[發明專利]獲取商品到貨時間的方法和裝置

有效

• 申請號: 201410735060.8
• 申請日: 2014-12-04
• 公開（公告）號: CN105719145B
• 公開（公告）日: 2020-11-03
• 發明（設計）人: 徐嘉明
• 申請（專利權）人: 菜鳥智能物流控股有限公司
• 主分類號: G06Q30/06
• 分類號: G06Q30/06;G06Q10/08;G06K9/62
• 代理公司: 北京國昊天誠知識產權代理有限公司 11315
• 代理人: 許志勇;劉戈

1.一種獲取商品到貨時間的方法，其特征在于，所述方法包括：

獲取登錄商品交易系統的當前買端的登錄信息，以及與所述當前買端關聯的賣端在當前買端登錄時間之前預設第一時間段內的第一交易日志信息；

從所述當前買端的登錄信息中提取當前買端特征信息，其中，所述當前買端特征信息包括：當前買端的位置、當前買端的歷史付款時間信息中至少一種；

從所述第一交易日志信息中提取預設特征信息，其中，所述預設特征信息包括：賣端特征信息、與賣端交易的所有交易買端的交易買端特征信息、商品特征信息、訂單特征信息中至少一種；所述賣端特征信息至少包括所述賣端發貨能力評估數據和賣端截單時間；

根據所述當前買端特征信息、所述預設特征信息和預先獲取的特征權重，對所述賣端到所述當前買端的商品到貨時間進行預測計算，得到所述商品到貨時間，其中，所述特征權重是對賣端的第二交易日志信息進行訓練得到的，所述商品到貨時間是將商品到貨歸一化時間與預設的到貨時間閾值進行相乘得到的，所述商品到貨歸一化時間是將歸一化后的所述當前買端特征信息和歸一化后的所述預設特征信息進行加權求和得到的。

2.如權利要求1所述的方法，其特征在于，獲取登錄商品交易系統的當前買端的登錄信息之前，所述方法還包括：

獲取所述賣端在預設第二時間段內的第二交易日志信息；

將所述第二交易日志信息分為二份，從第一份所述第二交易日志信息中提取所述預設特征信息和實際商品到貨時間；

將從第一份所述第二交易日志信息中提取的所述預設特征信息和所述實際商品到貨時間作為訓練數據，通過利用回歸預測方法建立的回歸訓練模型對所述訓練數據進行訓練，得到所述預設特征信息對應的特征權重。

3.如權利要求2所述的方法，其特征在于，所述回歸預測方法包括：混合邏輯回歸方法、梯度提高決策樹方法、或邏輯回歸方法。

4.如權利要求2所述的方法，其特征在于，得到所述預設特征信息對應的特征權重之后，獲取登錄商品交易系統的當前買端的登錄信息之前，還包括：

從第二份所述第二交易日志信息中提取所述預設特征信息和實際商品到貨時間；

將從第二份所述第二交易日志信息中提取的所述預設特征信息作為預測數據，根據所述預設特征信息對應的特征權重，通過回歸預測模型對所述預測數據進行預測計算，得到預測的所述商品到貨時間；

根據從第二份所述第二交易日志信息中提取的所述實際商品到貨時間，通過回歸評估模型，對預測的所述商品到貨時間進行評估，得到評估結果；

根據所述評估結果，判定是否對所述回歸訓練模型進行調整。

5.如權利要求1所述的方法，其特征在于，得到所述商品到貨時間之后，所述方法還包括：

將所述商品到貨時間展示在所述賣端關聯的商品詳情頁、商品下單頁、商品物流詳情頁、和/或商品搜索頁。

6.如權利要求1所述的方法，其特征在于，得到所述商品到貨時間之后，所述方法還包括：

將所述商品到貨時間作為所述賣端的物流能力數據；

根據所述物流能力數據，確定所述賣端關聯的商品在商品搜索結果中的排序。

7.如權利要求1-6任一權利要求所述的方法，其特征在于，根據所述當前買端特征信息、所述預設特征信息和所述預先獲取的特征權重，對所述賣端到所述當前買端的商品到貨時間進行預測計算，得到所述商品到貨時間，包括：

利用預設的歸一化公式，對所述當前買端特征信息對應的當前買端特征數值進行歸一化處理，得到當前買端特征歸一化值；

利用預設的歸一化公式，對所述預設特征信息對應的預設特征數值進行歸一化處理，得到預設特征數值對應的預設特征歸一化值；

將所述當前買端特征歸一化值和所述當前買端特征信息對應的特征權重的乘積，與所述預設特征歸一化值和所述預設特征信息對應的特征權重的乘積進行相加，得到商品到貨歸一化時間；

將所述商品到貨歸一化時間與預設的到貨時間閾值進行相乘，得到所述商品到貨時間。