[发明专利]订单出餐时间预测方法、装置、电子设备及存储介质

权利要求书

1.一种订单出餐时间预测方法，其特征在于，包括：

获取待预测订单的订单信息；

将所述订单信息对应的特征数据输入预测模型，得到所述待预测订单的出餐时间；所述特征数据为根据订单价格、订单上的菜品种类、订单时间、商家信息中的至少一项，以及上述信息对应的预设权重确定；

所述预测模型，是通过如下方法得到的：

获取订单对应的训练样本集及初始神经网络模型，所述训练样本集包括：删失样本订单及第一参考取餐时间、非删失样本订单及第二参考出餐时间；非删失样本订单的关联信息中包含真实出餐时间；

基于所述删失样本订单及第一参考取餐时间、非删失样本订单及第二参考出餐时间、以及损失函数对所述初始神经网络模型进行训练，直至所述损失函数收敛，损失函数收敛时对应的神经网络模型为预测模型。

2.根据权利要求1所述的方法，其特征在于，所述基于所述删失样本订单及第一参考取餐时间、非删失样本订单及第二参考出餐时间、以及损失函数对所述初始神经网络模型进行训练，包括：

将所述删失样本订单及非删失样本订单对应的特征数据输入至所述初始神经网络模型，得到各删失样本订单对应的预测出餐时间及各非删失样本订单对应的预测出餐时间；

将所述第一参考取餐时间与所述删失样本订单对应的预测出餐时间、及所述第二参考出餐时间与所述非删失样本订单对应的预测出餐时间输入至所述损失函数，得到损失函数的值；

基于所述损失函数的值对神经网络模型进行迭代训练。

3.根据权利要求2所述的方法，其特征在于，所述损失函数中包括删失参数，所述损失函数包括：包含所述删失参数的函数项及不包含所述删失参数的函数项，所述将所述第一参考取餐时间与所述删失样本订单对应的预测出餐时间、及所述第二参考出餐时间与所述非删失样本订单对应的预测出餐时间输入至所述损失函数，得到损失函数的值，包括：

基于所述包含删失参数的函数项确定所述删失样本订单对应的损失函数的值；

基于所述不包含所述删失参数的函数项确定所述非删失样本订单对应的损失函数的值。

4.根据权利要求3所述的方法，其特征在于，针对所述删失样本订单，所述方法还包括：

获取所述删失样本订单的应用场景信息，根据所述应用场景信息调取与所述应用场景信息关联的删失参数的取值。

5.根据权利要求1所述的方法，其特征在于，所述删失样本订单及非删失样本订单中包括商家信息，所述基于所述删失样本订单及第一参考取餐时间、非删失样本订单及第二参考出餐时间、以及损失函数对所述初始神经网络模型进行训练，包括：

获取所述商家信息的关联信息；

根据所述删失样本订单及第一参考取餐时间、非删失样本订单及第二参考出餐时间、所述关联信息以及损失函数对所述初始神经网络模型进行训练。

6.一种订单出餐时间预测方法，其特征在于，包括：

获取订单的训练数据集以及初始神经网络模型，其中，训练数据集包括删失样本订单及第一参考取餐时间、非删失样本订单及第二参考出餐时间；

将各所述删失样本订单及非删失样本订单分别对应的特征数据输入至所述初始神经网络模型，得到每个删失样本订单及非删失样本订单分别对应的预测出餐时间；

将所述非删失样本订单对应的预测出餐时间与所述第二参考出餐时间，及所述删失样本订单对应的预测出餐时间与所述第一参考取餐时间输入至所述损失函数，得到非删失样本订单及删失样本订单对应的损失函数的值；

基于所述损失函数的值对神经网络模型进行训练，直至所述神经网络模型对应的损失函数收敛，将损失函数收敛时的神经网络模型作为预测模型，以基于所述预测模型及待预测订单的订单信息对应的特征数据，对待预测订单进行出餐时间的预测；

所述特征数据为根据订单价格、订单上的菜品种类、订单时间、商家信息中的至少一项，以及上述信息对应的预设权重确定。

7.根据权利要求6所述的方法，其特征在于，所述损失函数为带左删失的连续概率分层打分目标函数。