CN116227105A - 资源数值的确定方法、装置、设备及计算机可读存储介质 - Google Patents
资源数值的确定方法、装置、设备及计算机可读存储介质 Download PDFInfo
- Publication number
- CN116227105A CN116227105A CN202111463121.6A CN202111463121A CN116227105A CN 116227105 A CN116227105 A CN 116227105A CN 202111463121 A CN202111463121 A CN 202111463121A CN 116227105 A CN116227105 A CN 116227105A
- Authority
- CN
- China
- Prior art keywords
- target
- information
- source information
- resource
- success
- 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.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/02—Reliability analysis or reliability optimisation; Failure analysis, e.g. worst case scenario performance, failure mode and effects analysis [FMEA]
-
- 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)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请公开了资源数值的确定方法、装置、设备及计算机可读存储介质,属于物流技术领域。该方法包括:获取待确定资源数值的目标信息;基于目标信息生成至少两个可选资源数值;确定该至少两个可选资源数值各自的参考信息,任一可选资源数值的参考信息包括该任一可选资源数值对应的成交概率和成交意向中的至少一个;基于参考信息从该至少两个可选资源数值中确定与目标信息对应的目标资源数值。此种方式,在确定目标信息的资源数值时,考虑了任一可选资源数值对应的成交概率和成交意向中的至少一个,使得本申请实施例提供的技术方案确定的资源数值的参考性强,准确度高。
Description
技术领域
本申请实施例涉及物流技术领域,特别涉及一种资源数值的确定方法、装置、设备及计算机可读存储介质。
背景技术
在物流技术领域中,对需要运输的货物确定资源数值时,由于货物的尺寸不一、储存要求各异、成单资源数值较大、资源数值波动大、没有确定资源数值的标准等诸多性质,导致资源数值往往难以确定。
相关技术中,使用固定的资源数值规则基于货源信息中的出发地、目标地、需求车型等信息,来确定资源数值。例如,从L地到Y地、需求车型为T车型时的资源数值为固定值,或者是一个固定的数值区间。
然而,使用固定的资源数值规则确定的资源数值的准确性不高,参考性差。
发明内容
本申请实施例提供了一种资源数值的确定方法、装置、设备及计算机可读存储介质,可用于解决相关技术中的问题。所述技术方案如下:
一方面,本申请实施例提供了一种资源数值的确定方法,所述方法包括:
获取待确定资源数值的目标信息;
基于所述目标信息生成至少两个可选资源数值;
确定所述至少两个可选资源数值各自的参考信息,任一可选资源数值的参考信息包括所述任一可选资源数值对应的成交概率和成交意向中的至少一个;
基于所述参考信息从所述至少两个可选资源数值中确定与所述目标信息对应的目标资源数值。
在一种可能实现的方式中,所述参考信息包括所述成交概率和所述成交意向,所述基于所述参考信息从所述至少两个可选资源数值中确定与所述目标信息对应的目标资源数值,包括:从各个可选资源数值对应的成交概率中选取不低于成交概率阈值的备选成交概率;基于所述各个可选资源数值对应的成交意向,从所述备选成交概率中确定目标成交概率,将所述目标成交概率对应的可选资源数值作为与所述目标信息对应的目标资源数值。
在一种可能实现的方式中,所述确定所述至少两个可选资源数值各自的参考信息,包括:基于所述目标信息确定所述成交概率阈值及所述成交意向;基于所述目标信息生成与所述至少两个可选资源数值对应的预测货源信息;获取所述预测货源信息对应的第一特征数据;将所述第一特征数据输入目标成交预测模型,由所述目标成交预测模型基于所述第一特征数据确定所述成交概率。
在一种可能实现的方式中,所述将所述第一特征数据输入目标成交预测模型之前,所述方法还包括:获取样本货源信息和初始成交预测模型;确定所述样本货源信息的类型;获取所述样本货源信息对应的第二特征数据;基于所述样本货源信息的类型和所述第二特征数据,对所述初始成交预测模型进行训练,得到目标成交预测模型。
在一种可能实现的方式中,所述初始成交预测模型包括至少两个初始基模型和一个初始逻辑回归LR模型;所述基于所述样本货源信息的类型和所述第二特征数据,对所述初始成交预测模型进行训练,得到目标成交预测模型,包括:获取所述样本货源信息的类型对应的类型变量;基于所述类型变量和所述第二特征数据,分别对所述至少两个初始基模型进行训练,得到所述至少两个初始基模型对应的目标基模型;将所述第二特征数据分别输入每一个目标基模型,得到至少两个预测数据;基于所述至少两个预测数据,获取所述样本货源信息对应的第三特征数据;基于所述类型变量和所述第三特征数据,对所述初始LR模型进行训练,得到目标LR模型;基于所述目标基模型和所述目标LR模型,得到所述目标成交预测模型。
在一种可能实现的方式中,所述预测货源信息包括线路信息、资源数值和发布时间;所述获取所述预测货源信息对应的第一特征数据,包括:获取所述线路信息对应的线路编码;获取所述资源数值对应的资源编码;获取所述发布时间对应的时间编码;基于所述线路编码、所述资源编码和所述时间编码,获取所述预测货源信息对应的第一特征数据。
在一种可能实现的方式中,所述基于所述线路编码、所述资源编码和所述时间编码,获取所述预测货源信息对应的第一特征数据之前,还包括:基于所述线路信息和所述发布时间,获取至少一个参考编码;所述基于所述线路编码、所述资源编码和所述时间编码,获取所述预测货源信息对应的第一特征数据,包括:基于所述线路编码、所述资源编码、所述时间编码和所述至少一个参考编码,获取所述预测货源信息对应的所述第一特征数据。
在一种可能实现的方式中,所述基于所述线路编码、所述资源编码、所述时间编码和所述至少一个参考编码,获取所述样本货源信息对应的所述第二特征数据,包括:基于所述线路编码、所述资源编码、所述时间编码和所述至少一个参考编码,生成所述样本货源信息对应的特征向量;对所述特征向量进行降维处理,将所述特征向量降维处理后的结果作为所述样本货源信息对应的第二特征数据。
在一种可能实现的方式中,所述目标信息包括目标车型、目标装货地、目标卸货地,所述基于所述目标信息确定所述成交概率阈值,包括:获取所述目标信息对应的第一历史货源信息,所述第一历史货源信息对应的装货地、卸货地、需求车型与所述目标装货地、目标卸货地、目标车型对应相同,且所述第一历史货源信息是已经成交的货源信息;将所述第一历史货源信息对应的成交概率中值最小的成交概率作为所述成交概率阈值。
在一种可能实现的方式中,所述目标信息包括目标装货时间,所述成交意向的确定方式,包括:获取所述目标信息对应的发货需求;基于所述发货需求确定所述成交意向;或者,基于所述目标装货时间确定所述成交意向;或者,基于所述目标信息对应的第二历史货源信息确定所述成交意向,所述第二历史货源信息是所述目标信息对应的货主的历史已成交货源信息。
在一种可能实现的方式中,所述基于所述各个可选资源数值对应的成交意向,从所述备选成交概率中确定目标成交概率,包括:若所述成交意向为高,则选取所述备选成交概率中值最大的成交概率作为所述目标成交概率;或者,选取所述备选成交概率中与平均成交概率差值最小的成交概率作为所述目标成交概率;若所述成交意向为低,则选取所述备选成交概率中值最小的成交概率作为所述目标成交概率。
在一种可能实现的方式中,所述基于所述目标信息生成至少两个可选资源数值,包括:基于所述目标信息,通过查询资源数值表的方式生成所述至少两个可选资源数值;或者,基于所述目标信息,通过资源数值生成规则的方式生成所述至少两个可选资源数值;或者,基于所述目标信息,通过人工智能生成资源数值的方式生成所述至少两个可选资源数值。
另一方面,提供了一种资源数值的确定装置,所述装置包括:
第一获取模块,用于获取待确定资源数值的目标信息;
生成模块,用于基于所述目标信息生成至少两个可选资源数值;
第一确定模块,用于确定所述至少两个可选资源数值各自的参考信息,任一可选资源数值的参考信息包括所述任一可选资源数值对应的成交概率和成交意向中的至少一个;
第二确定模块,用于基于所述参考信息从所述至少两个可选资源数值中确定与所述目标信息对应的目标资源数值。
在一种可能实现的方式中,所述参考信息包括所述成交概率和所述成交意向,所述第二确定模块,用于从各个可选资源数值对应的成交概率中选取不低于成交概率阈值的备选成交概率;基于所述各个可选资源数值对应的成交意向,从所述备选成交概率中确定目标成交概率,将所述目标成交概率对应的可选资源数值作为与所述目标信息对应的目标资源数值。
