CN113283219A

CN113283219A - 一种表单内容预测方法、装置、电子设备及存储介质

Info

Publication number: CN113283219A
Application number: CN202110468925.9A
Authority: CN
Inventors: 李薛; 张玉皓
Original assignee: Beijing Jingdong Century Trading Co Ltd; Beijing Wodong Tianjun Information Technology Co Ltd
Current assignee: Beijing Jingdong Century Trading Co Ltd; Beijing Wodong Tianjun Information Technology Co Ltd
Priority date: 2021-04-28
Filing date: 2021-04-28
Publication date: 2021-08-20

Abstract

本发明实施例适用于数据处理技术领域，提供了一种表单内容预测方法、装置、电子设备及存储介质，其中，表单内容预测方法包括：接收填写请求；填写请求用于请求填写表单；在填写请求关联至少两个表单的情况下，确定至少两个表单是否包括具有链式关系的至少两个表单；链式关系表征至少两个表单具有填写顺序，且其中第一表单的填写内容基于第二表单的填写内容确定；第一表单对应的填写顺序位于第二表单对应的填写顺序之前；在至少两个表单包括具有链式关系的至少两个表单的情况下，基于设定的模型集群对具有链式关系的至少两个表单的填写内容进行预测；具有链式关系的的至少两个表单中的每个表单对应设定的模型集群中的一个模型。

Description

一种表单内容预测方法、装置、电子设备及存储介质

技术领域

本发明涉及数据处理技术领域，尤其涉及一种表单内容预测方法、装置、电子设备及存储介质。

背景技术

在电商领域，用户在购买商品或者退换货时会产生由订单引起的表单信息的填写请求，比如用户申请售后时会产生快递单信息填写请求和售后单信息填写请求。相关技术通过深度学习模型预测表单的填写内容，深度学习模型只支持单轮交互，即一次只能预测一个表单的填写内容，缺乏多轮交互能力，即一次预测多个表单的填写内容的能力。

发明内容

为了解决上述问题，本发明实施例提供了一种表单内容预测方法、装置、电子设备及存储介质，以至少解决相关技术不能一次预测多个表单的填写内容的问题。

本发明的技术方案是这样实现的：

第一方面，本发明实施例提供了一种表单内容预测方法，该方法包括：

接收填写请求；所述填写请求用于请求填写表单；

在所述填写请求关联至少两个表单的情况下，确定所述至少两个表单是否包括具有链式关系的至少两个表单；所述链式关系表征所述至少两个表单具有填写顺序，且其中第一表单的填写内容基于第二表单的填写内容确定；第一表单对应的填写顺序位于第二表单对应的填写顺序之前；

在所述至少两个表单包括具有链式关系的至少两个表单的情况下，基于设定的模型集群对所述具有链式关系的至少两个表单的填写内容进行预测；所述具有链式关系的的至少两个表单中的每个表单对应所述设定的模型集群中的一个模型。

上述方案中，所述基于设定的模型集群对所述具有链式关系的至少两个表单的填写内容进行预测时，所述方法包括：

将第一表单的填写内容输入所述设定的模型集群中第二表单对应的第一模型，得到对应的第一模型预测的第二表单的填写内容。

上述方案中，所述方法还包括：

在所述填写请求仅关联一个表单的情况下，基于设定的第二模型预测得到所述表单的填写内容；所述设定的第二模型用于预测仅关联一个表单的填写请求所关联的表单的填写内容。

上述方案中，所述方法还包括：

在所述至少两个表单不包括具有链式关系的至少两个表单的情况下，基于设定的第三模型预测得到所述至少两个表单中的每个表单的填写内容；所述设定的第三模型用于预测不包括具有链式关系的至少两个表单的填写内容。

