CN112884390A - 订单处理的方法、装置、可读存储介质及电子设备 - Google Patents
订单处理的方法、装置、可读存储介质及电子设备 Download PDFInfo
- Publication number
- CN112884390A CN112884390A CN201911200451.9A CN201911200451A CN112884390A CN 112884390 A CN112884390 A CN 112884390A CN 201911200451 A CN201911200451 A CN 201911200451A CN 112884390 A CN112884390 A CN 112884390A
- Authority
- CN
- China
- Prior art keywords
- address
- matched
- vector
- standard
- sub
- 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.)
- Withdrawn
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
-
- 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]
- G06Q30/0633—Lists, e.g. purchase orders, compilation or processing
- G06Q30/0635—Processing of requisition or of purchase orders
Landscapes
- Business, Economics & Management (AREA)
- Economics (AREA)
- Engineering & Computer Science (AREA)
- General Business, Economics & Management (AREA)
- Development Economics (AREA)
- Finance (AREA)
- Marketing (AREA)
- Accounting & Taxation (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Human Resources & Organizations (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本说明书公开了一种订单处理的方法、装置、可读存储介质及电子设备,在获取待处理订单后,根据该待处理订单中包含的待匹配地址,确定该待匹配地址对应的待匹配向量,针对保存的每个标准地址,根据该待匹配向量,确定该待匹配地址与预先确定出的该标准地址对应的每个地址分类的匹配度,并根据该待匹配地址与该标准地址对应的每个地址分类的匹配度,确定该待匹配地址与该标准地址之间的匹配度,根据该待匹配地址与各标准地址之间的匹配度,从各标准地址中选取与该待匹配地址相匹配的匹配地址,并根据该匹配地址,对待处理订单进行处理。该方法可以有效查找到与待匹配地址匹配的标准地址,进而准确确定出待处理订单的预计交付时间。
Description
技术领域
本说明书涉及计算机领域,尤其涉及一种订单处理的方法、装置、可读存储介质及电子设备。
背景技术
当下配送服务应用得十分广泛,用户可以在服务平台订购商品,配送员会将用户订购的商品送达至用户手中,给用户的生活带来了方便。
其中,服务平台需要预估出从配送员到达用户所处位置的附近处后将用户订购的商品交付至用户手中这一过程所消耗的时长,称之为预计交付时长。该预计交付时长会作为服务平台分配订单的影响因素,因此需要较准确的确定该预计交付时长。
在现有技术中,服务平台预先保存有标准地址与预估模型的对应关系,服务平台可以确定出与订单中的收货地址相匹配的标准地址,并根据该标准地址对应的预估模型,确定该订单的预计交付时长。
然而,由于用户在填写收货地址时具有一定的随意性,使得用户最终填写的收货地址往往与会用户的实际收货地址有所偏差。这样一来,服务平台很可能无法根据用户填写的收货地址,查找到与之匹配的预估模型,进而也将无法准确的确定出相应的预计交付时长。
所以,如何能够更准确的确定出订单的预计交付时长,则是一个亟待解决的问题。
发明内容
本说明书提供一种订单处理的方法、装置、可读存储介质及电子设备,以部分的解决现有技术存在的上述问题。
本说明书采用下述技术方案:
本说明书提供了一种订单处理的方法,包括:
获取待处理订单;
根据所述待处理订单中包含的待匹配地址,确定所述待匹配地址对应的特征向量,作为待匹配向量;
针对保存的每个标准地址,根据所述待匹配向量,确定所述待匹配地址与预先确定出的该标准地址对应的每个地址分类的匹配度;
根据所述待匹配地址与该标准地址对应的每个地址分类的匹配度,确定所述待匹配地址与该标准地址之间的匹配度;
根据所述待匹配地址与各标准地址之间的匹配度,从各标准地址中选取与所述待匹配地址相匹配的标准地址,作为匹配地址;
根据所述匹配地址,对所述待处理订单进行处理。
可选地,所述根据所述待处理订单中包含的待匹配地址,确定所述待匹配地址对应的特征向量,包括:
对所述待匹配地址进行分词,得到各关键词;
针对每个关键词,根据预设的向量转换规则,确定该关键词对应的特征向量;
根据每个关键词对应的特征向量,确定所述待匹配地址对应的特征向量。
可选地,所述根据每个关键词对应的特征向量,确定所述待匹配地址对应的特征向量,包括:
将各关键词对应的特征向量的均值,确定为所述待匹配地址对应的特征向量。
可选地,所述针对保存的每个标准地址,预先确定该标准地址对应的至少一个地址分类,包括:
针对每个标准地址,确定该标准地址对应的特征向量;
将该标准地址对应的特征向量拆分成设定段数,得到各子特征向量;
针对该标准地址的每个子特征向量,根据拆分该标准地址对应的特征向量时,该子特征向量在该标准地址对应的特征向量中的位置,确定该子特征向量对应的序号;
将序号相同的各标准地址的子特征向量进行聚类,得到各序号对应的地址向量簇;
针对每个标准地址,确定该标准地址的各子特征向量分别归属的地址向量簇,并将确定出的地址向量簇对应的地址分类,作为该标准地址对应的地址分类。
