054 meals Nutrition 0.000 description 1
- -1 merchandise Substances 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- ZLIBICFPKPWGIZ-UHFFFAOYSA-N pyrimethanil Chemical compound CC1=CC(C)=NC(NC=2C=CC=CC=2)=N1 ZLIBICFPKPWGIZ-UHFFFAOYSA-N 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 239000010979 ruby Substances 0.000 description 1
- 229910001750 ruby Inorganic materials 0.000 description 1
- 239000004984 smart glass Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0204—Market segmentation
- G06Q30/0205—Location or geographical consideration
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
- H04W4/42—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P] for mass transport vehicles, e.g. buses, trains or aircraft
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2457—Query processing with adaptation to user needs
- G06F16/24575—Query processing with adaptation to user needs using context
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2457—Query processing with adaptation to user needs
- G06F16/24578—Query processing with adaptation to user needs using ranking
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- 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
- G06Q10/10—Office automation; Time management
-
- G06Q50/40—
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/50—Network services
- H04L67/535—Tracking the activity of the user
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
- H04W4/029—Location-based management or tracking services
Abstract
本申请涉及一种系统、方法和非暂时性计算机可读介质。该系统包括至少一个计算机可读存储介质,其包括一组指令和与该至少一个计算机可读存储介质通信的至少一个处理器。当执行一组指令时,至少一个处理器用于:在没有来自与用户相关联的用户终端的输入的情况下接收触发事件(510);基于触发事件获取一个或以上候选目的地(520);获取训练后的排序模型(530);基于训练后的排序模型确定一个或以上候选目的地的排序结果(540);并响应于触发事件,将(更新的)排序结果发送到用户终端(550)。
Description
技术领域
本申请一般涉及一种用于为线上到线下服务提供信息的系统和方法,并且具体地涉及在没有线上到线下服务请求的输入的情况下提供至少两个已排序目的地的系统和方法。
背景技术
线上到线下服务正变得越来越流行。线上到线下服务的用户可以输入目的地以发起服务订单,例如,在餐馆订餐,乘坐出租车到一个地方。为了改善用户体验,可能希望在没有用户输入的情况下生成至少两个候选目的地。
发明内容
根据本申请的一个方面,一种系统可以包括,包含一组指令的至少一个存储设备;至少一个处理器与至少一个存储设备通信。当执行一组指令时,至少一个处理器被配置用于使系统在没有来自与用户相关联的用户终端的输入的情况下接收触发事件;基于触发事件获取一个或以上候选目的地;获取训练后的排序模型;基于训练后的排序模型确定一个或以上候选目的地的排序结果;并响应于触发事件将排序结果发送到用户终端。
在一些实施例中,为了获取一个或以上候选目的地,可以进一步配置该至少一个处理器以使系统获取用户终端的当前位置;获取与用户相关的一个或以上历史记录,一个或以上历史记录包括至少一个历史订单或历史查询;并基于用户终端的一个或以上历史记录和当前位置获取一个或以上候选目的地。
在一些实施例中,可以基于训练过程生成训练后的排序模型。训练过程可以包括获取至少两个主要历史记录,主要历史记录包括主要历史订单或主要历史查询;对于至少两个主要历史记录中的每一个,确定至少两个次要历史记录,并确定对应于主要历史记录中每一个的主要目的地组;获取初步排序模型;基于初步排序模型确定对应于至少两个主要历史记录的主要目的地组的至少两个样本排序结果;获取对应于至少两个主要历史记录的至少两个主要实际目的地;基于至少两个主要实际目的地确定至少两个样本排序结果是否满足条件;并且,基于所述至少两个排序结果满足条件,指定初步排序模型作为训练后的排序模型。次要历史记录可以包括次要历史订单或次要历史查询。主要目的地组可以包括基于至少两个次要历史记录的至少两个主要候选目的地。
在一些实施例中,确定至少两个样本排序结果可以包括:对于对应于至少两个主要历史记录中的每一个的主要目的地组的至少两个主要候选目的地中的每一个,提取与至少两个主要候选目的地中的每一个相关联的一个或以上特征;将一个或以上的初步加权系数分配给所提取的一个或以上的特征;基于一个或以上特征和一个或以上初步加权系数确定对应于至少两个主要候选目的地中的每一个的初步加权值;基于对应于至少两个主要候选目的地的确定的初步加权值,确定每个主要历史记录的样本排序结果。
在一些实施例中,基于至少两个样本排序结果未能满足条件,训练过程还可以包括更新初步排序模型的一个或以上初步加权系数。
在一些实施例中,至少两个主要历史记录中的每一个可以对应于主要开始时间点或主要开始位置。主要开始时间点可以包括当发送主要历史订单时的时间点或者当执行主要历史查询时的时间点。主要开始位置可以包括发送主要历史订单的位置或执行主要历史查询的位置。至少两个次要历史记录中的每一个可以对应于次要开始时间点。次要开始时间点可以包括当发送次要历史订单时的时间点或者当执行次要历史查询时的时间点。与至少两个主要历史记录中的每一个的至少两个主要候选目的地的每一个相关联的特征包括以下中的至少一个:至少两个主要历史记录的每一个的主要开始位置与至少两个主要历史记录中的每一个的主要候选目的地之间的距离;至少两个主要历史记录中的每一个的主要开始时间点与对应于至少两个主要历史记录的每一个的主要候选目的地的次要开始时间点之间的时间间隔;或者在一段时间内在至少两个次要历史记录中主要历史记录的每一个的主要候选目的地的出现频率。
在一些实施例中,初步排序模型可包括Lambdarank模型。
根据本申请的一个方面,在具有至少一个处理器,至少一个计算机可读存储介质和连接到网络的通信平台的计算设备上实现的方法可以包括:在没有来自与用户相关联的用户终端的输入的情况下接收触发事件;基于触发事件获取一个或以上候选目的地;获取训练后的排序模型;基于训练后的排序模型确定一个或以上候选目的地的排序结果;并且响应于触发事件,将排序结果发送到用户终端。
根据本申请的一个方面,非暂时性计算机可读介质可以包括指令被配置为使计算系统:在没有来自与用户相关联的用户终端的输入的情况下接收触发事件;基于触发事件获取一个或以上候选目的地;获取训练后的排序模型;基于训练后的排序模型确定一个或以上候选目的地的排序结果;并且响应于触发事件,将排序结果发送到用户终端。
本申请的一部分附加特性可以在下面的描述中进行说明。通过对以下描述和相应附图的研究或者对实施例的生产或操作的了解,本申请的一部分附加特性对于本领域技术人员是明显的。本申请的特征可以通过对以下描述的具体实施例的各种方面的方法、手段和组合的实践或使用得以实现和达到。
附图说明
本申请将通过示例性实施例进行进一步描述。这些示例性实施例将通过附图进行详细描述。这些实施例是非限制性的示例性实施例,在这些实施例中,各图中相同的编号表示相似的结构,其中:
图1示出了根据一些实施例的提供线上到线下服务的示例性线上到线下服务;
图2示出了根据本申请的一些实施例的可以在其上实现线上线下服务系统的示例性计算设备;
图3示出了根据本申请的一些实施例的可以在其上实现线上线下服务的示例性移动设备;
图4示出了根据本申请的一些实施例的示例性处理引擎;
图5示出了根据本申请的一些实施例的用于使用线上线下服务系统确定一个或以上候选目的地的排序结果的示例性过程;
图6示出了根据本申请的一些实施例的用于使用线上线下服务系统确定训练后的排序模型的示例性过程;和
图7示出了根据本申请的一些实施例的用户终端上的移动应用的示例性界面。
具体实施方式
以下描述是为了使本领域的普通技术人员能够实施和利用本申请并且该描述是在特定的应用场景及其要求的环境下提供的。对于本领域的普通技术人员来讲,显然可以对所披露的实施例作出各种改变,并且在不偏离本申请的原则和范围的情况下,本申请中所定义的普遍原则可以适用于其他实施例和应用场景。因此,本申请并不限于所描述的实施例,而应该被给予与权利要求一致的最广泛的范围。
