拼车信息处理方法、计算机设备及计算机可读存储介质技术

本公开实施例提供了一种拼车信息处理方法、计算机设备及计算机可读存储介质，其中，拼车信息处理方法包括：统计历史拼车订单信息、历史用户画像信息及历史拼车体验信息之间的关联关系，历史拼车体验信息包括顺路数据和不顺路数据；接收拼车订单信息；根据拼车订单信息、置零的用户画像信息及关联关系，预测拼车订单信息对应的拼车体验信息。本公开实施例提供的拼车信息处理方法，统计了历史数据中历史拼车订单信息、历史用户画像信息及历史拼车体验信息之间的关联关系，提高了预测的准确性。通过在使用该关联关系时，仅采用拼车订单信息，而将用户画像信息置零，即摒弃用户画像信息，可避免杀熟，从而在提升预测准确度的同时避免杀熟。

【技术实现步骤摘要】
拼车信息处理方法、计算机设备及计算机可读存储介质
本公开实施例涉及互联网约车
，具体而言，涉及一种拼车信息处理方法、一种计算机设备及一种计算机可读存储介质。
技术介绍
在拼车场景下，平台为提高拼车效率，会通过制定一些规则对拼成不好的订单进行过滤。但由于规则比较硬，存在误伤，会将一些潜在的好的拼成订单也过滤掉，因此为提高订单拼成率，需要对一些潜在的好的拼成订单进行二次召回。现有的召回方法，是建立体验召回模型，在线上应用时，对值得进行第二次召回的拼车订单预测是否顺路，如果顺路，就将该拼车订单召回进入分单逻辑。然而顺路与否本身是个主观指标，与用户的心情、紧迫性、绕路堵车的敏感性等都相关，现有模型只使用了订单维度的相关特征，会存在偏差，使得预测是否顺路的准确度只有百分之七十左右，降低了召回准确度。
技术实现思路
本公开实施例旨在至少解决现有技术或相关技术中存在的技术问题之一。为此，本公开实施例的第一方面在于，提出一种拼车信息处理方法。本公开实施例的第二方面在于，提出一种计算机设备。本公开实施例的第三方面在于，提出一种计算机可读存储介质。有鉴于此，根据本公开实施例的第一方面，提供了一种拼车信息处理方法，包括：统计历史拼车订单信息、历史用户画像信息及历史拼车体验信息之间的关联关系，历史拼车体验信息包括顺路数据和不顺路数据；接收拼车订单信息；根据拼车订单信息、置零的用户画像信息及关联关系，预测拼车订单信息对应的拼车体验信息。本公开实施例提供的拼车信息处理方法，统计了历史数据中历史拼车订单信息、历史用户画像信息及历史拼车体验信息之间的关联关系，在仅基于客观的拼车订单信息预测拼车是否顺路的基础上，引入了用户画像信息以消除主观特征可能带来的拼车体验信息在不同个体(人)上的偏见，从而使得统计关联关系时历史拼车订单信息中的不同数据的权重更加合理，提高了预测的准确性。通过在使用该关联关系时，仅采用拼车订单信息，而将用户画像信息置零，即摒弃用户画像信息，可避免杀熟，从而在提升预测准确度的同时避免杀熟。此外，使用关联关系时将用户画像信息置零，还可以减小计算时的数据处理量，降低硬件运行负荷，这既可降低使用该关联关系预测拼车体验的硬件要求，又可提高计算效率，缩短计算耗时。另外，根据本公开实施例提供的上述技术方案中的拼车信息处理方法，还可以具有如下附加技术特征：在上述技术方案中，优选地，根据拼车订单信息、置零的用户画像信息及关联关系，预测拼车订单信息对应的拼车体验信息的步骤，包括：根据拼车订单信息、置零的用户画像信息及关联关系，确定拼车订单信息对应的顺路度；根据顺路度，预测拼车订单信息对应的拼车体验信息。在该技术方案中，具体限定了如何应用统计得到的关联关系预测拼车体验信息。首先将拼车订单信息和置零的用户画像信息代入关联关系，得到该拼车订单信息的顺路度，以体现该订单的顺路程度，进而根据该顺路度预测出拼车体验信息，可将顺路程度量化，提升预测的精度。