可选地,所述根据所述待匹配向量,确定所述待匹配地址与预先确定出的该标准地址对应的每个地址分类的匹配度,包括:
将所述待匹配向量进行拆分,得到所述设定段数的子待匹配向量;
针对每个子待匹配向量,根据拆分所述待匹配特征向量时,该子待匹配向量在所述待匹配向量中的位置,确定该子待匹配向量对应的序号;
确定该子待匹配向量与该子待匹配向量对应序号的地址向量簇之间的向量距离;
确定该标准地址的各子特征向量中与该子待匹配向量序号相同的子特征向量所归属的地址向量簇,作为目标地址向量簇;
根据该子待匹配向量与所述目标地址向量簇之间的向量距离,确定该子待匹配向量与所述目标地址向量簇对应地址分类的匹配度,作为所述待匹配地址与所述目标地址向量簇对应的地址分类之间的匹配度。
可选地,所述根据所述待匹配地址与该标准地址对应的每个地址分类的匹配度,确定所述待匹配地址与该标准地址之间的匹配度,包括:
根据各子待匹配向量与该标准地址对应的至少一个地址分类的匹配度之和,确定所述待匹配地址与该标准地址之间的匹配度。
可选地,所述根据所述待匹配地址与各标准地址之间的匹配度,从各标准地址中选取与所述待匹配地址相匹配的标准地址,作为匹配地址,包括:
根据确定出的所述待匹配地址与各标准地址之间的匹配度,对各标准地址进行排序,并将排在设定排位之前的标准地址进行选取;
根据选取出的标准地址对应的地理位置,确定与所述待匹配地址的地理位置相匹配的标准地址,作为与所述待匹配地址相匹配的匹配地址。
可选地,所述根据所述匹配地址,对所述待处理订单进行处理,包括:
确定所述匹配地址对应的预估模型;
根据所述预估模型,确定针对所述待处理订单的预计交付时间;
根据所述预计交付时间,对所述待处理订单进行处理。
本说明书提供了一种订单处理的装置,包括:
获取模块,其配置为获取待处理订单;
向量确定模块,其配置为根据所述待处理订单中包含的待匹配地址,确定所述待匹配地址对应的特征向量,作为待匹配向量;
第一匹配度确定模块,其配置为针对保存的每个标准地址,根据所述待匹配向量,确定所述待匹配地址与预先确定出的该标准地址对应的每个地址分类的匹配度;
第二匹配度确定模块,其配置为根据所述待匹配地址与该标准地址对应的每个地址分类的匹配度,确定所述待匹配地址与该标准地址之间的匹配度;
选取模块,其配置为根据所述待匹配地址与各标准地址之间的匹配度,从各标准地址中选取与所述待匹配地址相匹配的标准地址,作为匹配地址;
处理模块,其配置为根据所述匹配地址,对所述待处理订单进行处理。
本说明书提供了一种计算机可读存储介质,所述存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述订单处理的方法。
本说明书提供了一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现上述订单处理的方法。
本说明书采用的上述至少一个技术方案能够达到以下有益效果:
在获取待处理订单后,根据该待处理订单中包含的待匹配地址,确定该待匹配地址对应的特征向量,作为待匹配向量,针对保存的每个标准地址,根据该待匹配向量,确定该待匹配地址与预先确定出的该标准地址对应的每个地址分类的匹配度,并根据该待匹配地址与该标准地址对应的每个地址分类的匹配度,确定该待匹配地址与该标准地址之间的匹配度,而后,根据该待匹配地址与各标准地址之间的匹配度,从各标准地址中选取与该待匹配地址相匹配的标准地址,作为匹配地址,并根据该匹配地址,对待处理订单进行处理。
在上述方法中可以看出,在确定待匹配地址和标准地址的匹配度时,是基于该待匹配地址与每个标准地址所对应的地址分类之间的匹配度来确定的,而不是将待匹配地址与标准地址在文本上进行简单的匹配,这样可以有效的保证服务平台可以从预先保存的各标准地址中查找到与该待匹配地址相匹配的标准地址,进而可以根据查找出的标准地址所对应的预估模型,准确的确定出待处理订单的预计交付时间。
附图说明
此处所说明的附图用来提供对本说明书的进一步理解,构成本说明书的一部分,本说明书的示意性实施例及其说明用于解释本说明书,并不构成对本说明书的不当限定。在附图中:
图1为本说明书提供的一种订单处理的流程示意图;
图2为本说明书提供的对各标准地址序号相同的各子特征向量进行聚类,得到各地址向量簇的示意图;
图3为本说明书提供的一种订单处理的装置示意图;
图4为本说明书提供的对应于图1的电子设备示意图。
具体实施方式
为使本说明书的目的、技术方案和优点更加清楚,下面将结合本说明书具体实施例及相应的附图对本说明书中技术方案进行清楚、完整地描述。显然,所描述的实施例仅是本说明书一部分实施例,而不是全部的实施例。基于本说明书中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本说明书保护的范围。
以下结合附图,详细说明本说明书各实施例提供的技术方案。
图1为本说明书提供的一种订单处理的流程示意图,具体包括以下步骤:
S101:获取待处理订单。
在实际应用中,用户可以在自己所持有的终端或是终端中安装的应用(Application,App)中进行商品选购,并提交相应的订单。相应的,服务平台可以获取到该订单,并将该订单作为待处理订单。其中,这里提到的终端可以是诸如智能手机、可穿戴设备、平板电脑、笔记本电脑、台式电脑等设备。
S102:根据所述待处理订单中包含的待匹配地址,确定所述待匹配地址对应的特征向量,作为待匹配向量。
在获取到该待处理订单后,服务平台可以从该待处理订单中获取到待匹配地址。这里提到的待匹配地址即为用户针对该待处理订单所填写的收货地址。需要指出的是,该收货地址并不一定是指用户的收货地址,也可以其他人的收货地址。换句话说,若是该待处理订单是用户为自己订购商品时所下的订单,则待处理订单中的收货地址为用户的收货地址,若是该待处理订单是用户为其他人订购商品时所下的订单,则待处理订单中的收货地址可以是其他人的收货地址。
由于用户填写收货地址时可能带有一定的随意性,所以,若是直接根据用户填写的收货地址来查找与之匹配的预估模型,则很可能因为用户的不规范填写而无法找到用于确定该待处理订单的预计交付时长的预估模型。因此,在本说明书中,服务平台可以将上述待匹配地址转化成向量形式,进而从向量匹配的角度,来查找能够适用于该待处理订单的预估模型。
具体的,服务平台可以将待匹配地址进行分词,得到各关键词。其中,这里提到的关键词可以词的形式存在,也可以单字的形式存在。也就是说,无论拆分出的是一个字还是一个词,均可以称之为关键词。服务平台对待匹配地址进行分词所采用的方式,为现有的常规分词方式,在此就不详细介绍了。