在一种可能实现的方式中,所述第一确定模块,用于基于所述目标信息确定所述成交概率阈值及所述成交意向;基于所述目标信息生成与所述至少两个可选资源数值对应的预测货源信息;获取所述预测货源信息对应的第一特征数据;将所述第一特征数据输入目标成交预测模型,由所述目标成交预测模型基于所述第一特征数据确定所述成交概率。
在一种可能实现的方式中,所述预测货源信息包括线路信息、资源数值和发布时间;所述第一确定模块,用于获取所述线路信息对应的线路编码;获取所述资源数值对应的资源编码;获取所述发布时间对应的时间编码;基于所述线路编码、所述资源编码和所述时间编码,获取所述预测货源信息对应的第一特征数据。
在一种可能的实现方式中,所述第一确定模块,还用于基于所述线路信息和所述发布时间,获取至少一个参考编码;基于所述线路编码、所述资源编码、所述时间编码和所述至少一个参考编码,获取所述预测货源信息对应的第一特征数据。
在一种可能实现的方式中,所述装置还包括:
第二获取模块,用于获取样本货源信息和初始成交预测模型;
第三确定模块,用于确定所述样本货源信息的类型;
第三获取模块,用于获取所述样本货源信息对应的第二特征数据;
训练模块,用于基于所述样本货源信息的类型和所述第二特征数据,对所述初始成交预测模型进行训练,得到目标成交预测模型。
在一种可能实现的方式中,所述初始成交预测模型包括至少两个初始基模型和一个初始逻辑回归LR模型;所述训练模块,用于获取所述样本货源信息的类型对应的类型变量;基于所述类型变量和所述第二特征数据,分别对所述至少两个初始基模型进行训练,得到所述至少两个初始基模型对应的目标基模型;将所述第二特征数据分别输入每一个目标基模型,得到至少两个预测数据;基于所述至少两个预测数据,获取所述样本货源信息对应的第三特征数据;基于所述类型变量和所述第三特征数据,对所述初始LR模型进行训练,得到目标LR模型;基于所述目标基模型和所述目标LR模型,得到所述目标成交预测模型。
在一种可能实现的方式中,所述样本货源信息包括线路信息、资源数值和发布时间;所述第三获取模块,用于获取所述线路信息对应的线路编码;获取所述资源数值对应的资源编码;获取所述发布时间对应的时间编码;基于所述线路编码、所述资源编码和所述时间编码,获取所述样本货源信息对应的第二特征数据。
在一种可能实现的方式中,所述装置还包括:
第四获取模块,用于基于所述线路信息和所述发布时间,获取至少一个参考编码;
所述第三获取模块,用于基于所述线路编码、所述资源编码、所述时间编码和所述至少一个参考编码,获取所述样本货源信息对应的所述第二特征数据。
在一种可能实现的方式中,所述第三获取模块,用于基于所述线路编码、所述资源编码、所述时间编码和所述至少一个参考编码,生成所述样本货源信息对应的特征向量;对所述特征向量进行降维处理,将所述特征向量降维处理后的结果作为所述样本货源信息对应的第二特征数据。
在一种可能实现的方式中,所述目标信息包括目标车型、目标装货地、目标卸货地,所述第一确定模块,用于获取所述目标信息对应的第一历史货源信息,所述第一历史货源信息对应的装货地、卸货地、需求车型与所述目标装货地、目标卸货地、目标车型对应相同,且所述第一历史货源信息是已经成交的货源信息;将所述第一历史货源信息对应的成交概率中值最小的成交概率作为所述成交概率阈值。
在一种可能实现的方式中,所述目标信息包括目标装货时间,所述第一确定模块,用于获取所述目标信息对应的发货需求;基于所述发货需求确定所述成交意向;或者,基于所述目标装货时间确定所述成交意向;或者,基于所述目标信息对应的第二历史货源信息确定所述成交意向,所述第二历史货源信息是所述目标信息对应的货主的历史已成交货源信息。
在一种可能实现的方式中,所述第二确定模块,用于若所述成交意向为高,则选取所述备选成交概率中值最大的成交概率作为所述目标成交概率;或者,选取所述备选成交概率中与平均成交概率差值最小的成交概率作为所述目标成交概率;若所述成交意向为低,则选取所述备选成交概率中值最小的成交概率作为所述目标成交概率。
在一种可能实现的方式中,所述生成模块,用于基于所述目标信息,通过查询资源数值表的方式生成所述至少两个可选资源数值;或者,基于所述目标信息,通过资源数值生成规则的方式生成所述至少两个可选资源数值;或者,基于所述目标信息,通过人工智能生成资源数值的方式生成所述至少两个可选资源数值。
另一方面,提供了一种计算机设备,所述计算机设备包括处理器和存储器,所述存储器中存储有至少一条计算机程序,所述至少一条计算机程序由所述处理器加载并执行,以使所述计算机设备实现上述任一所述的资源数值的确定方法。
另一方面,还提供了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中存储有至少一条计算机程序,所述至少一条计算机程序由处理器加载并执行,以使计算机实现上述任一所述的资源数值的确定方法。
另一方面,还提供了一种计算机程序产品,其特征在于,所述计算机程序产品包括计算机程序或计算机指令,所述计算机程序或所述计算机指令由处理器加载并执行,以使计算机实现上述任一所述的资源数值的确定方法。
本申请实施例提供的技术方案至少带来如下有益效果:
本申请实施例提供的技术方案通过基于目标信息生成至少两个可选资源数值,进而确定至少两个可选资源数值各自的参考信息,其中,任一可选资源数值的参考信息包括任一可选资源数值对应的成交概率和成交意向中的至少一个,再基于参考信息从至少两个可选资源数值中确定目标资源数值。此种方式,在确定目标信息的资源数值时,考虑了任一可选资源数值对应的成交概率和成交意向中的至少一个,使得本申请实施例提供的技术方案确定的资源数值的参考性强,准确度高。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本申请实施例提供的一种资源数值的确定方法的实施环境的示意图;
图2是本申请实施例提供的一种资源数值的确定方法的流程图;
图3是本申请实施例提供的一种得到目标成交预测模型的流程图;
图4是本申请实施例提供的一种对初始成交预测模型进行训练,得到目标成交预测模型的流程图;
图5是本申请实施例提供的一种资源数值的确定装置示意图;
图6是本申请实施例提供的一种服务器的结构示意图;
图7是本申请实施例提供的一种终端的结构示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚,下面将结合附图对本申请实施方式作进一步地详细描述。
需要说明的是,本申请的说明书和权利要求书中的术语“第一”、“第二”等(如果存在)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。应该理解这样使用的数据在适当情况下可互换,以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。
在干线卡车货运中,由于货物尺寸不一、储存要求各异、成单资源数值较大、资源数值波动大、没有确定标准等诸多特性,若由货主自行填写货源信息中的资源数值时,会使得货主在平台发布货源信息时,对该货源信息的资源数值往往难以确定。发布的货源信息的资源数值低时,没有承运方愿意承接货源信息对应运输任务,该货源信息也就无法成单(有承运方承接该运输任务),进而导致该货源信息长时间占用平台的展示资源、存储资源等系统资源;资源数值高的时,货主需要付出更多的成本。因此,货主在发布货源信息前会浏览已经发布的其他相似货源信息作为参考,但货主浏览其他相似货源信息的过程中必然消耗对应的流量资源、处理资源等系统资源,同时也会大量占用货主的时间,降低用户体验。
针对上述问题,通常采用固定的资源数值规则来帮助确定资源数值,固定的资源数值规则基于货源信息对应的装货地、卸货地、需求车型等信息来给出一个资源数值,或者一个资源数值范围供货主参考。
但是,基于固定的资源数值规则确定的资源数值只与运输任务对应的装货地、卸货地、需求车型等信息有关,并未考虑市场的变化。而影响市场变化的因素多,例如,天气、石油价格等。当市场行情发生变化后,基于固定的资源数值规则确定的资源数值的参考性就会变差,且准确度不高。又由于资源数值规则的更新需要依照市场行情,市场行情发生变化后,才可以依照变化后的市场行情对资源数值规则进行更新,所以资源数值规则的更新落后于市场行情的变化,而市场行情的变化是实时的,所以,基于资源数值规则确定的资源数值依然参考性差,准确度不高。
如果确定的资源数值的准确度不高,还将使得该资源数值对应的货源信息较难成交,或者是太容易成交。例如,如果资源数值较小,货源信息的成交概率低,因而货源信息较难成交;如果资源数值较大,货源信息的成交概率高,因而货源信息太容易成交。
此外,基于固定的资源数值规则确定的资源数值并未考虑货主的成交意向,无论货主是否需要货源信息尽快成交,基于固定的资源数值规则确定的资源数值都不会根据情况改变,导致灵活性也较差。
对此,本申请实施例提供了一种资源数值的确定方法,该方法考虑了资源数值对应的成交概率和成交意向中的至少一个,使得确定的资源数值更为准确,参考性更高,且确定资源数值的方式也可以更加灵活。请参考图1,其示出了本申请实施例提供的方法实施环境的示意图。该实施环境可以包括:终端11和服务器12。
