订单处理方法、装置、设备及存储介质制造方法及图纸

本申请公开了一种订单处理方法、装置、设备及存储介质，属于计算机技术领域。本实施例提供了一种利用深度学习对订单进行预测的方法，可以广泛地应用在各种时序调度的场景下，例如餐品赔付、物流运输等。通过考虑到同一个订单在不同阶段的特征具有时序关联的性质，将订单在历史阶段的特征以及当前阶段的特征视为一个时间序列，共同作为模型的输入，从而通过模型，根据订单在各个阶段的特征预测出订单触发事件发生的概率，进而应用订单触发事件的概率，来调整订单的配送参数。由于预测时不仅考虑了订单在当前阶段的特征，还考虑了订单在历史阶段的特征以及不同阶段的时序，因此可以提高预测结果的准确性。

【技术实现步骤摘要】
订单处理方法、装置、设备及存储介质
本申请涉及计算机
，特别涉及一种订单处理方法、装置、设备及存储介质。
技术介绍
在电子商务领域，当用户下了一笔订单后，订单可能会触发各种各样的事件发生。比如说，外卖配送的场景中，外卖订单可能会触发餐损赔付事件产生。具体而言，当用户在平台上点了某个餐品，会产生一笔外卖订单，商户接单生产餐品后，如果长时间没有配送人员接这笔订单，会导致餐品被浪费。这种情况下，商户可以向平台申请餐损赔付，则平台会赔付商户一定的费用，从而弥补商户由于餐品浪费造成的损失。为了提前应对订单触发餐损赔付的事件，可以对订单进行处理，预测出订单是否将要触发事件，以便根据预测结果执行对应的操作。相关技术中，会获取订单在当前时间点的特征，根据订单在当前时间点的特征，使用极端梯度提升(eXtremeGradientBoosting,XGBoost)算法，预测订单触发事件发生的概率。订单的特征可以随着时间的推移发生变化，比如说，订单在任一阶段均有可能被取消，或被接起，或进入下一阶段。然而采用上述方法时，由于仅考虑了订单在当前时间点的特征，导致预测结果的准确性较差。
技术实现思路
本申请实施例提供了一种订单处理方法、装置、设备及存储介质，能够解决相关技术中预测结果准确性较差的问题。所述技术方案如下：一方面，提供了一种订单处理方法，所述方法包括：获取待配送的订单；提取所述订单在当前阶段的特征，所述当前阶段为订单的处理流程中当前时间点对应的阶段；将所述当前阶段的特征以及所述订单在历史阶段的特征输入预测模型，所述预测模型用于预测事件发生的概率，所述历史阶段为订单的处理流程中历史时间点对应的阶段；通过所述预测模型，基于时序对所述当前阶段的特征以及所述历史阶段的特征进行处理，得到所述订单触发所述事件发生的概率；基于所述事件发生的概率，对所述订单的配送参数进行调整。可选地，所述通过所述预测模型，基于时序对所述当前阶段的特征以及所述历史阶段的特征进行处理，包括：按照时间的先后顺序，对所述当前阶段的特征与所述历史阶段对应的中间结果进行加权计算。可选地，所述通过所述预测模型，基于时序对所述当前阶段的特征以及所述历史阶段的特征进行处理，包括：根据每个阶段对应的权重，对所述预测模型的输出层对应的输出向量进行加权计算，得到所述事件发生的概率，其中，所述输出向量的每个维度对应订单的处理流程中的一个阶段。可选地，所述当前阶段的特征包括第一向量，相应地，所述提取所述订单在当前阶段的特征，包括：获取所述订单对应的物品的名称；将所述物品的名称映射至向量空间，得到第一向量。可选地，所述当前阶段的特征包括第二向量，相应地，所述提取所述订单在当前阶段的特征，包括：获取所述订单对应的物品的名称；将所述物品的名称映射至向量空间，得到所述第一向量；对所述第一向量与所述物品的交易参数进行融合，得到所述第二向量，其中，所述交易参数包括销量或出售频率中的一项或多项。可选地，所述出售频率采用以下方式得到：根据所述订单的下单时间点，查询所述订单对应的商户的下单时间与出售频率之间的对应关系，得到所述下单时间点对应的所述出售频率。可选地，所述事件包括餐品赔付事件，所述配送参数包括订单的配送费用，相应地，所述基于所述事件发生的概率，对所述订单的配送参数进行调整，包括：根据所述订单触发所述餐品赔付事件发生的概率，获取配送费用的增加值，其中，所述增加值与所述餐品赔付事件发生的概率正相关；根据所述增加值，对所述订单的配送费用进行调整。可选地，所述预测模型采用以下方式进行训练：获取样本订单，所述样本订单标注有标签，所述标签用于指示所述样本订单的每个阶段是否触发所述事件发生；提取所述样本订单的每个阶段的特征；使用所述样本订单的每个阶段的特征以及所述标签进行模型训练，得到所述预测模型。另一方面，提供了一种订单处理装置，所述装置包括：获取模块，其配置为用于获取待配送的订单；提取模块，其配置为用于提取所述订单在当前阶段的特征，所述当前阶段为订单的处理流程中当前时间点对应的阶段；输入模块，其配置为用于将所述当前阶段的特征以及所述订单在历史阶段的特征输入预测模型，所述预测模型用于预测事件发生的概率，所述历史阶段为订单的处理流程中历史时间点对应的阶段；处理模块，其配置为用于通过所述预测模型，基于时序对所述当前阶段的特征以及所述历史阶段的特征进行处理，得到所述订单触发所述事件发生的概率；调度模块，其配置为用于基于所述事件发生的概率，对所述订单的配送参数进行调整。可选地，所述处理模块，其配置为用于按照时间的先后顺序，对所述当前阶段的特征与所述历史阶段对应的中间结果进行加权计算。可选地，所述处理模块，其配置为用于根据每个阶段对应的权重，对所述预测模型的输出层对应的输出向量进行加权计算，得到所述事件发生的概率，其中，所述输出向量的每个维度对应订单的处理流程中的一个阶段。可选地，所述当前阶段的特征包括第一向量，相应地，所述提取模块，其配置为用于获取所述订单对应的物品的名称；将所述物品的名称映射至向量空间，得到所述第一向量。可选地，所述当前阶段的特征包括第二向量，所述提取模块，其配置为用于获取所述订单对应的物品的名称；将所述物品的名称映射至向量空间，得到第一向量；对所述第一向量与所述物品的交易参数进行融合，得到所述第二向量，其中，所述交易参数包括销量或出售频率中的一项或多项。可选地，所述出售频率采用以下方式得到：根据所述订单的下单时间点，查询所述订单对应的商户的下单时间与出售频率之间的对应关系，得到所述下单时间点对应的所述出售频率。可选地，所述事件包括餐品赔付事件，所述配送资源包括订单的配送费用，相应地，所述调整模块，其配置为用于根据所述订单触发所述餐品赔付事件发生的概率，获取配送费用的增加值，其中，所述增加值与所述餐品赔付事件发生的概率正相关；根据所述增加值，对所述订单的配送费用进行调整。可选地，所述预测模型采用以下方式进行训练：获取样本订单，所述样本订单标注有标签，所述标签用于指示所述样本订单的每个阶段是否触发所述事件发生；提取所述样本订单的每个阶段的特征；使用所述样本订单的每个阶段的特征以及所述标签进行模型训练，得到所述预测模型。另一方面，提供了一种电子设备，所述电子设备包括一个或多个处理器和一个或多个存储器，所述一个或多个存储器中存储有至少一条指令，所述至少一条指令由所述一个或多个处理器加载并执行以实现上述订单处理方法所执行的操作。另一方面，提供了一种计算机可读存储介质，所述存储介质中存储有至少一条指令，所述至少一条指令由处理器加载并执行以实现上述订单处理方法所执行的操作。本申请实施例提供的技术方案带来的有益效果至少包括：本实施例提供了一种利用深度学习对订单进行预测本文档来自技高网...