这里使用的术语仅用于描述特定的示例实施例,而不是限制性的。如本申请和权利要求书中所示,除非上下文明确提示例外情形,“一”、“一个”、“一种”和/或“该”等词并非特指单数,也可以包括复数。还应当理解,如在本申请说明书中,术语“包括”、“包含”仅提示存在所述特征、整体、步骤、操作、组件和/或部件,但并不排除存在或添加一个或以上其他特征、整体、步骤、操作、组件、部件和/或其组合的情况。
根据以下对附图的描述,本申请的这些和其他的特征、特点以及相关结构元件的功能和操作方法,以及部件组合和制造经济性,可以变得更加显而易见,这些附图都构成本申请说明书的一部分。然而,应该清楚地理解,附图仅用于说明和描述的目的,并不意图限制本申请的范围。应当理解的是,附图并不是按比例绘制的。
本申请中使用了流程图用来说明根据本申请的一些实施例的系统所执行的操作。应当理解的是,流程图中的操作可以不按顺序执行。相反,可以按照倒序或同时处理各种步骤。同时,也可以将一个或以上其他操作添加到这些流程图中。也可以从流程图中删除一个或以上操作。
本申请中的术语“乘客”、“请求者”、“服务请求者”和“用户”可互换使用,以指代可以请求或订购服务的个体、实体或工具。本申请中的术语“司机”、“提供者”、以及“服务提供者”也可以交换使用,指的是可以提供服务或促进该服务提供的个体、实体或工具。
本申请中的术语“服务请求”、“请求服务”、“请求”、“订单”和“服务订单”可互换使用,以指代可由乘客、服务请求者、用户、司机、提供者、服务提供者等或其任何组合发起的请求。服务请求可以由乘客、服务请求者、用户、司机、提供者或服务提供者中的任何一个接受。服务请求可以是计费的也可是免费的。
本申请中的术语“服务提供者终端”用于指由服务提供者用来提供服务或便于提供服务的移动终端。本申请中的术语“用户终端”用于指由服务请求者用于请求或订购服务的移动终端。
应当理解,虽然本申请中的系统和方法主要是关于确定运输服务的一个或以上候选目的地的排序来描述的,但是还应该理解,本申请并非旨在进行限制。本申请的系统或方法可以应用于任何其他类型的服务。例如,本申请的系统或方法可以应用于搜索引擎、数字地图应用、导航系统等。搜索引擎、数字地图应用或导航系统可以使用本文提供的系统和方法来对搜索结果、位置或目的地等进行排序。又例如,本申请的系统或方法可以应用于不同环境的运输系统,包括陆地、海洋、航空航天等,或其任何组合。所述运输系统的交通工具可以包括出租车、私家车、顺风车、公交车、火车、动车、高铁、地铁、船舶、飞机、飞船、热气球、无人驾驶的车辆等,或其任意组合。运输系统还可以包括用于管理的任何运输系统,例如,用于发送和/或接收快递的系统。本申请的系统和方法的应用场景可以包括网页、浏览器插件、客户端、定制系统、企业内部分析系统、人工智能机器人等,或上述举例的任意组合。在本申请中,术语“乘客”、“请求者”、“服务请求者”和“客户”可以交换使用,其表示可以请求或预定服务的个体、实体或工具。
此外,提供了一种用于在没有用户输入的情况下提供至少一个已排序的候选目的地的系统和方法。具体而言,系统可以在没有来自用户的输入的情况下接收触发事件。然后,系统可以基于触发事件确定一个或以上候选目的地。此外,系统可以基于训练后的排序模型确定一个或以上候选目的地的排序结果,并将排序结果发送给用户。因此,提高了运输服务的效率,并且还改善了用户体验。
值得注意的是,线上到线下的运输服务,如线上到线下的出租车服务,是一种仅在后互联网时代扎根的新形式的服务。它为使用者和服务提供者提供了仅在后互联网时代才可能实现的技术方案。在互联网时代之前,用户可以从报纸、电视广告、电话或传单中接收特殊优惠,例如与服务相关的折扣。很难及时通知用户与服务相关的特价。另外,互联网时代前期传统特价推荐方法的用户覆盖范围有限。然而,线上到线下服务系统建议通过互联网向更多用户提供特别优惠,并确保用户不会错过特别优惠。因此,通过因特网,线上线下服务系统可以为在互联网时代之前可能永远不会遇到的用户提供更加有效和准确的推荐平台。
图1示出了根据一些实施例的提供线上到线下服务的示例性网络环境。线上到线下服务系统100可以是在网络环境中实现的用于提供运输服务的线上到线下运输服务平台。线上到线下服务系统100可以包括服务器110、网络120、用户终端130、服务提供者终端140和存储器150。
线上到线下服务系统100可以提供至少两个服务。示例性线上到线下服务可包括出租车服务、司机服务、快车服务、拼车服务、公共汽车服务、司机租用服务和班车服务。在一些实施例中,可以向线上到线下服务提供推荐用于执行线上线下服务的补充信息。订单类型可能包括出租车订单、豪华车订单、快车订单、公交车订单、班车订单等。在一些实施例中,服务可以是任何在线服务,诸如订餐、购物等,或其组合。
服务器110可以是计算机服务器。服务器110可以与用户终端130和/或服务提供者终端140通信,以提供线上到线下服务的各种功能。在一些实施例中,服务器110可以是单个服务器,也可以是服务器组。服务器组可以是经由分别经由一个或以上接入点连接到网络120的接入点或分布式服务器组连接到网络120的集中式服务器组。在一些实施例中,服务器110可以本地连接到网络120或者与网络120远程连接。例如,服务器110可以经由网络120访问存储在用户终端130、服务提供者终端140和/或存储器150中的信息和/或数据。又例如,存储器150可以用作服务器110的后端数据存储器。在一些实施例中,服务器110可以在云平台上实施。仅作为示例,该云平台可以包括私有云、公共云、混合云、社区云、分布云、内部云、多层云等,或其任意组合。在一些实施例中,服务器110可以在本申请中的图2描述的包含了一个或以上组件的计算设备200上执行。
在一些实施例中,服务器110可以包括处理引擎112。处理引擎112可以处理与执行本申请中描述的一个或以上功能有关的信息和/或数据。例如,处理引擎112可以确定与用户相关联的一个或以上候选目的地。又例如,处理引擎112可以为一个或以上候选目的地训练排序模型。作为又一示例,处理引擎112可基于排序模型确定一个或以上候选目的地的排序结果。在一些实施例中,处理引擎112可包括一个或以上处理单元(例如,单核处理引擎或多核处理引擎)。仅作为示例,处理引擎112可以包括中央处理单元(CPU)、专用集成电路(ASIC)、专用指令集处理器(ASIP)、图像处理单元(GPU)、物理运算处理单元(PPU)、数字信号处理器(DSP)、现场可编程门阵列(FPGA)、可编程逻辑设备(PLD)、控制器、微控制器单元、精简指令集计算机(RISC)、微处理器等或其任意组合。
网络120可以促进信息和/或数据的交换。在一些实施例中,线上到线下服务系统100中的一个或以上组件(例如,服务器110、用户终端130、服务提供者终端140、存储器150)可以通过网络120将信息和/或数据发送到线上到线下服务系统100中的另一个组件。例如,服务器110可以经由网络120从存储器150访问和/或获取至少两个历史记录。历史记录可能包括历史订单和/或历史查询。又例如,服务器110可以将一个或以上候选目的地的排序结果发送到用户终端130。在一些实施例中,网络120可以为任意形式的有线或无线网络,或其任意组合。仅作为示例,网络120可以包括缆线网络、有线网络、光纤网络、远程通信网络、内部网络、互联网、局域网络(LAN)、广域网络(WAN)、无线局域网络(WLAN)、城域网(MAN)、公共交换电话网络(PSTN)、蓝牙网络、紫蜂网络、近场通信(NFC)网络等,或其任意组合。在一些实施例中,网络120可以包括一个或以上网络接入点。例如,网络120可包括有线或无线网络接入点,比如基站和/或互联网交换点120-1、120-2……,通过该网络接入点,线上到线下服务系统100的一个及以上组件可以连接至网络120以交换信息和/或数据。
用户终端130可以包括移动设备130-1、平板计算机130-2、膝上型计算机130-3、车辆内置设备130-4等,或其任何组合。在一些实施例中,移动设备130-1可以包括智能家居设备、可穿戴设备、智能移动设备、虚拟现实设备、增强现实设备等,或其任意组合。在一些实施例中,智能家居设备可以包括智能照明设备、智能电器控制设备、智能监控设备、智能电视、智能摄像机、对讲机等,或其任意组合。在一些实施例中,可穿戴设备可包括智能手环、智能鞋袜、智能眼镜、智能头盔、智能手表、智能服装、智能背包、智能配件等,或其任何组合。在一些实施例中,智能移动设备可以包括智能电话、个人数字助理(PDA)、游戏设备、导航设备、销售点(POS)等,或其任意组合。在一些实施例中,虚拟现实设备和/或增强型虚拟现实设备可以包括虚拟现实头盔、虚拟现实眼镜、虚拟现实眼罩、增强现实头盔、增强现实眼镜、增强现实眼罩等,或其任意组合。例如,虚拟现实设备和/或增强现实设备可以包括Google GlassTM、Oculus RiftTM、HololensTM或Gear VRTM等。在一些实施例中,车辆内置设备130-4可以包括内置计算机、板载内置电视、内置平板电脑等。在一些实施例中,用户终端130可以包括信号发送器和被配置的信号接收器,用于与定位系统通信以定位乘客和/或用户终端130的位置。在一些实施例中,定位系统可以是全球定位系统(GPS)、全球导航卫星系统(GLONASS)、罗盘导航系统(COMPASS)、北斗导航卫星系统、伽利略定位系统、准天顶卫星系统(QZSS)等。
在一些实施例中,用户终端130可以由乘客拥有。在一些实施例中,用户终端130可以由除乘客之外的其他人拥有。例如,用户终端130的所有者A可以使用用户终端130来发送针对乘客B的服务请求,和/或从服务器110接收服务确认和/或信息或指令。应当理解,在一些实施例中,“乘客”和“用户终端”可以互换使用,并且“司机”和“服务提供者终端”可以互换使用。
在一些实施例中,服务提供者终端140可以包括至少两个服务提供者终端140-1、140-2、...、140-n。在一些实施例中,服务提供者终端140可以为与用户终端130类似或相同的设备。在一些实施例中,可以定制服务提供者终端140以实现线上到线下运输服务。在一些实施例中,服务提供者终端140和用户终端130可以配置有信号发送器和信号接收器,以从定位系统接收服务提供者终端140和用户终端130的位置信息。