上述方案中，所述方法还包括：

监控至少一个模型中的每个模型对应的至少一个指标；

在所述至少一个指标中的任意一个指标的值小于设定值时，对对应的模型进行更新；

所述至少一个模型至少包括以下任意一项：

设定的模型集群中的所有模型；

设定的第二模型；

设定的第三模型。

上述方案中，所述至少一个指标至少包括以下任意一项：

准确率；所述准确率表征对应的模型在设定时长内预测正确的次数与预测总次数的比值；

精确率；所述精确率表征对应的模型在设定时长内预测表单的填写内容正确的次数与预测表单的类别正确的次数的比值；

采纳率；所述采纳率表征对应的模型在设定时长内预测正确的次数中表单的填写内容被填写进表单的次数的占比；

辅助率；所述辅助率表征对应的模型预测正确的表单的填写内容中被填写进表单的填写内容的数量与表单总数量的比值。

上述方案中，所述方法还包括：

基于设定的表单项确定设定数据库中所述表单的填写内容对应的表单；所述表单的填写内容包括所述设定的表单项；所述设定数据库用于存储表单；

将所述表单的填写内容填写至对应的表单中。

上述方案中，所述设定的表单项包括以下任意一项：

订单标识；

快递单标识；

用户标识。

第二方面，本发明实施例提供了一种表单内容预测装置，该装置包括：

接收模块，用于接收填写请求；所述填写请求用于请求填写表单；

确定模块，用于在所述填写请求关联至少两个表单的情况下，确定所述至少两个表单是否包括具有链式关系的至少两个表单；所述链式关系表征所述至少两个表单具有填写顺序，且其中第一表单的填写内容基于第二表单的填写内容确定；第一表单对应的填写顺序位于第二表单对应的填写顺序之前；

预测模块，用于在所述至少两个表单包括具有链式关系的至少两个表单的情况下，基于设定的模型集群对所述具有链式关系的至少两个表单的填写内容进行预测；所述至少两个表单中的每个表单对应所述设定的模型集群中的一个模型。

第三方面，本发明实施例提供了一种电子设备，包括处理器和存储器，所述处理器和存储器相互连接，其中，所述存储器用于存储计算机程序，所述计算机程序包括程序指令，所述处理器被配置用于调用所述程序指令，执行本发明实施例第一方面提供的表单内容预测方法的步骤。

第四方面，本发明实施例提供了一种计算机可读存储介质，包括：所述计算机可读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如本发明实施例第一方面提供的表单内容预测方法的步骤。

本发明实施例接收填写请求，在填写请求关联至少两个表单的情况下，确定至少两个表单是否包括具有链式关系的至少两个表单，在至少两个表单包括具有链式关系的至少两个表单的情况下，基于设定的模型集群对具有链式关系的至少两个表单的填写内容进行预测。其中，具有链式关系的的至少两个表单中的每个表单对应设定的模型集群中的一个模型，链式关系表征至少两个表单具有填写顺序，且其中第一表单的填写内容基于第二表单的填写内容确定，第一表单对应的填写顺序位于第二表单对应的填写顺序之前。本发明实施例解决了相关技术不能一次预测多个表单的填写内容的问题，可以预测具有链式关系的多个表单的填写内容。

附图说明

图1是本发明实施例提供的一种表单内容预测方法的实现流程示意图；

图2是本发明实施例提供的另一种表单内容预测方法的实现流程示意图；

图3是本发明实施例提供的另一种表单内容预测方法的实现流程示意图；

图4是本发明应用实施例提供的一种表单内容预测系统的结构示意图；

图5是本发明应用实施例提供的一种模型模块的的结构示意图；

图6是本发明实施例提供的一种表单内容预测装置的示意图；

图7是本发明一实施例提供的电子设备的示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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，都属于本发明保护的范围。

在电商领域，用户在终端下单、退货、换货和申请售后时，对应会在系统后台生成表单信息的填写请求，比如用户进行下单时，会生成订单信息填写请求。有时候，用户的操作会产生多个表单信息的填写请求，比如用户申请售后时会产生快递单信息填写请求和售后单信息填写请求。

