CN113283963B - 订单数据处理方法、系统和计算机设备 - Google Patents

订单数据处理方法、系统和计算机设备 Download PDF

Info

Publication number
CN113283963B
CN113283963B CN202110605227.9A CN202110605227A CN113283963B CN 113283963 B CN113283963 B CN 113283963B CN 202110605227 A CN202110605227 A CN 202110605227A CN 113283963 B CN113283963 B CN 113283963B
Authority
CN
China
Prior art keywords
order
processed
parameters
rule
service
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
Application number
CN202110605227.9A
Other languages
English (en)
Other versions
CN113283963A (zh
Inventor
白晓东
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.)
Changsha Daojia Youxiang Home Economics Service Co ltd
Original Assignee
Changsha Daojia Youxiang Home Economics Service 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 Changsha Daojia Youxiang Home Economics Service Co ltd filed Critical Changsha Daojia Youxiang Home Economics Service Co ltd
Priority to CN202110605227.9A priority Critical patent/CN113283963B/zh
Publication of CN113283963A publication Critical patent/CN113283963A/zh
Application granted granted Critical
Publication of CN113283963B publication Critical patent/CN113283963B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/46—Multiprogramming arrangements
    • G06F9/54—Interprogram communication
    • G06F9/546—Message passing systems or structures, e.g. queues
    • 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
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Accounting & Taxation (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Economics (AREA)
  • Software Systems (AREA)
  • Finance (AREA)
  • Data Mining & Analysis (AREA)
  • Strategic Management (AREA)
  • General Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Primary Health Care (AREA)
  • Development Economics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供了一种订单数据处理方法、系统和计算机设备。该方法包括：监测家政服务系统中订单数据的流转过程，订单数据包括用户特征信息、订单信息，订单信息包括订单状态、匹配参数和家政服务类型信息；获取待处理订单，识别该待处理订单的用户特征信息、订单信息和家政服务类型；确定与待处理订单相对应的处理规则建议；根据该处理规则建议，自动对待处理订单的匹配参数进行调整；基于调整后的匹配参数，对所述待处理订单进行家政匹配处理。本发明能够对订单数据进行更全面、更有效的监测，能够及时、有效地对各订单数据进行处理。