在一些实施例中,服务提供者终端140可以由司机使用。在一些实施例中,服务提供者终端140可以由除司机之外的其他人使用。例如,服务提供者终端140的用户C可以使用服务提供者终端140来接收对司机D的服务请求,和/或来自服务器110的信息或指令。在一些实施例中,可以指定司机使用服务提供者终端140中的一个至少一段时间,例如,一天、一周、一个月或一年等。在一些其他实施例中,可以指定司机以随机地使用服务提供者终端140中的一个。例如,当司机可以提供线上到线下服务时,他/她可能被分配使用接收最早请求的司机终端和推荐执行线上到线下服务类型的车辆。在一些实施例中,服务提供者终端140可以与一个或以上的驾驶员(例如,通过随机巡游的夜班司机、日班司机或者司机池)相关联。
存储器150可以存储数据和/或指令。该数据可以包括与至少两个历史订单相关的数据、与至少两个目的地相关的数据、与至少两个用户相关的数据、与至少两个个人驱动器相关的数据、与外部环境相关的数据等。与历史订单相关的数据可能包括历史起点、历史起点、历史目的地等。与至少两个目的地相关的数据可以包括目的地的名称、目的地的描述、目的地的位置、目的地的评论等。与用户相关的数据可以包括用户简档。与司机相关的数据可以包括司机配置文件。与外部环境相关的数据可能包括天气状况、道路状况等。在一些实施例中,存储器150可以存储从用户终端130和/或服务提供者终端140获取的数据。例如,存储器150可以存储与用户终端130相关联的日志信息。在一些实施例中,存储器150可以存储服务器110可以执行的数据和/或指令,以提供本申请中描述的线上到线下服务。在一些实施例中,存储器150可包括大容量存储器、可移动存储器、易失性读写存储器、只读存储器(ROM)等,或其任意组合。示例性的大容量存储器可以包括磁盘、光盘、固态磁盘等。示例性可移动存储器可以包括闪存驱动器、软盘、光盘、存储卡、压缩盘、磁带等。示例性易失性读写存储器可以包括随机存取存储器(RAM)。示例性RAM可包括动态随机存取存储器(DRAM)、双倍数据速率同步动态随机存取存储器(DDR SDRAM)、静态随机存取存储器(SRAM)、晶闸管随机存取存储器(T-RAM)和零电容随机存取存储器(Z-RAM)等。示例性只读存储器可以包括掩模型只读存储器(MROM)、可编程只读存储器(PROM)、可擦除可编程只读存储器(EPROM)、电可擦除可编程只读存储器(EEPROM)、光盘只读存储器(CD-ROM)和数字多功能磁盘只读存储器等。在一些实施例中,所述存储器150可在云平台上实现。仅作为示例,该云平台可以包括私有云、公共云、混合云、社区云、分布云、内部云、多层云等,或其任意组合。
在一些实施例中,线上到线下服务系统100中的一个或以上组件可以经由网络120访问存储在存储器150中的数据或指令。在一些实施例中,存储器150可以作为后端存储器直接连接到服务器110。
在一些实施例中,线上到线下服务系统100中的一个或以上组件(例如,服务器110、用户终端130、服务提供者终端140)可以具有访问存储器150的许可。在一些实施例中,当满足一个或以上条件时,线上到线下服务系统100中的一个或以上组件可以读取和/或修改与乘客、司机和/或车辆相关的信息。例如,服务器110可以在线上到线下服务订单完成之后读取和/或修改一个或以上乘客的用户简档。
在一些实施例中,线上到线下服务系统100的一个或以上组件之间的信息交换可以由触发事件发起,例如,通过在用户终端130上启动线上到线下服务的移动应用,在用户终端上请求服务订单,发起查询或移动应用的其他操作(例如,点击输入框)。服务请求的客体可以是任何产品。在一些实施例中,该产品可以包括食品、医药、商品、化学产品、电器、衣物、小汽车、房屋、奢侈品等,或其任意组合。该产品可以包括服务产品、金融产品、知识产品、互联网产品等,或其任意组合。互联网产品可以包括个人主机产品、网站产品、移动互联网产品、商业主机产品、嵌入式产品等或其任意组合。移动互联网产品可以用于移动终端的软件、程序、系统等或其任意组合。移动终端可以包括平板电脑、笔记本电脑、移动电话、个人数字助理(PDA)、智能手表、销售点(POS)设备、车载计算机、车载电视、可穿戴设备等,或其任何组合。例如,产品可以是在计算机或移动电话上使用的任一软件和/或应用。该软件和/或应用程序可以与社交、购物、交通、娱乐、学习、投资等,或其任意组合相关。在一些实施例中,所述与运输有关系统软件和/或应用程序可以包括出行软件和/或应用程序、车辆调度软件和/或应用程序、地图软件和/或应用程序等。在车辆调度软件和/或应用程序中,车辆可包括马、马车、人力车(例如,独轮车、自行车、三轮车等)、汽车(例如,出租车、公共汽车、私人汽车等)、火车、地铁、船舶、飞行器(例如,飞机、直升机、航天飞机、火箭、热气球等)等或其任意组合。
本领域普通技术人员将理解,当线上到线下服务系统100的元件执行时,该元件可以通过电信号和/或电磁信号执行。例如,当用户终端130处理诸如做出确定之类的任务时,用户终端130可以在其处理器中操作逻辑电路以处理这样的任务。当用户终端130向服务器110发出触发事件时,用户终端130的处理器可以生成编码触发事件的电信号。然后,用户终端130的处理器可以将电信号发送到输出端口。如果用户终端130经由有线网络与服务器110通信,则输出端口可以物理地连接到电缆,电缆还可以将电信号发送到服务器110的输入端口。如果用户终端130经由无线网络与服务器110通信,则用户终端130的输出端口可以是一个或以上天线,其将电信号转换为电磁信号。类似地,服务提供者终端140可以通过其处理器中的逻辑电路的操作来处理任务,并且经由电信号或电磁信号从服务器110接收指令和/或服务命令。在电子设备中,例如用户终端130、服务提供者终端140和/或服务器110,当处理器处理指令,发出指令和/或执行动作时,指令和/或动作通过电信号进行。例如,当处理器从存储介质(例如,存储器150)检索与用户相关联的至少两个历史记录时,它可以将电信号发送到存储介质的读取设备,该读取设备可以读取存储介质中的结构化数据。该结构化数据可以电信号的形式经由电子设备的总线传输至处理器。这里,电信号是指一个电信号、一系列电信号和/或至少两个分立的电信号。
图2示出了根据本申请的一些实施例的可以在其上实现线上到线下服务系统100的示例性计算设备200。
计算设备200可以是通用计算机或专用计算机。两者都可用于实现本申请的按需系统。计算设备200可用于实现如本文所述的服务的任何组件。例如,服务器的处理引擎112可以通过其硬件、软件程序、固件或其组合在计算设备200上实现。尽管为了方便仅示出了一个这样的计算机,但是可以在多个类似平台上以分布式方式实现与这里描述的服务相关的计算机功能以分配处理负载。
例如,计算设备200可以包括连接到与其连接的网络(例如,网络120)的COM端口250,以促进数据通信。计算设备200还可以包括处理器220用来执行程序指令,该处理器220以一个或以上处理器的形式存在。示例性的计算机平台可以包括一个内部通信总线210、不同形式的程序内存和数据存储器,例如,磁盘270,和只读存储器(ROM)230或随机存取器(RAM)240,用于存储由计算机处理和/或传输的各种各样的数据文件。示例性的计算机平台也可以包括储存于只读存储器230、随机存取器240和/或其他类型的非暂时储存介质中的供处理器220执行的程序指令。本申请的方法和/或流程可以以程序指令的方式实现。计算设备200还包括I/O组件260,支持计算机、用户和其中的其他组件之间的输入/输出。计算设备200也可以通过网络通信接收编程和数据。
仅仅为了说明,计算设备200只描述了一个中央处理单元和/或处理器。然而,需要注意的是,本申请中的计算设备200可以包括多个CPU和/或处理器,因此本申请中描述的由一个CPU和/或处理器实现的操作和/或方法也可以共同地或独立地由多个CPU和/或处理器实现。例如,计算设备200的CPU和/或处理器可以执行步骤A和步骤B。如在另一示例中,步骤A和步骤B也可以由计算设备200中的两个不同的CPU和/或处理器联合或单独地执行(例如,第一处理器执行步骤A、第二处理器执行步骤B、或者第一和第二处理器共同执行步骤A和B)。
图3示出了根据本申请的一些实施例的可以在其上实现线上到线下服务的示例性移动设备。
如图3所示,移动设备300可以包括通信模块310、显示器320、图形处理单元(GPU)330、中央处理单元(CPU)340、I/O 350、内存360和存储器390。在一些实施例中,任何其他合适的组件,包括但不限于系统总线或控制器(未示出),也可包括在移动设备300内。在一些实施例中,操作系统370(例如,iOSTM、AndroidTM、Windows PhoneTM等)和一个或以上应用程序380可从存储器390下载至内存360以及由CPU 340执行。应用程序380可以包括浏览器或任何其他合适的移动应用程序,用于从处理引擎112和/或存储器150发送、接收和呈现与服务订单有关的信息(例如,与用户相关联的至少两个候选目的地)。用户与信息流的交互可以通过I/O 350实现,并通过网络120提供给处理引擎112和/或线上到线下服务系统100的其他组件。
图4示出了根据本申请的一些实施例的示例性处理引擎112。服务器110的处理引擎112可包括采集模块410、训练模块420、确定模块430和通信模块440。处理引擎112中的一个或以上模块可以由至少一个处理器实现,例如处理器220。
采集模块410可以获取与用户终端130相关联的触发事件。触发事件可以对应于当前时间点和当前位置。当前时间点是指当用户通过用户终端130发生触发事件时的时间点。当前位置指的是触发事件发生的位置,例如用户终端130的当前位置。在一些实施例中,触发事件可以在没有输入的情况下发生。输入可以包括用户经由用户终端130的任何输入,例如,字符串、图像、音频。在一些实施例中,触发事件可以包括用户终端130上的按需设备的移动应用的用户登录,用户终端130上的移动应用程序的打开或启动,用户在移动应用程序的界面(例如,输入框、地图)上的点击,或者对移动应用程序的其他合适的操作。