在上述任一技术方案中，优选地，根据顺路度，预测拼车订单信息对应的拼车体验信息的步骤，包括：确定顺路度大于等于顺路度阈值，预测拼车订单信息对应的拼车体验信息为顺路数据；确定顺路度小于顺路度阈值，预测拼车订单信息对应的拼车体验信息为不顺路数据。在该技术方案中，具体限定了如何根据顺路度预测拼车体验信息。通过设定顺路度阈值来代表顺路时的顺路度，则当顺路度大于等于顺路度阈值时，就可认为拼车体验信息为顺路数据，反之，当顺路度小于顺路度阈值时，就认为不够顺路，拼车体验信息为不顺路数据，一方面可提供明确的判断标准，另一方面，可通过调整顺路度阈值改变预测时的判断标准，提升了预测的灵活性，适应于多种场景。在上述任一技术方案中，优选地，拼车信息处理方法还包括：根据应用关联关系确定的历史预测顺路度的准确率，确定顺路度阈值。在该技术方案中，进一步限定了拼车信息处理方法还包括如何确定顺路度阈值。将统计得到的关联关系应用于一个拼车订单信息后，可以预测出相应的顺路度，当该拼车订单信息对应的订单完成后，则可以得到该订单实际的顺路情况，从而知悉预测结果是否准确。当积累了一定量的应用该关联关系得到的应用历史数据后，就可以统计出历史预测顺路度的准确率，进而据此确定合理的顺路度阈值，以提升预测的准确度。在上述任一技术方案中，优选地，统计历史拼车订单信息、历史用户画像信息及历史拼车体验信息之间的关联关系的步骤，包括：利用深度学习算法，统计历史拼车订单信息、历史用户画像信息、历史拼车体验信息及顺路度之间的关联关系。在该技术方案中，具体限定了统计关联关系的一种方案。利用深度学习算法来统计关联关系，也就是首先创建一个预测模型(可以是通用模型)，并利用历史数据训练该模型，即可得到可以反映关联关系的预测模型。具体而言，训练模型时，以历史拼车订单信息和历史用户画像信息作为训练参数，以历史拼车体验信息作为标记，以顺路度作为目标参数，执行训练，使得该预测模型天然可以体现出拼车订单信息和用户画像信息的合理权重关系，有助于简化模型训练过程。应用模型时，则将拼车订单信息输入该模型，并将模型中的用户画像信息置零，相当于把权重拿掉，此时输出的顺路度就已经消除了主关因素可能带来的偏见。在上述任一技术方案中，优选地，统计历史拼车订单信息、历史用户画像信息及历史拼车体验信息之间的关联关系的步骤，包括：创建历史拼车订单信息、历史拼车体验信息、第一顺路度之间的第一关联关系；创建历史用户画像信息、历史拼车体验信息、第二顺路度之间的第二关联关系；利用同样的历史拼车订单信息、历史用户画像信息及历史拼车体验信息，对第一关联关系和第二关联关系进行联合统计。在该技术方案中，具体限定了统计关联关系的另一种方案。分别针对历史拼车订单信息和历史用户画像信息，各自创建一个与顺路度的关联关系，即为第一关联关系和第二关联关系，统计时利用同样的历史数据对第一关联关系和第二关联关系进行联合统计，以将二者相关联，则统计结果就可以分别体现两种因素对顺路度的影响，既存在区分，又体现关联。在上述任一技术方案中，优选地，根据拼车订单信息、置零的用户画像信息及关联关系，确定拼车订单信息对应的顺路度的步骤，包括：根据拼车订单信息及第一关联关系，确定第一顺路度，并将第一顺路度作为拼车订单信息对应的顺路度。在该技术方案中，具体限定了采用上述第二种方案统计关联关系时，如何应用该关联关系预测顺路度。由于本公开实施例的方案是在应用关联关系时摒弃用户画像信息，因此可直接将拼车订单信息代入第一关联关系，此时输出的第一顺路度就是既体现了用户画像信息的影响、又仅使用拼车订单信息而不使用用户画像信息进行预测的结果，可以在提升预测准确度的同时避免杀熟。此外，该方案由于仅使用第一关联关系，因此可以在硬件上仅存储和运行第一关联关系，有助于降低存储和计算负荷。在上述任一技术方案中，优选地，对第一关联关系和第二关联关系进行联合统计的操作，包括：以相加或相乘的方式对第一关联关系和第二关联关系进行联合统计。本文档来自技高网...