其中,终端11可以获取运输任务对应的目标信息,并基于目标信息确定对应的资源数值。终端11还可以将获取到的目标信息上传至服务器12,服务器12可以对从终端11发送来的目标信息进行处理,以及确定目标信息对应的资源数值,并将该资源数值返回给终端11。此外,服务器12也可以直接获取目标信息并确定目标信息的资源数值。确定目标信息对应的资源数值后,终端11和服务器12均可以将目标信息和目标信息对应的资源数值进行存储。
可选地,终端11可以是任何一种可与用户通过键盘、触摸板、触摸屏、遥控器、语音交互或手写设备等一种或多种方式进行人机交互的电子产品,例如PC(PersonalComputer,个人计算机)、手机、智能手机、PDA(Personal Digital Assistant,个人数字助手)、可穿戴设备、PPC(Pocket PC,掌上电脑)、平板电脑、智能车机、智能电视、智能音箱等。服务器12可以是一台服务器,也可以是由多台服务器组成的服务器集群,或者是一个云计算服务中心。终端11与服务器12通过有线或无线网络建立通信连接。
本领域技术人员应能理解上述终端11和服务器12仅为举例,其他现有的或今后可能出现的终端或服务器如可适用于本申请,也应包含在本申请保护范围以内,并在此以引用方式包含于此。
基于上述图1所示的实施环境,本申请实施例提供一种资源数值的确定方法,该资源数值的确定方法由计算机设备执行,该计算机设备可以为服务器12,也可以为终端11,本申请实施例对此不加以限定。如图2所示,本申请实施例提供的方法可以包括如下步骤。
步骤201,获取待确定资源数值的目标信息,基于目标信息生成至少两个可选资源数值。
其中,目标信息包括确定一个货源信息所需要的信息,包括但不限于:目标装货地、目标卸货地、目标车型、目标装货时间、目标卸货时间。在示例性实施例中,获取待确定资源数值的目标信息,包括:获取未确定资源数值的货源信息对应的目标信息。其中,未确定资源数值的货源信息由货主提供,且一个货源信息的发布需要一个资源数值,所以未确定资源数值的货源信息可以为并未发布的货源信息。
在示例性实施例中,获取到目标信息后,需要基于目标信息生成至少两个可选资源数值,该至少两个可选资源数值不同。基于该目标信息生成至少两个资源数值的方式本申请实施例不进行限定。在示例性实施例中,基于该目标信息生成至少两个可选资源数值的方式包括:生成方式1,将目标信息输入资源数值表,通过资源数值表查询的方式生成该至少两个可选资源数值;生成方式2,基于目标信息,通过资源数值规则生成的方式生成该至少两个可选资源数值;生成方式3,基于目标信息,通过人工智能生成资源数值的方式生成该至少两个可选资源数值。
例如,以生成方式2为例,资源数值规则中规定装货地为L地、卸货地为Y地、需求车型为T车型时,对应的资源数值为x1、x2…xn,则当目标信息包括的目标装货地是L地、目标卸货地是Y地、目标车型是T车型时,基于资源数值规则生成的至少两个可选资源数值为x1、x2…xn。其中,x1、x2…xn之间互不相等。
步骤202,确定至少两个可选资源数值各自的参考信息,任一可选资源数值的参考信息包括该任一可选资源数值对应的成交概率和成交意向中的至少一个。
在示例性的实施例中,任一可选资源数值的参考信息包括该任一可选资源数值对应的成交概率和成交意向中的至少一个。确定至少两个可选资源数值各自的参考信息的方式,包括但不限于:基于目标信息确定成交概率阈值及成交意向;基于目标信息确定该至少两个可选资源数值各自的成交概率。
关于成交概率阈值的确定方式本申请实施例不做限制,可选地,基于目标信息确定成交概率阈值,包括:获取目标信息对应的第一历史货源信息;将第一历史货源信息对应的成交概率中值最小的成交概率作为成交概率阈值。其中,第一历史货源信息对应的装货地、卸货地、需求车型与目标信息包括的目标装货地、目标卸货地、目标车型对应相同,且第一历史货源信息是已经成交的货源信息。例如,第一历史货源信息是在参考时间之前的一定时长内已经成交的货源信息。其中,参考时间是获取到目标信息时对应的时间。
每一个货源信息在平台发布时,都可以被计算一个成交概率,并且将该成交概率与该货源信息绑定,货源信息在成交后或被撤销后,会作为历史货源信息进行存储。所以,每一个历史货源信息都具有对应的一个成交概率,因此,可以从第一历史货源信息中选择出成交概率的值最小的成交概率,并将该值最小的成交概率作为成交概率阈值。
通常资源数值相对较大的货源信息比资源数值相对较小的货源信息更容易成交,即资源数值相对较大的货源信息的成交时间与发布时间相差更小。货源信息是否需要尽快成交可通过成交意向的高或低来表示,若成交意向为高,则认为该成交意向对应的货源信息需要尽快成交;若成交意向为低,则认为该成交意向对应的货源信息不需要尽快成交。
对于确定成交意向的方式,本申请实施例不做限制。示例性地,基于目标信息确定成交意向的方式包括:确定方式1,获取目标信息对应的发货需求,基于发货需求确定成交意向;确定方式2,基于目标信息包括的目标装货时间确定成交意向;确定方式3,基于目标信息对应的第二历史货源信息确定成交意向。在示例性实施例中,确定方式1中的发货需求由目标信息对应的货主选择相应的发货需求选项得到。示例性地,发货需求选项包括第一发货需求和第二发货需求,货主可以自行选择第一发货需求和第二发货需求,由此来确定成交意向。例如,第一发货需求代表货主需要货源信息尽快成交,若货主选择第一发货需求,则确定成交意向为高;第二发货需求代表货主不需要货源信息尽快成交,若货主选择第二发货需求,则确定成交意向为低。
在示例性实施例中,确定方式2中利用目标装货时间确定成交意向,包括:将目标装货时间与参考时间进行比较,若目标装货时间超过参考时间的时长小于第一时长,则认为货主需要货源信息尽快成交,确定成交意向为高;若目标发货时间超过参考时间的时长大于第一时长,则认为货主不需要货源信息尽快成交,确定成交意向为低。其中,第一时长是设定值,可提前进行设定,本申请实施例对此不做限制。
在示例性实施例中,确定方式3中第二历史货源信息是目标信息对应的货主的历史已成交货源信息。基于目标信息对应的第二历史货源信息确定成交意向,包括:若在发布时间之后的第二时长内成交的第二历史货源信息的数量与全部第二历史货源信息的数量的比值超过设定比例,认为货主通常需要货源信息尽快成交,则确定成交意向为高;若在发布时间之后的第二时长内成交的第二历史货源信息的数量与全部第二历史货源信息的数量的比值不超过设定比例,认为货主通常不需要货源信息尽快成交,则确定成交意向为低。其中,第二时长是设定值,本申请实施例对此不做限制。
在示例性实施例中,成交概率的预测是基于货源信息进行的,所以,确定至少两个可选资源数值各自的成交概率包括:基于目标信息分别生成与该至少两个可选资源数值对应的预测货源信息;获取预测货源信息对应的第一特征数据;将第一特征数据输入目标成交预测模型,由目标成交预测模型基于第一特征数据确定任一可选资源数值对应的成交概率。
可选地,预测货源信息包括线路信息、资源数值和发布时间;获取预测货源信息对应的第一特征数据,包括:获取线路信息对应的线路编码;获取资源数值对应的资源编码;获取发布时间对应的时间编码;基于线路编码、资源编码和时间编码,获取预测货源信息对应的第一特征数据。
在一种可能的实现方式中,基于线路编码、资源编码和时间编码,获取预测货源信息对应的第一特征数据之前,还包括:基于线路信息和发布时间,获取至少一个参考编码;基于线路编码、资源编码和时间编码,获取预测货源信息对应的第一特征数据,包括:基于线路编码、资源编码、时间编码和至少一个参考编码,获取预测货源信息对应的第一特征数据。
其中,至少两个可选资源数值对应的预测货源信息与目标信息的区别在于:预测货源信息包括目标信息和一个可选资源数值。也就是说,预测货源信息是目标信息和一个可选资源数值的组合。由于第一特征数据和第二特征数据中的特征类型完全相同,预测货源信息和样本货源信息中也均包括线路信息、资源数值和发布时间等相关信息,因此在利用预测货源信息获取线路编码、资源编码、时间编码和参考编码的过程中可以将预测货源信息视为样本货源信息,即第一特征数据的获取方式与用于对初始成交预测模型进行训练的第二特征数据的获取方式一致,在此暂不赘述。在将第一特征数据输入目标成交预测模型之前需要先得到目标成交预测模型。在示例性实施例中,如图3所示,得到目标成交预测模型的过程包括步骤2021至步骤2024。
步骤2021,获取样本货源信息和初始成交预测模型。
货源信息发布且完成(成交或者撤销发布)后,该货源信息以及该货源信息对应的发布方式、发布时间、上传到服务器12的时间、发布时长、是否成交以及成交对应的时间、是否撤销发布以及撤销发布对应的时间等信息均会被作为针对于该货源信息的一个历史货源信息存储在服务器12中。其中,发布方式包括但不限于:抢单形式发布;货源大厅发布;组合方式发布。组合方式发布是指货源信息通过抢单形式发布的同时,还通过货源大厅发布,即货源信息同时通过抢单形式发布和货源大厅两种方式发布。但货源信息无论是通过抢单形式发布,还是通过组合方式发布,均认为该货源信息属于通过抢单形式发布的货源信息。
