[發(fā)明專(zhuān)利]配送時(shí)長(zhǎng)調(diào)整方法、裝置及電子設(shè)備

在審

• 申請(qǐng)?zhí)枺?/td>: 202210016491.3
• 申請(qǐng)日: 2022-01-07
• 公開(kāi)（公告）號(hào): CN114358692A
• 公開(kāi)（公告）日: 2022-04-15
• 發(fā)明（設(shè)計(jì)）人: 王星;朱麟;高興興
• 申請(qǐng)（專(zhuān)利權(quán)）人: 拉扎斯網(wǎng)絡(luò)科技（上海）有限公司
• 主分類(lèi)號(hào): G06Q10/08
• 分類(lèi)號(hào): G06Q10/08;G06N20/00
• 代理公司: 深圳市立智方成知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 44468
• 代理人: 廖娟

本申請(qǐng)實(shí)施例提供了一種配送時(shí)長(zhǎng)調(diào)整方法、裝置、電子設(shè)備及計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，涉及計(jì)算機(jī)領(lǐng)域。本申請(qǐng)實(shí)施例實(shí)現(xiàn)了基于強(qiáng)化學(xué)習(xí)模型，并根據(jù)目標(biāo)訂單的訂單參數(shù)信息的特征，預(yù)測(cè)目標(biāo)訂單的第一預(yù)估配送時(shí)長(zhǎng)對(duì)應(yīng)的目標(biāo)調(diào)整信息，由于預(yù)設(shè)調(diào)整模型在預(yù)測(cè)過(guò)程中，充分利用目標(biāo)訂單的相關(guān)訂單參數(shù)信息，結(jié)合目標(biāo)訂單的訂單參數(shù)信息的特征，對(duì)第一預(yù)估配送時(shí)長(zhǎng)進(jìn)行調(diào)整，提升配送時(shí)長(zhǎng)預(yù)測(cè)的準(zhǔn)確率。

技術(shù)領(lǐng)域

本申請(qǐng)涉及計(jì)算機(jī)技術(shù)領(lǐng)域，具體而言，本申請(qǐng)涉及一種配送時(shí)長(zhǎng)調(diào)整方法、裝置、電子設(shè)備及計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)。

背景技術(shù)

隨著互聯(lián)網(wǎng)技術(shù)的不斷發(fā)展，線上訂購(gòu)商品的購(gòu)買(mǎi)方式逐步成為大眾的新選擇。在線上訂購(gòu)商品的消費(fèi)方式中，對(duì)訂購(gòu)的商品進(jìn)行即時(shí)配送給用戶帶來(lái)了便捷的消費(fèi)體驗(yàn)。

在線上訂購(gòu)商品等場(chǎng)景中，購(gòu)物平臺(tái)在接收到用戶通過(guò)客戶端下單購(gòu)買(mǎi)商品的訂單后，可以根據(jù)訂單的相關(guān)信息(例如備貨時(shí)長(zhǎng)、訂單距離等信息)確定預(yù)估訂單配送時(shí)長(zhǎng)。由于預(yù)估配送時(shí)長(zhǎng)是基于訂單的相關(guān)信息估測(cè)的配送時(shí)長(zhǎng)，預(yù)估配送時(shí)長(zhǎng)難免存在準(zhǔn)確性的問(wèn)題。在相關(guān)技術(shù)中，可以對(duì)預(yù)估配送時(shí)長(zhǎng)進(jìn)行調(diào)整，以保證向用戶展示的更為準(zhǔn)確配送時(shí)長(zhǎng)。然而，相關(guān)技術(shù)中，調(diào)整后的預(yù)估配送時(shí)長(zhǎng)的準(zhǔn)確率較低。

發(fā)明內(nèi)容

本申請(qǐng)的目的旨在至少能解決上述的技術(shù)缺陷之一，特別是預(yù)估配送時(shí)長(zhǎng)準(zhǔn)確率低的技術(shù)缺陷。

根據(jù)本申請(qǐng)的一個(gè)方面，提供了一種配送時(shí)長(zhǎng)調(diào)整方法，該方法包括：獲取目標(biāo)訂單的訂單參數(shù)信息以及第一預(yù)估配送時(shí)長(zhǎng)；

