一种模型训练方法、装置、存储介质及电子设备制造方法及图纸

本说明书公开了一种模型训练方法、装置、存储介质及电子设备，本说明书实施例先确定配送运力执行历史待分配订单时所对应的样本组合。根据各样本组合之间的相似度，从各样本组合中选择出指定时长组合。以指定时长组合作为各样本组合的标签，对筛选模型进行训练。在实际订单分配过程中采用训练完成的筛选模型选择出目标时长组合，再基于选择出的目标时长组合，确定每个候选配送运力执行待分配订单时的配送超时风险指标，并以此对待分配订单进行分配。此方法中，通过筛选模型从多个配送时长组合中选择出具有代表性的配送时长组合，用选择出的配送时长组合计算配送超时风险指标，可以在保证超时风险的计算精度的情况下，降低订单分配的计算压力。分配的计算压力。分配的计算压力。

【技术实现步骤摘要】
一种模型训练方法、装置、存储介质及电子设备


[0001]本说明书涉及计算机
，尤其涉及一种模型训练方法、装置、存储介质及电子设备。

技术介绍

[0002]在即时配送场景中，订单分配系统需要对大量的订单分配给合适的配送运力，使配送运力可以将订单准时送达。订单分配系统可以根据各订单以及各配送运力，生成多个“订单
‑
配送运力”组合。然后，从规划路径是否合理、订单是否超时等多个维度，确定出每个“订单
‑
配送运力”组合的匹配度，然后，以所有“订单
‑
配送运力”组合的匹配度最优为目标，将各订单分配给合适的配送运力，以使配送运力准时将订单送达。其中，订单是否超时这个维度涉及配送运力在订单配送过程中遇到的商家出餐时长不确定、商品交付时长不确定等各种不确定因素。
[0003]现有技术中，订单分配系统在订单分配过程中，可以先确定配送运力配送订单的规划路径中任意两个配送点之间可能消耗的时长的概率分布。然后，对规划路径中任意两个配送点之间的概率分布进行多次采样，根据多次采样结果，得到配送运力配送订单经过各配送点可能存在的多种配送时长组合。最后，根据多种配送时长组合，计算配送运力配送订单的超时风险，以此对各订单进行分配。
[0004]然而，现有技术中为保证超时风险的计算精度，需要提高采样次数，而采样次数的增加，必将增加订单分配系统的计算压力，为此在保证超时风险的计算精度的情况下，如何降低订单分配系统的计算压力是一个亟需解决的问题。