在得到各关键词后,服务平台可以针对每个关键词,根据预设的向量转换规则,确定出该关键词对应的特征向量,进而根据每个关键词对应的特征向量,确定出该待匹配地址对应的特征向量。其中,这里提到的向量转换规则可以有多种,例如,GloVe、Word2Vec等,所以,本说明书不对向量转换规则的具体形式进行限定。
在得到各关键词对应的特征向量,需要进一步地通过这些关键词的特征向量表征出待匹配地址对应的特征向量。在本说明书中,服务平台基于关键词的特征向量确定待匹配地址的特征向量所采用的方式也可以有多种。例如,服务平台可以将各关键词对应的特征向量的均值,确定为该待匹配地址对应的特征向量,也可以将各关键词对应的特征向量的和值(即将每个关键词的特征向量的同一位进行相加),确定为该待匹配地址对应的特征向量。其他方式在此就不一一举例说明了。
S103:针对保存的每个标准地址,根据所述待匹配向量,确定所述待匹配地址与预先确定出的该标准地址对应的每个地址分类的匹配度。
服务平台中预先保存有多个标准地址,这些标准地址可以理解为服务平台的工作人员筛选出来的,能够准确描述实际地理位置的地址信息。而对于每个标准地址来说,均对应有一个预估模型。需要指出的是,并不是所有的标准地址均独自对应有一个预估模型,有些标准地址因地理位置较为接近,或是楼层结构、大楼分布等较为相近,可以共用同一预估模型。
而由于本说明书提供的订单处理方法意在达到即是受用户带有一定随意性填写收货地址的影响下,依然能够从服务平台中存储在的各预估模型中找到与待处理订单相适应的预估模型的目的,服务平台可以将待匹配地址转换成相应的特征向量,以向量匹配的角度出发,来查找适用于该待处理订单的预估模型。
换句话说,即使用户填写的收货地址(即待匹配地址)带有一定的不规范性,得到的特征向量也能够较好的表征出待匹配地址与其不相匹配的标准地址之间的区别,也就是说,相同或相近的地址信息的特征向量是相接近的,所以,通过特征向量可以准确的找出与待匹配地址相匹配的标准地址。基于此,服务平台后续可以通过待匹配地址对应的特征向量,准确的查找到与该待处理订单相适应的预估模型,进而准确的确定出该待处理订单的预计交付时间。
为了能够以向量的角度,快速、准确的查找到与待匹配地址相匹配的标准地址,服务平台可以将标准地址与待匹配地址之间的各部分进行比对。具体的,服务平台可以针对每个标准地址,确定出该标准地址所对应的至少一个地址分类。这里提到的地址分类主要用于表征该标准地址的特征向量所归属的类别,该标准地址的特征向量可以对应多个地址分类。
在本说明书中,服务平台可以针对每个标准地址,确定出该标准地址对应的特征向量。确定特征向量所采用的方式与确定待匹配地址的特征向量所采用的方式相同,在此就不详细说明了。而在得到该标准地址对应的特征向量后,可以对该标准地址对应的特征向量进行拆分,得到各子特征向量。
服务平台在拆分特征向量的过程中,可以将该标准地址对应的特征向量拆分成设定段数的子特征向量。同时,服务平台需要对拆分出的每个子特征向量进行标号,以在后续过程中实现对待匹配地址的特征向量的比对。具体的,针对每个标准地址,服务平台将该标准地址拆分成设定段数的子特征向量后,可以按照各子特征向量在该标准地址的特征向量中的位置,确定出各子特征向量对应的序号。例如,假设服务平台将一个标准地址的特征向量从前到后均分成了8段,每一段即是一个子特征向量。对于第一个子特征向量来说,该子特征向量位于特征向量中的第一段,则可以将该子特征向量的序号设置为1;对于第二个子特征向量来说,该子特征向量位于特征向量中的第二段,则可以将该子特征向量的序号设置为2,以此类推。
在对所有标准地址的特征向量进行拆分后,服务平台可以进一步地将拆分得到的各子特征向量进行聚类,从而得到各地址向量簇。其中,将拆分出的各子特征向量进行聚类,是指将所有标准地址序号相同的各子特征向量进行聚类,得到各地址向量簇。例如,服务平台可以将所有标准地址中序号为1的各子特征向量进行聚类,得到序号1对应的各地址向量簇。同理,服务平台可以将所有标准地址中序号为2的各子特征向量进行聚类,得到序号2对应的各地址向量簇。具体的聚类过程如图2所示。
图2为本说明书提供的对各标准地址序号相同的各子特征向量进行聚类,得到各地址向量簇的示意图。
在图2中,每个实线圆圈可以看作是抽象成的一个子特征向量。服务平台对所有标准地址序号为1的各子特征向量进行了聚类,从而得到图2中的A~F这6个地址向量簇(图2中虚线区域即表示聚类得到的地址向量簇)。而从图2可以看出,每个子特征向量均可以找到归属的地址向量簇。
从上述描述可知,每个序号对应的地址向量簇都是由该序号的各子特征向量进行聚类得到的,所以,不同序号对应的地址向量簇都是不同的。而需要说明的是,在实际应用中,由于标准地址的数量众多,所以,确定出的子特征向量的数量也是十分繁多的,进一步地,服务平台对序号相同的各子特征向量进行聚类所得到的地址向量簇在数量上也是较多的。所以,上述图2仅是为了举例说明子特征向量聚类得到地址向量簇的大致过程,而实际聚类得到的地址向量簇的数量并不会只有6个。
服务平台对各子特征向量进行聚类所采用的具体方式可以有多种,例如,K-means聚类算法、均值偏移聚类算法、高斯混合模型的期望最大化聚类算法等,本说明书不对服务平台采用的具体聚类算法进行限定。
针对得到的每个地址向量簇来说,该地址向量簇其实是由多个子特征向量聚类得到的,而每个子特征向量又表征了标准地址的一部分地址特征。所以,每个地址向量簇均可以视为一个地址分类。而由于每个序号对应多个地址向量簇,所以,每个序号也对应多个地址分类。相应的,对于一个标准地址来说,该标准地址拆分出的每个子特征向量均归属一个地址向量簇,所以,服务平台可以基于此确定出该标准地址对应的至少一个地址分类,如下表所示。
表1
从表1中可以看出,标准地址的特征向量一共被拆分成了8段,第一段的子特征向量为V1,第二段的子特征向量为V2,以此类推。每一个子特征向量均归属一个地址向量簇,例如,子特征向量为V1归属的地址向量簇为 即表示序号1对应的第6个地址向量簇,子特征向量为V2归属的地址向量簇为 即表示序号2对应的第9个地址向量簇,以此类推。每个地址向量簇即代表了一个地址分类。
对于保存的所有标准地址,服务平台均可以按照上述方式,确定出每个标准地址的子特征向量以及子特征向量的序号,并确定出各子特征向量所归属的地址向量簇,进而在后续过程中,基于各子特征向量归属的地址向量簇,确定出各标准地址与待匹配地址之间的匹配度。