Description

订单数据处理方法、系统和计算机设备
技术领域
本发明涉及计算机信息处理领域，具体而言，涉及一种订单数据处理方法、系统和计算机设备。
背景技术
现有家政业务包括月嫂服务、保姆服务、保洁服务、家电维修、房屋维修等。对于上述业务通常存在以下缺点：家政服务质量、内容无法保障，无法对家政服务内容监督和查看。
鉴于上述问题，为消费者提供线上预约家政服务项目，但是现有线上家政服务系统仍存在很大改进空间。例如，现有线上家政服务系统存在仅依靠经纪人或推广人电话沟通或者社交工具沟通，不够便捷，无法满足用户根据需求指定服务人员的需求，往往只能够听从家政公司或家政服务系统随机安排家政人员上门服务，存在家政服务人员的分配不合理、家政服务人员与用户的匹配精确度低以及无法有效实现用户定制需求的适配服务等问题。此外，特别是对于12小时以内的短时长家政服务的线上订单的处理，现有方法中由于订单数据处理不当存在因下单后等待时间过长或其他时间问题导致用户体验差，还存在家政服务人员接单后用户取消订单给家政服务人员造成一定经济损失，等等问题。
因此，有必要提供一种更有效的订单数据处理方法。
发明内容
本发明至少解决现有方法中的如下问题：由于家政服务系统中订单数据处理不当存在因下单后等待时间过长或其他时间问题导致用户体验差，还存在家政服务人员接单后用户取消订单给家政服务人员造成一定经济损失，等等问题。
本发明提供了一种订单数据处理方法，其用于对家政服务系统中服务需求方发起的订单数据和服务提供方接受的订单数据进行处理，包括：监测家政服务系统中订单数据的流转过程，所述订单数据包括用户特征信息、订单信息，所述订单信息包括订单状态、匹配参数和家政服务类型信息，所述流转过程用于表征从家政服务需求方发起订单开始起到家政服务提供方接受订单之后提供家政服务为止的整个过程；获取待处理订单，识别该待处理订单的用户特征信息、订单信息和家政服务类型；确定与所述待处理订单相对应的处理规则建议；根据所述处理规则建议，自动对所述待处理订单的匹配参数进行调整；基于调整后的匹配参数，对所述待处理订单进行家政匹配处理。
根据本发明的可选实施方式，所述确定与所述待处理订单数据相对应的处理规则建议包括：根据特定时间段内历史发起订单时间、历史接单时间、历史支付时间，拟合接单时长的概率分布曲线；使用所述概率分布曲线，计算与所述待处理订单数据相对应的时间规则参数的调整范围。
根据本发明的可选实施方式，还包括：使用机器学习模型学习特定时间段内历史订单数据与历史处理规则数据之间的对应关系，分别建立多个规则确定模型，所述历史订单数据包括订单状态、匹配参数、用户特征信息以及对家政服务需求方或家政服务提供方的评价数据，所述历史规则处理数据包括是否有调整与家政服务品类相对应的接单时间、是否有调整家政服务提供方的家政服务质量标识、是否有调整家政服务需求方的等待接单时间、是否有特定时间段内被禁止接单信息，增加或降低家政服务需求方的用户挑剔度，以及是否有未支付取消订单记录数据、未接单取消订单记录数据、接单后取消订单记录数据；使用相应规则确定模型，输入所识别的用户特征信息、订单信息中的时间参数，计算与所述待处理订单相对应的时间规则参数的调整范围。
根据本发明的可选实施方式，还包括：通过相关业务人员，对所计算的规则参数的调整范围进行二次调整。
根据本发明的可选实施方式，所述匹配参数包括与家政服务品类相对应的质量参数、时间参数、家政服务需求方的用户意向参数；和/或所述规则参数包括所述匹配参数相对应的质量规则参数、时间规则参数和用户规则参数，该用户规则参数包括与家政服务需求方相对应的意向度以及与所述服务提供方相对应的可提供服务质量，所述时间参数包括最大允许等待时间、接单时间与提供家政服务时间的最大间隔时间。
根据本发明的可选实施方式，所述获取待处理订单，识别该待处理订单的用户特征信息、订单信息和家政服务类型包括：获取批量待处理订单，识别所述批量待处理订单的用户特征信息，自动将所述待处理订单数据分流到与家政服务需求方与家政服务提供相对应的两个消息队列进行处理；根据所识别的订单信息和家政服务类型，确定与所述批量待处理订单的匹配参数相对应的规则参数，计算各规则参数的调整范围。
根据本发明的可选实施方式，还包括：根据所计算的规则参数的调整范围，确定最优处理规则建议，该最优处理规则建议包括最优接单时间范围和最优取消订单时间范围。
根据本发明的可选实施方式，所述基于调整后的匹配参数，对所述待处理订单进行家政匹配处理包括：对相应的待处理订单中的质量参数、时间参数、家政服务需求方的用户意向参数进行调整之后，对所述待处理订单进行匹配参数调整标识；根据所述匹配参数调整标识，为所述待处理订单重新匹配家政服务提供方。
根据本发明的可选实施方式，还包括：在为所述待处理订单重新匹配家政服务提供方之前，判断各家政服务提供方是否有特定时间段内被禁止接单信息。
根据本发明的可选实施方式，所述基于调整后的匹配参数，对所述待处理订单进行家政匹配处理包括：对相应的待处理订单中的时间参数、家政服务提供方的可提供质量进行调整之后，对所述待处理订单进行匹配参数调整标识，对所述待处理订单进行流转结束标识。
此外，本发明还提供了一种订单数据处理系统，其用于对家政服务系统中服务需求方发起的订单数据和服务提供方接受的订单数据进行处理，包括：监测模块，用于监测家政服务系统中订单数据的流转过程，所述订单数据包括用户特征信息、订单信息，所述订单信息包括订单状态、匹配参数和家政服务类型信息，所述流转过程用于表征从家政服务需求方发起订单开始起到家政服务提供方接受订单之后提供家政服务为止的整个过程；获取模块，用于获取待处理订单，识别该待处理订单的用户特征信息、订单信息和家政服务类型；确定模块，用于确定与所述待处理订单相对应的处理规则建议；调整处理模块，用于根据所述处理规则建议，自动对所述待处理订单的匹配参数进行调整；匹配处理模块，基于调整后的匹配参数，对所述待处理订单进行家政匹配处理。
根据本发明的可选实施方式，还包括计算模块，所述计算模块用于根据特定时间段内历史发起订单时间、历史接单时间、历史支付时间，拟合接单时长的概率分布曲线；使用所述概率分布曲线，计算与所述待处理订单数据相对应的时间规则参数的调整范围。
根据本发明的可选实施方式，使用机器学习模型学习特定时间段内历史订单数据与历史处理规则数据之间的对应关系，分别建立多个规则确定模型，所述历史订单数据包括订单状态、匹配参数、用户特征信息以及对家政服务需求方或家政服务提供方的评价数据，所述历史规则处理数据包括是否有调整与家政服务品类相对应的接单时间、是否有调整家政服务提供方的家政服务质量标识、是否有调整家政服务需求方的等待接单时间、是否有特定时间段内被禁止接单信息，增加或降低家政服务需求方的用户挑剔度，以及是否有未支付取消订单记录数据、未接单取消订单记录数据、接单后取消订单记录数据；使用相应规则确定模型，输入所识别的用户特征信息、订单信息中的时间参数，计算与所述待处理订单相对应的时间规则参数的调整范围。
根据本发明的可选实施方式，还包括：通过相关业务人员，对所计算的规则参数的调整范围进行二次调整。
根据本发明的可选实施方式，所述匹配参数包括与家政服务品类相对应的质量参数、时间参数、家政服务需求方的用户意向参数；和/或所述规则参数包括所述匹配参数相对应的质量规则参数、时间规则参数和用户规则参数，该用户规则参数包括与家政服务需求方相对应的意向度以及与所述服务提供方相对应的可提供服务质量，所述时间参数包括最大允许等待时间、接单时间与提供家政服务时间的最大间隔时间。
根据本发明的可选实施方式，还包括：获取批量待处理订单，识别所述批量待处理订单的用户特征信息，自动将所述待处理订单数据分流到与家政服务需求方与家政服务提供相对应的两个消息队列进行处理；根据所识别的订单信息和家政服务类型，确定与所述批量待处理订单的匹配参数相对应的规则参数，计算各规则参数的调整范围。
根据本发明的可选实施方式，还包括：根据所计算的规则参数的调整范围，确定最优处理规则建议，该最优处理规则建议包括最优接单时间范围和最优取消订单时间范围。