这些表单数量庞大，内容冗杂，如果全部依赖人工填写需要耗费大量精力。相关技术通过深度学习模型预测表单的填写内容，从而实现自动填写表单。但是，深度学习模型只支持单轮交互，即一次只能预测一个表单的填写内容，缺乏多轮交互能力，即一次预测多个表单的填写内容的能力，尤其是在对多个表单的填写顺序具有要求时，比如下一项表单的填写内容必须依赖上一步所填写的表单项的内容时，相关技术无法预测多个表单的填写内容。

针对上述相关技术的缺点，本发明实施例提供了一种表单内容预测方法，至少能够解决相关技术不能一次预测多个表单的填写内容的问题。为了说明本发明所述的技术方案，下面通过具体实施例来进行说明。

图1是本发明实施例提供的一种表单内容预测方法的实现流程示意图，所述表单内容预测方法的执行主体可以为电子设备，电子设备可以为台式电脑、笔记本电脑和服务器等。参考图1，表单内容预测方法包括：

S101，接收填写请求；所述填写请求用于请求填写表单。

这里，填写请求基于用户的操作生成，比如，用户申请在申请退货时，会从退货单的填写请求；用户申请售后时，会生成快递单信息填写请求和售后单信息填写请求。

在实际应用中，用户在退货页面进行退货操作，填写退货的物品、价格、退货原因和快递地址等信息，这些信息录入退货页面后，用户点击退货页面的退货按钮，此时，系统后台会生成退货单的填写请求。

S102，在所述填写请求关联至少两个表单的情况下，确定所述至少两个表单是否包括具有链式关系的至少两个表单；所述链式关系表征所述至少两个表单具有填写顺序，且其中第一表单的填写内容基于第二表单的填写内容确定；第一表单对应的填写顺序位于第二表单对应的填写顺序之前。

在一些情况下，填写请求会关联至少两个表单，比如用户申请售后时会产生快递单信息的填写请求和售后单信息的填写请求，填写请求关联快递表单和售后表单；用户申请退货时会产生快递单信息的填写请求和退货单信息的填写请求，填写请求关联快递表单和退货表单。

在填写请求关联至少两个表单的情况下，该至少两个表单中可能包括具有链式关系的至少两个表单，链式关系指这些表单具有填写顺序，且其中第一表单的填写内容需要基于第二表单的填写内容确定，其中，第一表单对应的填写顺序位于第二表单对应的填写顺序之前。这里，第一表单和第二表单只用于说明表单的填写顺序，第一表单指需要先填写的表单，第二表单指需要在第一表单填写完之后进行填写的表单。比如，用户申请退货时会产生快递单信息的填写请求和退货单信息的填写请求，关联快递表单和退货表单，由于退货表单中需要填写快递编号，所以需要先填写快递表单，再填写退货表单。

S103，在所述至少两个表单包括具有链式关系的至少两个表单的情况下，基于设定的模型集群对所述具有链式关系的至少两个表单的填写内容进行预测；所述具有链式关系的至少两个表单中的每个表单对应所述设定的模型集群中的一个模型。

在至少两个表单包括具有链式关系的至少两个表单的情况下，基于设定的模型集群对具有链式关系的至少两个表单的填写内容进行预测。

所述基于设定的模型集群对所述具有链式关系的至少两个表单的填写内容进行预测时，所述方法包括：

比如，具有链式关系的至少两个表单为表单1、表单2和表单3，其表单填写顺序为表单1-表单2-表单3。设定的模型集群包括模型1、模型2和模型3，首先通过模型1预测得到表单1的填写内容，然后将预测得到1表单1的填写内容输入模型2，预测得到表单2的填写内容，然后将表单1和表单2的填写内容输入模型3，预测得到表单3的填写内容。其中，模型1的输入为用户输入的信息，比如用户进行退货操作，则模型1的输入包括用户选择的退货商品、退货地址和订单编号等信息。应理解，上述方案在整体时间上有顺序要求，但时间间隔上并无要求，提高了电商零售行业的业务场景，例如首日创建了订单表单的填写，第二日由于快递滞留，再次创建了运单信息的表单填写。