在本说明书中,服务平台也需要将待匹配地址的待匹配向量拆分出设定段数的子待匹配向量,并针对每个子待匹配向量,根据拆分待匹配特征向量时,该子待匹配向量在待匹配向量中的位置,确定该子待匹配向量对应的序号。序号的具体确定方式与上述确定标准地址的各子特征向量的序号所采用的方式相同,在此不再详细说明了。
服务平台确定出待匹配地址的各子待匹配向量后,可以分别确定出各子待匹配向量与各地址向量簇之间的向量距离。也就是说,针对每个子待匹配向量,服务平台需要确定出该子待匹配向量与该子待匹配向量对应序号的各地址向量簇之间的向量距离。例如,若是先前通过聚类得到序号1对应的16个地址向量簇,则对于序号为1的子待匹配向量,服务平台需要分别确定出该子待匹配向量与这16个地址向量簇之间的向量距离。
在本说明书中,每个地址向量簇均可对应一个簇中心,该簇中心可以理解成地址向量簇的中心点。需要指出的是,该簇中心并不是实际存在的,而是抽象出的用于表征该地址向量簇中心的一个点。而针对每个地址向量簇来说,服务平台确定该地址向量簇的簇中心所采用的方式可以有多种,例如,服务平台可以通过确定出归属于该地址向量簇的各子特征向量的均值,确定出该地址向量簇的簇中心;再例如,服务平台可以先将归属于该地址向量簇的各子特征向量按照一定的方式转换成各坐标点,而后通过确定出这些坐标点所构成的区域的中心位置,确定出该地址向量簇的簇中心。其他方式在此就不详细举例说明了。
服务平台可以确定出各子待匹配向量与各地址向量簇之间的向量距离。而后,可以针对每个子待匹配向量,确定出标准地址的各子特征向量中序号与该子待匹配向量相同的子特征向量,并确定出该子特征向量所归属的地址向量簇,作为目标地址向量簇。服务平台可以根据该子待匹配向量到该目标地址向量簇的向量距离,确定出该子待匹配向量与该子特征向量之间的匹配度,如下表所示。
表2
表2中每一列记录了标准地址A的子特征向量与待匹配地址的子待匹配向量之间的对应关系,其中,VA1为标准地址A的各子特征向量中序号为1的子特征向量,在待匹配地址的各子待匹配向量中与子特征向量VA1对应的是序号同为1的子待匹配向量V1′。子特征向量VA1归属于地址向量簇(即目标地址向量簇),表示序号1对应的第8个地址向量簇,而子待匹配向量V1′到地址向量簇的向量距离为L8。由于子特征向量VA1是归属于地址向量簇所以,L8越小,表明子待匹配向量V1′与子特征向量VA1越相似,因此,服务平台可以基于此,确定出子待匹配向量V1′与子特征向量VA1之间的匹配度。同理,服务平台按照这种方式,确定出各子待匹配向量与标准地址A各子特征向量之间的匹配度。其中,对于序号相同的一个子待匹配向量和一个子特征向量来说,若是该子待匹配向量与该子特征向量归属的地址向量簇的簇中心之间的向量距离越小,则该子待匹配向量与该子特征向量之间的匹配度越大。
而由于每个地址向量簇均对应一个地址分类,所以,服务平台确定出的子待匹配向量与子特征向量之间的匹配度,可以作为待匹配地址与该子特征向量所归属的地址向量簇对应的地址分类之间的匹配度。
S104:根据所述待匹配地址与该标准地址对应的每个地址分类的匹配度,确定所述待匹配地址与该标准地址之间的匹配度。
针对每个标准地址,服务平台在确定出待匹配地址与该标准地址对应的每个地址分类的匹配度后,可以根据待匹配地址的各子待匹配向量与该标准地址对应的每个地址分类的匹配度之和,确定出该待匹配地址与该标准地址之间的匹配度。
例如,根据上述描述可知,表2中L8可以用于表征子待匹配向量V1′与标准地址A的子特征向量VA1之间的匹配度,L1可以用于表征子待匹配向量V2′与标准地址A的子特征向量VA2之间的匹配度,以此类推。而在确定待匹配地址与标准地址A之间的匹配度时,可以确定出L8、L1、L23、L14、L2、L17、L6、L11的和值,并根据确定出的和值,确定出待匹配地址与标准地址A之间的匹配度。其中,若是得到的和值越小,则表明待匹配地址与标准地址A之间的匹配度越高,反之则匹配度越低。
当然,除了上述方式外,服务平台也可以通过其他的方式来确定待匹配地址与标准地址之间的匹配度。例如,服务平台可以将各子待匹配向量与该标准地址的各子特征向量的匹配度的均值,确定为待匹配地址与该标准地址之间的匹配度。其他方式在此就不详细举例说明了。
从上述描述可知,由于服务平台中保存的标准地址的数量众多,所以,若是通过诸如欧式距离、余弦夹角等方式分别计算各标准地址的特征向量与待匹配向量之间的匹配度,则需要耗费大量的计算资源,整个计算过程耗时过长。而在上述方法中,服务平台计算出各子待匹配向量与预先聚类出的各地址向量簇之间的向量距离后,只需再通过简单的查询、求和计算等即可以确定出标准地址与待匹配地址之间的匹配度。换个层面来说,由于聚类得到的地址向量簇的数量要远少于标准地址的数量,所以,通过本说明书提供的方式可以更加效率的确定出各标准地址与待匹配地址之间的匹配度,从而进一步地提高了业务处理的效率。
S105:根据所述待匹配地址与各标准地址之间的匹配度,从各标准地址中选取与所述待匹配地址相匹配的标准地址,作为匹配地址。
在确定出待匹配地址与各标准地址之间的匹配度后,服务平台可以进一步地将这些标准地址按照匹配度从大到小的顺序进行排序,得到各标准地址针对该待处理订单的一个序列。而后,服务平台将该序列中排在设定排位之前的标准地址进行选取,并从选取出的这些标准地址中进一步地确定出与该待处理订单的待匹配地址相匹配的标准地址。也就是说,服务平台需要将匹配度较高的标准地址选取出来,并从这些标准地址中进一步地筛选出合适的标准地址。
对于选取出的这些标准地址来说,有些标准地址对应的地理位置是与待匹配地址的地理位置距离较近的,有些标准地址对应的地理位置则与待匹配地址的地理位置距离相对较远。所以,服务平台需要从选取出的这些标准地址中,找到与待匹配地址的地理位置相距最近的标准地址,作为与该待匹配地址相匹配的匹配地址,继而在后续过程中,根据确定出的匹配地址,对该待处理订单进行处理。
从这里可以看出,服务平台通过上述方式得到的匹配地址不仅在文本上与待匹配地址是相匹配的,在地理位置上与待匹配地址也是相接近的。这样一来,服务平台后续基于该匹配地址对应的预估模型,可以准确的确定出该待处理订单的预计交付时间,从而保证了针对待处理订单进行业务处理的准确性。