样本货源信息包括第一货源信息和第二货源信息中的至少一种,获取样本货源信息包括获取第一货源信息和第二货源信息中的至少一种;即第一货源信息和第二货源信息可以分别作为样本货源信息。在示例性实施例中,获取第一货源信息,包括:从历史货源信息中获取通过抢单形式发布且存在抢单行为的货源信息。货源信息通过抢单形式发布形成一个运输任务后,若该运输任务被承运方抢单(主动选择接受该运输任务),则认为该货源信息存在抢单行为,抢单行为与该运输任务被抢单后发布该运输任务的货主是否撤销发布无关,即只要该运输任务被抢单,无论被抢单后该运输任务被做何种处理,都认为该货源信息存在抢单行为;若该运输任务没有被抢单,则认为该货源信息不存在抢单行为。
在示例性实施例中,获取第二货源信息,包括:从历史货源信息中获取通过抢单形式发布的时长超过第三时长且不存在抢单行为的货源信息。货源信息在发布后,发布该货源信息的货主可以选择对该货源信息进行撤销发布,若该货源信息通过抢单形式发布的时长未满第三时长即被货主撤销发布后,则认为该货源信息通过抢单形式发布的时长未满第三时长,不属于第二货源信息。当货源信息通过抢单形式发布的时长超过第三时长后,即认为货源信息通过抢单形式发布的时长超过第三时长,与该货源信息在之后是否被撤销发布无关。
其中,第三时长是设定值,本申请实施例不对第三时长做限制,可根据经验设置。示例性地,第三时长是6小时。当货源信息通过抢单形式发布的时长超过第三时长时认为该货源信息已经充分展示且无人抢单,此种情况下,认为该货源信息对应的资源数值相对较低,较难成交。
关于初始成交预测模型是哪一种模型,本申请实施例不做限制,可以实现训练完成后能够预测货源信息的成交概率的模型均可作为初始成交预测模型。在示例性实施例中,初始成交预测模型是LR(Logistic Regression,逻辑回归)模型、XGBoost(ExtremeGradient Boosting,极端梯度提升)模型、LightGBM(Light Gradient Boosting Machine,快速梯度提升机)模型、CatBoost(Categorical Boosting,分类提升)模型中的任意一个。示例性地,初始成交预测模型是LR模型。示例性地,初始成交预测模型是LightGBM模型。
在另一个示例性实施例中,初始成交预测模型是由至少两个初始基模型和一个初始LR模型组成。其中,每一个初始基模型是LR模型、XGBoost模型、LightGBM模型、CatBoost模型中的任意一个。一个初始基模型的选择不会影响其他初始基模型的选择,即每一个初始基模型的选择都是独立的。此外,本申请不对初始基模型的数量做限制,同样也不对每一个初始基模型的类型做限制。示例性地,初始基模型的数量为4,第一个初始基模型是LR模型,第二初始基模型是XGBoost模型,第三个初始基模型是LightGBM模型,第四个初始基模型是CatBoost模型。示例性地,初始基模型的数量为4,4个初始基模型均为LR模型。
步骤2022,确定样本货源信息的类型。
在示例性实施例中,确定样本货源信息的类型指的是确定样本货源信息所属的类型,其中类型为人工设定的样本类型。示例性地,样本类型包括正样本和负样本。确定样本货源信息的类型,包括:将包括第一货源信息的样本货源信息的类型确定为正样本,将包括第二货源信息的样本货源信息的类型确定为负样本。其中,第一货源信息和第二货源信息是步骤2021中获取样本货源信息时获取到的货源信息。
步骤2023,获取样本货源信息对应的第二特征数据。
在示例性实施例中,样本货源信息包括但不限于:线路信息、资源数值和发布时间。获取样本货源信息对应的第二特征数据的过程包括:获取样本货源信息的线路信息对应的线路编码;获取样本货源信息的资源数值对应的资源编码;获取样本货源信息的发布时间对应的时间编码;基于线路编码、资源编码和时间编码,获取样本货源信息对应的第二特征数据。
关于获取样本货源信息的线路信息对应的线路编码的方式,本申请实施例不做限制。可选地,获取方式1,基于样本货源信息的线路信息与线路编码之间的对应关系,获取该线路编码。示例性地,线路信息1:唐山-石家庄,与线路信息1对应的线路编码1:00001;线路信息2:邯郸-石家庄,与线路信息2对应的线路编码2:00003。若样本货源信息中的一个货源信息对应的线路信息为邯郸-石家庄,则基于样本货源信息的线路信息与线路编码之间的对应关系,获取到的编码为00001。需要说明的是,若样本货源信息中的线路信息为其他线路时,均可以通过获取方式1获取到对应的线路编码,在此不再逐个赘述。
获取方式2,基于样本货源信息的线路信息对应的装货地、卸货地的编码,获取该线路信息对应的线路编码。示例性地,邯郸对应的编码为001,石家庄对应的编码为002,唐山对应的编码为015,则线路信息对应的装货地为邯郸,卸货地为石家庄时,获取到的线路编码为001002。获取方式2中对地区或地点编码的举例只是对地区或地点编码中的一种,对地区或地点编码的方式还可以是其他方式,本申请实施例不限制使用其他的对地区或地点的编码方式,例如,编码中的每一位是十六进制,唐山对应的编码为00F。其中,线路编码用于表示样本货源信息的线路信息特征。
关于获取样本货源信息的资源数值对应的资源编码的方式,本申请实施例不做限制。可选地,获取方式3,将样本货源信息的资源数值直接作为该资源编码。示例性地,样本货源信息中一个货源信息对应的资源数值为3000,则获取到的该资源数值对应的资源编码为3000。其中,资源编码用于表示样本货源信息的资源数值特征。
关于获取样本货源信息的发布时间对应的时间编码的方式,本申请实施例不做限制。可选地,获取方式4,将样本货源信息的发布时间直接作为该时间编码。示例性地,发布时间为2021年12月1日12:30,则获取到的时间编码为202112011230。其中,上述获取方式4中对时间编码的举例只是对时间进行编码的方式中的一种,本申请实施例不限制使用其他的对时间进行编码的方式。示例性地,另一种对时间的编码方式中,2021年12月1日12:30对应的编码为21120112。其中,时间编码用于表示样本货源信息的发布时间特征。
需要说明的是,发布时间可以是样本货源信息第一发布的时间,也可以是样本货源信息被上传到服务器12的时间。一个货源信息在第一次发布时,会有第一次发布的时间,同时该货源信息会被上传到服务器12,且服务器12会记录下该货源信息上传来的时间,第一次发布的时间通常与货源信息上传到服务器12的时间有一定的时间间隔,该时间间隔通常为几秒钟。对于货源信息的发布时间来说,使用第一次发布的时间作为发布时间与使用该货源信息上传到服务器12的时间作为发布时间之间的差别仅为几秒钟,可以忽略不计。所以,第一货源信息的发布时间可以是第一货源信息第一次发布的时间,也可以是第一货源信息被上传到服务器12的时间。
在示例性实施例中,为使第二特征数据可以具有市场行情的特征,还需要在基于线路编码、资源编码和时间编码,获取样本货源信息对应的第二特征数据之前,基于线路信息和发布时间获取至少一个参考编码。之后,再基于线路编码、资源编码、时间编码和至少一个参考编码,获取样本货源信息对应的第二特征数据。其中,参考编码蕴含了市场行情的特征。
在示例性实施例中,参考编码共有6个,分别为参考编码1至参考编码6。其中,参考编码1对应的第三货源信息是步骤2021中提及的历史货源信息中,运输线路与样本货源信息的线路信息相同的、在样本货源信息包括的发布时间之前成交的、且成交时间与样本货源信息的发布时间的差值最小的货源信息。可选地,参考编码1是第三货源信息的资源数值的编码。其中,参考编码1用于表示第三货源信息的资源数值特征。
参考编码2对应的第四货源信息是步骤2021中提及的历史货源信息中,运输线路与样本货源信息的线路信息相同的、没有成交且在样本货源信息包括的发布时间之前撤销发布的、撤销发布的时间与样本货源信息的发布时间的差值最小的货源信息。可选地,参考编码2是第四货源信息的资源数值的编码。其中,参考编码2用于表示第四货源信息的资源数值特征。
参考编码3对应的第五货源信息是步骤2021中提及的历史货源信息中,运输线路与样本货源信息的线路信息相同的、在样本货源信息包括的发布时间之前成交的、且成交时间在样本货源信息的发布时间之前的第四时长内的货源信息。可选地,参考编码3是第五货源信息对应的资源数值的平均值编码。其中,参考编码3用于表示第五货源信息对应的资源数值的平均值特征。第四时长是设定值,但第四时长的设定需要使第五货源信息至少包括一个货源信息。示例性地,第四时长是一周。
参考编码4对应的第六货源信息是步骤2021中提及的历史货源信息中,运输线路与样本货源信息的线路信息相同的、没有成交且在样本货源信息包括的发布时间之前撤销发布的、撤销发布的时间在样本货源信息的发布时间之前的第四时长内的货源信息。可选地,参考编码4是第六货源信息对应的资源数值的平均值编码。其中,参考编码4用于表示第六货源信息对应的资源数值的平均值特征。第四时长除了需要满足使得第五货源信息至少包括一个货源信息外,还需要满足使得第六货源信息至少包括一个货源信息。
参考编码5对应的第七货源信息是步骤2021中提及的历史货源信息中,运输线路与样本货源信息的线路信息相同的、在样本货源信息包括的发布时间之前成交的、且成交时间在样本货源信息的发布时间之前的第五时长内的货源信息。可选地,参考编码5是第七货源信息对应的资源数值的平均值编码。其中,参考编码5用于表示第七货源信息对应的资源数值的平均值特征。第五时长是设定值,且第五时长大于第四时长。示例性地,第四时长是一周,第五时长是一个月。
