[发明专利]接单响应时长的输出方法、装置、电子设备及计算机介质在审
申请号: | 202110055354.6 | 申请日: | 2021-01-15 |
公开(公告)号: | CN113793165A | 公开(公告)日: | 2021-12-14 |
发明(设计)人: | 柴睿鸽;刘宗节 | 申请(专利权)人: | 北京京东拓先科技有限公司 |
主分类号: | G06Q30/02 | 分类号: | G06Q30/02;G06Q30/06;G06N3/04;G06N3/08 |
代理公司: | 北京律智知识产权代理有限公司 11438 | 代理人: | 王辉;阚梓瑄 |
地址: | 100176 北京市大兴区北京经济*** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 响应 输出 方法 装置 电子设备 计算机 介质 | ||
1.一种接单响应时长的输出方法,其特征在于,包括:
响应于当前时刻用户发起的下单指令,获取所述用户的下单类型,并根据所述用户的下单类型确定所述用户对应的接单对象的类型;
根据所述接单对象的类型获取所述接单对象的离线特征以及所述当前时刻对应的多个预设时间段内的实时特征;
根据所述接单对象的所述离线特征和所述实时特征生成所述接单对象对应的特征矩阵;
将所述接单对象对应的特征矩阵输入卷积神经网络中,并通过所述卷积神经网络输出所述接单对象对应的接单响应时长。
2.根据权利要求1所述的接单响应时长的输出方法,其特征在于,所述根据所述接单对象的类型获取所述接单对象的离线特征以及所述当前时刻对应的多个预设时间段内的实时特征,包括:
获取所述卷积神经网络输入的特征深度和特征矩阵维数,根据所述特征深度确定当前时刻所述实时特征对应的多个预设时间段,并根据所述特征矩阵维数确定离线特征矩阵维数和实时特征矩阵维数;
根据所述接单对象的类型以及所述接单对象的离线特征矩阵维数,获取所述接单对象的离线特征;
根据所述接单对象的类型以及所述接单对象的实时特征矩阵维数,获取所述接单对象在多个所述预设时间段内的实时特征。
3.根据权利要求2所述的接单响应时长的输出方法,其特征在于,所述根据所述特征深度确定当前时刻所述实时特征对应的多个预设时间段,包括:
获取所述当前时刻对应的完整时间段,并根据所述特征深度确定所述预设时间段的个数;
根据所述完整时间段以及所述预设时间段的个数,确定当前时刻所述实时特征对应的多个预设时间段。
4.根据权利要求2所述的接单响应时长的输出方法,其特征在于,所述根据所述接单对象的类型以及所述接单对象的离线特征矩阵维数,获取所述接单对象的离线特征,包括:
根据所述接单对象的类型获取所述接单对象的原始离线特征,并获取各个所述原始离线特征对应的权重;
根据所述原始离线特征对应的权重对所述原始离线特征进行排序和过滤,得到所述离线特征;
根据所述接单对象的离线特征矩阵维数,对所述离线特征进行压缩降维,得到待输入的所述离线特征。
5.根据权利要求1至权利要求4中任意一项所述的接单响应时长的输出方法,其特征在于,所述接单对象的离线特征包括:所述接单对象的过程离线特征、行为离线特征和属性离线特征。
6.根据权利要求1至权利要求4中任意一项所述的接单响应时长的输出方法,其特征在于,所述接单对象的实时特征包括:所述接单对象的过程实时特征、行为实时特征和属性实时特征。
7.根据权利要求1所述的接单响应时长的输出方法,其特征在于,所述卷积神经网络包括一个输入层、四个隐藏层和一个全连接层。
8.根据权利要求7所述的接单响应时长的输出方法,其特征在于,所述隐藏层包括两个最大池化层和两个卷积层。
9.一种接单响应时长的输出装置,其特征在于,包括:
对象类型获取模块,用于响应于当前时刻用户发起的下单指令,获取所述用户的下单类型,并根据所述用户的下单类型确定所述用户对应的接单对象的类型;
对象特征获取模块,用于根据所述接单对象的类型获取所述接单对象的离线特征以及所述当前时刻对应的多个预设时间段内的实时特征;
特征矩阵生成模块,用于根据所述接单对象的所述离线特征和所述实时特征生成所述接单对象对应的特征矩阵;
响应时长输出模块,用于将所述接单对象对应的特征矩阵输入卷积神经网络中,并通过所述卷积神经网络输出所述接单对象对应的接单响应时长。
10.一种电子设备,其特征在于,包括:
处理器;以及
存储器,用于存储一个或多个程序,当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器实现如权利要求1至8中任一项所述的接单响应时长的输出方法。
11.一种计算机可读介质,其上存储有计算机程序,其特征在于,所述程序被处理器执行时实现如权利要求1至8中任一项所述的接单响应时长的输出方法。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京京东拓先科技有限公司,未经北京京东拓先科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202110055354.6/1.html,转载请声明来源钻瓜专利网。