需要说明的是,虽然用户在填写收货地址时带有一定的随意性,但是,通过该收货地址还是能够确定出用户的大致位置的,只是可能无法基于用户填写的收货地址确定出用户收货的具体位置。所以,上述提到的待匹配地址所对应的地理位置可以理解成服务平台通过待匹配地址所确定出的用户收货的一个大致地理位置,而标准地址对应的地理位置则是详细的具体位置。
在实际应用中,服务平台最终确定出的与待匹配地址相匹配的匹配地址可能不止一个,相应的,确定出的适用于该待处理订单的预估模型可能也不止一个。对于这种情况来说,服务平台可以随机选择一个匹配地址所对应的预估模型,用于确定该待处理订单的预计交付时长,也可以从这些匹配地址对应的预估模型中选择一个使用次数最多的预估模型,来确定该待处理订单的预计交付时长,抑或是从这些匹配地址对应的预估模型中选择一个评价最高(由于服务平台可以统计出各订单是否准时送达的实际情况,所以,可以根据这些实际情况,来对各预估模型进行评价,评价较高则说明预估模型确定出的预计交付时长较为准确,反之则准确性较差)的预估模型,来确定该待处理订单的预计交付时长。其他的方式在此就不详细举例说明了。
服务平台除了可以基于待匹配地址的地理位置与标准地址的地理位置来确定匹配地址外,还可以通过其他的方式来进行确定。例如,在选取出各标准地址后,可以进一步地确定出这些标准地址对应的预估模型的使用热度,进而将使用热度最高的预估模型对应的标准地址,确定为与该待匹配地址相匹配的匹配地址,并通过该预估模型确定出待处理订单的预计交付时长。其中,对应一个预估模型来说,若是该预估模型的使用次数越高,则该预估模型的使用热度越高,反之则使用热度越低。
再例如,服务平台选取出一些标准地址后,可以针对选取出的每个标准地址,确定出该标准地址对应地理位置的商圈规模,进而将商圈规模最大的标准地址,确定为与该待匹配地址相匹配的匹配地址,并通过该匹配地址对应的预估模型确定出该待处理订单的预计交付时长。其中,通常情况下,对于商圈规模较大的一类区域,订单压力往往较大,即订单数量相比其他区域往往较多。而对于这类区域来说,订单分配的合理性则显得尤为重要,这就要求服务平台针对这类区域的订单所采用的预估模型,应确定出更为合理、准确的预计交付时间。换句话说,这类区域所对应的预估模型相比于其他区域对应的预估模型,其准确性往往更高。基于此,服务平台可以将商圈规模最大的标准地址所对应的预估模型选取出来,用于确定待处理订单的预计交付时长。其他方式在此就不详细举例说明了。
S106:根据所述匹配地址,对所述待处理订单进行处理。
在确定出与待匹配地址相匹配的标准地址(即匹配地址)后,可以进一步地确定出该匹配地址对应的预估模型,进而通过该预估模型,确定出该待处理订单的预计交付时长,并通过该预计交付时长,对该待处理订单执行诸如订单分配、向用户展示预计送达时间(预计送达时间用于表明用户订购的商品大致会在何时送达至用户的手中)等处理工作。
从上述方法中可以看出,在确定待匹配地址和标准地址的匹配度时,是基于该待匹配地址与每个标准地址所对应的地址分类之间的匹配度来确定的,而不是将待匹配地址与标准地址在文本上进行简单的匹配,这样可以有效的保证服务平台可以从预先保存的各标准地址中查找到与该待匹配地址相匹配的标准地址,进而可以根据查找出的标准地址所对应的预估模型,准确的确定出待处理订单的预计交付时间。
并且,服务平台在确定待匹配地址与各标准地址之间的匹配度时,并不是直接通过依次计算向量之间的相似度来实现的,而是采用乘积量化的思想来实现的,这对于数量繁多的标准地址来说,可以极大的提升服务平台查找与待匹配地址相匹配的标准地址的效率,从而也进一步地提升了确定预计交付时长的效率。
以上为本说明书的一个或多个实施例提供的订单处理的方法,基于同样的思路,本说明书还提供了相应的订单处理的装置,如图3所示。
图3为本说明书提供的一种订单处理的装置示意图,具体包括:
获取模块301,其配置为获取待处理订单;
向量确定模块302,其配置为根据所述待处理订单中包含的待匹配地址,确定所述待匹配地址对应的特征向量,作为待匹配向量;
第一匹配度确定模块303,其配置为针对保存的每个标准地址,根据所述待匹配向量,确定所述待匹配地址与预先确定出的该标准地址对应的每个地址分类的匹配度;
第二匹配度确定模块304,其配置为根据所述待匹配地址与该标准地址对应的每个地址分类的匹配度,确定所述待匹配地址与该标准地址之间的匹配度;
选取模块305,其配置为根据所述待匹配地址与各标准地址之间的匹配度,从各标准地址中选取与所述待匹配地址相匹配的标准地址,作为匹配地址;
处理模块306,其配置为根据所述匹配地址,对所述待处理订单进行处理。
可选地,所述向量确定模块302其配置为,对所述待匹配地址进行分词,得到各关键词;针对每个关键词,根据预设的向量转换规则,确定该关键词对应的特征向量;根据每个关键词对应的特征向量,确定所述待匹配地址对应的特征向量。
可选地,所述向量确定模块302其配置为,将各关键词对应的特征向量的均值,确定为所述待匹配地址对应的特征向量。
可选地,所述装置还包括:
地址分类确定模块307,其配置为针对每个标准地址,确定该标准地址对应的特征向量;将该标准地址对应的特征向量拆分成设定段数,得到各子特征向量;针对该标准地址的每个子特征向量,根据拆分该标准地址对应的特征向量时,该子特征向量在该标准地址对应的特征向量中的位置,确定该子特征向量对应的序号;将序号相同的各标准地址的子特征向量进行聚类,得到各序号对应的地址向量簇;针对每个标准地址,确定该标准地址的各子特征向量分别归属的地址向量簇,并将确定出的地址向量簇对应的地址分类,作为该标准地址对应的地址分类。
可选地,所述第一匹配度确定模块303其配置为,将所述待匹配向量进行拆分,得到所述设定段数的子待匹配向量;针对每个子待匹配向量,根据拆分所述待匹配特征向量时,该子待匹配向量在所述待匹配向量中的位置,确定该子待匹配向量对应的序号;确定该子待匹配向量与该子待匹配向量对应序号的地址向量簇之间的向量距离;确定该标准地址的各子特征向量中与该子待匹配向量序号相同的子特征向量所归属的地址向量簇,作为目标地址向量簇;根据该子待匹配向量与所述目标地址向量簇之间的向量距离,确定该子待匹配向量与所述目标地址向量簇对应的地址分类的匹配度,作为所述待匹配地址与所述目标地址向量簇对应的地址分类之间的匹配度。
可选地,所述第二匹配度确定模块304其配置为,根据各子待匹配向量与该标准地址对应的至少一个地址分类的匹配度之和,确定所述待匹配地址与该标准地址之间的匹配度。