参考编码6对应的第八货源信息是步骤2021中提及的历史货源信息中,运输线路与样本货源信息的线路信息相同的、没有成交且在样本货源信息包括的发布时间之前撤销发布的、撤销发布的时间在样本货源信息的发布时间之前的第五时长内的货源信息。可选地,参考编码6是第八货源信息对应的资源数值的平均值编码。其中,参考编码6用于表示第八货源信息对应的资源数值的平均值特征。
需要说明的是,货源信息的撤销发布可以是响应于货主需要将货源信息撤销发布时将该货源信息撤销发布,还可以是货源信息的发布时长超过第六时长时将该货源信息撤销发布。其中,货源信息的发布时长超过第六时长时将该货源信息撤销发布的原因在于:当货源信息的发布时长超过第六时长时认为该货源信已经充分展示,在充分展示的情况下仍未被接单,认为该货源信息已经不会被接单,所以将该货源信息撤销发布。其中,第六时长是设定值,本申请实施例对此不做限制,示例性地,第六时长是24小时。
在示例性实施例中,基于线路编码、资源编码、时间编码和至少一个参考编码,获取样本货源信息对应的第二特征数据,包括:基于线路编码、资源编码、时间编码和至少一个参考编码,生成样本货源信息对应的特征向量;对该特征向量进行降维处理,将该特征向量降维处理后的结果作为样本货源信息对应的第二特征数据。
在示例性实施例中,基于线路编码、资源编码、时间编码和至少一个参考编码,生成样本货源信息对应的特征向量,包括:将每一个编码作为特征向量的一个维度生成特征向量。示例性地,生成样本货源信息对应的特征向量时,参考编码包括编码1至编码6,且参考编码1至参考编码6的编码对应为:500、400、490、390、495、395。线路编码、资源编码、时间编码分别为:001002、510、202112011230,则对应的特征向量为(001002,510,202112011230,500,400,490,390,495,395)。
关于对特征向量进行降维处理的方式本申请实施例不做限制。可选地,对特征向量进行降为的方式是PCA(Principal Component Analysis,主成分分析)。此外,需要说明的是,第一特征数据的获取过程和方式与第二特征数据的获取过程一致,若第二特征数据只包括一个参考编码,则第一特征数据也只包括一个参考编码。
步骤2024,基于样本货源信息的类型和第二特征数据,对初始成交预测模型进行训练,得到目标成交预测模型。
在示例性实施例中,初始成交预测模型是步骤2021中提及的由至少两个初始基模型和初一个初始LR模型组成的模型。如图4所示,对初始成交预测模型进行训练,得到目标成交预测模型的过程包括步骤401至步骤403。
步骤401,获取样本货源信息的类型对应的类型变量;基于该类型变量和第二特征数据,分别对至少两个初始基模型进行训练,得到该至少两个初始基模型对应的目标基模型。
其中,类型变量是人工设定值,示例性地,正样本对应的类型变量为第一数值,负样本对应的类型变量为第二数值,当样本货源信息包括第一货源信息时,样本货源信息对应的类型变量为第一数值,根据样本货源信息得到的第二特征数据对应的类型变量同样为第一数值,当样本货源信息包括第二货源信息时,样本货源信息对应的类型变量为第二数值,根据样本货源信息得到的第二特征数据对应的类型变量同样为第二数值。其中,第一数值和第二数值是设定值,第一数值大于第二数值,且第二数值不小于0。示例性地,第一数值为1,第二数值为0。
在示例性实施例中,基于类型变量和第二特征数据,分别对至少两个初始基模型进行训练,得到该至少两个初始基模型对应的目标基模型,包括:基于类型变量和第二特征数据,采用K-折交叉验证(K-Fold Cross Validation)的训练方式训练该至少两个初始基模型,得到对应的目标基模型。仍以样本货源信息包括第一货源信息和第二货源信息为例,基于该样本货源信息得到的目标基模型处理其他货源信息时,输出的结果将会介于第二数值和第一数值之间,且输出的结果可以等于第一数值也可以等于第二数值。
步骤402,将第二特征数据分别输入每一个目标基模型,得到至少两个预测数据;基于该至少两个预测数据,获取样本货源信息对应的第三特征数据。
将第二特征数据输入一个基模型后将会得到一个预测数据,将第二特征数据分别输入每一个目标基模型后将会得到与基模型的数量相同的预测数据。所以,将第二特征数据分别输入每一个目标基模型后,得到至少两个预测数据。对于基于该至少两个预测数据,获取样本货源信息对应的第三特征数据的方式本申请实施例不做限制,可选地,可以将该第二特征数据对应的至少两个预测数据直接作为第三特征数据。示例性地,当目标基模型的数量为4,第一数值为1,第二数值为0时,一个第二特征数据经过目标基模型处理后得到的4个预测数据为:0.91、0.93、0.90、0.95。对应的第三特征数据为(0.91,0.93,0.90,0.95)。
步骤403,基于类型变量和第三特征数据,对初始LR模型进行训练,得到目标LR模型;基于目标基模型和目标LR模型,得到目标成交预测模型。
基于类型变量和第三特征数据对初始LR模型进行训练的过程与训练一个基模型的过程一致,在此暂不赘述。需要说明的是,对初始基模型训练时的类型变量可以与对初始LR模型训练时的类型变量不同。
在示例性实施例中,得到目标LR模型后,基于目标基模型和目标LR模型,得到目标成交预测模型包括:将目标基模型和LR模型进行组合,得到包括至少两个目标基模型和一个目标LR模型的目标成交预测模型。
在另一个示例性实施例中,初始成交预测模型是步骤2021中提及的LR模型、XGBoost模型、LightGBM模型、CatBoost模型中的任意一个。对该初始成交预测模型的训练与对一个基模型的训练过程一致,也与基于类型变量和第三特征数据对初始LR模型进行训练的过程一致。训练该初始成交预测模型的过程为:将第二特征数据输入该初始成交预测模型,得到一个预测结果;计算该预测结果与该预测结果对应的特征数据的类型变量的损失值;基于该损失值对该初始成交预测模型中的参数做调整,使得该损失值变小;当损失值小于损失值阈值时,将此时的成交预测模型作为目标成交预测模型。其中,损失值阈值是设定值,本申请实施例对此不做限制。
得到目标成交预测模型后,将第一特征数据输入目标成交预测模型,由目标成交预测模型基于第一特征数据确定该至少两个可选资源数值对应的成交概率。在示例性实施例中,第一特征数据经目标成交预测模型处理后得到的预测结果的值介于第二数值和第一数值之间,可以与第一数值或者第二数值相等。若第一数值为1,第二数值为0,则该预测结果介于0~1之间,可以直接作为该至少两个可选资源数值的成交概率。若第一数值为1和第二数值为0中至少一个不满足,则预测结果不可以直接作为成交概率。此时,将预测结果变为成交概率可以采用如下公式1。
其中,预测结果是目标成交预测模型对货源信息进行处理后输出的数值。需要说明的时,第一数值为1,第二数值为0时可以采用公式1来计算成交概率。
在步骤203中,基于参考信息从该至少两个可选资源数值中确定与目标信息对应的目标资源数值。
在示例性实施例中,参考信息包括任一可选资源数值对应的成交概率和成交意向。基于参考信息从该至少两个可选资源数值中确定与目标信息对应的目标资源数值的过程包括:将各个可选资源数值对应的成交概率中不低于成交概率阈值的成交概率作为备选成交概率;基于各个可选资源数值对应的成交意向,从备选成交概率中确定目标成交概率,将目标成交概率对应的可选资源数值作为与目标信息对应的目标资源数值。由于目标信息是根据货源信息得到的,在得到与目标信息对应的目标资源数值后,还可以自动将目标资源数值填写至货源信息当中,这样可以节省货主填写货源信息的时间,提高用户体验。
在示例性实施例中,基于各个可选资源数值对应的成交意向,从备选成交概率中确定目标成交概率包括:若成交意向为高,则选取备选成交概率中值最大的成交概率作为目标成交概率;或者,若成交意向为高,则选取备选成交概率中与平均成交概率的差值最小的成交概率作为目标成交概率;若成交意向为低,则选取备选成交概率中值最小的成交概率作为目标成交概率。示例性地,可将步骤202中得到的所有第二历史货源信息对应的成交概率的平均值作为平均成交概率。
在另一个示例性实施例中,参考信息包括任一可选资源数值对应的成交概率。基于参考信息从该至少两个可选资源数值中确定与目标信息对应的目标资源数值的过程包括:将各个可选资源数值对应的成交概率中不低于成交概率阈值的成交概率作为备选成交概率;从备选成交概率中选取任意一个成交概率作为目标成交改概率,将目标成交概率对应的可选资源数值作为与目标信息对应的目标资源数值。
在另一个示例性实施例中,参考信息包括步骤202中确定的成交意向。基于参考信息从该至少两个可选资源数值中确定与目标信息对应的目标资源数值的过程包括:若成交意向为高,则将至少两个可选资源数值中值最大的可选资源数值作为目标信息对应的目标资源数值;若成交意向为低,则计算该至少两个可选资源数值的平均值,将该至少两个可选资源数值与该平均值差的绝对值最小的资源数值作为目标信息对应的目标资源数值。
在本申请实施例中,通过基于目标信息生成至少两个可选资源数值,进而确定至少两个可选资源数值各自的参考信息,其中,任一可选资源数值的参考信息包括任一可选资源数值对应的成交概率和成交意向中的至少一个,再基于参考信息从至少两个可选资源数值中确定目标资源数值。此种方式,在确定目标信息的资源数值时,考虑了任一可选资源数值对应的成交概率和成交意向中的至少一个,使得本申请实施例提供的技术方案确定的资源数值的参考性强,准确度高。