根据本发明的可选实施方式，还包括：对相应的待处理订单中的质量参数、时间参数、家政服务需求方的用户意向参数进行调整之后，对所述待处理订单进行匹配参数调整标识；根据所述匹配参数调整标识，为所述待处理订单重新匹配家政服务提供方。
根据本发明的可选实施方式，还包括判断模块，所述判断模块用于在为所述待处理订单重新匹配家政服务提供方之前，判断各家政服务提供方是否有特定时间段内被禁止接单信息。
根据本发明的可选实施方式，所述基于调整后的匹配参数，对所述待处理订单进行家政匹配处理包括：对相应的待处理订单中的时间参数、家政服务提供方的可提供质量进行调整之后，对所述待处理订单进行匹配参数调整标识，对所述待处理订单进行流转结束标识。
此外，本发明还提供了一种计算机设备，包括处理器和存储器，所述存储器用于存储计算机可执行程序，当所述计算机程序被所述处理器执行时，所述处理器执行本发明所述的订单数据处理方法。
此外，本发明还提供了一种计算机程序产品，存储有计算机可执行程序，所述计算机可执行程序被执行时，实现如本发明所述的订单数据处理方法。
有益效果
与现有技术相比，本发明能够对订单数据进行更全面、更有效的监测，并能够及时、有效地对各订单数据进行处理。
进一步地，通过两个消息队列进行数据分类管理，能够更有效地管理数据，提高数据处理速度，并能够更快速、更精确地识别订单数据的类别、匹配参数；通过使用所述概率分布曲线，计算与所述待处理订单数据相对应的各规则参数的调整范围，能够更有效且更精确地确定与所述待处理订单相对应的处理规则建议；通过使用规则确定模型计算各规则参数的调整范围，并进行人工二次调整，能够更精确地确定与所述待处理订单相对应的处理规则建议，能够进一步优化订单数据的处理过程；能够为待处理订单确定最优处理规则建议，对相应参数进行调整，能够进一步优化订单数据的处理，为家政匹配处理提供更精确的匹配参数。
附图说明
为了使本发明所解决的技术问题、采用的技术手段及取得的技术效果更加清楚，下面将参照附图详细描述本发明的具体实施例。但需声明的是，下面描述的附图仅仅是本发明本发明示例性实施例的附图，对于本领域的技术人员来讲，在不付出创造性劳动的前提下，可以根据这些附图获得其他实施例的附图。
图1是本发明的实施例1的订单数据处理方法的一示例的流程图。
图2是本发明的实施例1的订单数据处理方法的另一示例的流程图。
图3是本发明的实施例1的订单数据处理方法的又一示例的流程图。
图4是本发明的实施例2的订单数据处理系统的一示例的示意图。
图5是本发明的实施例2的订单数据处理系统的另一示例的示意图。
图6是本发明的实施例2的订单数据处理系统的又一示例的示意图。
图7是根据本发明的一种计算机设备的示例性实施例的结构框图。
图8是根据本发明的计算机程序产品的示例性实施例的结构框图。
具体实施方式
现在将参考附图更全面地描述本发明的示例性实施例。然而，示例性实施例能够以多种形式实施，且不应被理解为本发明仅限于在此阐述的实施例。相反，提供这些示例性实施例能够使得本发明更加全面和完整，更加便于将发明构思全面地传达给本领域的技术人员。在图中相同的附图标记表示相同或类似的元件、组件或部分，因而将省略对它们的重复描述。
在符合本发明的技术构思的前提下，在某个特定的实施例中描述的特征、结构、特性或其他细节不排除可以以合适的方式结合在一个或更多其他的实施例中。
在对于具体实施例的描述中，本发明描述的特征、结构、特性或其他细节是为了使本领域的技术人员对实施例进行充分理解。但是，并不排除本领域技术人员可以实践本发明的技术方案而没有特定特征、结构、特性或其他细节的一个或更多。
附图中所示的流程图仅是示例性说明，不是必须包括所有的内容和操作/步骤，也不是必须按所描述的顺序执行。例如，有的操作/步骤还可以分解，而有的操作/步骤可以合并或部分合并，因此实际执行的顺序有可能根据实际情况改变。
附图中所示的方框图仅仅是功能实体，不一定必须与物理上独立的实体相对应。即，可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
应理解，虽然本文中可能使用第一、第二、第三等表示编号的定语来描述各种器件、元件、组件或部分，但这不应受这些定语限制。这些定语乃是用以区分一者与另一者。例如，第一器件亦可称为第二器件而不偏离本发明实质的技术方案。
术语“和/或”或者“及/或”包括相关联的列出项目中的任一个及一或多者的所有组合。
鉴于上述问题，本发明提供了一种订单数据处理方法，该方法能够监测家政服务系统中订单数据的流转过程，能够有效识别待处理订单的用户特征信息、订单信息和家政服务类型，并确定与所述待处理订单相对应的处理规则建议，以自动对所述待处理订单的匹配参数进行调整，并对所述待处理订单进行家政匹配处理。由此，能够对订单数据进行更全面、更有效的监测，并能够及时、有效地对各订单数据进行处理，还能够为家政匹配处理提供更精确的匹配参数。以下将详细描述具体过程。
实施例1
下面，将参照图1至图3描述本发明的订单数据处理方法的实施例。
图1为本发明的订单数据处理方法的一示例的流程图。如图1所示，该订单数据处理方法包括如下步骤。
步骤S101，监测家政服务系统中订单数据的流转过程，所述订单数据包括用户特征信息、订单信息，所述订单信息包括订单状态、匹配参数和家政服务类型信息，所述流转过程用于表征从家政服务需求方发起订单开始起到家政服务提供方接受订单之后提供家政服务为止的整个过程。
步骤S102，获取待处理订单，识别该待处理订单的用户特征信息、订单信息和家政服务类型。
步骤S103，确定与所述待处理订单相对应的处理规则建议。
步骤S104，根据所述处理规则建议，自动对所述待处理订单的匹配参数进行调整。
步骤S105，基于调整后的匹配参数，对所述待处理订单进行家政匹配处理。
需要说明的是，该方法用于对家政服务系统中服务需求方发起的订单数据和服务提供方接受的订单数据进行处理，特别适用于对10小时以内的短时长家政服务的订单数据进行处理。以下将具体说明本发明方法的处理过程。
首先，在步骤S101中，监测家政服务系统中订单数据的流转过程，所述订单数据包括用户特征信息、订单信息，所述订单信息包括订单状态、匹配参数和家政服务类型信息，所述流转过程用于表征从家政服务需求方发起订单开始起到家政服务提供方接受订单之后提供家政服务为止的整个过程。
在本示例中，以对家政服务系统中家政服务需求方发起的订单数据进行处理为示例进行说明。
例如，用户1(即家政服务需求方)在家政服务系统发起一个订单D1，对该订单D1的订单数据数据进行监测。
具体地，该订单数据包括用户特征信息、订单信息，该订单信息包括订单状态、匹配参数和家政服务类型信息。不限于此，所述订单信息还包括订单号、下单时间、下单地址等信息。上述仅作为示例进行说明，不能理解成对本发明的限制。
更具体地，订单状态包括未支付未接单状态、未支付已接单状态、已支付未接单状态、已支付已接单状态、订单服务进行中、订单完成等。
进一步地，匹配参数包括与家政服务品类相对应的质量参数、时间参数、家政服务需求方的用户意向参数。例如，该质量参数包括与家电维修、房屋维修、日常保洁等家政服务品类中具体服务项名称相对应的质量参数。再例如，该用户意向参数包括用户口味偏好、地区偏好、年龄偏好、学历偏好或其他偏好参数等等。
具体地，家政服务类型信息包括家政服务品类和家政服务项名称。
例如，该家政服务品类包括房屋维修、家电维修、数码维修，家庭保洁、上门安装、礼品鲜花等等。
例如，该家政服务项名称包括开锁换锁、水路维修、电路维修、厨卫洁具、马桶疏通、地漏疏通，各类家电维修，手机维修、电脑或平板电脑维修、办公设备维修，饮水机清洗、空调清洗、家具清洗，空调安装、水电安装、厨卫安装，各种鲜花或礼品等等。
需要说明的是，上述作为示例进行说明，不能理解成对本发明的限制。
在另一示例中，对家政服务系统中家政服务提供方接受的订单数据进行处理。