可选地,所述选取模块305其配置为,根据确定出的所述待匹配地址与各标准地址之间的匹配度,对各标准地址进行排序,并将排在设定排位之前的标准地址进行选取;根据选取出的标准地址对应的地理位置,确定与所述待匹配地址的地理位置相匹配的标准地址,作为与所述待匹配地址相匹配的匹配地址。
可选地,所述处理模块306其配置为,确定所述匹配地址对应的预估模型;根据所述预估模型,确定针对所述待处理订单的预计交付时间;根据所述预计交付时间,对所述待处理订单进行处理。
从上述装置中可以看出,该装置在确定待匹配地址和标准地址的匹配度时,是基于该待匹配地址与每个标准地址所对应的地址分类之间的匹配度来确定的,而不是将待匹配地址与标准地址在文本上进行简单的匹配,这样可以有效的保证该装置可以从预先保存的各标准地址中查找到与该待匹配地址相匹配的标准地址,进而可以根据查找出的标准地址所对应的预估模型,准确的确定出待处理订单的预计交付时间。
本说明书还提供了一种计算机可读存储介质,该存储介质存储有计算机程序,计算机程序可用于执行上述订单处理的方法。
本说明书还提供了图4所示的电子设备的示意结构图。如图4所述,在硬件层面,该电子设备包括处理器、内部总线、网络接口、内存以及非易失性存储器,当然还可能包括其他业务所需要的硬件。处理器从非易失性存储器中读取对应的计算机程序到内存中然后运行,以实现上述订单处理的方法。当然,除了软件实现方式之外,本说明书并不排除其他实现方式,比如逻辑器件抑或软硬件结合的方式等等,也就是说以下处理流程的执行主体并不限定于各个逻辑单元,也可以是硬件或逻辑器件。
在20世纪90年代,对于一个技术的改进可以很明显地区分是硬件上的改进(例如,对二极管、晶体管、开关等电路结构的改进)还是软件上的改进(对于方法流程的改进)。然而,随着技术的发展,当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此,不能说一个方法流程的改进就不能用硬件实体模块来实现。例如,可编程逻辑器件(Programmable Logic Device,PLD)(例如现场可编程门阵列(Field Programmable GateArray,FPGA))就是这样一种集成电路,其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字系统“集成”在一片PLD上,而不需要请芯片制造厂商来设计和制作专用的集成电路芯片。而且,如今,取代手工地制作集成电路芯片,这种编程也多半改用“逻辑编译器(logic compiler)”软件来实现,它与程序开发撰写时所用的软件编译器相类似,而要编译之前的原始代码也得用特定的编程语言来撰写,此称之为硬件描述语言(Hardware Description Language,HDL),而HDL也并非仅有一种,而是有许多种,如ABEL(Advanced Boolean Expression Language)、AHDL(Altera Hardware DescriptionLanguage)、Confluence、CUPL(Cornell University Programming Language)、HDCal、JHDL(Java Hardware Description Language)、Lava、Lola、MyHDL、PALASM、RHDL(RubyHardware Description Language)等,目前最普遍使用的是VHDL(Very-High-SpeedIntegrated Circuit Hardware Description Language)与Verilog。本领域技术人员也应该清楚,只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中,就可以很容易得到实现该逻辑方法流程的硬件电路。
控制器可以按任何适当的方式实现,例如,控制器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(Application Specific Integrated Circuit,ASIC)、可编程逻辑控制器和嵌入微控制器的形式,控制器的例子包括但不限于以下微控制器:ARC 625D、Atmel AT91SAM、Microchip PIC18F26K20以及Silicone Labs C8051F320,存储器控制器还可以被实现为存储器的控制逻辑的一部分。本领域技术人员也知道,除了以纯计算机可读程序代码方式实现控制器以外,完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件,而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至,可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
上述实施例阐明的系统、装置、模块或单元,具体可以由计算机芯片或实体实现,或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的,计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
为了描述的方便,描述以上装置时以功能分为各种单元分别描述。当然,在实施本说明书时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白,本说明书的实施例可提供为方法、系统或计算机程序产品。因此,本说明书可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且,本说明书可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本说明书可以在由计算机执行的计算机可执行指令的一般上下文中描述,例如程序模块。一般地,程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本说明书,在这些分布式计算环境中,由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中,程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于系统实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
