[发明专利]物流准时保业务推荐方法、装置、计算机设备和存储介质

权利要求书

1.一种物流准时保业务推荐方法，其特征在于，所述方法包括：

获取当前订单的实时订单数据；

提取所述实时订单数据中物流特征，并将提取的物流特征输入至预设准时送达判别模型；

若所述当前订单属于准时送达类型订单，则获取当前订单客户的客户特征；

当根据所述客户特征识别当前订单客户属于准时保业务的目标客户时，推荐准时保业务。

2.根据权利要求1所述的方法，其特征在于，所述提取所述实时订单数据中物流特征，并将提取的物流特征输入至预设准时送达判别模型之前，还包括：

获取历史订单的订单数据；

提取所述历史订单的订单数据中影响配送时效的元数据特征；

将提取的元数据特征输入至初始逻辑回归模型进行训练，得到预设准时送达判别模型，所述初始逻辑回归模型的类别划分阈值为预设概率阈值，所述预设概率阈值与历史订单时效达成率相关。

3.根据权利要求2所述的方法，其特征在于，所述将提取的元数据特征输入至初始逻辑回归模型进行训练，得到预设准时送达判别模型包括：

将提取的元数据特征输入至多个不同的初始逻辑回归模型进行训练，得到多个已训练的初始逻辑回归模型，其中，不同的初始逻辑回归模型中迭代次数以及正则系数不同；

获取预设样本测试数据，根据所述预设样本测试数据分别对所述多个已训练的初始逻辑回归模型进行测试，得到所述多个已训练的初始逻辑回归模型的测试结果；

根据所述测试结果以及预设模型选择指标，从所述多个已训练的初始逻辑回归模型中选取最优的模型作为预设准时送达判别模型。

4.根据权利要求2所述的方法，其特征在于，所述将提取的元数据特征输入至初始逻辑回归模型进行训练包括：

采用卡方检验方法验证提取的元数据特征与订单是否准时送达的相关性程度；

选取相关性较大的元数据特征输入至初始逻辑回归模型进行训练。

5.根据权利要求4所述的方法，其特征在于，所述选取相关性较大的元数据特征输入至初始逻辑回归模型进行训练包括：

采用平均数编码的方式对相关性较大的元数据特征进行归一处理，得到归一后的特征；

将所述归一后的特征输入至初始逻辑回归模型进行训练。

6.根据权利要求1所述的方法，其特征在于，还包括：

获取历史记录中购买准时保业务的种子客户；

提取所述种子客户的客户特征；

根据所述当前订单客户的客户特征与所述种子客户的客户特征，判断所述当前订单客户是否为准时保业务的目标客户。

7.根据权利要求6所述的方法，其特征在于，所述根据所述当前订单客户的客户特征与所述种子客户的客户特征，判断所述当前订单客户是否为准时保业务的目标客户包括：

计算所述当前订单客户与所述种子客户的余弦相似度；

根据所述余弦相似度，判断所述当前订单客户是否为准时保业务的目标客户。

8.一种物流准时保业务推荐装置，其特征在于，所述装置包括：

订单获取模块，用于获取当前订单的实时订单数据；

物流特征提取模块，用于提取所述实时订单数据中物流特征，并将提取的物流特征输入至预设准时送达判别模型；

客户特征提取模块，用于当所述当前订单属于准时送达类型订单时，获取当前订单客户的客户特征；

业务推荐模块，用于当根据所述客户特征识别当前订单客户属于准时保业务的目标客户时，推荐准时保业务。

9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。