[发明专利]货源的展示方法、装置、电子设备、存储介质

权利要求书

1.一种货源的展示方法，其特征在于，包括：

获取待展示货源的货源信息；

根据所述货源信息所在地区所属的地区簇，确定一经训练的成交预测模型，其中，各地区聚类后形成地区簇，每一地区簇的历史订单数据用于训练一所述成交预测模型；

提取待展示的货源信息的一级特征数据；

将所述待展示的货源信息的一级特征数据，输入一经训练的二级特征预测模型，所述二级特征预测模型由频繁模型以及LightGBM模型融合获得；

获取所述二级特征预测模型预测的二级特征数据；

将至少部分所述待展示的货源信息的一级特征数据以及所述二级特征数据输入所述成交预测模型；

根据所述成交预测模型的预测结果对待展示货源的货源信息进行排序；

展示经排序的货源信息，

其中，所述频繁模型按如下步骤训练：

获取预设时间段内的历史订单数据的货源信息；

提取所述历史订单数据的货源信息的一级特征数据，形成键；

提取所述历史订单数据中的二级特征数据并关联对应的键；

计算各键关联的二级特征数据的均值以及标准差；

基于各键关联的二级特征数据的均值以及标准差，计算各键关联的二级特征数据的变异系数；

遍历所有的键，当该键关联的二级特征数据的数量大于等于第一阈值，且该键关联的二级特征数据的变异系数小于等于第二阈值时，保留该键；

将保留的键与关联的二级特征数据的中位数的映射关系作为经训练的频繁模型，

所述LightGBM模型按如下步骤训练：

获取预设时间段内的历史订单数据的货源信息；

提取所述历史订单数据的货源信息的一级特征数据，所述一级特征数据包括货源维度特征数据、货主维度特征数据以及路线维度特征数据；

自多个一级特征数据中选取最相关的N个一级特征数据，N为大于1的整数；

提取所述历史订单数据中的二级特征数据并关联N个一级特征数据，形成样本集；

基于所述样本集训练所述LightGBM模型，

所述频繁模型以及LightGBM模型按如下步骤融合：

根据待展示的货源信息的部分一级特征数据，形成待预测键；

判断所述待预测键是否命中所述频繁模型中的键；

若是，则将所述频繁模型中的键关联的数据作为所述二级特征数据；

若否，则将所述一级特征数据输入所述LightGBM模型；

将所述LightGBM模型输出的数据作为所述二级特征数据。

2.如权利要求1所述的货源的展示方法，其特征在于，各地区通过如下方式进行聚类：

获取各地区的历史订单数据；

获取各地区的地区数据；

根据各地区的历史订单数据以及地区数据，形成多个地区特征；

基于所述多个地区特征，采用K-means算法对各地区进行聚类获得地区簇。

3.如权利要求2所述的货源的展示方法，其特征在于，同一地区簇的不同地区的货源信息在所述成交预测模型的训练和/或预测时，具有不同的权重。