在实际应用中，可以根据历史表单的填写内容训练设定的模型集群中的模型，历史表单的填写内容为具有链式关系的表单的填写内容，经过多轮迭代训练，将训练出的模型存储在模型信息库中，在需要使用模型时从模型信息库中调用模型。

在一实施例中，所述方法还包括：

填写请求仅关联一个表单，即只需要填写一个表单的情况下，基于设定的第二模型预测得到该表单的填写内容。在实际应用中，可以利用历史表单的填写内容训练设定的第二模型，这里历史表单的填写内容为仅关联一个表单的填写请求所关联的表单的填写内容。经过多轮迭代训练，将训练出的模型存储在模型信息库中，在需要使用模型时从模型信息库中调用模型。

在一实施例中，所述方法还包括：

在填写请求关联至少两个表单的情况下，该至少两个表单又不包括具有链式关系的至少两个表单的情况下，则基于设定的第三模型预测得到该至少两个表单中的每个表单的填写内容。在实际应用中，可以利用历史表单的填写内容训练设定的第二模型，这里历史表单的填写内容为不包括具有链式关系的至少两个表单的填写内容。经过多轮迭代训练，将训练出的模型存储在模型信息库中，在需要使用模型时从模型信息库中调用模型。

在上述方案中，根据填写请求关联的表单选择对应的模型进行预测，在填写请求仅关联一个表单的情况下，基于设定的第二模型预测得到表单的填写内容。在填写请求关联至少两个表单的情况下，如果至少两个表单包括具有链式关系的至少两个表单，则基于设定的模型集群对具有链式关系的至少两个表单的填写内容进行预测。如果至少两个表单不包括具有链式关系的至少两个表单的情况下，则基于设定的第三模型预测得到至少两个表单中的每个表单的填写内容。

如果填写请求关联至少两个表单，该至少两个表单既包括具有链式关系的至少两个表单，还包括不具有链式关系其他表单，则基于设定的模型集群对具有链式关系的至少两个表单的填写内容进行预测，基于设定的第二模型或设定的第三模型对其他表单的填写内容进行预测。如果其他表单的数量为1，则通过设定的第二模型进行预测；如果其他表单的数量大于或等于2，则通过设定的第三模型进行预测。

参考图2，在一实施例中，所述方法还包括：

S201，监控至少一个模型中的每个模型对应的至少一个指标。

所述至少一个模型至少包括以下任意一项：

设定的模型集群中的所有模型；

设定的第二模型；

设定的第三模型。

在一实施例中，所述至少一个指标至少包括以下任意一项：

准确率；所述准确率表征对应的模型在设定时长内预测正确的次数与预测总次数的比值，即

比如，模型在1小时内一共预测了20次，其中预测准确的次数为16次，则准确率为0.8。

精确率；所述精确率表征对应的模型在设定时长内预测表单的填写内容正确的次数与预测表单的类别正确的次数的比值，即

表单具有对应的类别，比如用户退货时，表单类别为“退货”，这里预测为该类别的次数即模型预测表单类别正确的次数。比如，模型在1小时内一共预测了20次，其中预测表单类别正确的次数为18次，预测表单的填写内容正确的次数为20次，则准确率为0.9。

采纳率；所述采纳率表征对应的模型在设定时长内预测正确的次数中表单的填写内容被填写进表单的次数的占比，即

实际采纳次数即实际上被填写进表单的填写内容的次数，比如模型在1小时内一共预测了20次，其中预测正确的次数为16次，这16次中有15次预测的表单的填写内容被填写进表单了，有一次预测正确的表单的填写内容没有填写进表单，则采纳率为0.9375。