以上所述仅为本说明书的实施例而已,并不用于限制本说明书。对于本领域技术人员来说,本说明书可以有各种更改和变化。凡在本说明书的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本说明书的权利要求范围之内。
Claims (11)
1.一种订单处理的方法,其特征在于,包括:
获取待处理订单;
根据所述待处理订单中包含的待匹配地址,确定所述待匹配地址对应的特征向量,作为待匹配向量;
针对保存的每个标准地址,根据所述待匹配向量,确定所述待匹配地址与预先确定出的该标准地址对应的每个地址分类的匹配度;
根据所述待匹配地址与该标准地址对应的每个地址分类的匹配度,确定所述待匹配地址与该标准地址之间的匹配度;
根据所述待匹配地址与各标准地址之间的匹配度,从各标准地址中选取与所述待匹配地址相匹配的标准地址,作为匹配地址;
根据所述匹配地址,对所述待处理订单进行处理。
2.如权利要求1所述的方法,其特征在于,所述根据所述待处理订单中包含的待匹配地址,确定所述待匹配地址对应的特征向量,包括:
对所述待匹配地址进行分词,得到各关键词;
针对每个关键词,根据预设的向量转换规则,确定该关键词对应的特征向量;
根据每个关键词对应的特征向量,确定所述待匹配地址对应的特征向量。
3.如权利要求2所述的方法,其特征在于,所述根据每个关键词对应的特征向量,确定所述待匹配地址对应的特征向量,包括:
将各关键词对应的特征向量的均值,确定为所述待匹配地址对应的特征向量。
4.如权利要求1所述的方法,其特征在于,所述针对保存的每个标准地址,预先确定该标准地址对应的至少一个地址分类,包括:
针对每个标准地址,确定该标准地址对应的特征向量;
将该标准地址对应的特征向量拆分成设定段数,得到各子特征向量;
针对该标准地址的每个子特征向量,根据拆分该标准地址对应的特征向量时,该子特征向量在该标准地址对应的特征向量中的位置,确定该子特征向量对应的序号;
将序号相同的各标准地址的子特征向量进行聚类,得到各序号对应的地址向量簇;
针对每个标准地址,确定该标准地址的各子特征向量分别归属的地址向量簇,并将确定出的地址向量簇对应的地址分类,作为该标准地址对应的地址分类。
5.如权利要求4所述的方法,其特征在于,所述根据所述待匹配向量,确定所述待匹配地址与预先确定出的该标准地址对应的每个地址分类的匹配度,包括:
将所述待匹配向量进行拆分,得到所述设定段数的子待匹配向量;
针对每个子待匹配向量,根据拆分所述待匹配向量时,该子待匹配向量在所述待匹配向量中的位置,确定该子待匹配向量对应的序号;
确定该子待匹配向量与该子待匹配向量对应序号的地址向量簇之间的向量距离;
确定该标准地址的各子特征向量中与该子待匹配向量序号相同的子特征向量所归属的地址向量簇,作为目标地址向量簇;
根据该子待匹配向量与所述目标地址向量簇之间的向量距离,确定该子待匹配向量与所述目标地址向量簇对应地址分类的匹配度,作为所述待匹配地址与所述目标地址向量簇对应的地址分类之间的匹配度。
6.如权利要求5所述的方法,其特征在于,所述根据所述待匹配地址与该标准地址对应的每个地址分类的匹配度,确定所述待匹配地址与该标准地址之间的匹配度,包括:
根据各子待匹配向量与该标准地址对应的至少一个地址分类的匹配度之和,确定所述待匹配地址与该标准地址之间的匹配度。
7.如权利要求1所述的方法,其特征在于,所述根据所述待匹配地址与各标准地址之间的匹配度,从各标准地址中选取与所述待匹配地址相匹配的标准地址,作为匹配地址,包括:
根据确定出的所述待匹配地址与各标准地址之间的匹配度,对各标准地址进行排序,并将排在设定排位之前的标准地址进行选取;
根据选取出的标准地址对应的地理位置,确定与所述待匹配地址的地理位置相匹配的标准地址,作为与所述待匹配地址相匹配的匹配地址。
8.如权利要求1所述的方法,其特征在于,所述根据所述匹配地址,对所述待处理订单进行处理,包括:
确定所述匹配地址对应的预估模型;
根据所述预估模型,确定针对所述待处理订单的预计交付时间;
根据所述预计交付时间,对所述待处理订单进行处理。
9.一种订单处理的装置,其特征在于,包括:
获取模块,其配置为获取待处理订单;
向量确定模块,其配置为根据所述待处理订单中包含的待匹配地址,确定所述待匹配地址对应的特征向量,作为待匹配向量;
第一匹配度确定模块,其配置为针对保存的每个标准地址,根据所述待匹配向量,确定所述待匹配地址与预先确定出的该标准地址对应的每个地址分类的匹配度;
第二匹配度确定模块,其配置为根据所述待匹配地址与该标准地址对应的每个地址分类的匹配度,确定所述待匹配地址与该标准地址之间的匹配度;
选取模块,其配置为根据所述待匹配地址与各标准地址之间的匹配度,从各标准地址中选取与所述待匹配地址相匹配的标准地址,作为匹配地址;
处理模块,其配置为根据所述匹配地址,对所述待处理订单进行处理。
10.一种计算机可读存储介质,其特征在于,所述存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述权利要求1~8任一项所述的方法。
11.一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现上述权利要求1~8任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911200451.9A CN112884390A (zh) | 2019-11-29 | 2019-11-29 | 订单处理的方法、装置、可读存储介质及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911200451.9A CN112884390A (zh) | 2019-11-29 | 2019-11-29 | 订单处理的方法、装置、可读存储介质及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112884390A true CN112884390A (zh) | 2021-06-01 |
Family
ID=76038557