采集模块410可以获取一个或以上历史记录。一个或以上历史记录可以至少包括历史订单或历史查询(例如,来自当前时间点的最新历史查询)。如这里所使用的,订单(当前订单或历史订单)是指由用户发起的服务订单,可以将其发送到服务器120和/或由服务器120接收,和/或司机执行与服务订单相关联的服务。查询(当前查询或历史查询)是指由用户发起的用于请求关于服务的信息的服务查询(例如,费用、估计的等待时间、估计的到达时间),如果用户通过他或她的用户终端130采取进一步行动(例如,基于查询下订单),则可以成为订单。历史订单可以由用户发送,历史查询可以由用户执行。在一些实施例中,采集模块410可以基于用户终端130的用户获取一个或以上记录。例如,采集模块410可以获取由用户终端130的指定用户初始化(例如,发送、执行)的一个或以上历史记录。在一些实施例中,采集模块410可以基于触发事件获取一个或以上历史记录。更具体地,采集模块410可以基于触发事件的当前时间点,触发事件的当前位置或其组合来获取一个或以上历史记录。例如,采集模块410可以获取在触发事件的当前时间点的预定时间范围内发生的一个或以上历史记录。预定时间范围可以包括一周、一个月、两个月、三个月或其他时间段。可选地或另外地,采集模块410可以从触发事件的当前位置获取目的地超过预定地理范围的一个或以上历史记录。预定地理范围可以包括100米、500米、1000米或其他地理范围。可选地或另外地,采集模块410可以获取从触发事件的当前时间点起的预定时间范围(例如,30天)内发生的一个或以上历史记录,其目的地超过触发事件的当前位置的预定地理范围(例如,1000米)。
对于获取的触发事件,采集模块410还可以获取一个或以上候选目的地。候选目的地指的是线上到线下服务的用户可能对触发事件的当前时间点感兴趣的目的地。在一些实施例中,采集模块410可基于一个或以上获取的历史记录获取一个或以上候选目的地。例如,采集模块410可以将获取的历史记录的实际目的地提取为候选目的地。
训练模块420可以获取并训练排序模型。训练后的排序模型可以对一个或以上获取的候选目的地进行排序。训练后的排序模型可以包括学习排序(LTR)模型,例如,Lambdarank模型。在一些实施例中,可以通过使用大量训练数据(例如,至少两个历史记录)训练初步排序模型来确定训练后的排序模型。
在一些实施例中,训练模块420可以获取至少两个历史记录。为了说明,这里使用的至少两个历史记录可以被称为至少两个主要历史记录。主要历史记录可以包括主要历史订单、主要历史查询或其组合。在一些实施例中,主要历史记录可以包括主要开始时间点、主要开始位置、主要实际目的地等。对于主要历史订单,主要开始时间点是指当用户经由用户终端130向服务器110和/或服务提供者140发送主要历史订单时的时间点。主要开始位置是指用户经由用户终端130向服务器110和/或服务提供者140(例如,主要历史订单的接乘位置)发送主要历史订单的位置。主要实际目的地是指主要历史订单的目的地。对于主要历史查询,主要开始时间点是指当执行主要历史查询时(例如,当用户请求与潜在服务订单有关的信息时)的时间点。主要起始位置是指执行主要历史查询的位置。主要实际目的地是指用户输入以执行主要历史查询的目的地或用户从至少两个候选目的地选择的目的地。在一些实施例中,主要历史记录可以包括主要目的地组。主要目的地组可以包括至少两个主要候选目的地。至少两个主要候选目的地可以包括当用户发起主要历史记录时出现在用户终端130的用户界面中所示的候选目的地的列表上的目的地。主要候选目的地是指线上到线下服务的用户可能对主要开始时间点感兴趣的目的地。
在一些实施例中,对于至少两个主要历史记录中的每一个,训练模块420可以确定至少两个次要历史记录。如在本申请中所使用的,主要历史记录的次要历史记录是指在主要历史记录之前发生的历史记录。类似于主要历史记录,次要历史记录可包括次要历史订单、次要历史查询或其组合。次要历史记录可以包括次要开始时间点、次要开始位置、次要实际目的地等。对于次要历史订单,次要开始时间点是指当用户经由用户终端130向服务器110和/或服务提供者140发送次要历史订单时的时间点。次要开始位置指的是用户经由用户终端130向服务器110和/或服务提供者140发送次要历史订单或服务被启动的位置(例如,接乘地点)。次要实际目的地是指历史订单的目的地。对于次要历史查询,次要开始时间点是指执行次要历史查询时的时间点。次要开始位置是指执行次要历史查询的位置。次要实际目的地是指用户输入以执行次要历史查询的目的地或用户从至少两个候选目的地选择的目的地。采集模块410可以基于主要历史记录的主要开始时间点、主要历史记录的主要开始位置或其组合来获取主要历史记录的次要历史记录。例如,采集模块410可以获取在主要历史记录的主要开始时间点的预定时间范围内发生的次要历史记录。预定时间范围可以包括一周、一个月、两个月、三个月或其他时间段。可选地或另外地,采集模块410可以从主要历史记录的主要开始位置获取其次要实际目的地超过预定地理范围的次要历史记录。预定地理范围可以包括100米、500米、1000米或其他地理范围。可选地或另外地,采集模块410可以从主要历史记录的主要开始时间点获取在预定时间范围(例如30天)内发生的次要历史记录,并且具有从主要历史记录的主要起始位置超过预定地理范围(例如,1000米)的次要实际目的地。
在一些实施例中,训练模块420可基于至少两个次要历史记录确定至少两个主要候选目的地。例如,训练模块420可以提取次要历史记录的次要实际目的地作为主要候选目的地。
在一些实施例中,训练模块420可以使用至少两个主要历史记录和对应于至少两个主要历史记录中的每一个的至少两个次要历史记录来训练初步排序模型。关于训练后的排序模型的细节可以在本申请的其他地方找到。例如参见图6及其描述。
确定模块430可以确定一个或以上候选目的地的排序结果。在一些实施例中,对于一个或以上候选目的地中的每一个,确定模块430可以提取一个或以上特征,并基于一个或以上特征和训练后的排序模型确定对应于候选目的地的加权值。关于一个或以上候选目的地排序结果的细节可以在本申请的其他地方找到。例如参见图5及其描述。
通信模块440可以响应于触发事件将一个或以上候选目的地的排序结果发送到用户终端130。在一些实施例中,通信模块440可以发送一个或以上排序的候选目的地的全部或一部分。例如,通信模块440可以将排序中的十个候选目的地中的前六个候选目的地发送到用户终端130。
处理引擎112中的采集模块410、训练模块420、确定模块430和通信模块440可以经由有线连接、无线连接或其任何组合彼此连接或通信。有线连接可以包括金属线缆、光缆、混合电缆等或其任意组合。无线连接可以包括局域网络(LAN)、广域网络(WAN)、蓝牙、紫蜂网络、近场通信(NFC)等或其任意组合。采集模块410、训练模块420、确定模块430和通信模块440的两个或以上,可以组合为单个模块。例如,训练模块420可以与确定模块430集成为单个模块。单个模块可以确定训练的排序模型,并基于训练后的排序模型确定一个或以上候选目的地的排序结果。
图5示出了根据本申请的一些实施例的用于确定排序结果的示例性过程。过程500可以在线上到线下服务系统100的服务器110的非暂时性存储介质中作为一组指令实现。服务器110的处理器220可以执行该一组指令并且可以相应地执行过程500中的步骤。
以下呈现的所示过程500的操作旨在是说明性的而非限制性的。在一些实施例中,过程500可以利用未描述的一个或以上附加操作,和/或没有所讨论的一个或以上操作来完成。另外,如图5所示和下面描述的过程500的操作的顺序不是限制性的。
在510中,采集模块410可以在没有来自与用户相关联的用户终端130的输入的情况下接收触发事件。触发事件可以是触发排序目的地组的请求的事件。例如,触发事件可以包括用户终端130上的按需设备的移动应用的用户登录,用户终端130上的移动应用程序的打开或启动,用户在移动应用程序的界面(例如,输入框、地图)上的点击,或者对移动应用程序的其他合适的操作。
如其他地方所示,触发事件可以对应于当前时间点和当前位置。当前时间点是指触发事件发生时的时间点。当前位置指的是触发事件发生的位置(例如,用户终端130的当前位置)。
在520中,采集模块410可以基于触发事件获取一个或以上候选目的地。在一些实施例中,采集模块410可以基于触发事件从目的地集合(例如,从存储器150)中选择一个或以上候选目的地。目的地集合可以包括预先生成的至少两个目的地。在一些实施例中,采集模块410可以基于触发事件获取一个或以上历史记录(例如,一个或以上历史订单、一个或以上历史查询)。采集模块410还可以基于一个或以上历史记录获取一个或以上候选目的地。例如,确定模块430可以获取一个或以上历史记录的一个或以上实际目的地作为一个或以上候选目的地。采集模块410可以获取一个或以上历史订单和/或最新历史查询的实际目的地作为一个或以上候选目的地。一个或以上候选目的地中的每一个可以对应于历史开始时间点和历史开始位置。对应于候选目的地的历史开始时间点可以包括当发送历史订单时的时间点或者当执行历史查询时的时间点。历史起始位置可以包括发送历史订单的位置或执行历史查询的位置。
在一些实施例中,采集模块410可以基于触发事件的当前时间点、触发事件的当前位置或其组合来获取一个或以上历史记录。例如,采集模块410可以获取在触发事件的当前时间点的三个月内的一个或以上历史记录。可选地或另外地,采集模块410可以获取目的地与触发事件的当前位置的距离超过1000米的一个或以上历史记录。或者,采集模块410可以获取在触发事件的当前时间点的三个月内并且目的地距触发事件的当前位置超过1000米的一个或以上历史记录。
在530中,训练模块420可以获取训练后的排序模型。训练后的排序模型可以包括机器学习模型,例如,学习排序模型。学习排序模型可以包括Ranknet模型、LambdaMart模型、Lambdarank模型等。在一些实施例中,训练后的排序模型可以是使用从一组用户(例如,一组10000个随机用户、一组频繁用户)收集的训练数据训练的一般排序模型。在一些实施例中,排序模型可以是使用与用户(例如,用户终端130的用户)相关联的指定训练数据训练的特定排序模型。在一些实施例中,可以根据结合图6描述的过程600的操作来训练排序模型。
在540中,确定模块430可以根据训练后的排序模型确定在520中获取的一个或以上候选目的地的排序结果。对于一个或以上候选目的地中的每一个,确定模块430可以提取一个或以上特征,并基于一个或以上特征和训练后的排序模型确定与候选目的地相对应的加权值。确定模块430可以基于一个或以上加权值来确定一个或以上候选目的地的排序结果。
