[发明专利]订单准备时间的预测方法和装置，电子设备及存储介质

权利要求书

1.一种订单准备时间的预测方法，其特征在于，包括：

对待预测订单的订单信息进行特征提取，得到所述待预测订单的特征信息；

根据所述待预测订单的特征信息，预测所述待预测订单的准备时间；

其中，所述订单信息包括商品信息，对于所述商品信息根据以下方式进行特征提取：

将所述待预测订单中的所有商品的名称输入至预先建立的隐向量模型中，得到每一所述商品的名称的隐向量，并根据各个所述商品的名称的隐向量确定所述待预测订单的商品共现向量，所述商品共现向量用于表征一订单中的商品的共现特征；

根据各个所述商品的属性信息及其名称的隐向量，确定所述待预测订单的属性向量，所述属性向量用于表征所述待预测订单中的商品属性特征；

所述商品信息包括所述待预测订单中的所有商品的名称和属性信息，所述待预测订单的特征信息包括所述商品共现向量和所述属性向量；

其中，所述根据所述待预测订单的特征信息，预测所述待预测订单的准备时间，包括：

将所述待预测订单的特征信息输入至预先建立的订单准备时间预测模型，得到所述待预测订单的准备时间，所述订单准备时间预测模型是将不同样本订单的实际准备时间和特征信息作为训练数据训练得到的；

在所述将所述待预测订单的特征信息输入至预先建立的订单准备时间预测模型之前，还包括：将所述待预测订单的特征信息中包括所述商品共现向量和所述属性向量在内的所有向量进行拼接；

所述将所述待预测订单的特征信息输入至预先建立的订单准备时间预测模型，包括：

将拼接后的向量输入至所述订单准备时间预测模型。

2.根据权利要求1所述的方法，其特征在于，所述隐向量模型是根据以下方式训练的：

将样本订单中的每一样本商品的名称输入至所述隐向量模型，得到每一样本商品的名称的隐向量；

预测各个所述隐向量对应的商品名称；

根据各个所述样本商品的名称的隐向量，以及预测得到的商品名称与所述样本商品的名称之间的一致性，更新所述隐向量模型。

3.根据权利要求2所述的方法，其特征在于，所述预测所述隐向量对应的商品名称，包括：

针对每一所述隐向量，获取该隐向量的关联隐向量的平均值，其中，所述关联隐向量包括所述样本订单中，与该隐向量对应的样本商品相邻的其他样本商品的名称对应的隐向量；

根据该平均值预测该隐向量对应的商品名称。

4.根据权利要求1所述的方法，其特征在于，所述根据各个所述商品的名称的隐向量确定所述待预测订单的商品共现向量，包括：

获取所有所述商品的名称的隐向量的平均值，作为所述待预测订单的商品共现向量。

5.根据权利要求1所述的方法，其特征在于，所根据各个所述商品的属性信息及其名称的隐向量，确定所述待预测订单的属性向量，包括：

针对所述待预测订单中每一类属性，根据以下公式确定该类属性对应的属性向量：

H_j＝attr_j1·h₁+...+attr_jn·h_n

其中，H_j为所述待预测订单中的第j类属性对应的属性向量，0≤j≤m；m为所述待预测订单中的商品的属性类别数量；h_i为所述待预测订单中的第i个商品的名称的隐向量，0≤i≤n，n为所述待预测商品中的商品总数；attr_ji为所述第i个商品的第j类属性的值。