此外,在得到与目标信息对应的目标资源数值后,本申请实施例提供的资源数值的确定方法还可以自动将目标资源数值填写至未确定资源数值的货源信息对应的需要填写资源数值的位置,其中,未确定资源数值的货源信息与目标信息对应,这样可以节省货主填写资源数值的时间,提高用户体验。
参见图5,本申请实施例提供了一种资源数值的确定装置,该装置包括:
第一获取模块501,用于获取待确定资源数值的目标信息;
生成模块502,用于基于目标信息生成至少两个可选资源数值;
第一确定模块503,用于确定至少两个可选资源数值各自的参考信息,任一可选资源数值的参考信息包括任一可选资源数值对应的成交概率和成交意向中的至少一个;
第二确定模块504,用于基于参考信息从至少两个可选资源数值中确定与目标信息对应的目标资源数值。
在一种可能实现的方式中,参考信息包括成交概率和成交意向,第二确定模块504,用于从各个可选资源数值对应的成交概率中选取不低于成交概率阈值的备选成交概率;基于各个可选资源数值对应的成交意向,从备选成交概率中确定目标成交概率,将目标成交概率对应的可选资源数值作为与目标信息对应的目标资源数值。
在一种可能实现的方式中,第一确定模块503,用于基于目标信息确定成交概率阈值及成交意向;基于目标信息生成与至少两个可选资源数值对应的预测的货源信息;获取预测货源信息对应的第一特征数据;将第一特征数据输入目标成交预测模型,由目标成交预测模型基于第一特征数据确定成交概率。
在一种可能实现的方式中,预测货源信息包括线路信息、资源数值和发布时间;第一确定模块503,用于获取线路信息对应的线路编码;获取资源数值对应的资源编码;获取发布时间对应的时间编码;基于线路编码、资源编码和时间编码,获取预测货源信息对应的第一特征数据。
在一种可能的实现方式中,第一确定模块503,还用于基于线路信息和发布时间,获取至少一个参考编码;基于线路编码、资源编码、时间编码和至少一个参考编码,获取预测货源信息对应的第一特征数据。
在一种可能实现的方式中,该装置还包括:
第二获取模块,用于获取样本货源信息和初始成交预测模型;
第三确定模块,用于确定样本货源信息的类型;
第三获取模块,用于获取样本货源信息对应的第二特征数据;
训练模块,用于基于样本货源信息的类型和第二特征数据,对初始成交预测模型进行训练,得到目标成交预测模型。
在一种可能实现的方式中,初始成交预测模型包括至少两个初始基模型和一个初始逻辑回归LR模型;训练模块,用于获取样本货源信息的类型对应的类型变量;基于类型变量和第二特征数据,分别对至少两个初始基模型进行训练,得到至少两个初始基模型对应的目标基模型;将第二特征数据分别输入每一个目标基模型,得到至少两个预测数据;基于至少两个预测数据,获取样本货源信息对应的第三特征数据;基于类型变量和第三特征数据,对初始LR模型进行训练,得到目标LR模型;基于目标基模型和目标LR模型,得到目标成交预测模型。
在一种可能实现的方式中,样本货源信息包括线路信息、资源数值和发布时间;第三获取模块,用于获取样本货源信息包括的线路信息对应的线路编码;获取样本货源信息包括的资源数值对应的资源编码;获取样本货源信息包括的发布时间对应的时间编码;基于线路编码、资源编码和时间编码,获取样本货源信息对应的第二特征数据。
在一种可能实现的方式中,该装置还包括:
第四获取模块,用于基于样本货源信息包括的线路信息和发布时间,获取至少一个参考编码;
第三获取模块,用于基于线路编码、资源编码、时间编码和至少一个参考编码,获取样本货源信息对应的第二特征数据。
在一种可能实现的方式中,第三获取模块,用于基于线路编码、资源编码、时间编码和至少一个参考编码,生成样本货源信息对应的特征向量;对特征向量进行降维处理,将特征向量降维处理后的结果作为样本货源信息对应的第二特征数据。
在一种可能实现的方式中,目标信息包括目标车型、目标装货地、目标卸货地,第一确定模块503,用于获取目标信息对应的第一历史货源信息,第一历史货源信息对应的装货地、卸货地、需求车型与目标装货地、目标卸货地、目标车型对应相同,且第一历史货源信息是已经成交的货源信息;将第一历史货源信息对应的成交概率中值最小的成交概率作为成交概率阈值。
在一种可能实现的方式中,目标信息包括目标装货时间,第一确定模块503,用于获取目标信息对应的发货需求;基于发货需求确定成交意向;或者,基于目标装货时间确定成交意向;或者,基于目标信息对应的第二历史货源信息确定成交意向,第二历史货源信息是目标信息对应的货主的历史已成交货源信息。
在一种可能实现的方式中,第二确定模块504,用于若成交意向为高,则选取备选成交概率中值最大的成交概率作为目标成交概率;或者,选取备选成交概率中与平均成交概率差值最小的成交概率作为目标成交概率;若成交意向为低,则选取备选成交概率中值最小的成交概率作为目标成交概率。
在一种可能实现的方式中,生成模块502,用于基于目标信息,通过查询资源数值表的方式生成至少两个可选资源数值;或者,基于目标信息,通过资源数值生成规则的方式生成至少两个可选资源数值;或者,基于目标信息,通过人工智能生成资源数值的方式生成至少两个可选资源数值。
在一种可能实现的方式中,本申请实施例提供的资源数值的确定装置,还包括:填写模块,用于将目标资源数值填写至未确定资源数值的货源信息对应的需要填写资源数值的位置。
在本申请实施例中,通过基于目标信息生成至少两个可选资源数值,进而确定至少两个可选资源数值各自的参考信息,其中,任一可选资源数值的参考信息包括任一可选资源数值对应的成交概率和成交意向中的至少一个,再基于参考信息从至少两个可选资源数值中确定目标资源数值。此种方式,在确定目标信息的资源数值时,考虑了任一可选资源数值对应的成交概率和成交意向中的至少一个,使得确定的资源数值的参考性强,准确度高。
此外,在得到与目标信息对应的目标资源数值后,还可以自动将目标资源数值填写至未确定资源数值的货源信息对应的需要填写资源数值的位置,其中,未确定资源数值的货源信息与目标信息对应,这样可以节省货主填写资源数值的时间,提高用户体验。
需要说明的是,上述实施例提供的装置在实现其功能时,仅以上述各功能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功能分配由不同的功能模块完成,即将设备的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。另外,上述实施例提供的装置与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。
图6是本申请实施例提供的一种服务器的结构示意图,该服务器可因配置或性能不同而产生比较大的差异,可以包括一个或多个处理器(Central Processing Units,CPU)601和一个或多个存储器602,其中,该一个或多个存储器602中存储有至少一条计算机程序,该至少一条计算机程序由该一个或多个处理器601加载并执行,以使该服务器实现上述各个方法实施例提供的资源数值的确定方法。当然,该服务器还可以具有有线或无线网络接口、键盘以及输入输出接口等部件,以便进行输入输出,该服务器还可以包括其他用于实现设备功能的部件,在此不做赘述。
图7是本申请实施例提供的一种终端的设备结构示意图。该终端可以是:智能手机、平板电脑、MP3(Moving Picture Experts Group Audio Layer III,动态影像专家压缩标准音频层面3)播放器、MP4(Moving Picture Experts Group Audio Layer IV,动态影像专家压缩标准音频层面4)播放器、笔记本电脑或台式电脑。终端还可能被称为用户设备、便携式终端、膝上型终端、台式终端等其他名称。
通常,终端包括有:处理器701和存储器702。
处理器701可以包括一个或多个处理核心,比如4核心处理器、8核心处理器等。处理器701可以采用DSP(Digital Signal Processing,数字信号处理)、FPGA(Field-Programmable Gate Array,现场可编程门阵列)、PLA(Programmable Logic Array,可编程逻辑阵列)中的至少一种硬件形式来实现。处理器701也可以包括主处理器和协处理器,主处理器是用于对在唤醒状态下的数据进行处理的处理器,也称CPU(Central ProcessingUnit,中央处理器);协处理器是用于对在待机状态下的数据进行处理的低功耗处理器。在一些实施例中,处理器701可以集成有GPU(Graphics Processing Unit,图像处理器),GPU用于负责显示屏所需要显示的内容的渲染和绘制。一些实施例中,处理器701还可以包括AI(Artificial Intelligence,人工智能)处理器,该AI处理器用于处理有关机器学习的计算操作。
存储器702可以包括一个或多个计算机可读存储介质,该计算机可读存储介质可以是非暂态的。存储器702还可包括高速随机存取存储器,以及非易失性存储器,比如一个或多个磁盘存储设备、闪存存储设备。在一些实施例中,存储器702中的非暂态的计算机可读存储介质用于存储至少一个指令,该至少一个指令用于被处理器701所执行,以使该终端实现本申请中方法实施例提供的资源数值的确定方法。