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911200451.9A Withdrawn CN112884390A (zh) | 2019-11-29 | 2019-11-29 | 订单处理的方法、装置、可读存储介质及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112884390A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116596170A (zh) * | 2023-07-18 | 2023-08-15 | 合肥城市云数据中心股份有限公司 | 一种基于时空注意力机制的送达时间智能预测方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016050088A1 (zh) * | 2014-09-30 | 2016-04-07 | 华为技术有限公司 | 一种地址搜索方法和设备 |
CN106598953A (zh) * | 2016-12-28 | 2017-04-26 | 上海博辕信息技术服务有限公司 | 地址解析方法及装置 |
CN108960733A (zh) * | 2018-07-09 | 2018-12-07 | 东莞市粤钢不锈钢制品有限公司 | 一种基于移动配送车的购物配送方法及系统 |
CN109255565A (zh) * | 2017-07-14 | 2019-01-22 | 菜鸟智能物流控股有限公司 | 地址的归属识别和物流任务的分发方法及其装置 |
CN109271462A (zh) * | 2018-11-23 | 2019-01-25 | 河北航天信息技术有限公司 | 一种基于K-means算法模型的纳税人税务登记注册地址信息聚类方法 |
-
2019
- 2019-11-29 CN CN201911200451.9A patent/CN112884390A/zh not_active Withdrawn
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016050088A1 (zh) * | 2014-09-30 | 2016-04-07 | 华为技术有限公司 | 一种地址搜索方法和设备 |
CN106598953A (zh) * | 2016-12-28 | 2017-04-26 | 上海博辕信息技术服务有限公司 | 地址解析方法及装置 |
CN109255565A (zh) * | 2017-07-14 | 2019-01-22 | 菜鸟智能物流控股有限公司 | 地址的归属识别和物流任务的分发方法及其装置 |
CN108960733A (zh) * | 2018-07-09 | 2018-12-07 | 东莞市粤钢不锈钢制品有限公司 | 一种基于移动配送车的购物配送方法及系统 |
CN109271462A (zh) * | 2018-11-23 | 2019-01-25 | 河北航天信息技术有限公司 | 一种基于K-means算法模型的纳税人税务登记注册地址信息聚类方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116596170A (zh) * | 2023-07-18 | 2023-08-15 | 合肥城市云数据中心股份有限公司 | 一种基于时空注意力机制的送达时间智能预测方法 |
CN116596170B (zh) * | 2023-07-18 | 2023-09-22 | 合肥城市云数据中心股份有限公司 | 一种基于时空注意力机制的送达时间智能预测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
TW201933232A (zh) | 店鋪資訊推薦方法、裝置及用戶端 | |
CN108268617B (zh) | 用户意图确定方法及装置 | |
JP5965911B2 (ja) | オンライン取引プラットフォームに基づくデータ処理 | |
CN111488426A (zh) | 一种查询意图确定方法、装置及处理设备 | |
CN108171267B (zh) | 用户群划分方法及装置、消息推送方法及装置 | |
CN110020427B (zh) | 策略确定方法和装置 | |
CN110599307A (zh) | 一种商品推荐的方法及装置 | |
CN110688974A (zh) | 一种身份识别方法及装置 | |
CN113688313A (zh) | 一种预测模型的训练方法、信息推送的方法及装置 | |
CN111008620A (zh) | 目标用户识别方法、装置及存储介质、电子设备 | |
CN110751515A (zh) | 一种基于用户消费行为的决策方法和装置、电子设备及存储介质 | |
CN111797312A (zh) | 模型训练的方法及装置 | |
CN107577660B (zh) | 类目信息识别方法、装置及服务器 | |
CN108932525B (zh) | 一种行为预测方法及装置 | |
CN108229564B (zh) | 一种数据的处理方法、装置及设备 | |
CN112884390A (zh) | 订单处理的方法、装置、可读存储介质及电子设备 | |
CN113343095A (zh) | 一种模型训练以及信息推荐方法及装置 | |
CN110688460B (zh) | 风险识别的方法、装置、可读存储介质以及电子设备 | |
CN107562533B (zh) | 一种数据加载处理方法及装置 | |
CN107368281B (zh) | 一种数据处理方法及装置 | |
CN110874607A (zh) | 一种网络节点的聚类方法及装置 | |
CN114840762A (zh) | 推荐内容确定方法、装置和电子设备 | |
CN110019665A (zh) | 文本检索方法及装置 | |
CN109389157B (zh) | 一种用户群识别方法和装置及对象群识别方法和装置 | |
CN112862133A (zh) | 订单处理的方法、装置、可读存储介质及电子设备 |
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 | ||
WW01 | Invention patent application withdrawn after publication | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20210601 |