例如，监测家政服务人员F1(即家政服务提供方)在家政服务系统接受一个订单D1’，对该订单D1’的订单数据数据进行监测，其中，该订单数据包括用户特征信息、订单信息，在该示例中，所述用户特征信息包括家政服务需求方和家政服务提供方的用户特征数据。
进一步地，订单信息中订单状态包括已支付已接单状态、订单服务进行中、订单完成等。
可选地，设定监测方式，所述监测方式包括实时监测或定时监测等。其中，根据订单类别、订单流转节点，设定相应的监测方式。
由此，能够对订单数据进行更全面、更有效的监测，并能够及时、有效地对各订单数据进行处理。
需要说明的是，上述仅作为示例进行说明，不能理解成对本发明的限制。
接下来，在步骤S102中，获取待处理订单，识别该待处理订单的用户特征信息、订单信息和家政服务类型。
具体地，待处理订单包括家政服务需求方发起的第一类订单和家政服务提供方接受的第二类订单。
优选地，在家政服务系统中使用两个消息列队分别对第一类订单和第二类订单进行数据处理。由此，能够更合理、更有效处理各类订单数据。
在一示例中，从家政服务系统获取一个订单D1，该订单D1为家政服务需求方发起的订单。
具体地，对订单D1的订单数据数据进行识别，并识别该订单D1的订单数据数据中用户特征信息、订单信息和家政服务类型以及匹配参数，其中，用户特征信息包括与家政服务需求方相对应的用户特征信息。
例如，用户特征信息为用户1，年龄62岁，订单号为2020****0，下单时间为2020年10月30号上午8点，下单地址为北京顺义区**镇**村，家政服务类型：品类为家庭保洁，服务项为饮水机清洗和地面清洁(服务时长为1小时～2小时)，用户意向参数包括地区偏好，例如偏好北京顺义区的家政服务人员，其中，匹配参数包括下单时间、用户意向参数。
在另一示例中，从家政服务系统获取一个订单D1’，该订单D1’为家政服务提供方接受的订单。
具体地，对订单D1’的订单数据数据进行识别，并识别该订单D1的订单数据数据中用户特征信息、订单信息和家政服务类型，其中，用户特征信息包括与家政服务提供方相对应的用户特征信息。
例如，用户特征信息为用户F1，年龄45岁，所接受的订单号为2020****0，接单时间为2020年10月30号上午8点12分(可提供服务时长为8点30分到10点30分)，接单地址为北京昌平区**镇，家政服务类型：品类为家庭保洁，服务项为饮水机清洗和地面清洁。
由此，通过两个消息队列进行数据分类管理，能够更有效地管理数据，提高数据处理速度，并能够更快速、更精确地识别订单数据的类别、匹配参数。
需要说明的是，上述仅作为示例进行说明，不能理解成对本发明的限制。
接下来，在步骤S103中，确定与所述待处理订单相对应的处理规则建议。
在本示例中，根据步骤S102中对订单D1的识别信息(具体为匹配参数)，确定与订单D1(即待处理订单)相对应的处理规则建议。
具体地，确定与订单D1中匹配参数相对应的参数规则的调整范围。
可选地，所述规则参数包括所述匹配参数相对应的质量规则参数、时间规则参数和用户规则参数，该用户规则参数包括与家政服务需求方相对应的意向度以及与所述服务提供方相对应的可提供服务质量，所述时间参数包括最大允许等待时间、接单时间与提供家政服务时间的最大间隔时间。以下，以时间参数为示例进行说明。
在本示例中，根据历史家政服务各品类和/或家政服务项名称以及各自服务时长，配置与各家政服务项名称相对应的默认接单时长(或等待接单时间范围)，该默认接单时长为多个时间段。
具体地，根据订单信息中的家政服务各品类和/或家政服务项名称，得到默认接单时长。并获取例如20天、30天、45天等特定时间段内历史发起订单时间(或下单时间)、历史接单时间、历史支付时间等相关订单数据，进一步计算以确定从下单时间到接单时间的接单时长，该接单时长(或等待接单时间范围)为多个时间段，例如该多个时间段为等间隔的时间段(0分钟～10分钟)、(10分钟～20分钟)、(20分钟～30分钟)。
对于所述进一步计算以确定从下单时间到接单时间的接单时长包括：分别对所述多个时间段(接单时长或等待接单时间范围)对应的接单数量、家政服务品类和/或家政服务项名称，拟合接单时长的概率分布曲线。
具体地，使用以下公式进行分段拟合，以得到接单时长的概率分布图：
P(X)＝P(X，Y)(1)，
其中，X为某时间段内(接单时长或等待接单时间范围)内的接单量或有效接单量，其中，接单量是指家政服务提供方接受订单的订单量，有效接单量是指支付后接单的订单量；Y为某服务品类和/或服务项名称在特定时间段内对应的订单总量，具体根据某服务品类和/或服务项名称以及服务时长来确定该特定时间段；P(X)是指在某时间段内(接单时长或等待接单时间范围)内的接单量或有效接单量所占订单总量的比率。
具体地，使用所述概率分布曲线，计算与所述待处理订单数据相对应的时间规则参数的调整范围。
例如，对于步骤S102中的订单D1中下单时间(即匹配参数)，使用上述表达式进行计算，以得到与该下单时间相对应的时间参数规则的调整范围。其中，例如计算结果：(0分钟～10分钟)时间段对应的P(X)为30％、(10分钟～20分钟)时间段对应的P(X)为60％、(20分钟～30分钟)时间段对应的P(X)为10％。
进一步地，根据(0分钟～10分钟)时间段和20分钟～30分钟)时间段所对应的订单数据，对(10分钟～20分钟)时间段进行进一步时间范围分段渐缩，将(10分钟～20分钟)时间段分成多个时间段，再进行上述P(X)。例如，经过多次渐缩后，得到(12分钟～16分钟)时间段为最优调整范围。
可选地，在得到下单时间的最优调整范围之后，还通过相关业务人员，对所计算的规则参数的调整范围进行二次调整，以得到最终的时间参数规则的调整范围。
需要说明的是，由于计算用户规则参数的调整范围与计算时间规则参数的调整范围的方法相同，因此，省略对该部分的说明。
在上述示例中该处理规则建议包括时间规则参数、用户规则参数以及各参数的调整范围。由此，通过使用所述概率分布曲线，计算与所述待处理订单数据相对应的各规则参数的调整范围，能够更有效且更精确地确定与所述待处理订单相对应的处理规则建议。
需要说明的是，上述仅作为示例进行说明，不能理解成对本发明的限制。
接下来，在步骤S104中，根据所述处理规则建议，自动对所述待处理订单的匹配参数进行调整。
具体地，根据步骤S103所得到的处理规则建议，该处理规则建议包括时间规则参数、用户规则参数以及各参数的调整范围，其中时间规则参数中下单时长12分钟～16分钟，用户规则参数中家政服务人员集合A中家政服务人员F1、F2、F5、F8和F10。
需要说明的是，所述家政服务系统根据家政服务提供方的用户特征信息、地区信息、排班信息、可提供服务时间、可提供服务类型等不同特征信息，进行分类，形成多个家政服务人员集合A、B、C～Z等。
具体地，根据所计算的下单时长T12分钟～16分钟，自动对该订单D1的接单时间进行调整计算，即订单D1的下单时间+T，具体为8点+T(12分钟～16分钟)，得到8点12分～8点16分(即最优接单时间范围)。
进一步地，根据所述家政服务人员F1、F2、F5、F8和F10的排班信息、可提供服务时间，选择最适配的家政服务人员(即家政服务提供方)。
需要说明的是，上述仅作为示例进行说明，不能理解成对本发明的限制。
接下来，在步骤S105中，基于调整后的匹配参数，对所述待处理订单进行家政匹配处理。
具体地，根据所计算的规则参数的调整范围，确定最优处理规则建议，该最优处理规则建议包括最优接单时间范围和最优取消订单时间范围。
例如，对步骤S104中的时间规则参数调整之后，得到订单D1的最优接单时间范围，该最优接单时间范围为8点12分～8点16分。
进一步地，所述基于调整后的匹配参数，对所述待处理订单进行家政匹配处理包括：对相应的待处理订单中的质量参数、时间参数、家政服务需求方的用户意向参数进行调整之后，对所述待处理订单进行匹配参数调整标识。
例如，对订单D1的接单时间调整为最优接单时间范围后，对该订单D1进行匹配参数调整标识，例如标识为**时间已标识最优接单时间范围。