在一些实施例中,终端还可选包括有:外围设备接口703和至少一个外围设备。处理器701、存储器702和外围设备接口703之间可以通过总线或信号线相连。各个外围设备可以通过总线、信号线或电路板与外围设备接口703相连。具体地,外围设备包括:射频电路704、显示屏705、摄像头组件706、音频电路707、定位组件708和电源709中的至少一种。
外围设备接口703可被用于将I/O(Input/Output,输入/输出)相关的至少一个外围设备连接到处理器701和存储器702。在一些实施例中,处理器701、存储器702和外围设备接口703被集成在同一芯片或电路板上;在一些其他实施例中,处理器701、存储器702和外围设备接口703中的任意一个或两个可以在单独的芯片或电路板上实现,本实施例对此不加以限定。
射频电路704用于接收和发射RF(Radio Frequency,射频)信号,也称电磁信号。射频电路704通过电磁信号与通信网络以及其他通信设备进行通信。射频电路704将电信号转换为电磁信号进行发送,或者,将接收到的电磁信号转换为电信号。可选地,射频电路704包括:天线系统、RF收发器、一个或多个放大器、调谐器、振荡器、数字信号处理器、编解码芯片组、用户身份模块卡等等。射频电路704可以通过至少一种无线通信协议来与其它终端进行通信。该无线通信协议包括但不限于:城域网、各代移动通信网络(2G、3G、4G及5G)、无线局域网和/或WiFi(Wireless Fidelity,无线保真)网络。在一些实施例中,射频电路704还可以包括NFC(Near Field Communication,近距离无线通信)有关的电路,本申请对此不加以限定。
显示屏705用于显示UI(User Interface,用户界面)。该UI可以包括图形、文本、图标、视频及其它们的任意组合。当显示屏705是触摸显示屏时,显示屏705还具有采集在显示屏705的表面或表面上方的触摸信号的能力。该触摸信号可以作为控制信号输入至处理器701进行处理。此时,显示屏705还可以用于提供虚拟按钮和/或虚拟键盘,也称软按钮和/或软键盘。在一些实施例中,显示屏705可以为一个,设置在终端的前面板;在另一些实施例中,显示屏705可以为至少两个,分别设置在终端的不同表面或呈折叠设计;在另一些实施例中,显示屏705可以是柔性显示屏,设置在终端的弯曲表面上或折叠面上。甚至,显示屏705还可以设置成非矩形的不规则图形,也即异形屏。显示屏705可以采用LCD(LiquidCrystal Display,液晶显示屏)、OLED(Organic Light-Emitting Diode,有机发光二极管)等材质制备。
摄像头组件706用于采集图像或视频。可选地,摄像头组件706包括前置摄像头和后置摄像头。通常,前置摄像头设置在终端的前面板,后置摄像头设置在终端的背面。在一些实施例中,后置摄像头为至少两个,分别为主摄像头、景深摄像头、广角摄像头、长焦摄像头中的任意一种,以实现主摄像头和景深摄像头融合实现背景虚化功能、主摄像头和广角摄像头融合实现全景拍摄以及VR(Virtual Reality,虚拟现实)拍摄功能或者其它融合拍摄功能。在一些实施例中,摄像头组件706还可以包括闪光灯。闪光灯可以是单色温闪光灯,也可以是双色温闪光灯。双色温闪光灯是指暖光闪光灯和冷光闪光灯的组合,可以用于不同色温下的光线补偿。
音频电路707可以包括麦克风和扬声器。麦克风用于采集用户及环境的声波,并将声波转换为电信号输入至处理器701进行处理,或者输入至射频电路704以实现语音通信。出于立体声采集或降噪的目的,麦克风可以为多个,分别设置在终端的不同部位。麦克风还可以是阵列麦克风或全向采集型麦克风。扬声器则用于将来自处理器701或射频电路704的电信号转换为声波。扬声器可以是传统的薄膜扬声器,也可以是压电陶瓷扬声器。当扬声器是压电陶瓷扬声器时,不仅可以将电信号转换为人类可听见的声波,也可以将电信号转换为人类听不见的声波以进行测距等用途。在一些实施例中,音频电路707还可以包括耳机插孔。
定位组件708用于定位终端的当前地理位置,以实现导航或LBS(Location BasedService,基于位置的服务)。定位组件708可以是基于美国的GPS(Global PositioningSystem,全球定位系统)、中国的北斗系统、俄罗斯的格雷纳斯系统或欧盟的伽利略系统的定位组件。
电源709用于为终端中的各个组件进行供电。电源709可以是交流电、直流电、一次性电池或可充电电池。当电源709包括可充电电池时,该可充电电池可以支持有线充电或无线充电。该可充电电池还可以用于支持快充技术。
在一些实施例中,终端还包括有一个或多个传感器710。该一个或多个传感器710包括但不限于:加速度传感器711、陀螺仪传感器712、压力传感器713、指纹传感器714、光学传感器715以及接近传感器716。
加速度传感器711可以检测以终端建立的坐标系的三个坐标轴上的加速度大小。比如,加速度传感器711可以用于检测重力加速度在三个坐标轴上的分量。处理器701可以根据加速度传感器711采集的重力加速度信号,控制显示屏705以横向视图或纵向视图进行用户界面的显示。加速度传感器711还可以用于游戏或者用户的运动数据的采集。
陀螺仪传感器712可以检测终端的机体方向及转动角度,陀螺仪传感器712可以与加速度传感器711协同采集用户对终端的3D动作。处理器701根据陀螺仪传感器712采集的数据,可以实现如下功能:动作感应(比如根据用户的倾斜操作来改变UI)、拍摄时的图像稳定、游戏控制以及惯性导航。
压力传感器713可以设置在终端的侧边框和/或显示屏705的下层。当压力传感器713设置在终端的侧边框时,可以检测用户对终端的握持信号,由处理器701根据压力传感器713采集的握持信号进行左右手识别或快捷操作。当压力传感器713设置在显示屏705的下层时,由处理器701根据用户对显示屏705的压力操作,实现对UI界面上的可操作性控件进行控制。可操作性控件包括按钮控件、滚动条控件、图标控件、菜单控件中的至少一种。
指纹传感器714用于采集用户的指纹,由处理器701根据指纹传感器714采集到的指纹识别用户的身份,或者,由指纹传感器714根据采集到的指纹识别用户的身份。在识别出用户的身份为可信身份时,由处理器701授权该用户执行相关的敏感操作,该敏感操作包括解锁屏幕、查看加密信息、下载软件、支付及更改设置等。指纹传感器714可以被设置在终端的正面、背面或侧面。当终端上设置有物理按键或厂商Logo(商标)时,指纹传感器714可以与物理按键或厂商Logo集成在一起。
光学传感器715用于采集环境光强度。在一个实施例中,处理器701可以根据光学传感器715采集的环境光强度,控制显示屏705的显示亮度。具体地,当环境光强度较高时,调高显示屏705的显示亮度;当环境光强度较低时,调低显示屏705的显示亮度。在另一个实施例中,处理器701还可以根据光学传感器715采集的环境光强度,动态调整摄像头组件706的拍摄参数。
接近传感器716,也称距离传感器,通常设置在终端的前面板。接近传感器716用于采集用户与终端的正面之间的距离。在一个实施例中,当接近传感器716检测到用户与终端的正面之间的距离逐渐变小时,由处理器701控制显示屏705从亮屏状态切换为息屏状态;当接近传感器716检测到用户与终端的正面之间的距离逐渐变大时,由处理器701控制显示屏705从息屏状态切换为亮屏状态。
本领域技术人员可以理解,图7中示出的结构并不构成对终端的限定,可以包括比图示更多或更少的组件,或者组合某些组件,或者采用不同的组件布置。
在示例性实施例中,还提供了一种计算机设备,该计算机设备包括处理器和存储器,该存储器中存储有至少一条计算机程序。该至少一条计算机程序由一个或者一个以上处理器加载并执行,以使该计算机设备实现上述任一种资源数值的确定方法。
在示例性实施例中,还提供了一种计算机可读存储介质,该计算机可读存储介质中存储有至少一条计算机程序,该至少一条计算机程序由计算机设备的处理器加载并执行,以使计算机实现上述任一种资源数值的确定方法。
在一种可能实现方式中,上述计算机可读存储介质可以是只读存储器(Read-OnlyMemory,ROM)、随机存取存储器(Random Access Memory,RAM)、只读光盘(Compact DiscRead-Only Memory,CD-ROM)、磁带、软盘和光数据存储设备等。
在示例性实施例中,还提供了一种计算机程序产品,该计算机程序产品包括计算机程序或计算机指令,该计算机程序或该计算机指令由处理器加载并执行,以使计算机实现上述任一种资源数值的确定方法。
应当理解的是,在本文中提及的“多个”是指两个或两个以上。“和/或”,描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。
以上所述仅为本申请的示例性实施例,并不用以限制本申请,凡在本申请的原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (13)
1.一种资源数值的确定方法,其特征在于,所述方法包括:
获取待确定资源数值的目标信息;
基于所述目标信息生成至少两个可选资源数值;
确定所述至少两个可选资源数值各自的参考信息,任一可选资源数值的参考信息包括所述任一可选资源数值对应的成交概率和成交意向中的至少一个;
