车货匹配模型的训练方法、装置、存储介质及电子设备制造方法及图纸

本发明专利技术提供一种车货匹配模型的训练方法、装置、存储介质及电子设备，所述训练方法包括：获取司机基本信息及与该司机基本信息关联的货物信息；根据所述司机基本信息与货物信息确定司机与货物之间的匹配度；将所述司机基本信息与货物信息作为车货匹配模型的输入，将所述匹配度作为所述车货匹配模型的输出，以构成样本数据；按照预设比例将所述样本数据划分为训练集和测试集；根据所述训练集和测试集对车货匹配模型进行训练。本发明专利技术可以针对不同司机进行不同货物的个性化排序推荐，从而提高司机找货的效率，提升整个系统中的车货匹配效率。

【技术实现步骤摘要】
车货匹配模型的训练方法、装置、存储介质及电子设备
本专利技术涉及计算机
，尤其涉及一种车货匹配模型的训练方法、装置、存储介质及电子设备。
技术介绍
目前，长途货运存在车货匹配困难问题。过去司机需亲自到物流园找待运输的货物，而物流园的信息繁杂且容量有限，不论从货主还是司机角度，都存在有效信息传播过慢问题。互联网的发展使得在线匹配平台成为可能，旨在提升车货匹配效率。然而每日有数百万的司机需从数百万的货物信息中筛选满意的物，且司机需求各不相同，难以使用统一规则描述，因此结合大数据与人工智能为司机提供个性化匹配方案变得极为重要。现有技术中，主要由司机自己筛选找货条件，然而长途货运场景极为复杂，将所有信息抽象为少数筛选条件非常困难，因此常规筛选无法满足司机高效找货的需求。
技术实现思路
针对现有技术中的问题，本专利技术的目的在于提供一种车货匹配模型的训练方法、装置、存储介质及电子设备，以针对不同司机进行不同货物的个性化排序推荐，从而提高司机找货的效率，提升整个系统中的车货匹配效率。根据本专利技术的一方面，提供一种车货匹配模型的训练方法，所述训练方法包括：获取司机基本信息及与该司机基本信息关联本文档来自技高网...

【技术保护点】
1.一种车货匹配模型的训练方法，其特征在于，包括：获取司机基本信息及与该司机基本信息关联的货物信息；根据所述司机基本信息与货物信息确定司机与货物之间的匹配度；将所述司机基本信息与货物信息作为车货匹配模型的输入，将所述匹配度作为所述车货匹配模型的输出，以构成样本数据；按照预设比例将所述样本数据划分为训练集和测试集；根据所述训练集和测试集对车货匹配模型进行训练。

【技术特征摘要】
1.一种车货匹配模型的训练方法，其特征在于，包括：获取司机基本信息及与该司机基本信息关联的货物信息；根据所述司机基本信息与货物信息确定司机与货物之间的匹配度；将所述司机基本信息与货物信息作为车货匹配模型的输入，将所述匹配度作为所述车货匹配模型的输出，以构成样本数据；按照预设比例将所述样本数据划分为训练集和测试集；根据所述训练集和测试集对车货匹配模型进行训练。2.根据权利要求1所述的车货匹配模型的训练方法，其特征在于，所述车货匹配模型为决策树模型。3.根据权利要求1所述的车货匹配模型的训练方法，其特征在于，所述司机基本信息至少包括司机对各货物类别的操作次数，所述货物信息至少包括货物所属的货物类别，所述根据所述司机基本信息与货物信息确定司机与货物之间的匹配度包括：将用户对该货物所属的货物类别的操作次数占该用户对各货物类别的总操作次数的比例作为该用户与该货物的匹配度。4.根据权利要求1所述的车货匹配模型的训练方法，其特征在于，所述司机基本信息至少包括司机对各货物的操作次数，所述根据所述司机基本信息与货物信息确定司机与货物之间的匹配度包括：若司机对货物信息指示的货物的操作次数大于等于预设阈值，则该司机与该货物的匹配度为最大值；若司机对货物信息指示的货物的操作次数小于预设阈值，则该司机与该货物的匹配度为最小值。5.根据权利要求3或4所述的车货匹配模型的训练方法，其特征在于，所述操作次数是指司机在预设时间段内对货物的点击、搜索、浏览次数。6.根据权利要求1至4中任一项所述的车货匹配模型的训练方法，其特征在于，所述货物信息还包括货主标识，在构成样本数据之前还包括：根据所述货主标识获取货主特征，所述样本数据中，所述车货匹配模...

【专利技术属性】
技术研发人员：汪昊楠，
申请(专利权)人：江苏满运软件科技有限公司，
类型：发明
国别省市：江苏,32