辅助率；所述辅助率表征对应的模型预测正确的表单的填写内容中被填写进表单的填写内容的数量与表单总数量的比值，即

这里，实际采纳数量指模型预测正确的表单的填写内容中被填写进表单的数量，比如模型一次对10个表单的填写内容进行预测，其中有8个表单的的填写内容预测成功，但是只有6个表单的填写内容被填写进表单，则辅助率为0.6。

S202，在所述至少一个指标中的任意一个指标的值小于设定值时，对对应的模型进行更新。

设置上述指标，其目的在于利用针对性的指标进行模型的自动化更新，例如双11大促、618大促等节日，某些品类的下单量会激增，模型必须提高自己的适应性，以用来进行及时的模型修正和自更新。

上述准确率、精确率、采纳率和辅助率可以有效衡量电商零售领域的数据分布变化，例如新手机发布后，这一手机的相关咨询量激增，导致相关表单激增。此时模型由于对该品类并无偏重，则采纳率下降至设定阈值后提示模型进行更新。

对上述指标进行监控，在监控到上述指标小于设定值时，对模型进行更新。比如，准确率对应的设定值为0.8，在检测到准确率小于0.8时，对模型进行更新。准确率随着模型预测数量的增加，其指标值逐渐平稳。

上述指标也可以定时计算，比如定时每天上午9点开始计算实时指标。

除了根据上述指标进行模型更新外，还可以定时对模型进行更新，例如每日定时晚上12点进行模型更新。或者，按照数据写入更新，例如每天数据归档后进行模型更新。

模型包含热更新和冷更新两种自更新策略，当模型指标低于设定值时，表明数据分布发生变化。这在零售场景中非常常见，此时模型除了对外提供预测能力，内部进行冷更新，在保证不影响线上服务时进行自更新，冷更新时使用旧模型提供预测服务。除此之外，客服也可自动申请更新模型，此时启动的是模型热更新，这是为了防止由于特殊原因需要及时利用数据更新模型，例如客服或者后台人员在所有订单信息中添加了商品四级品类项，并提出更新请求，此时首先完成数据信息的匹配录入，之后进行模型热更新，此时客服可选择调用模型库已有模型进行预测，或者等待模型热更新完成。

在实际应用中，假设辅助率在80％左右，经过统计，折去人工再审核和其他折损。直接转换为生产力约可以节省至少60％直接相关人员，假设直接相关人员有600人，则可节省人力约360人。以月薪8000为例，则约可以节约288万元/月。

参考图3，在一实施例中，所述方法还包括：

S301，基于设定的表单项确定设定数据库中所述表单的填写内容对应的表单；所述表单的填写内容包括所述设定的表单项；所述设定数据库用于存储表单。

S302，将所述表单的填写内容填写至对应的表单中。

在相关技术中，表单数据的存储方式主要依赖于人工设定存储规则，一个表单对应一种存储规则，表单之间缺乏一个贯穿全局的线索。如果表单新增了列表项，数据库的存储结构要进行改动，这样造成了资源浪费和模型失效。而且在电商领域中，订单的追踪往往具有一定的逻辑性，相关技术缺乏这种追踪能力，导致表单项无法精准归纳。

针对相关技术表单数据归纳能力差的问题，本发明实施例基于设定的表单项归纳表单数据。表单存储在设定数据库中，表单中包括设定的表单项，通过设定的表单项查找设定数据库中的表单，可以准确定位到表单的填写内容所对应的表单位置，从而可以实现对表单数据的精准归纳。

在一实施例中，所述设定的表单项包括以下任意一项：

订单标识；

快递单标识；

用户标识。

比如，用户进行退货时，所述表单的填写内容包括订单标识，订单标识可以为订单编号，根据订单编号查找设定数据库，找出设定数据库中该订单编号对应的表单，从而将表单的填写内容填写至对应的表单中。本发明实施例不需要针对表单的变化修改表单数据的存储规则，不仅使得表单数据的存储更为方便，为模型引入新的特征项打下了基础。同时也可以提高数据的处理速度，简化数据构建的过程。

