【技术实现步骤摘要】
本公开的实施例涉及计算机，具体涉及模型生成方法、订单量生成方法、装置、设备和介质。
技术介绍
1、针对目标快递产品类别的订单量预测为当前物流领域的常见操作。对于目标快递产品类别的订单量预测，通常采用的方式为：获取针对目标快递产品类别的历史快递量集。然后，将上述历史快递量集输入至时间序列预测方法，得到目标未来时间的订单量。
2、然而，当采用上述方式来预测目标快递产品类别的订单量，经常会存在如下技术问题：
3、仅考虑时间维度上的各个历史快递量，存在订单量生成不够精准的问题。
技术实现思路
1、本公开的内容部分用于以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。本公开的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。
2、本公开的一些实施例提出了模型生成方法、订单量生成方法、装置、设备和介质，来解决以上
技术介绍
部分提到的技术问题。
3、第一方面，本公开的一些实施例提供了一种模型生成方法，包括：获取针对目标快递产品类别的订单量特征信息集序列和订单量序列；确定上述订单量特征信息集序列中的每个订单量特征信息集与订单量子序列中对应订单量之间映射关系，得到映射关系序列，其中，上述订单量子序列为上述订单量序列中的、目标时间段内的订单量；根据上述映射关系序列，生成上述订单量子序列对应的权重信息序列，其中，上述权重信息序列表征上述订单量子序列与目标订单量之间的关联关系，上述目标订
4、可选地，上述映射关系序列中的映射关系包括：映射数值集；以及上述根据上述映射关系序列，生成上述订单量子序列对应的权重信息序列，包括：将上述映射关系序列中的每个映射关系包括的映射数值集进行归一化处理，以生成归一化后数值集，得到归一化后数值集序列；对于上述归一化后数值集序列中的每个归一化后数值集，执行信息生成步骤：将上述归一化后数值集中的归一化后数值与对应订单量特征信息集中的订单量特征信息进行对应相乘，得到相乘结果集；将上述相乘结果集所包括的相乘结果进行相加，得到相加结果；根据所得到的相加结果集，生成上述权重信息序列。
5、可选地，上述根据所得到的相加结果集，生成上述权重信息序列，包括：将上述相加结果集作为训练数据集，上述目标订单量作为标签，对第一初始回归模型进行训练，得到训练后的第一回归模型；将上述训练后的第一回归模型中的各个特征参数值确定为权重信息序列。
6、可选地，上述根据上述权重信息序列、上述订单量子序列和上述目标订单量，生成订单量生成模型，包括：将上述权重信息序列中的权重信息与上述订单量子序列中对应的订单量进行相乘，得到相乘后订单量序列；将上述相乘后订单量序列作为训练数据集，上述目标订单量作为训练标签，对第二初始回归模型进行训练，得到训练后的第二回归模型；将训练后的第二回归模型确定为上述订单量生成模型。
7、第二方面，本公开的一些实施例提供了一种模型生成装置，包括：第一获取单元，被配置成获取针对目标快递产品类别的订单量特征信息集序列和订单量序列；确定单元，被配置成确定上述订单量特征信息集序列中的每个订单量特征信息集与订单量子序列中对应订单量之间映射关系，得到映射关系序列，其中，上述订单量子序列为上述订单量序列中的、目标时间段内的订单量；第一生成单元，被配置成根据上述映射关系序列，生成上述订单量子序列对应的权重信息序列，其中，上述权重信息序列表征上述订单量子序列与目标订单量之间的关联关系，上述目标订单量为上述订单量序列中目标序列位置的订单量；第二生成单元，被配置成根据上述权重信息序列、上述订单量子序列和上述目标订单量，生成订单量生成模型。
8、可选地，上述映射关系序列中的映射关系包括：映射数值集；以及第一生成单元可以被配置成：将上述映射关系序列中的每个映射关系包括的映射数值集进行归一化处理，以生成归一化后数值集，得到归一化后数值集序列；对于上述归一化后数值集序列中的每个归一化后数值集，执行信息生成步骤：将上述归一化后数值集中的归一化后数值与对应订单量特征信息集中的订单量特征信息进行对应相乘，得到相乘结果集；将上述相乘结果集所包括的相乘结果进行相加，得到相加结果；根据所得到的相加结果集，生成上述权重信息序列。