【技术保护点】
1.一种拼车信息处理方法，其特征在于，包括：/n统计历史拼车订单信息、历史用户画像信息及历史拼车体验信息之间的关联关系，所述历史拼车体验信息包括顺路数据和不顺路数据；/n接收拼车订单信息；/n根据所述拼车订单信息、置零的用户画像信息及所述关联关系，预测所述拼车订单信息对应的拼车体验信息。/n

【技术特征摘要】
1.一种拼车信息处理方法，其特征在于，包括：
统计历史拼车订单信息、历史用户画像信息及历史拼车体验信息之间的关联关系，所述历史拼车体验信息包括顺路数据和不顺路数据；
接收拼车订单信息；
根据所述拼车订单信息、置零的用户画像信息及所述关联关系，预测所述拼车订单信息对应的拼车体验信息。


2.根据权利要求1所述的拼车信息处理方法，其特征在于，根据所述拼车订单信息、置零的用户画像信息及所述关联关系，预测所述拼车订单信息对应的拼车体验信息的步骤，包括：
根据所述拼车订单信息、置零的所述用户画像信息及所述关联关系，确定所述拼车订单信息对应的顺路度；
根据所述顺路度，预测所述拼车订单信息对应的所述拼车体验信息。


3.根据权利要求2所述的拼车信息处理方法，其特征在于，根据所述顺路度，预测所述拼车订单信息对应的所述拼车体验信息的步骤，包括：
确定所述顺路度大于等于顺路度阈值，预测所述拼车订单信息对应的所述拼车体验信息为顺路数据；
确定所述顺路度小于所述顺路度阈值，预测所述拼车订单信息对应的所述拼车体验信息为不顺路数据。


4.根据权利要求3所述的拼车信息处理方法，其特征在于，所述拼车信息处理方法还包括：
根据应用所述关联关系确定的历史预测顺路度的准确率，确定所述顺路度阈值。


5.根据权利要求2至4中任一项所述的拼车信息处理方法，其特征在于，统计历史拼车订单信息、历史用户画像信息及历史拼车体验信息之间的关联关系的步骤，包括：
利用深度学习算法，统计所述历史拼车订单信息、所述历史用户画像信息、所述历史拼车体验信息及所述顺路度之间的所述关联关系。


6.根据权利要求2至4中任一项所述的拼车信息处理方法，其特征在于，统计历史拼车订单信息、历史用户画像信息及历史拼车体验信息之间的关联关系的步骤，包括：
创建所述历史拼车订单信息、所述历史拼车体验信息、第一顺路度之间的第一关联关系；
创建所述历史用户画像信息、所述历史拼车体验信息、第二顺路度之间的第二关联关系；
利用同样的所述历史拼车订单信息、所述历史用户画像信息及所述历史拼车体验信息，对所述第一关联关系和所述第二关联关系进行联合统计。

【专利技术属性】
技术研发人员：张成，李源，罗佩，黄紫娟，刘养彪，
申请(专利权)人：北京嘀嘀无限科技发展有限公司，
类型：发明
国别省市：北京;11