在电商领域，设定的表单项作为贯穿全局的线索，设定的表单项可以包括订单编号、运单编号和用户标识(ID，Identity document)，表单的填写内容插入表单分为无线索值插入和有线索值插入，线索值即为设定的表单项对应的值，无线索值插入适用于新数据入库，有线索值插入适用于数据补全，数据项新增等场景。

参考图4，图4是本发明应用实施例提供的一种表单内容预测系统的结构示意图，表单内容预测系统包括：模型模块、监控模块和交互模块。

其中，模型模块包括模型信息库和数据信息库，模型信息库存储有各种模型，比如上述实施例中的设定的模型集群、设定的第二模型和设定的第三模型，数据信息库用于存储表单，比如退货表单、快递表单和售后表单等。数据信息库中的表单数据可以用来更新模型信息库中的模型。

交互模块用于接收用户请求，用户请求包含填写请求、实时查看请求和更新请求。比如用户申请更新请求时，交互模块将更新请求发送给模型模块中的模型更新装置，模型更新装置更新模型信息库中的模型。

用户进行退货、下单、售后等操作时，发送填写请求给交互模块，交互模块根据填写请求调用模型信息库中的模型预测表单的填写内容，并智能填充表单。如果涉及到多轮填写，则需要判断是否包括具有链式关系的表单。

监控模块则用于对模型的各个指标进行监控，指标包括准确率、精确率、采纳率和辅助率。用户可以发送实时查看请求给交互模块，交互模块将指标值展示给用户。

查看图5，图5是本发明应用实施例提供的一种模型模块的的结构示意图，模型模块包括输入层、模型层和输出层。

模型输入层用于接收用户输入的信息，比如输入为商品品类、仓库编号时，模型提取出数字离散特征；输入为商品价格、商品评分时，模型提取出数字连续特征；输入为订单日志、用户留言时，模型提取出文字特征。输入层进行数据处理，数据处理用于判断填写请求是否关联至少两个表单。

模型层根据数据处理结果和调用策略设置好模型参数和模型调用方式，在填写请求仅关联一个表单时，选择单调用方式；在填写请求关联多个表单时，判断多个表单是否具有链式关系，具有链式关系则选择链式调用方式，不具有链式关系则选择同步多调用方式。每一种调用方式对应一种模型，比如，单调用方式选择设定的第二模型，同步多调用方式选择设定的第三模型，链式调用方式选择设定的模型集群。

模型层输出模型的预测结果，在输出层进行包装后，区分单填充输出和多填充输出并返回给用户。

本发明实施例针对电商领域的多种类别表单的不同填充顺序和填充内容，提供了单调用、链式调用和同步多调用，有效支持表单填充需求的多轮交互方式，解决了相关技术不能一次预测多个表单的填写内容的问题，可以预测具有链式关系的多个表单的填写内容。