根据所述匹配参数调整标识，在最优接单时间范围内对所述对该订单D1进行进一步监测，在监测到在最优接单时间范围内未接单的情况下，自动提醒用户1取消订单，重新发起订单(下单)，以为所述待处理订单重新匹配家政服务提供方。
可选地，在为所述待处理订单重新匹配家政服务提供方之前，判断各家政服务提供方是否有特定时间段内被禁止接单信息。
例如，判断所述家政服务人员F1、F2、F5、F8和F10中是否有特定时间段(在该示例中为订单D1的最优接单时间范围)内被禁止接单信息，如果其中有一位家政服务人员在该时间段内被禁止接单信息，则自动为该订单重新匹配一位家政服务提供方。
再例如，对相应的待处理订单(例如订单D1’)中的时间参数、家政服务提供方的可提供质量进行调整之后，对所述待处理订单进行匹配参数调整标识，对所述待处理订单进行流转结束标识。其中，家政服务提供方F1接受订单D1之后，对该家政服务提供方F1标识8点12分已接单D1，可提供服务时间调整为10点半以后，并对该家政服务提供方F1的订单D1’进行流转结束标识。
由此，能够为待处理订单确定最优处理规则建议，对相应参数进行调整，能够进一步优化订单数据的处理，为家政匹配处理提供更精确的匹配参数。
对于确定与所述待处理订单相对应的处理规则建议，在另一示例中，如图2所示，所述方法包括使用规则确定模型计算各规则参数的调整范围的步骤S203。
需要说明的是，由于图2中步骤S201、步骤S202、步骤S204、步骤S205和步骤S206与图1中步骤S101、步骤S102、步骤S103、步骤S104和步骤S105相同，因此，省略了对步骤S201、步骤S202、步骤S204和步骤S205的说明。
具体地，在步骤S203中，使用规则确定模型计算各规则参数的调整范围，以根据所计算的各规则参数的调整范围来确定与所述待处理订单相对应的处理规则建议。
具体地，使用机器学习模型学习特定时间段内历史订单数据与历史处理规则数据之间的对应关系，分别建立多个规则确定模型，并分别对各规则确定模型建立训练数据集。其中，特定时间段为20天、30天、45天等。
具体地，所述历史订单数据包括订单状态、匹配参数、用户特征信息以及对家政服务需求方或家政服务提供方的评价数据，所述历史规则处理数据包括是否有调整与家政服务品类相对应的接单时间、是否有调整家政服务提供方的家政服务质量标识、是否有调整家政服务需求方的等待接单时间、是否有特定时间段内被禁止接单信息，增加或降低家政服务需求方的用户挑剔度，以及是否有未支付取消订单记录数据、未接单取消订单记录数据、接单后取消订单记录数据。
在本示例中，所述多个规则确定模型包括时间规则确定模型、用户规则确定模型和质量规则确定模型，分别对应的训练数据集为第一训练数据集、第二训练数据集和第三训练数据集。并且，分别使用各自对应的训练数据集训练相应规则确定模型。
需要说明的是，例如使用基于神经网络算法、逻辑回归算法所建立的机器学习模型。但是不限于此，在其他示例中，还可以使用其他算法。
例如，第一训练数据集包括历史订单数据中订单状态、匹配参数中时间参数、用户特征信息，是否有调整与家政服务品类相对应的接单时间、是否有调整家政服务需求方的等待接单时间、是否有特定时间段内被禁止接单信息，以及是否有未支付取消订单记录数据、未接单取消订单记录数据、接单后取消订单记录数据。
例如，第二训练数据集包括历史订单数据中订单状态、匹配参数中用户意向参数、用户特征信息，是否有特定时间段内被禁止接单信息，增加或降低家政服务需求方的用户挑剔度，以及是否有未支付取消订单记录数据、未接单取消订单记录数据、接单后取消订单记录数据。
例如，第二训练数据集包括历史订单数据中订单状态、匹配参数中用户意向参数、用户特征信息，是否有调整家政服务提供方的家政服务质量标识、是否有特定时间段内被禁止接单信息，以及是否有未支付取消订单记录数据、未接单取消订单记录数据、接单后取消订单记录数据。
进一步地，根据从订单信息中所识别的匹配参数，确定规则确定模型，并使用相应规则确定模型，进行计算。
例如，确定匹配参数为下单时间，则确定与时间规则参数相对应的规则确定模型，输入所识别的用户特征信息、订单信息中的时间参数，计算预测调整值，根据该预测调整值进一步确定与所述待处理订单相对应的时间规则参数的调整范围。
具体地，还包括定义对比表，该对比表包括多个区段的调整值以及所对应的调整范围。
在该示例中，获取批量待处理订单，识别所述批量待处理订单的用户特征信息，自动将所述待处理订单数据分流到与家政服务需求方与家政服务提供相对应的两个消息队列进行处理。
具体地，根据所识别的订单信息和家政服务类型，确定与所述批量待处理订单的匹配参数相对应的规则参数，计算各规则参数的调整范围。
例如，确定待处理订单D2、D3和D5的匹配参数均为下单时长(即时间参数)，则确定使用时间规则确定模型计算时间规则参数的调整范围，以确定处理规则建议。
可选地，在得到下单时间的最优调整范围之后，还通过相关业务人员，对所计算的规则参数的调整范围进行二次调整，以得到最终的时间参数规则的调整范围。
由此，通过使用规则确定模型计算各规则参数的调整范围，并进行人工二次调整，能够更精确地确定与所述待处理订单相对应的处理规则建议，能够进一步优化订单数据的处理过程。
需要说明的是，上述仅作为示例进行说明，不能理解成对本发明的限制。
此外，上述方法的过程仅用于对本发明的说明，其中，步骤的顺序和数量没有特别的限制。在其他示例中，上述方法中的步骤还可以拆分成两个(例如将步骤S102拆分成S102和S301，具体参见图3)、三个，或者有些步骤也可以合并成一个步骤，根据实际示例进行调整。上述仅作为示例进行说明，不能理解成对本发明的限制。
与现有技术相比，本发明能够对订单数据进行更全面、更有效的监测，并能够及时、有效地对各订单数据进行处理。
进一步地，通过两个消息队列进行数据分类管理，能够更有效地管理数据，提高数据处理速度，并能够更快速、更精确地识别订单数据的类别、匹配参数；通过使用所述概率分布曲线，计算与所述待处理订单数据相对应的各规则参数的调整范围，能够更有效且更精确地确定与所述待处理订单相对应的处理规则建议；通过使用规则确定模型计算各规则参数的调整范围，并进行人工二次调整，能够更精确地确定与所述待处理订单相对应的处理规则建议，能够进一步优化订单数据的处理过程；能够为待处理订单确定最优处理规则建议，对相应参数进行调整，能够进一步优化订单数据的处理，为家政匹配处理提供更精确的匹配参数。
实施例2
下面描述本发明的系统实施例，该系统可以用于执行本发明的方法实施例。对于本发明系统实施例中描述的细节，应视为对于上述方法实施例的补充；对于在本发明系统实施例中未披露的细节，可以参照上述方法实施例来实现。
参照图4、图5和图6，将说明本发明的实施例2的订单数据处理系统400，其用于对家政服务系统中服务需求方发起的订单数据和服务提供方接受的订单数据进行处理，该订单数据处理系统400包括：监测模块401，用于监测家政服务系统中订单数据的流转过程，所述订单数据包括用户特征信息、订单信息，所述订单信息包括订单状态、匹配参数和家政服务类型信息，所述流转过程用于表征从家政服务需求方发起订单开始起到家政服务提供方接受订单之后提供家政服务为止的整个过程；获取模块402，用于获取待处理订单，识别该待处理订单的用户特征信息、订单信息和家政服务类型；确定模块403，用于确定与所述待处理订单相对应的处理规则建议；调整处理模块404，用于根据所述处理规则建议，自动对所述待处理订单的匹配参数进行调整；匹配处理模块405，基于调整后的匹配参数，对所述待处理订单进行家政匹配处理。
对于处理规则建议的确定，在另一示例中，如图5所示，该订单数据处理系统400还包括计算模块501，即将图4中的确定模块403拆分成确定模块403和计算模块501两个模块，其中，所述计算模块501用于根据特定时间段内历史发起订单时间、历史接单时间、历史支付时间，拟合接单时长的概率分布曲线；使用所述概率分布曲线，计算与所述待处理订单数据相对应的时间规则参数的调整范围。