【技术保护点】
1.一种订单处理方法，其特征在于，所述方法包括：/n获取待配送的订单；/n提取所述订单在当前阶段的特征，所述当前阶段为订单的处理流程中当前时间点对应的阶段；/n将所述当前阶段的特征以及所述订单在历史阶段的特征输入预测模型，所述预测模型用于预测事件发生的概率，所述历史阶段为订单的处理流程中历史时间点对应的阶段；/n通过所述预测模型，基于时序对所述当前阶段的特征以及所述历史阶段的特征进行处理，得到所述订单触发所述事件发生的概率；/n基于所述事件发生的概率，对所述订单的配送参数进行调整。/n

【技术特征摘要】
1.一种订单处理方法，其特征在于，所述方法包括：
获取待配送的订单；
提取所述订单在当前阶段的特征，所述当前阶段为订单的处理流程中当前时间点对应的阶段；
将所述当前阶段的特征以及所述订单在历史阶段的特征输入预测模型，所述预测模型用于预测事件发生的概率，所述历史阶段为订单的处理流程中历史时间点对应的阶段；
通过所述预测模型，基于时序对所述当前阶段的特征以及所述历史阶段的特征进行处理，得到所述订单触发所述事件发生的概率；
基于所述事件发生的概率，对所述订单的配送参数进行调整。


2.根据权利要求1所述的方法，其特征在于，所述通过所述预测模型，基于时序对所述当前阶段的特征以及所述历史阶段的特征进行处理，包括：
按照时间的先后顺序，对所述当前阶段的特征与所述历史阶段对应的中间结果进行加权计算。


3.根据权利要求1所述的方法，其特征在于，所述通过所述预测模型，基于时序对所述当前阶段的特征以及所述历史阶段的特征进行处理，包括：
根据每个阶段对应的权重，对所述预测模型的输出层对应的输出向量进行加权计算，得到所述事件发生的概率，其中，所述输出向量的每个维度对应订单的处理流程中的一个阶段。


4.根据权利要求1所述的方法，其特征在于，所述当前阶段的特征包括第一向量，相应地，所述提取所述订单在当前阶段的特征，包括：
获取所述订单对应的物品的名称；
将所述物品的名称映射至向量空间，得到所述第一向量。


5.根据权利要求1所述的方法，其特征在于，所述当前阶段的特征包括第二向量，相应地，所述提取所述订单在当前阶段的特征，包括：
获取所述订单对应的物品的名称；
将所述物品的名称映射至向量空间，得到第一向量；
对所述第一向量与所述物品的交易参数进行融合，得到所述第二向量，其中，所述交易参数包括销量或出售频率中的一项或多项。


6.根据权利要求5所述的方法，其特征在于，所述出售频率采用以下方式得到：
根据所述订单的下单时间点，查询所述订单对应的商户的下单时间与出售频率之间的对应关...

【专利技术属性】
技术研发人员：吴卓林，张涛，雷宇，
申请(专利权)人：北京三快在线科技有限公司，
类型：发明
国别省市：北京;11