应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。

应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。

需要说明的是，本发明实施例所记载的技术方案之间，在不冲突的情况下，可以任意组合。

另外，在本发明实施例中，“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。

参考图6，图6是本发明实施例提供的一种表单内容预测装置的示意图，如图6所示，该装置包括：接收模块、确定模块和预测模块。

在一实施例中，预测模块在基于设定的模型集群对所述具有链式关系的至少两个表单的填写内容进行预测时，用于：

在一实施例中，预测模块还用于：

在一实施例中，所述装置还包括：

监控模块，用于监控至少一个模型中的每个模型对应的至少一个指标；

更新模块，用于在所述至少一个指标中的任意一个指标的值小于设定值时，对对应的模型进行更新；

所述至少一个模型至少包括以下任意一项：

设定的模型集群中的所有模型；

设定的第二模型；

设定的第三模型。

在一实施例中，所述至少一个指标至少包括以下任意一项：

精确率；所述精确率表征对应的模型在所述设定时长内预测表单的填写内容预测正确的次数与预测表单的类别预测正确的次数的比值；

采纳率；所述采纳率表征对应的模型在所述设定时长内预测正确的次数中表单的填写内容被填写进表单的次数的占比；

在一实施例中，所述装置还包括：

表单确定模块，用于基于设定的表单项确定设定数据库中所述表单的填写内容对应的表单；所述表单的填写内容包括所述设定的表单项；所述设定数据库用于存储表单；

填写模块，用于将所述表单的填写内容填写至对应的表单中。

在一实施例中，所述设定的表单项包括以下任意一项：

订单标识；

快递单标识；

用户标识。

实际应用时，所述接收模块、确定模块和预测模块可通过电子设备中的处理器，比如中央处理器(CPU，CentralProcessing Unit)、数字信号处理器(DSP，Digital SignalProcessor)、微控制单元(MCU，MicrocontrollerUnit)或可编程门阵列(FPGA，Field－Programmable GateArray)等实现。

需要说明的是：上述实施例提供的表单内容预测装置在进行表单内容预测时，仅以上述各模块的划分进行举例说明，实际应用中，可以根据需要而将上述处理分配由不同的模块完成，即将装置的内部结构划分成不同的模块，以完成以上描述的全部或者部分处理。另外，上述实施例提供的表单内容预测装置与表单内容预测方法实施例属于同一构思，其具体实现过程详见方法实施例，这里不再赘述。

基于上述程序模块的硬件实现，且为了实现本申请实施例的方法，本申请实施例还提供了一种电子设备。图7为本申请实施例电子设备的硬件组成结构示意图，如图7所示，电子设备包括：

通信接口，能够与其它设备比如网络设备等进行信息交互；

处理器，与所述通信接口连接，以实现与其它设备进行信息交互，用于运行计算机程序时，执行上述电子设备侧一个或多个技术方案提供的方法。而所述计算机程序存储在存储器上。

当然，实际应用时，电子设备中的各个组件通过总线系统耦合在一起。可理解，总线系统用于实现这些组件之间的连接通信。总线系统除包括数据总线之外，还包括电源总线、控制总线和状态信号总线。但是为了清楚说明起见，在图7中将各种总线都标为总线系统。

本申请实施例中的存储器用于存储各种类型的数据以支持电子设备的操作。这些数据的示例包括：用于在电子设备上操作的任何计算机程序。

可以理解，存储器可以是易失性存储器或非易失性存储器，也可包括易失性和非易失性存储器两者。其中，非易失性存储器可以是只读存储器(ROM，Read Only Memory)、可编程只读存储器(PROM，Programmable Read-Only Memory)、可擦除可编程只读存储器(EPROM，Erasable Programmable Read-Only Memory)、电可擦除可编程只读存储器(EEPROM，Electrically Erasable Programmable Read-Only Memory)、磁性随机存取存储器(FRAM，ferromagnetic random access memory)、快闪存储器(Flash Memory)、磁表面存储器、光盘、或只读光盘(CD-ROM，Compact Disc Read-OnlyMemory)；磁表面存储器可以是磁盘存储器或磁带存储器。易失性存储器可以是随机存取存储器(RAM，RandomAccessMemory)，其用作外部高速缓存。通过示例性但不是限制性说明，许多形式的RAM可用，例如静态随机存取存储器(SRAM，Static Random Access Memory)、同步静态随机存取存储器(SSRAM，Synchronous Static RandomAccess Memory)、动态随机存取存储器(DRAM，Dynamic Random Access Memory)、同步动态随机存取存储器(SDRAM，SynchronousDynamic RandomAccess Memory)、双倍数据速率同步动态随机存取存储器(DDRSDRAM，Double Data Rate Synchronous Dynamic RandomAccess Memory)、增强型同步动态随机存取存储器(ESDRAM，Enhanced Synchronous Dynamic RandomAccess Memory)、同步连接动态随机存取存储器(SLDRAM，SyncLink Dynamic RandomAccess Memory)、直接内存总线随机存取存储器(DRRAM，Direct Rambus RandomAccess Memory)。本申请实施例描述的存储器130旨在包括但不限于这些和任意其它适合类型的存储器。