对于处理规则建议的确定，在又一示例中，使用机器学习模型学习特定时间段内历史订单数据与历史处理规则数据之间的对应关系，分别建立多个规则确定模型，所述历史订单数据包括订单状态、匹配参数、用户特征信息以及对家政服务需求方或家政服务提供方的评价数据，所述历史规则处理数据包括是否有调整与家政服务品类相对应的接单时间、是否有调整家政服务提供方的家政服务质量标识、是否有调整家政服务需求方的等待接单时间、是否有特定时间段内被禁止接单信息，增加或降低家政服务需求方的用户挑剔度，以及是否有未支付取消订单记录数据、未接单取消订单记录数据、接单后取消订单记录数据；使用相应规则确定模型，输入所识别的用户特征信息、订单信息中的时间参数，计算与所述待处理订单相对应的时间规则参数的调整范围。
进一步地，还通过相关业务人员，对所计算的规则参数的调整范围进行二次调整。
具体地，所述匹配参数包括与家政服务品类相对应的质量参数、时间参数、家政服务需求方的用户意向参数；和/或所述规则参数包括所述匹配参数相对应的质量规则参数、时间规则参数和用户规则参数，该用户规则参数包括与家政服务需求方相对应的意向度以及与所述服务提供方相对应的可提供服务质量，所述时间参数包括最大允许等待时间、接单时间与提供家政服务时间的最大间隔时间。
对于待处理订单一次处理的数量，可以是一个，也可以是多个。例如，在一次处理的数量多个的情况下，获取批量待处理订单，识别所述批量待处理订单的用户特征信息，自动将所述待处理订单数据分流到与家政服务需求方与家政服务提供相对应的两个消息队列进行处理；根据所识别的订单信息和家政服务类型，确定与所述批量待处理订单的匹配参数相对应的规则参数，计算各规则参数的调整范围。
进一步地，根据所计算的规则参数的调整范围，确定最优处理规则建议，该最优处理规则建议包括最优接单时间范围和最优取消订单时间范围。
具体地，对相应的待处理订单中的质量参数、时间参数、家政服务需求方的用户意向参数进行调整之后，对所述待处理订单进行匹配参数调整标识；根据所述匹配参数调整标识，为所述待处理订单重新匹配家政服务提供方。
在又一示例中，如图6所示，该订单数据处理系统400还包括判断模块601，所述判断模块601用于在为所述待处理订单重新匹配家政服务提供方之前，判断各家政服务提供方是否有特定时间段内被禁止接单信息。
具体地，对相应的待处理订单中的时间参数、家政服务提供方的可提供质量进行调整之后，对所述待处理订单进行匹配参数调整标识，对所述待处理订单进行流转结束标识。
需要说明的是，在实施例2中，省略了与实施例1相同的部分的说明。
本领域技术人员可以理解，上述系统实施例中的各模块可以按照描述分布于系统中，也可以进行相应变化，分布于不同于上述实施例的一个或多个系统中。上述实施例的模块可以合并为一个模块，也可以进一步拆分成多个子模块。
与现有技术相比，本发明能够对订单数据进行更全面、更有效的监测，并能够及时、有效地对各订单数据进行处理。
进一步地，通过两个消息队列进行数据分类管理，能够更有效地管理数据，提高数据处理速度，并能够更快速、更精确地识别订单数据的类别、匹配参数；通过使用所述概率分布曲线，计算与所述待处理订单数据相对应的各规则参数的调整范围，能够更有效且更精确地确定与所述待处理订单相对应的处理规则建议；通过使用规则确定模型计算各规则参数的调整范围，并进行人工二次调整，能够更精确地确定与所述待处理订单相对应的处理规则建议，能够进一步优化订单数据的处理过程；能够为待处理订单确定最优处理规则建议，对相应参数进行调整，能够进一步优化订单数据的处理，为家政匹配处理提供更精确的匹配参数。
实施例3
下面描述本发明的计算机设备实施例，该计算机设备可以视为对于上述本发明的方法和系统实施例的具体实体实施方式。对于本发明计算机设备实施例中描述的细节，应视为对于上述方法或系统实施例的补充；对于在本发明计算机设备实施例中未披露的细节，可以参照上述方法或系统实施例来实现。
图7是本发明的一个实施例的计算机设备的结构示意图，该计算机设备包括处理器和存储器，所述存储器用于存储计算机可执行程序，当所述计算机程序被所述处理器执行时，所述处理器执行图1的方法。
具体地，该计算机设备作为与服务器进行通信连接的客户端，所述服务器上建立有家政服务人员数据库，以存储各家政服务人员的服务者特征参数；所述客户端用于获取用户关于家政服务需求的文本数据；所述客户端或服务器从所述文本数据中抽取该用户的用户特征参数；当用户意向度满足预定条件，所述服务器将所述用户特征参数与所述数据库中的各服务者特征参数进行匹配，以计算各家政服务人员与该用户的匹配度；所述服务器根据所述匹配度和预定推送策略向所述客户端传送服务人员的信息。
如图7所示，计算机设备以通用计算设备的形式表现。其中处理器可以是一个，也可以是多个并且协同工作。本发明也不排除进行分布式处理，即处理器可以分散在不同的实体设备中。本发明的计算机设备并不限于单一实体，也可以是多个实体设备的总和。
所述存储器存储有计算机可执行程序，通常是机器可读的代码。所述计算机可读程序可以被所述处理器执行，以使得计算机设备能够执行本发明的方法，或者方法中的至少部分步骤。
所述存储器包括易失性存储器，例如随机存取存储单元(RAM)和/或高速缓存存储单元，还可以是非易失性存储器，如只读存储单元(ROM)。
可选的，该实施例中，计算机设备还包括有I/O接口，其用于计算机设备与外部的设备进行数据交换。I/O接口可以为表示几类总线结构中的一种或多种，包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
应当理解，图7显示的计算机设备仅仅是本发明的一个示例，本发明的计算机设备中还可以包括上述示例中未示出的元件或组件。例如，有些计算机设备中还包括有显示屏等显示单元，有些计算机设备还包括人机交互元件，例如按扭、键盘等。只要该计算机设备能够执行存储器中的计算机可读程序以实现本发明方法或方法的至少部分步骤，均可认为是本发明所涵盖的计算机设备。
需要说明的是，上述仅作为示例进行说明，不能理解成对本发明的限制。此外，在实施例3中，省略了与实施例1和实施例2相同的部分的描述。
图8是本发明的一个实施例的计算机程序产品的示意图。如图8所示，计算机程序产品中存储有计算机可执行程序，所述计算机可执行程序被执行时，实现本发明上述方法。所述计算机程序产品可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。还可以发送、传播或者传输用于由指令执行系统、系统或者器件使用或者与其结合使用的程序。计算机程序产品上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、有线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(LAN)或广域网(WAN)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
通过以上对实施方式的描述，本领域的技术人员易于理解，本发明可以由能够执行特定计算机程序的硬件来实现，例如本发明的系统，以及系统中包含的电子处理单元、服务器、客户端、手机、控制单元、处理器等来实现。本发明也可以由执行本发明的方法的计算机软件来实现，例如由微处理器、电子控制单元，客户端、服务器端等执行的控制软件来实现。但需要说明的是，执行本发明的方法的计算机软件并不限于由一个或特定个的硬件实体中执行，其也可以是由不特定具体硬件的以分布式的方式来实现。对于计算机软件，软件产品可以存储在一个计算机可读的存储介质(可以是CD-ROM，U盘，移动硬盘等)中，也可以分布式存储于网络上，只要其能使得计算机设备执行根据本发明的方法。
以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步详细说明，应理解的是，本发明不与任何特定计算机、虚拟系统或者计算机设备固有相关，各种通用系统也可以实现本发明。以上所述仅为本发明的具体实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (20)

