物流订单的推荐方法、装置、电子设备及存储介质制造方法及图纸

本申请实施例提供了一种物流订单的推荐方法、装置、电子设备及存储介质，涉及物流技术领域。该方法包括获取待分配物流订单的订单信息；获取当前可接单的各目标物流承运商的目标承运商信息；将各目标物流承运商的目标承运商信息与订单信息作为预先训练的评分模型的输入进行运算，得到各目标物流承运商的当前综合评分；基于各目标物流承运商的当前综合评分，确定出各目标物流承运商的推荐优先级；基于各目标物流承运商的推荐优先级对所述待分配物流订单进行推荐。本申请提供的物流订单的推荐方法、装置、电子设备及存储介质可确保物流委托商与物流承运商双方的满意度，提高客户粘性。

【技术实现步骤摘要】
物流订单的推荐方法、装置、电子设备及存储介质
本申请涉及物流
，尤其涉及一种物流订单的推荐方法、装置、电子设备及存储介质。
技术介绍
随着社会的发展，物流行业在社会中扮演着越来越重要的角色，许多行业都十分依赖于物流行业。在物流运输服务中，物流订单的分配是物流运输前必不可少的步骤。目前，许多第三方物流服务企业在物流订单分配时往往是根据个人经验进行人工配单。然而，采用这样的方式往并未考虑到物流委托商及物流承运商双方的需求，导致在订单完成后物流委托商及物流承运商对分配的物流订单满意度不高，进而导致客户粘性差。因此，如何提供一种有效的方案以确保物流委托商与物流承运商双方的满意度，已成为现有技术中一亟待解决的问题。
技术实现思路
本申请实施例提供了一种物流订单的推荐方法、装置、电子设备及存储介质，用于解决现有技术中存在的物流委托商及物流承运商对分配的物流订单满意度不高的问题。本申请实施例采用下述技术方案：第一方面，本申请实施例提供了一种物流订单的推荐方法，包括：获取待分配物流订单的订单信息本文档来自技高网...

【技术保护点】
1.一种物流订单的推荐方法，其特征在于，包括：/n获取待分配物流订单的订单信息，所述订单信息包括货物类型、货物数量、运输距离和目的地；/n获取当前可接单的各目标物流承运商的目标承运商信息，所述目标承运商信息包括承运商规模、物流运输方式以及历史订单完成时长与历史订单期限时长的比值；/n将各目标物流承运商的目标承运商信息与所述订单信息作为预先训练的评分模型的输入进行运算，得到各目标物流承运商的当前综合评分；/n基于各目标物流承运商的当前综合评分，确定出各目标物流承运商的推荐优先级；/n基于各目标物流承运商的推荐优先级对所述待分配物流订单进行推荐；/n其中，所述评分模型是以历史物流订单的历史订单信息...

【技术特征摘要】
1.一种物流订单的推荐方法，其特征在于，包括：
获取待分配物流订单的订单信息，所述订单信息包括货物类型、货物数量、运输距离和目的地；
获取当前可接单的各目标物流承运商的目标承运商信息，所述目标承运商信息包括承运商规模、物流运输方式以及历史订单完成时长与历史订单期限时长的比值；
将各目标物流承运商的目标承运商信息与所述订单信息作为预先训练的评分模型的输入进行运算，得到各目标物流承运商的当前综合评分；
基于各目标物流承运商的当前综合评分，确定出各目标物流承运商的推荐优先级；
基于各目标物流承运商的推荐优先级对所述待分配物流订单进行推荐；
其中，所述评分模型是以历史物流订单的历史订单信息和与历史物流订单对应的承运商信息作为输入，历史物流订单的综合评分作为输出进行训练得到的，历史物流订单的综合评分是根据物流委托商针对所述历史物流订单的第一评分和物流承运商针对所述历史物流订单的第二评分确定出的。


2.根据权利要求1所述的方法，其特征在于，所述基于各目标物流承运商的推荐优先级对所述待分配物流订单进行推荐，包括：
将所述待分配物流订单推送给所述各目标物流承运商中推荐优先级最高的至少一个；
如果所述待分配物流订单在被推荐后的预设时间内未被抢单，则将所述待分配物流订单推送给所述目标物流承运商中的未被推荐所述待分配物流订单的物流承运商。


3.根据权利要求1所述的方法，其特征在于，所述将各目标物流承运商的目标承运商信息与所述订单信息作为预先训练的评分模型的输入进行运算，得到各目标物流承运商的当前综合评分，包括：
将各目标物流承运商的目标承运商信息进行量化处理，得到多个第一多维向量；
将所述订单信息进行量化处理，得到第二多维向量；
将每个所述第一多维向量与所述第二多维向量进行拼接，得到与各目标物流承运商一一对应的多个第三多维向量；
将所述多个第三多维向量作为所述评分模型的输入进行运算，得到各目标物流承运商的当前综合评分。


4.根据权利要求3所述的方法，其特征在于，所述方法还包括：
将多个历史物流订单的订单信息进行量化处理，得到多个第四多维向量；
将与多个历史物流订单对应的承运商信息进行量化处理，得到多个第五多维向量；
将相对应的第四多维向量与第五多维向量进行拼接，得到多个第六多维向量；
以各第六多维向量作为建立的训练模型的输入、各第六多维向量对应的历史物流订单的综合评分作为所述训练模型的输出进行训练，得到所述评分模型。


5.根据权利要求1所述的方法，其特征在于，当历史订单信息中存在数据缺失的第一历史订单信息时，所述方法还包括：
计算所述第一历史订单信息与未存在数据缺失的第二历史订单信息的相似度；
依据所述第二历史订单信息中与所述第一历史订单信息相似度最高的至少一个历史订单信息，对所述第一历史订单信息进行数据补齐。


6.根据权利要求1所述的方法，其特征在于，所述评分模型为卷积神经网络模型或BP神经网络模型。


7.根据权利要求1所述的方法，其特征在于，历史物流订单的综合评分为所述第一评分与所述第二评分的平均值，或历史物流订单的综合评分为根据所述第一评分和所述第二评分进行加权运算得到的。


...

【专利技术属性】
技术研发人员：王杰刚，王铭霑，
申请(专利权)人：上海优备艾佳供应链管理有限公司，
类型：发明
国别省市：上海;31