9、可选地，第一生成单元可以被配置成：将上述相加结果集作为训练数据集，上述目标订单量作为标签，对第一初始回归模型进行训练，得到训练后的第一回归模型；将上述训练后的第一回归模型中的各个特征参数值确定为权重信息序列。
10、可选地，第二生成单元可以被配置成：将上述权重信息序列中的权重信息与上述订单量子序列中对应的订单量进行相乘，得到相乘后订单量序列；将上述相乘后订单量序列作为训练数据集，上述目标订单量作为训练标签，对第二初始回归模型进行训练，得到训练后的第二回归模型；将训练后的第二回归模型确定为上述订单量生成模型。
11、第三方面，本公开的一些实施例提供了一种订单量生成方法，包括：获取针对目标快递产品类别的历史订单量序列；将上述历史订单量序列中的各个历史订单量输入至订单量生成模型，以生成未来预定时间的订单量，其中，上述订单量生成模型是通过如上述第一方面中任一实现方式描述的方法生成的。
12、第四方面，本公开的一些实施例提供了一种订单量生成装置，包括：第二获取单元，被配置成获取针对目标快递产品类别的历史订单量序列；输入单元，被配置成将上述历史订单量序列中的各个历史订单量输入至预先训练的订单量生成模型，以生成未来预定时间的订单量，其中，上述订单量生成模型是通过如上述第一方面中任一实现方式描述的方法生成的。
13、第五方面，本公开的一些实施例提供了一种电子设备，包括：一个或多个处理器；存储装置，其上存储有一个或多个程序，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如第一方面或第三方面中任一实现方式描述的方法。
14、第六方面，本公开的一些实施例提供了一种计算机可读介质，其上存储有计算机程序，其中，程序被处理器执行时实现如第一方面或第三方面中任一实现方式描述的方法。
15、本公开的上述各个实施例具有如下有益效果：通过本公开的一些实施例的模型生成方法使用订单量生成模型，可以精准地生成针对目标时间的、目标快递产品类别的订单量。具体来说，造成生成订单量不够精准地原因在于：仅考虑时间维度上的各个历史快递量，存在订单量生成不够精准的问题。基于此，本公开的一些实施例的模型生成方法，首先，获取针对目标快递产品类别的订单量特征信息集序列和订单量序列。其中，订单量特征信息集为上述目标快递产品类别在对应时间的各个快递产品特征信息，订单量为上述目标快递产品类别在对应时间的订单量。然后，确定上述订单量特征信息集序列中的每个订单量特征信息集与上述订单量子序列中对应订单量之间映射关本文档来自技高网...
【技术保护点】
1.一种模型生成方法，包括：
2.根据权利要求1所述的方法，其中，所述映射关系序列中的映射关系包括：映射数值集；以及
3.根据权利要求2所述的方法，其中，所述根据所得到的相加结果集，生成所述权重信息序列，包括：
4.根据权利要求1所述的方法，其中，所述根据所述权重信息序列、所述订单量子序列和所述目标订单量，生成订单量生成模型，包括：
5.一种订单量生成方法，包括：
6.一种模型生成装置，包括：
7.根据权利要求6所述的装置，其中，所述第二生成单元进一步被配置成：
8.一种订单量生成装置，包括：
9.一种电子设备，包括：
10.一种计算机可读介质，其上存储有计算机程序，其中，所述程序被处理器执行时实现如权利要求1-5中任一所述的方法。
【技术特征摘要】
1.一种模型生成方法，包括：
2.根据权利要求1所述的方法，其中，所述映射关系序列中的映射关系包括：映射数值集；以及
3.根据权利要求2所述的方法，其中，所述根据所得到的相加结果集，生成所述权重信息序列，包括：
4.根据权利要求1所述的方法，其中，所述根据所述权重信息序列、所述订单量子序列和所述目标订单量，生成订单量生成模型，包括：
【专利技术属性】
技术研发人员：钱琦，陶戈，
申请(专利权)人：北京京东振世信息技术有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。