[發明專利]流向補全方法、裝置、系統、模型訓練方法及電子設備

在審

• 申請號: 202211048475.9
• 申請日: 2022-08-30
• 公開（公告）號: CN115409446A
• 公開（公告）日: 2022-11-29
• 發明（設計）人: 周林
• 申請（專利權）人: 阿里健康科技（中國）有限公司
• 主分類號: G06Q10/08
• 分類號: G06Q10/08;G06K9/62
• 代理公司: 北京布瑞知識產權代理有限公司 11505
• 代理人: 尚文文

1.一種流向補全方法，其特征在于，包括：

根據目標節點與多個關聯節點各自對應的歷史流向特征集合，獲取多個所述關聯節點在預設時間段內的貨物量誤差；所述目標節點包括缺失貨物流向的流入節點，所述關聯節點包括與所述目標節點存在歷史流向關系的節點，所述預設時間段覆蓋所述缺失貨物流向信息的預計上傳時間，所述歷史流向特征集合包括從歷史流向信息上傳行為中提取出的多個特征，所述貨物量誤差包括所述關聯節點在所述預設時間段內，預測的流出貨物量與實際上傳的流出貨物量的差值；

根據多個所述關聯節點在所述預設時間段內的貨物量誤差，獲取所述缺失貨物流向的流出節點，并根據所述流出節點，補全所述缺失貨物流向。

2.根據權利要求1所述的方法，其特征在于，所述歷史流向特征集合包括所述歷史流向信息的上傳時間特征和所述歷史流向信息的貨物量特征。

3.根據權利要求2所述的方法，其特征在于，所述上傳時間特征包括上傳時間在預設周期內的索引，所述預設周期包括周、月和年中的至少一者。

4.根據權利要求2所述的方法，其特征在于，所述貨物量特征包括覆蓋所述上傳時間的最近一個所述時間段內的貨物量總和、貨物量均值和每天的貨物量。

5.根據權利要求1所述的方法，其特征在于，所述根據多個所述關聯節點在所述預設時間段內的貨物量誤差，獲取所述缺失貨物流向的流出節點包括：

將所述貨物量誤差最大的所述關聯節點，確定為所述缺失貨物流向的流出節點。

6.根據權利要求1-5任一項所述的方法，其特征在于，所述預設時間段的時間長度大于或等于所述目標節點和所述關聯節點歷史上傳流向信息的周期平均值。

7.根據權利要求1-5任一項所述的方法，其特征在于，所述根據目標節點與多個關聯節點各自對應的歷史流向特征集合，獲取多個所述關聯節點在預設時間段內的貨物量誤差包括：

根據所述目標節點與多個所述關聯節點各自對應的歷史流向特征集合，生成所述目標節點與各所述關聯節點對應的流向預測模型；

根據所述目標節點與各所述關聯節點對應的流向預測模型，利用滑動時間窗口，預測各所述關聯節點在預設時間段內，向所述目標節點的流出貨物量；

計算各所述關聯節點在預設時間段內，預測的向所述目標節點的流出貨物量與實際上傳的向所述目標節點的流出貨物量的差值，以獲得各所述關聯節點在所述預設時間段內的貨物量誤差。

8.一種流向補全方法，其特征在于，包括：

根據目標節點與多個關聯節點各自對應的歷史流向特征集合，獲取多個所述關聯節點的貨物量誤差；所述目標節點包括缺失貨物流向的流入節點，所述關聯節點包括與所述目標節點存在歷史流向關系的節點，所述歷史流向特征集合包括從歷史流向信息上傳行為中提取出的多個特征，所述貨物量誤差包括所述關聯節點在預計流向上傳時間，預測的流出貨物量與實際上傳的流出貨物量的差值；

根據多個所述關聯節點的貨物量誤差，獲取所述缺失貨物流向的流出節點，并根據所述流出節點，補全所述缺失貨物流向。

9.一種模型訓練方法，其特征在于，包括：

獲取目標節點與關聯節點對應的歷史流向特征集合，所述目標節點包括缺失貨物流向的流入節點，所述關聯節點包括與所述目標節點存在歷史流向關系的節點，所述歷史流向特征集合包括從歷史流向信息上傳行為中提取出的多個特征；

以所述目標節點與所述關聯節點對應的歷史流向特征集合作為訓練集，對所述目標節點與所述關聯節點對應的神經網絡模型進行訓練，以獲得所述目標節點與所述關聯節點對應的流向預測模型，所述流向預測模型用于預測所述關聯節點在預設時間段內，向所述目標節點預測的流出貨物量。