基于所述参考信息从所述至少两个可选资源数值中确定与所述目标信息对应的目标资源数值。
2.根据权利要求1所述的方法,其特征在于,所述参考信息包括所述成交概率和所述成交意向,所述基于所述参考信息从所述至少两个可选资源数值中确定与所述目标信息对应的目标资源数值,包括:
从各个可选资源数值对应的成交概率中选取不低于成交概率阈值的备选成交概率;
基于所述各个可选资源数值对应的成交意向,从所述备选成交概率中确定目标成交概率,将所述目标成交概率对应的可选资源数值作为与所述目标信息对应的目标资源数值。
3.根据权利要求1所述的方法,其特征在于,所述确定所述至少两个可选资源数值各自的参考信息,包括:
基于所述目标信息确定所述成交概率阈值及所述成交意向;
基于所述目标信息生成与所述至少两个可选资源数值对应的预测货源信息;
获取所述预测货源信息对应的第一特征数据;
将所述第一特征数据输入目标成交预测模型,由所述目标成交预测模型基于所述第一特征数据确定所述成交概率。
4.根据权利要求3所述的方法,其特征在于,所述将所述第一特征数据输入目标成交预测模型之前,所述方法还包括:
获取样本货源信息和初始成交预测模型;
确定所述样本货源信息的类型;
获取所述样本货源信息对应的第二特征数据;
基于所述样本货源信息的类型和所述第二特征数据,对所述初始成交预测模型进行训练,得到目标成交预测模型。
5.根据权利要求3所述的方法,其特征在于,所述预测货源信息包括线路信息、资源数值和发布时间;所述获取所述预测货源信息对应的第一特征数据,包括:
获取所述线路信息对应的线路编码;
获取所述资源数值对应的资源编码;
获取所述发布时间对应的时间编码;
基于所述线路编码、所述资源编码和所述时间编码,获取所述预测货源信息对应的第一特征数据。
6.根据权利要求5所述的方法,其特征在于,所述基于所述线路编码、所述资源编码和所述时间编码,获取所述预测货源信息对应的第一特征数据之前,还包括:
基于所述线路信息和所述发布时间,获取至少一个参考编码;
所述基于所述线路编码、所述资源编码和所述时间编码,获取所述预测货源信息对应的第一特征数据,包括:
基于所述线路编码、所述资源编码、所述时间编码和所述至少一个参考编码,获取所述预测货源信息对应的所述第一特征数据。
7.根据权利要求3-6任一所述的方法,其特征在于,所述目标信息包括目标车型、目标装货地、目标卸货地,所述基于所述目标信息确定所述成交概率阈值,包括:
获取所述目标信息对应的第一历史货源信息,所述第一历史货源信息对应的装货地、卸货地、需求车型与所述目标装货地、目标卸货地、目标车型对应相同,且所述第一历史货源信息是已经成交的货源信息;
将所述第一历史货源信息对应的成交概率中值最小的成交概率作为所述成交概率阈值。
8.根据权利要求1-6任一所述的方法,其特征在于,所述目标信息包括目标装货时间,所述成交意向的确定方式,包括:
获取所述目标信息对应的发货需求;基于所述发货需求确定所述成交意向;
或者,基于所述目标装货时间确定所述成交意向;
或者,基于所述目标信息对应的第二历史货源信息确定所述成交意向,所述第二历史货源信息是所述目标信息对应的货主的历史已成交货源信息。
9.根据权利要求2所述的方法,其特征在于,所述基于所述各个可选资源数值对应的成交意向,从所述备选成交概率中确定目标成交概率,包括:
若所述成交意向为高,则选取所述备选成交概率中值最大的成交概率作为所述目标成交概率,或者,选取所述备选成交概率中与平均成交概率差值最小的成交概率作为所述目标成交概率;
若所述成交意向为低,则选取所述备选成交概率中值最小的成交概率作为所述目标成交概率。
10.一种资源数值的确定装置,其特征在于,所述装置包括:
第一获取模块,用于获取待确定资源数值的目标信息;
生成模块,用于基于所述目标信息生成至少两个可选资源数值;
第一确定模块,用于确定所述至少两个可选资源数值各自的参考信息,任一可选资源数值的参考信息包括所述任一可选资源数值对应的成交概率和成交意向中的至少一个;
第二确定模块,用于基于所述参考信息从所述至少两个可选资源数值中确定与所述目标信息对应的目标资源数值。
11.一种计算机设备,其特征在于,所述计算机设备包括处理器和存储器,所述存储器中存储有至少一条计算机程序,所述至少一条计算机程序由所述处理器加载并执行,以使所述计算机设备实现如权利要求1至9任一所述的资源数值的确定方法。
12.一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中存储有至少一条计算机程序,所述至少一条计算机程序由处理器加载并执行,以使计算机实现如权利要求1至9任一所述的资源数值的确定方法。
13.一种计算机程序产品,其特征在于,所述计算机程序产品包括计算机程序或计算机指令,所述计算机程序或所述计算机指令由处理器加载并执行,以使计算机实现如权利要求1至9任一所述的资源数值的确定方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111463121.6A CN116227105A (zh) | 2021-12-02 | 2021-12-02 | 资源数值的确定方法、装置、设备及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111463121.6A CN116227105A (zh) | 2021-12-02 | 2021-12-02 | 资源数值的确定方法、装置、设备及计算机可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116227105A true CN116227105A (zh) | 2023-06-06 |
Family
ID=86585928
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111463121.6A Pending CN116227105A (zh) | 2021-12-02 | 2021-12-02 | 资源数值的确定方法、装置、设备及计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116227105A (zh) |
-
2021
- 2021-12-02 CN CN202111463121.6A patent/CN116227105A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110944374B (zh) | 通信模式的选择方法、装置、电子设备及介质 | |
CN111311155A (zh) | 修改配送位置的方法、装置、系统、设备以及存储介质 | |
CN110852850A (zh) | 共享物品推荐方法、装置、计算机设备及存储介质 | |
CN110704455B (zh) | 生成数据资产目录的方法、装置、终端及存储介质 | |
CN110909264B (zh) | 信息处理方法、装置、设备及存储介质 | |
CN110990728B (zh) | 兴趣点信息的管理方法、装置、设备及存储介质 | |
CN112818243B (zh) | 导航路线的推荐方法、装置、设备及存储介质 | |
CN113408989B (zh) | 汽车数据的比对方法、装置及计算机存储介质 | |
CN111159551B (zh) | 用户生成内容的显示方法、装置及计算机设备 | |
CN112990424B (zh) | 神经网络模型训练的方法和装置 | |
CN116011939A (zh) | 项目招标系统、方法、设备及存储介质 | |
CN116227105A (zh) | 资源数值的确定方法、装置、设备及计算机可读存储介质 | |
CN111258673A (zh) | 快应用显示方法及终端设备 | |
CN113590669B (zh) | 成本报表的生成方法、装置及计算机存储介质 | |
CN112308587B (zh) | 天然气峰谷月销售量确定方法、装置及存储介质 | |
CN111526221B (zh) | 域名质量确定方法、装置及存储介质 | |
CN116227104A (zh) | 获取信息处理模型的方法、信息处理方法、装置和设备 | |
CN114566064B (zh) | 停车位的位置确定方法、装置、设备及存储介质 | |
CN113722827B (zh) | Cad数据的创建方法、装置及计算机存储介质 | |
CN116151709A (zh) | 车源信息的选取方法、装置、设备及计算机可读存储介质 | |
CN116664023A (zh) | 月台的确定方法、装置、设备及计算机可读存储介质 | |
CN116151708A (zh) | 资源数值的确定方法、装置、设备及计算机可读存储介质 | |
CN114138387A (zh) | 列表数据的加载方法、装置、电子设备及存储介质 | |
CN116071135A (zh) | 购物平台商家店铺的商品管理方法、装置、设备及介质 | |
CN116757565A (zh) | 调节方法、装置、设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |