[发明专利]基于贝叶斯算法自动分配配送任务的方法和装置

说明书

本申请涉及人工智能领域，揭示了一种基于贝叶斯算法自动分配配送任务的方法和装置，基于人工的历史分配数据，通过贝叶斯算法训练得到分类器对配送任务进行自动分类，并且随着时间的推进、已分配任务的样本数量的递增，逐渐地对分类器进行修正，进而提高分类器的分类精确度，减少人工手动分配的次数，减轻机构人员的重复性操作的压力。同时也无需进行复杂的规则分配设置，减少出错几率。

技术领域

本申请涉及到人工智能领域，特别是涉及到一种基于贝叶斯算法自动分配配送任务的方法和装置。

背景技术

现有配送系统中，配送任务由机构人员手动分配或根据设置的规则自动分配。发明人发现，手动分配在有大量配送任务时会带来大量重复性、机械性地手工操作，带来人力、时间的浪费。设置规则的自动分配又需要设置较为复杂的规则，开发规则存在较大的难度、容易出错，当出错时需要一个个地撤回任务，然后重新手动分配。所以，目前急需一种可以节约人力，且降低开发自动分配任务难度的方法。

发明内容

本申请的主要目的为提供一种基于贝叶斯算法自动分配配送任务的方法和装置，旨在通过技术手段解决现有配送任务人力资源较高或者自动分配的规则开发容易出错，最后还需要人力完成配送任务的问题。

为了实现上述发明目的，本申请提出一种基于贝叶斯算法自动分配配送任务的方法，包括：

将配送任务输入到分类器中，分类器计算出所述配送任务属于各个分类类别的第一概率值，其中，所述分类器是采用贝叶斯分类算法训练得到的分类器，所述分类类别有多个；

将各所述第一概率值分别与各分类类别预设的有效阈值进行比较，并得到比较结果；

若所述比较结果为各所述第一概率值中存在大于其对应的分类类别的所述有效阈值的第二概率值，则选择概率值最大的第二概率值对应的分类类别完成所述配送任务；

若所述比较结果为各所述第一概率值均小于其对应的分类类别的所述有效阈值，则记录用户的手动分配结果，其中，所述手动分配结果包括完成所述配送任务的分类类别；

利用每个所述配送任务分配的分类类别数据对所述分类器进行训练，修正所述分类器。

进一步地，若所述比较结果为各所述第一概率值均小于所述有效阈值，则记录用户的手动分配结果的步骤包括：

若各所述第一概率值均小于其对应的分类类别的所述有效阈值，则对各所述第一概率值进行排序以获得排序列表，其中，所述排序列表中包括第一概率值，及其对应的分类类别和有效阈值；

将所述排序列表显示在预设的屏幕上，以供所述用户在手动分配时参考使用；

记录所述用户的手动分配结果。

进一步地，所述记录所述用户的手动分配结果的步骤之前，还包括：

控制警报器发起提醒人工分配的警报信息；

判断在指定时间内是否接收到人工的手动分配的分配结果；

若否，则按照所述排序列表中排序最高的第一概率值进行分类已完成配送任务，并禁止利用本次完成的配送任务数据作为修正所述分类器的样本。

进一步地，所述报警信息是邮件，所述邮件中记载所述配送任务和所述排序列表，所述控制警报器发起提醒人工分配的警报信息的步骤之后，还包括：

接收对应所述报警信息的反馈邮件，其中，所述反馈邮件中带有用户的分配建议；

解析所述反馈邮件，得到所述分配建议；

执行所述分配建议完成配送任务。

进一步地，上述控制警报器发起提醒人工分配的警报信息的步骤包括：