1.一种订单数据处理方法，其用于对家政服务系统中服务需求方发起的订单数据和服务提供方接受的订单数据进行处理，其特征在于，包括：
监测家政服务系统中订单数据的流转过程，所述订单数据包括用户特征信息、订单信息，所述订单信息包括订单状态、匹配参数和家政服务类型信息，所述流转过程用于表征从家政服务需求方发起订单开始起到家政服务提供方接受订单之后提供家政服务为止的整个过程；
获取待处理订单，识别该待处理订单的用户特征信息、订单信息和家政服务类型；
使用规则确定模型计算各规则参数的调整范围，其中，使用机器学习模型学习特定时间段内历史订单数据与历史处理规则数据之间的对应关系，分别建立多个规则确定模型，所述历史订单数据包括订单状态、匹配参数、用户特征信息以及对家政服务需求方或家政服务提供方的评价数据，所述历史处理规则数据包括是否有调整与家政服务品类相对应的接单时间、是否有调整家政服务提供方的家政服务质量标识、是否有调整家政服务需求方的等待接单时间、是否有特定时间段内被禁止接单信息，增加或降低家政服务需求方的用户挑剔度，以及是否有未支付取消订单记录数据、未接单取消订单记录数据、接单后取消订单记录数据；使用相应规则确定模型，输入所识别的用户特征信息、订单信息中的时间参数，计算与所述待处理订单相对应的时间规则参数的调整范围；
确定与所述待处理订单相对应的处理规则建议；
根据所述处理规则建议，自动对所述待处理订单的匹配参数进行调整；
基于调整后的匹配参数，对所述待处理订单进行家政匹配处理。
2.根据权利要求1所述的订单数据处理方法，其特征在于，所述确定与所述待处理订单数据相对应的处理规则建议包括：
根据特定时间段内历史发起订单时间、历史接单时间、历史支付时间，拟合接单时长的概率分布曲线；
使用所述概率分布曲线，计算与所述待处理订单数据相对应的规则参数的调整范围。
3.根据权利要求2所述的订单数据处理方法，其特征在于，还包括：
通过相关业务人员，对所计算的规则参数的调整范围进行二次调整。
4.根据权利要求2所述的订单数据处理方法，其特征在于，
所述匹配参数包括与家政服务品类相对应的质量参数、时间参数、家政服务需求方的用户意向参数；和/或
所述规则参数包括所述匹配参数相对应的质量规则参数、时间规则参数和用户规则参数，该用户规则参数包括与家政服务需求方相对应的意向度以及与所述服务提供方相对应的可提供服务质量，所述时间参数包括最大允许等待时间、接单时间与提供家政服务时间的最大间隔时间。
5.根据权利要求1所述的订单数据处理方法，其特征在于，所述获取待处理订单，识别该待处理订单的用户特征信息、订单信息和家政服务类型包括：
获取批量待处理订单，识别所述批量待处理订单的用户特征信息，自动将所述待处理订单数据分流到与家政服务需求方与家政服务提供方相对应的两个消息队列进行处理；
根据所识别的订单信息和家政服务类型，确定与所述批量待处理订单的匹配参数相对应的规则参数，计算各规则参数的调整范围。
6.根据权利要求5所述的订单数据处理方法，其特征在于，还包括：
根据所计算的规则参数的调整范围，确定最优处理规则建议，该最优处理规则建议包括最优接单时间范围和最优取消订单时间范围。
7.根据权利要求1或6所述的订单数据处理方法，其特征在于，所述基于调整后的匹配参数，对所述待处理订单进行家政匹配处理包括：
对相应的待处理订单中的质量参数、时间参数、家政服务需求方的用户意向参数进行调整之后，对所述待处理订单进行匹配参数调整标识；
根据所述匹配参数调整标识，为所述待处理订单重新匹配家政服务提供方。
8.根据权利要求7所述的订单数据处理方法，其特征在于，还包括：
在为所述待处理订单重新匹配家政服务提供方之前，判断各家政服务提供方是否有特定时间段内被禁止接单信息。
9.根据权利要求1或6所述的订单数据处理方法，其特征在于，所述基于调整后的匹配参数，对所述待处理订单进行家政匹配处理包括：
对相应的待处理订单中的时间参数、家政服务提供方的可提供质量进行调整之后，对所述待处理订单进行匹配参数调整标识，对所述待处理订单进行流转结束标识。
10.一种订单数据处理系统，其用于对家政服务系统中服务需求方发起的订单数据和服务提供方接受的订单数据进行处理，其特征在于，包括：
监测模块，用于监测家政服务系统中订单数据的流转过程，所述订单数据包括用户特征信息、订单信息，所述订单信息包括订单状态、匹配参数和家政服务类型信息，所述流转过程用于表征从家政服务需求方发起订单开始起到家政服务提供方接受订单之后提供家政服务为止的整个过程；
获取模块，用于获取待处理订单，识别该待处理订单的用户特征信息、订单信息和家政服务类型；
计算模块，用于使用机器学习模型学习特定时间段内历史订单数据与历史处理规则数据之间的对应关系，分别建立多个规则确定模型，所述历史订单数据包括订单状态、匹配参数、用户特征信息以及对家政服务需求方或家政服务提供方的评价数据，所述历史处理规则数据包括是否有调整与家政服务品类相对应的接单时间、是否有调整家政服务提供方的家政服务质量标识、是否有调整家政服务需求方的等待接单时间、是否有特定时间段内被禁止接单信息，增加或降低家政服务需求方的用户挑剔度，以及是否有未支付取消订单记录数据、未接单取消订单记录数据、接单后取消订单记录数据；使用相应规则确定模型，输入所识别的用户特征信息、订单信息中的时间参数，计算与所述待处理订单相对应的时间规则参数的调整范围；
确定模块，用于确定与所述待处理订单相对应的处理规则建议；
调整处理模块，用于根据所述处理规则建议，自动对所述待处理订单的匹配参数进行调整；
匹配处理模块，基于调整后的匹配参数，对所述待处理订单进行家政匹配处理。
11.根据权利要求10所述的订单数据处理系统，其特征在于，还包括计算模块，所述计算模块用于根据特定时间段内历史发起订单时间、历史接单时间、历史支付时间，拟合接单时长的概率分布曲线；
使用所述概率分布曲线，计算与所述待处理订单数据相对应的规则参数的调整范围。
12.根据权利要求11所述的订单数据处理系统，其特征在于，还包括：
通过相关业务人员，对所计算的规则参数的调整范围进行二次调整。
13.根据权利要求11所述的订单数据处理系统，其特征在于，
所述匹配参数包括与家政服务品类相对应的质量参数、时间参数、家政服务需求方的用户意向参数；和/或
所述规则参数包括所述匹配参数相对应的质量规则参数、时间规则参数和用户规则参数，该用户规则参数包括与家政服务需求方相对应的意向度以及与所述服务提供方相对应的可提供服务质量，所述时间参数包括最大允许等待时间、接单时间与提供家政服务时间的最大间隔时间。
14.根据权利要求10所述的订单数据处理系统，其特征在于，还包括：
获取批量待处理订单，识别所述批量待处理订单的用户特征信息，自动将所述待处理订单数据分流到与家政服务需求方与家政服务提供方相对应的两个消息队列进行处理；
根据所识别的订单信息和家政服务类型，确定与所述批量待处理订单的匹配参数相对应的规则参数，计算各规则参数的调整范围。
15.根据权利要求14所述的订单数据处理系统，其特征在于，还包括：
根据所计算的规则参数的调整范围，确定最优处理规则建议，该最优处理规则建议包括最优接单时间范围和最优取消订单时间范围。
16.根据权利要求10或15所述的订单数据处理系统，其特征在于，还包括：
对相应的待处理订单中的质量参数、时间参数、家政服务需求方的用户意向参数进行调整之后，对所述待处理订单进行匹配参数调整标识；
根据所述匹配参数调整标识，为所述待处理订单重新匹配家政服务提供方。
17.根据权利要求16所述的订单数据处理系统，其特征在于，还包括判断模块，所述判断模块用于在为所述待处理订单重新匹配家政服务提供方之前，判断各家政服务提供方是否有特定时间段内被禁止接单信息。
18.根据权利要求10或15所述的订单数据处理系统，其特征在于，所述基于调整后的匹配参数，对所述待处理订单进行家政匹配处理包括：
对相应的待处理订单中的时间参数、家政服务提供方的可提供质量进行调整之后，对所述待处理订单进行匹配参数调整标识，对所述待处理订单进行流转结束标识。
19.一种计算机设备，包括处理器和存储器，所述存储器用于存储计算机可执行程序，其特征在于：
当所述计算机可执行程序被所述处理器执行时，所述处理器执行如权利要求1-9中任一项所述的订单数据处理方法。
20.一种计算机可读存储介质，存储有计算机可执行程序，其特征在于，所述计算机可执行程序被执行时，实现如权利要求1-9中任一项所述的订单数据处理方法。
CN202110605227.9A 2021-05-31 2021-05-31 订单数据处理方法、系统和计算机设备 Active CN113283963B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110605227.9A CN113283963B (zh) 2021-05-31 2021-05-31 订单数据处理方法、系统和计算机设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110605227.9A CN113283963B (zh) 2021-05-31 2021-05-31 订单数据处理方法、系统和计算机设备

