[發明專利]物流分揀場景下的模型訓練方法、裝置以及電子設備

有效

• 申請號: 201811025940.0
• 申請日: 2018-09-04
• 公開（公告）號: CN110874702B
• 公開（公告）日: 2023-05-23
• 發明（設計）人: 王兵;沈磊;宮海鵬
• 申請（專利權）人: 菜鳥智能物流控股有限公司
• 主分類號: G06Q10/083
• 分類號: G06Q10/083;G06Q10/067
• 代理公司: 北京清源匯知識產權代理事務所(特殊普通合伙) 11644
• 代理人: 馮德魁;竇曉慧

本申請公開了一種物流分揀場景下的模型訓練方法，包括：獲取包含往期配送訂單的歷史配送數據；根據所述配送訂單記錄的配送地址與對應的實際配送實體構建正樣本；確定所述配送地址所屬配送范圍內的配送實體集合；基于所述配送地址與所述配送實體集合中所述實際配送實體之外的配送實體構建負樣本；將所述正樣本和所述負樣本構建的訓練樣本集作為訓練輸入，對物流分揀模型進行訓練。所述物流分揀場景下的模型訓練方法，加快物流分揀模型對業務變更的學習速度，縮短分揀糾錯周期，減少因業務變更帶來的錯分，節省錯分處理成本，提高物流分揀時效和物流服務質量。

技術領域

本申請涉及物流技術領域，具體涉及一種物流分揀場景下的模型訓練方法。本申請同時涉及一種物流分揀場景下的模型訓練裝置，以及一種電子設備。

背景技術

隨著網絡的興起與繁榮，物聯網在這個新時代中發揮越來越重要的作用，尤其體現為物流在用戶工作生活中所起的作用越來越明顯，物流包裹的生命周期包括以下環節：賣方發貨-攬件員攬收到網點-網點運輸到首轉中心-首轉中心運輸到末端轉運中心-末端轉運中心分揀到配送網點-配送網點分揀到配送員-配送員配送-用戶簽收。而這其中，物流包裹在末端轉運中心和配送網點都要進行大規模的分揀。

目前，物流分揀方法主要有兩類：一類是傳統的人工分揀，即操作工人記憶各網點的配送范圍，通過閱讀面單地址在包裹上手寫網點代碼；另一類是基于模型系統預測，即通過配置網點配送范圍的關鍵字規則，如網點配送的省市區、街道、興趣點，或對網點歷史配送記錄利用機器學習等手段建立模型，搭建分揀系統，提前在配送的環節根據地址做預測，將預測的網點代碼打印在面單上。

人工分揀需要巨大的人力成本，而且由于收集難以全面，匹配率低，人工收集容易出錯，準確率也有限，如此，基于歷史數據利用算法建模的方法成為物流分揀的發展趨勢。

然而，基于歷史數據建模預測的分揀方法也存在一大缺點，為了讓分揀模型分揀的地址盡可能多，即提高系統的匹配率，數據采集周期通常長達幾個月，當發生業務變更時，比如某配送地址之前由A配送網點配送，業務發生變更后改為由B配送網點配送，由于物流分揀模型學習速度慢，通常需要一個月甚至更長的時間才能在分揀預測結果中完成糾錯，期間會帶來大量的錯誤分揀，導致大量的錯分處理成本，拖長了分揀處理時效，降低了服務質量。

因此，如何加快物流分揀模型的學習速度，減少業務變更導致的錯分，成為亟待解決的問題。

發明內容

本申請提供一種物流分揀場景下的模型訓練方法，以解決現有技術存在的缺陷。本申請同時涉及一種物流分揀場景下的模型訓練裝置，以及一種電子設備。

本申請提供一種物流分揀場景下的模型訓練方法，包括：

獲取包含往期配送訂單的歷史配送數據；

根據所述配送訂單記錄的配送地址與對應的實際配送實體構建正樣本；

確定所述配送地址所屬配送范圍內的配送實體集合；

基于所述配送地址與所述配送實體集合中所述實際配送實體之外的配送實體構建負樣本；

將所述正樣本和所述負樣本構建的訓練樣本集作為訓練輸入，對物流分揀模型進行訓練。

可選的，所述配送地址所屬配送范圍，基于所述配送地址中記錄的地理區域確定；

以及，所述配送地址所屬配送范圍內的配送實體集合包括：所述配送地址記錄的地理區域內的所有配送網點。

可選的，所述配送實體集合包含的配送網點均為有效配送網點，所述有效配送網點在所述地理區域內的日均配送訂單量大于設定配送閾值。

可選的，所述正樣本設有時間權重，所述時間權重與所述正樣本的時間跨度值呈負相關。

可選的，所述正樣本的時間權重的確定方式，包括：