在一些实施例中,候选目的地的一个或以上特征可以涉及触发事件的当前位置与候选目的地之间的距离。
可选地或另外地,一个或以上特征可以涉及触发事件的当前时间点与对应于候选目的地的历史开始时间点之间的时间间隔。在一些实施例中,当前时间点与历史开始时间点之间的时间间隔可以是当前时间点与其各自日期中的历史开始时间点之间的时间差。例如,如果当前时间点是2017年6月7日下午3点,并且历史开始时间点是2017年7月7日下午4点,则时间间隔可以是一小时。或者,时间间隔可以是当前时间点与历史开始时间点之间的实际时间差。例如,如果当前时间点是2017年7月7日下午3点,并且历史开始时间点是2017年6月7日下午4点,时间间隔可能是30天。
可选地或另外地,一个或以上特征可以涉及候选目的地在历史记录中作为实际目的地的出现频率。在一些实施例中,候选目的地的出现频率可以是其实际目的地为候选目的地的历史记录的数量与一个或以上历史记录的总数的比率。例如,如果历史记录的总数是100并且其实际目的地为候选目的地的历史记录的数量是20,则候选目的地的出现频率可以是0.20。
在一些实施例中,在触发事件的当前时间点的时间范围内,在历史记录中作为实际目的地出现的候选目的地可以用于确定出现频率。时间范围可以是小时或日期。例如,时间范围可以是触发事件的当前时间点的一小时(正和负)内,而不管哪个日期(或者无论哪个日期,如果历史记录的日期在某些天,如30天内)。仅作为示例,如果当前时间点是2017年6月7日下午3点,时间范围可以是下午2点到4点(即从下午3点起正负1小时),候选目的地在历史记录中的实际目的地的发生时间点在下午2点至4点的时间范围内将被使用(不管历史记录的日期,或者如果日期在当前时间点的如30天内则不管历史记录的日期),以确定候选目的地的出现频率。或者,时间范围可以是当前时间点之前的某几天(例如,30天)。例如,如果当前时间点是2017年6月7日下午3点,时间范围是30天,在历史记录中作为实际目的地出现的候选目的地将被用于确定候选目的地的出现频率,该历史记录的日期是在当前时间点之前的30天内(不论时间点)。在一些实施例中,可以在特定日期(例如,假日、周末、工作日)确定候选目的地的出现频率。
在550中,通信模块440可以响应于触发事件将排序结果发送到用户终端130。在一些实施例中,通信模块440可以将全部或部分排序结果发送到用户终端130。例如,通信模块440可以将排序中的十个候选目的地中的前六个候选目的地发送到用户终端130。或者,通信模块440可以将十个候选目的地发送到用户终端130。在一些实施例中,用户终端130可以经由用户界面向用户显示候选目的地的全部或一部分。
在一些实施例中,过程500可以进一步包括附加步骤。采集模块410可以从用户终端130接收用户对一个或以上候选目的地的选择。采集模块410还可以基于用户对一个或以上候选目的地的选择来接收服务订单。以上描述仅用于说明目的。应该注意的是,本领域普通技术人员可以考虑除了图5中描述的步骤之外的附加或替代步骤。
图6示出了根据本申请的一些实施例的用于使用线上到线下服务系统确定训练后的排序模型的示例性过程600。过程600可以在线上到线下服务系统100的服务器110的非暂时性存储介质中实现为一组指令。服务器110的处理器220可以执行一组指令并且可以相应地执行过程600中的步骤。
以下呈现的所示过程600的操作旨在是说明性的。在一些实施例中,过程600可以利用未描述的一个或以上附加操作,和/或没有所讨论的一个或以上操作来完成。另外,如图6所示和下面描述的过程600的操作的顺序不是限制性的。
在610中,训练模块420可以获取至少两个主要历史记录。至少两个主要历史记录中的每个可以包括历史记录,其可以是历史订单,历史查询或其组合。如本文所使用的,历史订单是指由用户发起并由服务提供者完成的服务订单,并且历史查询是指由用户发起的请求关于服务的信息的服务查询(例如,费用、估计的等待时间、估计的到达时间)。
在一些实施例中,至少两个主要历史记录可以与线上到线下服务的至少两个用户相关联。主要历史记录可能包括主要开始时间点、主要起始位置、主要实际目的地等。对于主要历史订单,主要开始时间点是指当用户通过用户终端130向服务器110和/或服务提供者140发送主要历史订单时的时间点。主要开始位置是指用户经由用户终端130向服务器110和/或服务提供者140(例如,主要历史订单的接乘位置)发送主要历史订单的位置。主要实际目的地是指主要历史订单的目的地。对于主要历史查询,主要开始时间点是指当执行主要历史查询时(例如,当用户请求与潜在服务订单有关的信息时)的时间点。主要起始位置是指执行主要历史查询的位置。主要实际目的地是指用户输入以执行主要历史查询的目的地或用户从至少两个候选目的地中选择的目的地。
在620中,对于至少两个主要历史记录中的每一个,训练模块420可以确定至少两个次要历史记录。如在本申请中所使用的,主要历史记录的次要历史记录是指在主要历史记录之前发生的历史记录(例如,历史订单、历史查询)。例如,对于主要历史记录,训练模块420可以获取在主要历史记录的日期之前的时间范围(例如,3个月)内发生的至少两个次要历史记录。
在一些实施例中,至少两个次要历史记录中的每一个可以包括次要开始时间点、次要开始位置、次要实际目的地等。对于次要历史订单,次要开始时间点是指当用户经由用户终端130向服务器110和/或服务提供者140发送次要历史订单时的时间点。次要开始位置指的是用户经由用户终端130向服务器110和/或服务提供者140发送次要历史订单或服务被启动的位置(例如,接乘地点)。次要实际目的地是指历史订单的目的地。对于次要历史查询,次要开始时间点是指执行次要历史查询时的时间点。次要开始位置是指执行次要历史查询的位置。次要实际目的地是指用户输入以执行次要历史查询的目的地或用户从至少两个候选目的地中选择的目的地。
在一些实施例中,训练模块420可以基于主要历史记录的主要开始时间点,主要历史记录的主要开始位置或其组合来确定至少两个次要历史记录。例如,训练模块420可以在从主要历史记录的主要开始时间点的时间范围内(例如,从主要历史记录的主要开始时间点开始三个月)获取次要历史记录。可选地或另外地,训练模块420可以从主要历史记录的主要开始位置获取目的地超过距离(例如,1000米)的次要历史记录。可选地或另外地,训练模块420可以获取开始时间点与主要历史记录的主要开始时间点在时间范围(例如,三个月)内,并且目的地与主要历史记录的主要起始位置超过一定距离(例如,1000米)的次要历史记录。
可选地或另外地,训练模块420可以根据主要历史记录的主要目的地组来确定次要历史记录。在一些实施例中,主要目的地组可以包括至少两个主要候选目的地。至少两个主要候选目的地可以包括当用户发起主要历史记录时出现在用户终端130的用户界面中所示的候选目的地的列表上的目的地。训练模块420可以确定具有这些主要候选目的地之一作为主要实际目的地的一个或以上次要历史记录。
在一些实施例中,对于至少两个主要历史记录中的每一个,训练模块420可以根据所确定的次要历史记录确定至少两个主要候选目的地。例如,训练模块420可以将次要历史记录的实际目的地指定为主要候选目的地,其可以包括在主要历史记录的主要目的地组中。
下面给出一个例子以帮助更好地理解,这仅用于说明目的而不是限制性的。对于在2017年7月7日下午3点生成的主要历史记录,训练模块420可以获取在2017年7月7日下午3点之前生成的至少两个次要历史记录。例如,训练模块420可以在2017年7月7日下午3点(即,主要开始时间)的30天内获取至少两个次要历史记录。为了说明,次要历史记录可以被称为SHR 1、SHR 2、...、SHR n。次要历史记录的次要实际目的地可以标记为SAD 1、SAD2、...、SAD m。n和m可以是正整数。在一些实施例中,m可以与n相同,并且至少两个次要历史记录的每个次要实际目的地可以是不同的。或者,m可以小于n,并且次要历史记录的次要实际目的地中的至少两个可以是相同的。然后,训练模块420可以确定包括SAD 1、SAD 2、...和SAD m的组作为主要目的地组。
在630中,训练模块420可以获取初步排序模型。初步排序模型可包括对应于目的地的一个或以上特征。初步排序模型还可以包括一个或以上特征中的每一个的初步加权系数。在一些实施例中,初步排序模型可包括学习排序模型。学习排序模型可以包括Ranknet模型、LambdaMart模型、Lambdarank模型等。
在640中,训练模块420可以基于初步排序模型确定对应于至少两个主要历史记录的至少两个主要目的地组的至少两个样本排序结果。
主要历史记录可以具有主要开始时间点、主要开始位置、主要实际目的地以及包括至少两个主要候选目的地的主要目的地组。主要候选目的地可能是具有次要开始时间点和次要开始位置的次要历史订单的次要实际目的地。对于主要历史记录,训练模块420可以基于初步排序模型确定主要历史记录的主要候选目的地的样本排序结果。
在一些实施例中,对于至少两个主要候选目的地中的每一个,训练模块420可以确定主要候选目的地的一个或以上特征。一个或以上特征可以涉及主要候选目的地(即,次要实际目的地)与主要起始位置之间的距离、在次要开始时间点和主要开始时间点之间的时间间隔、主要候选目的地在一段时间内的至少两个次要历史记录中的出现频率。主要候选目的地的出现频率可以是某时间范围内历史实际目的地为主要候选目的地的次要历史记录的数量与该时间范围内的至少两个次要历史记录的总数的比率。时间段可以是小时或日期。例如,无论哪个日期,主要历史记录的主要开始时间点的时间范围可以是一小时(正负)(或者,如果历史记录的日期在特定日期内,例如30天,则无论哪个日期)。或者,时间范围可以是不管时间点的主要开始时间点之前的某些天(例如,30天)。在一些实施例中,主要候选目的地的出现频率可以在特定日期(例如,假日,周末,工作日)确定。