技术实现思路

[0005]本说明书实施例提供一种模型训练方法、装置、存储介质及电子设备，以部分解决上述现有技术存在的问题。
[0006]本说明书实施例采用下述技术方案：
[0007]本说明书提供的一种模型训练方法，包括：
[0008]获取与历史待分配订单相关联的配送运力；
[0009]根据所述配送运力执行所述历史待分配订单时所途经的任意相邻两个配送点之间的配送时长分布，确定所述配送运力执行所述历史待分配订单时经过各配送点的各配送时长组合，作为各样本组合；
[0010]根据所述各样本组合之间的相似度，从所述各样本组合中选择出指定时长组合；
[0011]以所述指定时长组合作为所述各样本组合的标签，对筛选模型进行训练，其中，训练完成的筛选模型用于在实际订单分配过程中从确定出的待分配订单的各配送时长组合中选择出目标时长组合，以根据所述目标时长组合，对所述待分配订单进行分配。
[0012]可选地，根据所述各样本组合之间的相似度，从所述各样本组合中选择出指定时长组合，具体包括：
[0013]将所述各样本组合作为样本集合；
[0014]针对所述样本集合中的每个样本组合，根据该样本组合与其他样本组合之间的相似度，确定该样本组合对应的综合相似度；
[0015]根据每个样本组合对应的综合相似度，从所述样本集合中选择出综合相似度最大的样本组合，作为指定时长组合，并判断是否满足预设的停止筛选条件；
[0016]若确定不满足所述停止筛选条件，根据除选择出的指定时长组合之外的样本组合，重新确定样本集合，并针对重新确定的样本集合中的每个样本组合，重新确定每个样本组合对应的综合相似度，以及从重新确定的样本集合中选择出指定时长组合，直至满足所述停止筛选条件为止。
[0017]可选地，所述方法还包括：
[0018]在满足预设停止条件后，针对选择出的每个指定时长组合，从满足预设停止条件后的样本集合中确定出与该指定时长组合相似度最大的样本组合，作为匹配样本组合；
[0019]根据所述配送运力执行所述历史待分配订单时经过各配送点的时长符合处于最初的样本集合中的匹配样本组合的概率，以及所述配送运力执行所述历史待分配订单时经过各配送点的时长符合处于最初的样本集合中的该指定时长组合的概率，确定所述配送运力执行所述历史待分配订单时经过各配送点的时长符合处于所有指定时长组合中的该指定时长组合的概率，作为该指定时长组合的概率。
[0020]可选地，以所述指定时长组合作为所述各样本组合的标签，对筛选模型进行训练，具体包括：
[0021]将所述各样本组合输入待训练的筛选模型中，通过所述筛选模型输出各待优化指定时长组合，以及针对每个待优化指定时长组合，确定所述配送运力执行所述历史待分配订单时经过各配送点的时长符合该待优化指定时长组合的待优化概率，作为该待优化指定时长组合对应的待优化概率；
[0022]针对每个待优化指定时长组合，以该待优化指定时长组合对应的指定时长组合与该待优化指定时长组合之间的差异最小化、该待优化指定时长组合对应的指定时长组合的概率与该待优化指定时长组合对应的待优化概率之间的差异最小化为目标，对所述筛选模型进行训练。
[0023]本说明书提供的一种订单分配方法，包括：
[0024]获取待分配订单，并确定待分配订单相关联的候选配送运力；
[0025]针对每个候选配送运力，确定该候选配送运力执行所述待分配订单时经过各配送点的各配送时长组合，作为该候选配送运力对应的各配送时长组合；
[0026]将每个候选配送运力对应的各配送时长组合输入训练完成的筛选模型中，通过所述筛选模型，针对每个候选配送运力，从该候选配送运力对应的各配送时长组合中选择出各目标时长组合，作为该候选配送运力对应的各目标时长组合，所述筛选模型是通过模型训练方法训练得到的；
[0027]根据该候选配送运力对应的各目标时长组合，确定该候选配送运力执行所述待分配订单时所对应的配送超时风险指标；
[0028]根据每个候选配送运力执行所述待分配订单时所对应的配送超时风险指标，对所述待分配订单进行分配。
[0029]可选地，根据该候选配送运力对应的各目标时长组合，确定该候选配送运力执行所述待分配订单时所对应的配送超时风险指标，具体包括：
[0030]确定该候选配送运力对应的每个目标时长组合的超时风险值；
[0031]根据该候选配送运力对应的每个目标时长组合的超时风险值，选择出至少部分目标时长组合，作为风险时长组合；
[0032]根据通过所述筛选模型确定的该候选配送运力执行所述待分配订单时经过各配送点的时长符合每个风险时长组合的概率，对每个风险时长组合的超时风险值进行加权，得到该候选配送运力执行所述待分配订单时所对应的配送超时风险指标。
[0033]本说明书提供的一种模型训练的装置，包括：
[0034]获取模块，用于获取与历史待分配订单相关联的配送运力；
[0035]确定模块，用于根据所述配送运力执行所述历史待分配订单时所途经的任意相邻两个配送点之间的配送时长分布，确定所述配送运力执行所述历史待分配订单时经过各配送点的各配送时长组合，作为各样本组合；
[0036]筛选模块，用于根据所述各样本组合之间的相似度，从所述各样本组合中选择出指定时长组合；
[0037]训练模块，用于以所述指定时长组合作为所述各本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种模型训练方法，其特征在于，包括：获取与历史待分配订单相关联的配送运力；根据所述配送运力执行所述历史待分配订单时所途经的任意相邻两个配送点之间的配送时长分布，确定所述配送运力执行所述历史待分配订单时经过各配送点的各配送时长组合，作为各样本组合；根据所述各样本组合之间的相似度，从所述各样本组合中选择出指定时长组合；以所述指定时长组合作为所述各样本组合的标签，对筛选模型进行训练，其中，训练完成的筛选模型用于在实际订单分配过程中从确定出的待分配订单的各配送时长组合中选择出目标时长组合，以根据所述目标时长组合，对所述待分配订单进行分配。2.如权利要求1所述的方法，其特征在于，根据所述各样本组合之间的相似度，从所述各样本组合中选择出指定时长组合，具体包括：将所述各样本组合作为样本集合；针对所述样本集合中的每个样本组合，根据该样本组合与其他样本组合之间的相似度，确定该样本组合对应的综合相似度；根据每个样本组合对应的综合相似度，从所述样本集合中选择出综合相似度最大的样本组合，作为指定时长组合，并判断是否满足预设的停止筛选条件；若确定不满足所述停止筛选条件，根据除选择出的指定时长组合之外的样本组合，重新确定样本集合，并针对重新确定的样本集合中的每个样本组合，重新确定每个样本组合对应的综合相似度，以及从重新确定的样本集合中选择出指定时长组合，直至满足所述停止筛选条件为止。3.如权利要求2所述的方法，其特征在于，所述方法还包括：在满足预设停止条件后，针对选择出的每个指定时长组合，从满足预设停止条件后的样本集合中确定出与该指定时长组合相似度最大的样本组合，作为匹配样本组合；根据所述配送运力执行所述历史待分配订单时经过各配送点的时长符合处于最初的样本集合中的匹配样本组合的概率，以及所述配送运力执行所述历史待分配订单时经过各配送点的时长符合处于最初的样本集合中的该指定时长组合的概率，确定所述配送运力执行所述历史待分配订单时经过各配送点的时长符合处于所有指定时长组合中的该指定时长组合的概率，作为该指定时长组合的概率。4.如权利要求3所述的方法，其特征在于，以所述指定时长组合作为所述各样本组合的标签，对筛选模型进行训练，具体包括：将所述各样本组合输入待训练的筛选模型中，通过所述筛选模型输出各待优化指定时长组合，以及针对每个待优化指定时长组合，确定所述配送运力执行所述历史待分配订单时经过各配送点的时长符合该待优化指定时长组合的待优化概率，作为该待优化指定时长组合对应的待优化概率；针对每个待优化指定时长组合，以该待优化指定时长组合对应的指定时长组合与该待优化指定时长组合之间的差异最小化、该待优化指定时长组合对应的指定时长组合的概率与该待优化指定时长组合对应的待优化概率之间的差异最小化为目标，对所述筛选模型进行训练。5.一种订单分配方法，其特征在于，包括：
获取待分配订单，并确定待分配订单相关联的候选配送运力；针对每个候选配送运力，确定该候选配送运力执行所述待分配订单时经过各配送点的各配送时长组合，作为该候选配送运力对应的各配送时长组合；将每个候选配送运力对应的各配送时长组合输入训练完成的筛选模型中，通过所述筛选模型...

【专利技术属性】
技术研发人员：李紫璇，梁易乐，段海宁，丁雪涛，
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：