Publications (2)

Publication Number Publication Date
CN113283963A CN113283963A (zh) 2021-08-20
CN113283963B true CN113283963B (zh) 2023-04-07

Family

ID=77283042

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110605227.9A Active CN113283963B (zh) 2021-05-31 2021-05-31 订单数据处理方法、系统和计算机设备

Country Status (1)

Country Link
CN (1) CN113283963B (zh)

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20160107605A (ko) * 2015-03-04 2016-09-19 네이버 주식회사 가계부 서비스 제공 장치 및 방법
CN107481106A (zh) * 2017-08-09 2017-12-15 北京五八到家信息技术有限公司 一种适用于面向大量客户的订单跟进方法及系统
CN108830504B (zh) * 2018-06-28 2021-09-21 清华大学 用车需求预测方法、系统、服务器及计算机存储介质
CN112036738A (zh) * 2020-08-28 2020-12-04 中国建设银行股份有限公司 服务订单分配方法、装置、电子设备和存储介质
CN112418780B (zh) * 2020-11-02 2024-05-10 五八到家有限公司 家政信息提供方法、服务器和存储介质
CN112819574A (zh) * 2021-01-25 2021-05-18 五八到家有限公司 家政订单生成方法、设备及存储介质

Also Published As

Publication number Publication date
CN113283963A (zh) 2021-08-20

Similar Documents

Publication Publication Date Title
JP6819197B2 (ja) 危機ピーク価格付けデマンドレスポンス参加者評価
Condorelli What money canʼt buy: Efficient mechanism design with costly signals
CN107111850A (zh) 确定针对住宿列表的主人偏好
US20130317873A1 (en) Meeting attendance planner
Mitchell et al. Distinguishing values from science in decision making: Setting harvest quotas for mountain lions in Montana
CN113283963B (zh) 订单数据处理方法、系统和计算机设备
CN112862175B (zh) 基于p2p电力交易的本地优化控制方法及装置
WO2018227864A1 (zh) 信息处理方法及装置
JP6067882B2 (ja) 情報処理システムおよび情報処理方法
Kulejewski Construction project scheduling with imprecisely defined constraints
CN111626861A (zh) 信息的显示方法和装置、存储介质和电子装置
JP2020030461A (ja) 情報処理装置、情報処理方法および情報処理プログラム
CN113283517B (zh) 一种家政服务匹配方法、系统和计算机设备
Tippett Employee classification in the sharing economy
Hussain et al. Community radio for development in South Asia: A sustainability study
Chopra et al. Using anticipatory orders to manage disruption risk over a short product life cycle
Ye et al. Participation behavior and social welfare in repeated task allocations
CN114091797A (zh) 智能派工的方法和装置
CN114493113A (zh) 任务分配方法、装置、电子装置和存储介质
Alexiadis Does technological heterogeneity promote regional convergence? Implications for regional policy and entrepreneurship
Gotor et al. On the international flow of plant genetic resources: Forecasting the impacts of an evolving legal framework on CGIAR genebanks.
CN111080162A (zh) 一种提升酒店服务流程自动化水平的服务任务自动分配方法
KR20200141698A (ko) 공동주택 가사노동 서비스의 예약유도모듈 및 그 예약유도방법
Tippett Employee classification in the United States
JP7402740B2 (ja) リコメンドシステムおよびリコメンド方法

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