仅作为示例,如果主要历史记录的主要开始时间点是2017年7月7日下午3点,主要起点位于北京大学东门,主要实际目的地是中国人民大学东门,主要目的地组包括三个主要候选目的地,即D1、D2和D3。D1是次要历史记录的实际目的地,具有次要开始时间点,时间为2017年7月7日下午1点,次要开始位置为清华大学西门。对于D1,主要候选目的地与主要起始位置之间的距离是D1与北京大学东门之间的距离。在次要开始时间点和主要开始时间点之间的时间间隔可以是2017年7月7日下午3点到2017年7月7日下午1点(即两小时)之间的时间差。D1的出现频率可以是历史实际目的地为D1的次要历史记录的数量与时间范围内(例如,在主要开始时间之前的30天内)的至少两个次要历史记录的总数的比率。
对于至少两个主要候选目的地中的每一个,训练模块420可以将初步排序模型的一个或以上初步加权系数分配给主要候选目的地的一个或以上特征。训练模块420还可以基于一个或以上特征和一个或以上初步加权系数来确定对应于主要候选目的地的初步加权值。
对于每个主要历史记录,训练模块420可以基于至少两个初步加权值来确定主要目的地组的主要候选目的地的排序结果。
在650中,训练模块420可以获取对应于至少两个主要历史记录的至少两个主要实际目的地。主要历史记录可包括主要实际目的地。训练模块420可以基于至少两个主要历史记录来提取至少两个主要实际目的地。
在660中,基于至少两个实际目的地,训练模块420可以确定至少两个样本排序结果是否满足条件。在一些实施例中,训练模块420可基于至少两个样本排序结果确定初步模型的损失函数。训练模块420还可以确定初步模型的损失函数是否小于预定阈值。
在一些实施例中,可以基于归一化折扣累积增益(NDCG)来确定损失函数。NDCG可以指示样本排序结果的质量的度量。当NDCG更大时,损失函数可能更小。具体地,对于至少两个主要目的地组中的每一个,训练模块420可以确定NDCG。可以基于主要目的地组中的主要实际目的地的排序来确定NDCG。例如,如果主要实际目的地在主要历史记录的主要候选目的地的样本排序结果中是No.1,则NDCG更大。
对于至少两个主要历史记录,训练模块420可以确定对应于至少两个主要历史记录的至少两个主要目的地组的平均NDCG。获取模块410可以基于至少两个主要目的地组的平均NDCG来确定损失函数。
在确定至少两个样本排序结果未能满足基于至少两个主要实际目的地的条件时,例如,损失函数不小于预定阈值,过程600可以进行到630并且可以更新初步排序模型。在一些实施例中,训练模块420可以通过调整初步加权系数来更新初步排序模型。训练模块420还可以执行步骤640到660。换句话说,训练模块420可以调整初步模型的一个或以上初步加权系数,直到至少两个样本排序结果满足条件。
在确定至少两个样本排序结果满足基于至少两个实际目的地的条件时,例如,损失函数小于预定阈值,过程600可以进行到670。在670中,训练模块420可以将(更新的)初步排序模型指定为训练后的排序模型。训练后的排序模型可以包括一个或以上最终加权系数,其可以输出候选目的地的排序结果。
以上描述仅用于说明目的。应该注意的是,本领域普通技术人员可以考虑除图6中描述的步骤之外的附加或替代步骤。例如,过程600还可以包括通过通信模块440将排序模型发送到线上到线下服务系统100中的存储器150或任何其他组件。
图7示出了根据本申请的一些实施例的用户终端130上的移动应用的示例性界面700。如图7所示,界面700可以包括输入框710、输入按钮720和目的地组730。目的地组730可以包括候选目的地730-1、候选目的地730-2、...、候选目的地730-n。可以对候选目的地730-1、候选目的地730-2、...、候选目的地730-n进行排序,其中一个可以是用户通过用户界面选择的实际目的地(例如,候选目的地730-2)。
当移动应用程序的用户(例如,线上到线下服务的移动应用程序)触发了触发事件时,例如,点击输入框710,用户终端130可以获取触发事件并将全部或部分目的地组(例如,排序中的候选目的地)呈现给用户。
上文已对基本概念做了描述,显然,对于阅读此申请后的本领域的普通技术人员来说,上述发明披露仅作为示例,并不构成对本申请的限制。虽然此处并未明确说明,但本领域的普通技术人员可能会对本申请进行各种修改、改进和修正。这类修改、改进和修正在本申请中被建议,所以所述类修改、改进、修正仍属于本申请示范实施例的精神和范围。
同时,本申请使用了特定词语来描述本申请的实施例。例如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本申请至少一个实施例相关的某一特征、结构或特性。因此,应当强调并注意的是,本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一替代性实施例”并不一定是指同一实施例。此外,本申请的一个或以上实施例中的某些特征、结构或特点可以进行适当的组合。
此外,本领域的普通技术人员可以理解,本申请的各方面可以通过若干具有可专利性的种类或情况进行说明和描述,包括任何新的和有用的过程、机器、产品或物质的组合,或对其任何新的和有用的改进。相应地,本申请的各个方面可以完全由硬件执行、可以完全由软件(包括固件、常驻软件、微码等)执行、也可以由硬件和软件组合执行。以上硬件或软件均可被称为“模块”、“单元”、“组件”、“设备”或“系统”。此外,本申请的方面可以采取体现在一个或以上非暂时性计算机可读介质中的计算机程序产品的形式,该计算机可读介质具有包含在其上的计算机可读程序代码。
计算机可读信号介质可能包含一个内含有计算机程序代码的传播数据信号,例如在基带上或作为载波的一部分。此类传播信号可以有多种形式,包括电磁形式、光形式等或任何合适的组合。计算机可读信号介质可以是除计算机可读存储介质之外的任何计算机可读介质,该介质可以通过连接至一个指令执行系统、装置或设备以实现通信、传播或传输供使用的程序。位于计算机可读信号介质上的程序代码可以通过任何合适的介质进行传播,包括无线电、电缆、光纤电缆、RF等,或任何上述介质的组合。
本申请各部分操作所需的计算机程序编码可以用任意一种或以上程序语言编写,包括面向主体编程语言如Java、Scala、Smalltalk、Eiffel、JADE、Emerald、C++、C#、VB.NET、Python等,常规程序化编程语言如C语言、Visual Basic、Fortran 2003、Perl、COBOL 2002、PHP、ABAP,动态编程语言如Python、Ruby和Groovy,或其他编程语言等。该程序代码可以完全在用户计算机上运行、或作为独立的软件包在用户计算机上运行、或部分在用户计算机上运行部分在远程计算机运行、或完全在远程计算机或服务器上运行。在后种情况下,远程计算机可以通过任何网络形式与用户计算机连接,比如局域网(LAN)或广域网(WAN),或连接至外部计算机(例如通过因特网),或在云计算环境中,或作为服务使用如软件即服务(SaaS)。
此外,除非权利要求中明确说明,本申请所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用,并非用于限定本申请流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例,但应当理解的是,该类细节仅起到说明的目的,附加的权利要求并不仅限于披露的实施例,相反,权利要求旨在覆盖所有符合本申请实施例实质和范围的修正和等价组合。例如,虽然以上所描述的系统组件可以通过硬件设备实现,但是也可以只通过软件的解决方案得以实现,如在现有的服务器或移动设备上安装所描述的系统。
同理,应当注意的是,为了简化本申请披露的表述,从而帮助对一个或以上发明实施例的理解,前文对本申请实施例的描述中,有时会将多种特征归并至一个实施例、附图或对其的描述中。然而,本申请的该方法不应被解释为反映所声称的待扫描对象物质需要比每个权利要求中明确记载的更多特征的意图。实际上,实施例的特征要少于上述披露的单个实施例的全部特征。
Claims (17)
1.一种系统,包括:
包含一组指令的至少一个存储设备;以及
与所述至少一个存储设备通信的至少一个处理器,其中,当执行所述一组指令时,所述至少一个处理器被配置为使所述系统:
在没有来自与用户相关联的用户终端的输入时接收触发事件;
基于所述触发事件获取一个或以上候选目的地;
获取训练后的排序模型;其中,所述训练后的排序模型是基于训练过程生成的,所述训练过程包括:
获取至少两个主要历史记录,所述主要历史记录包括主要历史订单或主要历史查询;
对于所述至少两个主要历史记录中的每一个,确定至少两个次要历史记录,所述次要历史记录包括次要历史订单或次要历史查询;以及
确定对应于所述主要历史记录的所述每一个的主要目的地组,所述主要目的地组包括基于所述至少两个次要历史记录的至少两个主要候选目的地;
获取初步排序模型;
基于所述初步排序模型确定对应于所述至少两个主要历史记录的所述主要目的地组的至少两个样本排序结果;
获取对应于所述至少两个主要历史记录的至少两个主要实际目的地;
基于所述至少两个主要实际目的地确定所述至少两个样本排序结果是否满足条件;以及
基于所述至少两个排序结果满足所述条件,指定所述初步排序模型作为所述训练后的排序模型;
基于所述训练后的排序模型确定所述一个或以上候选目的地的排序结果;以及
响应于所述触发事件,将所述排序结果发送到所述用户终端。
2.根据权利要求1所述的系统,其特征在于,为了获取所述一个或以上候选目的地,所述至少一个处理器被配置为使所述系统:
获取所述用户终端的当前位置;获取与所述用户相关联的一个或以上历史记录,所述一个或以上历史记录包括至少一条历史订单或历史查询;以及
基于所述用户终端的所述一个或以上历史记录和所述当前位置获取所述一个或以上候选目的地。
3.根据权利要求1所述的系统,其特征在于,所述确定所述至少两个样本排序结果包含:
对于所述至少两个主要历史记录中的每一个,对于对应于所述至少两个主要历史记录的每一个的主要目的地组的至少两个主要候选目的地中的每一个,提取与所述至少两个主要候选目的地中的所述每一个相关联的一个或以上特征;将一个或以上的初步加权系数分配给所述提取的一个或以上的特征;以及基于所述一个或以上的特征和所述一个或以上的初步加权系数,确定对应于所述至少两个主要候选目的地中的每一个的初步加权值;以及
基于对应于所述至少两个主要候选目的地的所确定的初步加权值,确定所述至少两个主要历史记录中的每一个的样本排序结果。
4.根据权利要求3所述的系统,其特征在于,所述训练过程还包括:
基于所述至少两个样本排序结果未能满足所述条件,更新所述初步排序模型的所述一个或以上初步加权系数。
5.根据权利要求3所述的系统,其特征在于,所述至少两个主要历史记录中的每一个对应于主要开始时间点或主要开始位置,所述主要开始时间点包括发送所述主要历史订单时的时间点或执行所述主要历史查询的时间点,所述主要开始位置包括发送所述主要历史订单的位置或执行所述主要历史查询的位置;
所述至少两个次要历史记录中的每一个对应于次要开始时间点,所述次要开始时间点包括发送所述次要历史订单时的时间点或执行所述次要历史查询的时间点;以及
与所述至少两个主要历史记录中的每一个的所述至少两个主要候选目的地中的每一个相关联的一个或以上特征包括以下中的至少一个:
所述至少两个主要历史记录中的每一个的主要开始位置与所述至少两个主要历史记录中的每一个的主要候选目的地之间的距离;
所述至少两个主要历史记录中的每一个的主要开始时间点与对应于所述至少两个主要历史记录中的每一个的主要候选目的地的次要开始时间点之间的时间间隔;或
在一段时间内,在所述至少两个次要历史记录中,所述至少两个主要历史记录的每一个的主要候选目的地的出现频率。
6.根据权利要求1所述的系统,其特征在于,所述初步排序模型包括Lambdarank模型。
7.一种在计算设备上实现的方法,所述计算设备具有至少一个处理器、至少一个计算机可读存储介质和连接到网络的通信平台,所述方法包括:
在没有来自与用户相关联的用户终端的输入时接收触发事件;
基于所述触发事件获取一个或以上候选目的地;
获取训练后的排序模型;其中,所述训练后的排序模型是基于训练过程生成的,所述训练过程包括:
获取至少两个主要历史记录,所述主要历史记录包括主要历史订单或主要历史查询;
对于所述至少两个主要历史记录的每一个,确定至少两个次要历史记录,所述次要历史记录包括次要历史订单或次要历史查询;以及
确定对应于所述主要历史记录的所述每一个主要目的地组,所述主要目的地组包括基于所述至少两个次要历史记录的至少两个主要候选目的地;
获取初步排序模型;
基于所述初步排序模型确定对应于所述至少两个主要历史记录的所述主要目的地组的至少两个样本排序结果;
获取对应于所述至少两个主要历史记录的至少两个主要实际目的地;
基于所述至少两个主要实际目的地确定所述至少两个样本排序结果是否满足条件;以及
基于所述至少两个排序结果满足所述条件,指定所述初步排序模型作为所述训练后的排序模型;
基于所述训练后的排序模型确定所述一个或以上候选目的地的排序结果;以及
响应于所述触发事件,将所述排序结果发送到所述用户终端。
8.根据权利要求7所述的方法,其特征在于,所述获取一个或以上候选目的地包括:
获取所述用户终端的当前位置;
获取与所述用户相关的一个或以上历史记录,所述一个或以上历史记录包括至少一段历史订单或历史查询;以及
基于所述用户终端的所述一个或以上历史记录和所述当前位置,获取所述一个或以上候选目的地。
9.根据权利要求7所述的方法,其特征在于,所述确定所述至少两个样本排序结果包含:
对于所述至少两个主要历史记录的每一个,对于对应于所述至少两个主要历史记录的每一个的主要目的地组的至少两个主要候选目的地的每一个,提取与所述至少两个主要候选目的地中的所述每一个相关的一个或以上特征;
将一个或以上的初步加权系数分配给所述提取的一个或以上的特征;以及
基于所述一个或以上的特征和所述一个或以上的初步加权系数,确定对应于所述至少两个主要候选目的地的每一个的初步加权值;以及
基于对应于所述至少两个主要候选目的地的所确定的初步加权值,确定所述至少两个主要历史记录中的每一个的样本排序结果。
10.根据权利要求9所述的方法,其特征在于,所述训练过程还包括:
基于所述至少两个样本排序结果未能满足所述条件,更新所述初步排序模型的所述一个或以上初步加权系数。
11.根据权利要求9所述的方法,其特征在于,
所述至少两个主要历史记录中的每一个对应于主要开始时间点或主要开始位置,所述主要开始时间点包括发送所述主要历史订单时的时间点或执行所述主要历史查询的时间点,所述主要开始位置包括发送所述主要历史订单的位置或执行所述主要历史查询的位置;
所述至少两个次要历史记录中的每一个对应于次要开始时间点,所述次要开始时间点包括发送所述次要历史订单时的时间点或执行所述次要历史查询的时间点;以及
与所述至少两个主要历史记录中的每一个的所述至少两个主要候选目的地中的每一个相关联的一个或以上特征包括以下中的至少一个:
所述至少两个主要历史记录的每一个的主要开始位置与所述至少两个主要历史记录中的每一个的主要候选目的地之间的距离;
所述至少两个主要历史记录中的每一个的主要开始时间点与对应于所述至少两个主要历史记录的每一个的主要候选目的地的次要开始时间点之间的时间间隔;或
在一段时间内,在所述至少两个次要历史记录中,所述至少两个主要历史记录的每一个的主要候选目的地的出现频率。
12.根据权利要求7所述的方法,其特征在于,所述初步排序模型包括Lambdarank模型。
13.一种非暂时性计算机可读介质,包括计算机程序产品,所述计算机程序产品包括指令,所述指令被配置为使计算系统:
在没有来自与用户相关联的用户终端的输入时接收触发事件;
基于所述触发事件获取一个或以上候选目的地;
获取训练后的排序模型;其中,所述训练后的排序模型是基于训练过程生成的,所述训练过程包括:
获取至少两个主要历史记录,所述主要历史记录包括主要历史订单或主要历史查询;
对于所述至少两个主要历史记录的每一个,确定至少两个次要历史记录,所述次要历史记录包括次要历史订单或次要历史查询;以及
确定对应于所述主要历史记录的所述每一个的主要目的地组,所述主要目的地组包括基于所述至少两个次要历史记录的至少两个主要候选目的地;
获取初步排序模型;
基于所述初步排序模型确定对应于所述至少两个主要历史记录的所述主要目的地组的至少两个样本排序结果;
获取对应于所述至少两个主要历史记的至少两个主要实际目的地;
基于所述至少两个主要实际目的地确定所述至少两个样本排序结果是否满足条件;以及
基于所述至少两个排序结果满足所述条件,指定所述初步排序模型作为所述训练后的排序模型;
基于所述训练后的排序模型确定所述一个或以上候选目的地的排序结果;以及
响应于所述触发事件,将所述排序结果发送到所述用户终端。
14.根据权利要求13的非暂时性计算机可读介质,其特征在于,所述计算机程序产品还包括进一步指令被配置为使所述计算系统:
获取所述用户终端的当前位置;
获取与所述用户相关的一个或以上历史记录,所述一个或以上历史记录包括至少一段历史订单或历史查询;以及
基于所述用户终端的所述一个或以上历史记录和所述当前位置,获取所述一个或以上候选目的地。
15.根据权利要求13所述的非暂时性计算机可读介质,其特征在于,所述计算机程序产品还包括进一步指令被配置为使所述计算系统:
对于所述至少两个主要历史记录的每一个,对于对应于所述至少两个主要历史记录的每一个的主要目的地组的至少两个主要候选目的地的每一个,提取与所述至少两个主要候选目的地中的所述每一个相关的一个或以上特征;
将一个或以上的初步加权系数分配给所述提取的一个或以上的特征;以及基于所述一个或以上的特征和所述一个或以上的初步加权系数,确定对应于所述至少两个主要候选目的地中的每一个的初步加权值;以及
基于对应于所述至少两个主要候选目的地的所确定的初步加权值,确定所述至少两个主要历史记录的每一个的样本排序结果。
16.根据权利要求15所述的非暂时性计算机可读介质,其特征在于,所述计算机程序产品还包括进一步指令被配置为使所述计算系统:
基于所述至少两个样本排序结果未能满足所述条件,更新所述初步排序模型的所述一个或以上初步加权系数。
17.根据权利要求15所述的非暂时性计算机可读介质,其特征在于,
所述至少两个主要历史记录中的每一个对应于主要开始时间点或主要开始位置,所述主要开始时间点包括发送所述主要历史订单时的时间点或执行所述主要历史查询的时间点,所述主要开始位置包括发送所述主要历史订单的位置或执行所述主要历史查询的位置;
所述至少两个次要历史记录中的每一个对应于次要开始时间点,所述次要开始时间点包括发送所述次要历史订单时的时间点或执行所述次要历史查询的时间点;以及
与所述至少两个主要历史记录中的每一个的所述至少两个主要候选目的地的每一个相关联的一个或以上特征包括以下中的至少一个:
所述至少两个主要历史记录的每一个的主要开始位置与所述至少两个主要历史记录的每一个的主要候选目的地之间的距离;
所述至少两个主要历史记录中的每一个的主要开始时间点与对应于所述至少两个主要历史记录的每一个的主要候选目的地的次要开始时间点之间的时间间隔;或
在一段时间内,在所述至少两个次要历史记录中,所述至少两个主要历史记录的每一个的主要候选目的地的出现频率。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/CN2018/090688 WO2019237229A1 (en) | 2018-06-11 | 2018-06-11 | Systems and methods for providing information for online to offline service |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112262557A CN112262557A (zh) | 2021-01-22 |
CN112262557B true CN112262557B (zh) | 2023-12-05 |
Family
ID=68841738
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201880094449.5A Active CN112262557B (zh) | 2018-06-11 | 2018-06-11 | 用于为线上到线下服务提供信息的系统和方法 |
Country Status (3)
Country | Link |
---|---|
US (1) | US11710142B2 (zh) |
CN (1) | CN112262557B (zh) |
WO (1) | WO2019237229A1 (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2021165886A (ja) * | 2020-04-06 | 2021-10-14 | トヨタ自動車株式会社 | 制御装置、制御装置のプログラム、及び端末装置のプログラム |