上述本申请实施例揭示的方法可以应用于处理器中，或者由处理器实现。处理器可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器可以是通用处理器、DSP，或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。处理器可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者任何常规的处理器等。结合本申请实施例所公开的方法的步骤，可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于存储介质中，该存储介质位于存储器，处理器读取存储器中的程序，结合其硬件完成前述方法的步骤。

可选地，所述处理器执行所述程序时实现本申请实施例的各个方法中由电子设备实现的相应流程，为了简洁，在此不再赘述。

在示例性实施例中，本申请实施例还提供了一种存储介质，即计算机存储介质，具体为计算机可读存储介质，例如包括存储计算机程序的第一存储器，上述计算机程序可由电子设备的处理器执行，以完成前述方法所述步骤。计算机可读存储介质可以是FRAM、ROM、PROM、EPROM、EEPROM、Flash Memory、磁表面存储器、光盘、或CD-ROM等存储器。

在本申请所提供的几个实施例中，应该理解到，所揭露的装置、电子设备和方法，可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，如：多个单元或组件可以结合，或可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口，设备或单元的间接耦合或通信连接，可以是电性的、机械的或其它形式的。

上述作为分离部件说明的单元可以是、或也可以不是物理上分开的，作为单元显示的部件可以是、或也可以不是物理单元，即可以位于一个地方，也可以分布到多个网络单元上；可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。

另外，在本申请各实施例中的各功能单元可以全部集成在一个处理单元中，也可以是各单元分别单独作为一个单元，也可以两个或两个以上单元集成在一个单元中；上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。

本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于一计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：移动存储设备、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。

或者，本申请上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请实施例的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机、服务器、或者网络设备等)执行本申请各个实施例所述方法的全部或部分。而前述的存储介质包括：移动存储设备、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。

需要说明的是，本申请实施例所记载的技术方案之间，在不冲突的情况下，可以任意组合。

另外，在本申请实例中，“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。

以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以所述权利要求的保护范围为准。

Claims

1.一种表单内容预测方法，其特征在于，所述方法包括：

接收填写请求；所述填写请求用于请求填写表单；

在所述至少两个表单包括具有链式关系的至少两个表单的情况下，基于设定的模型集群对所述具有链式关系的至少两个表单的填写内容进行预测；所述具有链式关系的至少两个表单中的每个表单对应所述设定的模型集群中的一个模型。

2.根据权利要求1所述的方法，其特征在于，所述基于设定的模型集群对所述具有链式关系的至少两个表单的填写内容进行预测时，所述方法包括：

3.根据权利要求1所述的方法，其特征在于，所述方法还包括：

4.根据权利要求1所述的方法，其特征在于，所述方法还包括：

5.根据权利要求1至4任一项所述的方法，其特征在于，所述方法还包括：

监控至少一个模型中的每个模型对应的至少一个指标；

所述至少一个模型至少包括以下任意一项：

设定的模型集群中的所有模型；

设定的第二模型；

设定的第三模型。

6.根据权利要求5所述的方法，其特征在于，所述至少一个指标至少包括以下任意一项：

7.根据权利要求1至4任一项所述的方法，其特征在于，所述方法还包括：

将所述表单的填写内容填写至对应的表单中。

8.根据权利要求7所述的方法，其特征在于，所述设定的表单项包括以下任意一项：

订单标识；

快递单标识；

用户标识。

9.一种表单内容预测装置，其特征在于，包括：

10.一种电子设备，包括存储器、处理器以及存储在所述存储器中并可在所述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计算机程序时实现如权利要求1至8任一项所述的表单内容预测方法。

11.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令当被处理器执行时使所述处理器执行如权利要求1至8任一项所述的表单内容预测方法。