[发明专利]一种外卖平台差评预测的方法

权利要求书

1.一种外卖平台差评预测的方法，其特征在于，包括以下步骤:

步骤1、获取外卖平台买家信息以及买家历史订单信息；

步骤2、根据买家历史订单信息对买家进行分类；

步骤3、建立差评预测模型；

步骤4、获取当前订单信息，将订单信息输入差评预测模型；

步骤5、输出预测信息，若预测到买家差评的可能性大于阈值，则发出警报信息，通知商家，随时对订单进行跟踪，尽可能降低买家差评的概率。

2.如权利要求1所述的一种外卖平台差评预测的方法，其特征在于，所述步骤1中，买家信息包括买家在外卖平台的ID、买家的姓名、买家的电话以及买家的送餐地址，买家历史订单信息包括买家姓名、下单时间、送餐地址、订单备注、骑手名称、骑手接单时长、到店时长、到店等餐时长、送达时长、买家评价内容、买家评分以及买家配送评价标签。

3.如权利要求2所述的一种外卖平台差评预测的方法，其特征在于，所述步骤2中，分类是根据买家历史订单信息，从心理学的角度对买家进行分类，可以划分为多血质买家、黏液质买家、胆汁质买家以及抑郁质买家。

4.如权利要求3所述的一种外卖平台差评预测的方法，其特征在于，所述步骤3中，利用GRU网络来建立差评预测模型

步骤S1、准备数据集，将数据集划分为训练集与测试集，训练集与测试集的比例为8:2；

步骤S2、数据预处理，数据预处理包括对数据集数字化处理，然后将数字化处理后的数据集进行独热编码；

步骤S3、建立GRU网络，利用GRU网络训练得到差评预测模型，GRU网路的前向传播计算为：

r_t＝σ(W_r·[h_t-1，x_t]) (1)

z_t＝σ(W_z·[h_t-1，x_t]) (2)

y_t＝σ(W_o·h_t) (5)

公式(1)、(2)、(3)、(4)和(5)中，r_t表示重置门神经元，z_t表示更新门神经元，表示记忆门神经元，h_t表示当前时刻的候选集，y_t表示输出，W_r表示重置门的连接权值，W_z表示更新门的连接权值，表示记忆门的连接权值，W_o表示输出层的连接权值，σ指的是sigmoid函数，x_t表示t时刻的输入向量，[]表示两个向量相连，*表示矩阵的乘积，h_t-1表示前一时刻候选集。

5.如权利要求4所述的一种外卖平台差评预测的方法，其特征在于，所述步骤5中，阈值取值范围为40％-50％，发出警报信息的途径有发送短信、指示灯或者显示屏显示以及蜂鸣器报警，采用其中一种或者多种相互结合的方式。