KR20230029119A (ko) * | 2021-08-23 | 2023-03-03 | 현대자동차주식회사 | 운행경로의 위험요소 안내 방법 및 그 방법을 제공하는 서버 |
CN114485696A (zh) * | 2021-12-23 | 2022-05-13 | 高德软件有限公司 | 到达点的获取方法、电子设备及存储介质 |
US11748561B1 (en) * | 2022-03-15 | 2023-09-05 | My Job Matcher, Inc. | Apparatus and methods for employment application assessment |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106289289A (zh) * | 2015-12-26 | 2017-01-04 | 惠州华阳通用电子有限公司 | 一种导航目的地推荐方法及装置 |
WO2017202112A1 (en) * | 2016-05-23 | 2017-11-30 | Beijing Didi Infinity Technology And Development Co., Ltd. | Systems and methods for distributing request for service |
TW201741993A (zh) * | 2016-04-27 | 2017-12-01 | 北京嘀嘀無限科技發展有限公司 | 確定運輸服務路線之系統及方法 |
CN107967358A (zh) * | 2017-12-21 | 2018-04-27 | 广东欧珀移动通信有限公司 | 目标地点的推荐方法、装置、存储介质及移动终端 |
Family Cites Families (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101106793A (zh) * | 2006-07-14 | 2008-01-16 | 杨学君 | 一种电子导游业务的系统和方法 |
US20090276414A1 (en) | 2008-04-30 | 2009-11-05 | Microsoft Corporation | Ranking model adaptation for searching |
US20110208735A1 (en) | 2010-02-23 | 2011-08-25 | Microsoft Corporation | Learning Term Weights from the Query Click Field for Web Search |
WO2013192591A2 (en) | 2012-06-22 | 2013-12-27 | Google Inc. | Ranking nearby destinations based on visit likelihoods and predicting future visits to places from location history |
JP5944770B2 (ja) | 2012-07-17 | 2016-07-05 | 株式会社デンソーアイティーラボラトリ | 行先提案システム、行先提案方法、およびプログラム |
CN103674042A (zh) * | 2012-09-18 | 2014-03-26 | 三星电子(中国)研发中心 | 基于用户建模的路径引导系统和方法 |
CN105677804B (zh) | 2015-12-31 | 2020-08-07 | 百度在线网络技术(北京)有限公司 | 权威站点的确定以及权威站点数据库的建立方法和装置 |
US20170256012A1 (en) * | 2016-03-01 | 2017-09-07 | Alen Buzalja | Driver contracting system and method |
CN106197460B (zh) | 2016-06-21 | 2018-12-21 | 吉林大学 | 一种应用gps出行数据进行出行目的地预测的方法 |
CN106446157B (zh) | 2016-09-22 | 2020-01-21 | 北京百度网讯科技有限公司 | 行程目的地推荐方法和装置 |
US10565279B2 (en) * | 2016-10-05 | 2020-02-18 | Uber Technologies, Inc. | Contextual search for location services |
CN108023924B (zh) * | 2016-10-31 | 2020-02-18 | 财付通支付科技有限公司 | 一种信息处理方法、终端及服务器 |
CN107167136B (zh) | 2017-03-29 | 2020-10-02 | 南京邮电大学 | 一种面向电子地图的位置推荐方法及系统 |
US10349223B1 (en) * | 2017-12-14 | 2019-07-09 | Lyft, Inc. | Initiating transportation requests |
JP6749359B2 (ja) * | 2018-03-20 | 2020-09-02 | 本田技研工業株式会社 | 車両乗合支援システム |
-
2018
- 2018-06-11 CN CN201880094449.5A patent/CN112262557B/zh active Active
- 2018-06-11 WO PCT/CN2018/090688 patent/WO2019237229A1/en active Application Filing
-
2020
- 2020-10-22 US US17/078,075 patent/US11710142B2/en active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106289289A (zh) * | 2015-12-26 | 2017-01-04 | 惠州华阳通用电子有限公司 | 一种导航目的地推荐方法及装置 |
TW201741993A (zh) * | 2016-04-27 | 2017-12-01 | 北京嘀嘀無限科技發展有限公司 | 確定運輸服務路線之系統及方法 |
WO2017202112A1 (en) * | 2016-05-23 | 2017-11-30 | Beijing Didi Infinity Technology And Development Co., Ltd. | Systems and methods for distributing request for service |
CN107967358A (zh) * | 2017-12-21 | 2018-04-27 | 广东欧珀移动通信有限公司 | 目标地点的推荐方法、装置、存储介质及移动终端 |
Also Published As
Publication number | Publication date |
---|---|
WO2019237229A1 (en) | 2019-12-19 |
US20210042772A1 (en) | 2021-02-11 |
CN112262557A (zh) | 2021-01-22 |
US11710142B2 (en) | 2023-07-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108701279B (zh) | 用于确定未来运输服务时间点的预测分布的系统和方法 | |
CN109478275B (zh) | 分配服务请求的系统和方法 | |
CN110832284B (zh) | 用于目的地预测的系统和方法 | |
JP2019507400A (ja) | オンデマンドサービスのための情報を提供するシステム及び方法 | |
CN112036645B (zh) | 用于确定预估到达时间的系统和方法 | |
CN108701403B (zh) | 用于展示与服务请求相关的标识的系统及方法 | |
CN112262557B (zh) | 用于为线上到线下服务提供信息的系统和方法 | |
JP2019506640A (ja) | 推奨サービス位置を推奨するシステム及び方法 | |
JP6632723B2 (ja) | サービスの順序列を更新するためのシステム及び方法 | |
CN109791731B (zh) | 一种预估到达时间的方法和系统 | |
CN110999331B (zh) | 一种命名接载位置的方法和系统 | |
TW201901474A (zh) | 用於確定預估到達時間的系統和方法 | |
TW201901185A (zh) | 用於確定預估到達時間的系統和方法 | |
CN112236787A (zh) | 用于生成个性化目的地推荐的系统和方法 | |
JP2019507395A (ja) | 車両に関連した基準方向を求めるシステム及び方法 | |
CN111433795A (zh) | 一种确定线上到线下服务的预估到达时间的系统和方法 | |
CN110651266B (zh) | 为按需服务提供信息的系统及方法 | |
CN112243487A (zh) | 用于按需服务的系统和方法 | |
CN111860926B (zh) | 用于预测服务需求信息的系统和方法 | |
CN116508013A (zh) | 用于推荐兴趣点的系统和方法 | |
CN113924460B (zh) | 确定服务请求的推荐信息的系统和方法 | |
CN111954891B (zh) | 一种跨业务的共享汽车资源复用方法 | |
CN111954891A (zh) | 一种跨业务的共享汽车资源复用方法 |
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 |