[發明專利]時效預測模型的訓練方法、時效預測方法及相關設備

在審

• 申請號: 202110332046.3
• 申請日: 2021-03-29
• 公開（公告）號: CN113011666A
• 公開（公告）日: 2021-06-22
• 發明（設計）人: 吳綱維
• 申請（專利權）人: 上海尋夢信息技術有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q10/08;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 上海隆天律師事務所 31282
• 代理人: 徐莉;鐘宗

本發明涉及物流技術領域，提供一種時效預測模型的訓練方法、時效預測方法及相關設備。時效預測模型的訓練方法包括：自歷史物流數據中，提取包括物流站點和途經時間的物流信息；根據物流信息構建訓練數據，每組訓練數據包括自一起始物流站點至一目的物流站點的物流站點序列和物流時效；構建用于預測兩物流站點之間的物流站點序列的第一預測模型和用于預測兩物流站點之間的物流時效的第二預測模型，將第一預測模型的輸出連接至第二預測模型的輸入，形成時效預測模型；通過訓練數據訓練時效預測模型。本發明通過先后預測物流站點序列和物流時效的多任務聯合的時效預測模型，在中間物流站點未知的場景中極大提升物流時效的預測準確率。

技術領域

本發明涉及物流技術領域，具體地說，涉及一種時效預測模型的訓練方法、時效預測方法及相關設備。

背景技術

在線購物場景中，電商平臺需在訂單頁面展示快遞攬收后經幾天派件給消費者，使消費者預知收件時間，提升購物體驗。

實際的物流運營中，由快遞公司通過運輸管理系統配置全國任意兩個物流站點之間的路由方案，快遞包裹按照配置的路由方案進行流轉。但是，出于數據安全的考慮，快遞公司不會將物流站點之間的路由方案告知給電商平臺，只會在快遞攬收后顯示攬收站點和派件站點。

因此，對于電商平臺而言，在快遞攬收時能夠確切獲取到的物流信息僅有攬收站點和派件站點，而無法獲取到中間物流站點，此時如何準確預測出快遞包裹從攬收到派件的物流時效，成為亟待解決的技術難題。

需要說明的是，上述背景技術部分公開的信息僅用于加強對本發明的背景的理解，因此可以包括不構成對本領域普通技術人員已知的現有技術的信息。

發明內容

有鑒于此，本發明提供一種時效預測模型的訓練方法、時效預測方法及相關設備，能夠通過先后預測物流站點序列和物流時效的多任務聯合的時效預測模型，在中間物流站點未知的場景中極大提升物流時效的預測準確率。

本發明的一個方面提供一種時效預測模型的訓練方法，包括：自歷史物流數據中，提取包括物流站點和途經時間的物流信息；根據所述物流信息構建訓練數據，每組訓練數據包括自一起始物流站點至一目的物流站點的物流站點序列和物流時效；構建用于預測兩物流站點之間的物流站點序列的第一預測模型和用于預測兩物流站點之間的物流時效的第二預測模型，將所述第一預測模型的輸出連接至所述第二預測模型的輸入，形成時效預測模型；通過所述訓練數據訓練所述時效預測模型。

在一些實施例中，所述時效預測模型的訓練包括依次進行的第一訓練階段和第二訓練階段；在所述第一訓練階段，自每組所述訓練數據中分別獲取所述第一預測模型的第一訓練數據和所述第二預測模型的第二訓練數據，對所述第一預測模型和所述第二預測模型進行單獨訓練；在所述第二訓練階段，以所述第一預測模型的輸出作為所述第二預測模型的輸入，對所述第一預測模型和所述第二預測模型進行聯合訓練。

在一些實施例中，所述第二訓練階段的訓練包括：將一當前第一訓練數據的輸入數據輸入所述第一預測模型，獲得所述第一預測模型輸出的預測物流站點序列；將所述預測物流站點序列輸入所述第二預測模型，獲得所述第二預測模型輸出的預測物流時效；比對所述預測物流時效及對應的一當前第二訓練數據的輸出數據；于所述預測物流時效與所述當前第二訓練數據的輸出數據不匹配時，判斷所述預測物流站點序列與所述當前第一訓練數據的輸出數據是否匹配；若是則調整所述第二預測模型的參數，若否則調整所述第一預測模型的參數。

在一些實施例中，所述第一預測模型基于循環神經網絡構建，在所述第一訓練階段，以每組所述訓練數據的起始物流站點和目的物流站點為輸入，以對應的物流站點序列為輸出，對所述第一預測模型進行訓練。

在一些實施例中，所述第二預測模型基于深度因子分解機構建，在所述第一訓練階段，以每組所述訓練數據的物流站點序列為輸入，以對應的物流時效為輸出，對所述第二預測模型進行訓練。