[发明专利]信息输出方法和装置

说明书

本申请实施例公开了信息输出方法和装置。该方法的一具体实施方式包括：获取当前订单的订单数据；从当前订单的订单数据中提取当前订单的特征向量，其中，当前订单的特征向量用于描述当前订单的特征；将当前订单的特征向量输入至预先训练的出单时长预估模型，得到当前订单的出单时长，其中，出单时长预估模型用于表征特征向量与出单时长的对应关系；输出当前订单的出单时长。该实施方式提高了出单时长的预估准确率。

技术领域

本申请涉及计算机技术领域，具体涉及互联网技术领域，尤其涉及信息输出方法和装置。

背景技术

随着互联网以及移动互联网的快速发展，电子商务应用也得到了飞速发展。尤其是外卖网站，其改变了传统电话订购外卖服务的模式，可以提供免费、方便、快捷、自主的信息，帮助用户找到合适自己的外卖服务。合理地规划配送路线可以提高订单配送效率，从而提高外卖订单的配送准时率，有助于提高用户的体验。

预估订单的出单时长有助于配送人员合理地规划配送路线，从而提高订单配送效率。

然而，现有的出单时长预估方式通常是将商家的平均出单时长作为该商家的所有订单的出单时长，并不考虑不同订单之间的差异，导致出单时长的预估准确率较低。

发明内容

本申请实施例的目的在于提出一种改进的信息输出方法和装置，来解决以上背景技术部分提到的技术问题。

第一方面，本申请实施例提供了A1、一种信息输出方法，该方法包括：获取当前订单的订单数据；从当前订单的订单数据中提取当前订单的特征向量，其中，当前订单的特征向量用于描述当前订单的特征；将当前订单的特征向量输入至预先训练的出单时长预估模型，得到当前订单的出单时长，其中，出单时长预估模型用于表征特征向量与出单时长的对应关系；输出当前订单的出单时长。

A2、如A1所述的方法，该方法还包括训练出单时长预估模型的步骤，训练出单时长预估模型的步骤包括：获取样本订单的特征向量和样本订单的出单时长；将样本订单的特征向量作为输入，将样本订单的出单时长作为输出，训练得到出单时长预估模型。

A3、如A2所述的方法，将样本订单的特征向量作为输入，将样本订单的出单时长作为输出，训练得到出单时长预估模型，包括：执行以下训练步骤：将样本订单的特征向量输入至深层神经网络，得到样本订单的预估出单时长，利用样本订单的预估出单时长和样本订单的出单时长，确定深层神经网络的预估准确率，若预估准确率大于预设准确率阈值，则将深层神经网络作为出单时长预估模型；响应于确定预估准确率不大于预设准确率阈值，调整深层神经网络的参数，并继续执行训练步骤。

A4、如A2所述的方法，获取样本订单的特征向量和样本订单的出单时长，包括：获取第一历史订单的订单数据和出单时长；从第一历史订单的订单数据中提取第一历史订单的特征向量作为样本订单的特征向量，其中，样本订单的特征向量用于描述第一历史订单的特征；获取第一历史订单的出单类别，其中，出单类别包括第一类别和第二类别，第一类别用于表征在订单的配送资源到达订单所属商家之后订单未出单的情况，第二类别用于表征在订单的配送资源到达订单所属商家之前订单已出单的情况；若第一历史订单的出单类别是第一类别，则将第一历史订单的出单时长作为样本订单的出单时长。

A5、如A4所述的方法，获取样本订单的特征向量和样本订单的出单时长，还包括：若第一历史订单的出单类别是第二类别，则获取第一历史订单所对应的第一出单时长、第一历史订单所属商家的平均出单时长和第一时间差，其中，第一时间差是第一历史订单的配送资源到达第一历史订单所属商家的时间与第一历史订单所属商家接收第一历史订单的时间的时间差；基于第一历史订单所对应的第一出单时长、第一历史订单所属商家的平均出单时长和第一时间差，生成样本订单的出单时长。