將所述訂單參數(shù)信息及所述第一預(yù)估配送時(shí)長(zhǎng)輸入至預(yù)設(shè)調(diào)整模型，得到每個(gè)預(yù)設(shè)的候選調(diào)整信息對(duì)應(yīng)的第一權(quán)重值；所述第一權(quán)重值指示每個(gè)所述候選調(diào)整信息對(duì)應(yīng)的概率；

其中，所述候選調(diào)整信息包括第一調(diào)整操作以及所述第一調(diào)整操作的操作時(shí)長(zhǎng)；所述第一調(diào)整操作包括針對(duì)所述第一預(yù)估配送時(shí)長(zhǎng)的加時(shí)操作或減時(shí)操作；所述預(yù)設(shè)調(diào)整模型為對(duì)訓(xùn)練樣本集進(jìn)行強(qiáng)化學(xué)習(xí)得到的；

基于所述第一權(quán)重值以及所述候選調(diào)整信息，確定目標(biāo)調(diào)整信息。

可選的，所述獲取目標(biāo)訂單的訂單參數(shù)信息以及第一預(yù)估配送時(shí)長(zhǎng)之前，所述方法包括：

獲取訓(xùn)練樣本集；其中，所述訓(xùn)練樣本集中包括樣本訂單的：樣本訂單參數(shù)信息、樣本預(yù)估配送時(shí)長(zhǎng)、樣本實(shí)際配送時(shí)長(zhǎng)；

針對(duì)每個(gè)所述樣本訂單，將所述樣本訂單參數(shù)信息、樣本預(yù)估配送時(shí)長(zhǎng)輸入初始訓(xùn)練模型中，得到每個(gè)所述候選調(diào)整信息的預(yù)測(cè)權(quán)重值；

根據(jù)所述預(yù)測(cè)權(quán)重值以及所述樣本實(shí)際配送時(shí)長(zhǎng)，確定執(zhí)行所述候選調(diào)整操作后的所述樣本訂單的第一配送準(zhǔn)確率；

根據(jù)所述第一配送準(zhǔn)確率，確定訓(xùn)練損失值；

基于所述樣本訂單信息以及所述樣本訂單對(duì)應(yīng)的訓(xùn)練損失值，對(duì)所述神經(jīng)網(wǎng)絡(luò)模型進(jìn)行重復(fù)訓(xùn)練，直至得到符合訓(xùn)練結(jié)束條件的所述預(yù)設(shè)調(diào)整模型。

可選的，所述根據(jù)所述第一配送準(zhǔn)確率，確定訓(xùn)練損失值，包括：

所述針對(duì)每個(gè)所述樣本訂單，根據(jù)所述樣本訂單的第一配送準(zhǔn)確率以及所述樣本訂單的實(shí)際配送準(zhǔn)確率，確定準(zhǔn)確率提升值，其中，所述樣本訂單的實(shí)際配送準(zhǔn)確率為根據(jù)所述樣本訂單的樣本實(shí)際配送時(shí)長(zhǎng)確定的；

基于所述準(zhǔn)確率提升值以及修正值，確定所述訓(xùn)練損失值，所述修正值為根據(jù)預(yù)測(cè)調(diào)整信息與第一預(yù)設(shè)調(diào)整信息之間的關(guān)系確定，所述預(yù)測(cè)調(diào)整信息為根據(jù)每個(gè)所述候選調(diào)整信息及其對(duì)應(yīng)的預(yù)測(cè)權(quán)重值確定。

可選的，所述訓(xùn)練損失值對(duì)應(yīng)的數(shù)據(jù)關(guān)系如下：

其中，L(θ|s)表示所述訓(xùn)練損失值，表示x的梯度值；E(x)表示x的期望值；