[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

说明书

本公开涉及一种订单准备时间的预测方法和装置，电子设备及存储介质，以解决相关技术中的订单特征信息提取方法的效率和准确性难低的问题。所述订单准备时间的预测方法包括：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，对于所述订单信息中的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；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。

技术领域

本公开涉及网络技术领域，具体地，涉及一种订单准备时间的预测方法和装置，电子设备及存储介质。

背景技术

订单准备时间是指从商家接订单到商家准备好订单中商品的时间。订单准备时间表征了订单准备的难易程度，可作为订单配送调度系统的重要参数，直接影响压单和派单结果。

相关技术中，通常采用人工统计方法对订单的商品信息(例如包括商品名称、商品单价、商品数量)以及商家信息(例如包括进单量、未完成订单数量)等信息进行特征提取，将提取出的特征输入机器学习模型进行预测，得到订单的准备时间。

发明内容

本公开的目的是提供一种订单准备时间的预测方法和装置，电子设备及存储介质，以解决相关技术中的订单特征信息提取方法的效率和准确性难低的问题。

为了实现上述目的，根据本公开实施例的第一方面，提供一种订单准备时间的预测方法，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。

可选地，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。

可选地，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。

可选地，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。

可选地，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：