【技术实现步骤摘要】
接单响应时长的输出方法、装置、电子设备及计算机介质
[0001]本公开涉及深度学习
,具体而言,涉及一种接单响应时长的输出方法、接单响应时长的输出装置、电子设备及计算机可读介质。
技术介绍
[0002]在一些如软件打车、外卖、或网络问诊咨询等应用场景中,用户通过发起下单指令生成订单,系统会根据用户的需求随机派给相应的接单对象,如司机、外卖骑手或者互联网医生等。
[0003]从生成订单到接单对象接单的过程中,用户会有一个等待时长,也就是接单对象的响应时长。目前,该响应时长主要是通过历史数据来进行预测,很多情况下,预测结果并不准确。
[0004]鉴于此,本领域亟需一种接单响应时长的输出方法,能够提高接单响应时长的预测准确率。
[0005]需要说明的是,在上述
技术介绍
部分公开的信息仅用于加强对本公开的背景的理解,因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。
技术实现思路
[0006]本公开的目的在于提供一种接单响应时长的输出方法、接单响应时长的输出装置、电子设备及计算机 ...
【技术保护点】
【技术特征摘要】
1.一种接单响应时长的输出方法,其特征在于,包括:响应于当前时刻用户发起的下单指令,获取所述用户的下单类型,并根据所述用户的下单类型确定所述用户对应的接单对象的类型;根据所述接单对象的类型获取所述接单对象的离线特征以及所述当前时刻对应的多个预设时间段内的实时特征;根据所述接单对象的所述离线特征和所述实时特征生成所述接单对象对应的特征矩阵;将所述接单对象对应的特征矩阵输入卷积神经网络中,并通过所述卷积神经网络输出所述接单对象对应的接单响应时长。2.根据权利要求1所述的接单响应时长的输出方法,其特征在于,所述根据所述接单对象的类型获取所述接单对象的离线特征以及所述当前时刻对应的多个预设时间段内的实时特征,包括:获取所述卷积神经网络输入的特征深度和特征矩阵维数,根据所述特征深度确定当前时刻所述实时特征对应的多个预设时间段,并根据所述特征矩阵维数确定离线特征矩阵维数和实时特征矩阵维数;根据所述接单对象的类型以及所述接单对象的离线特征矩阵维数,获取所述接单对象的离线特征;根据所述接单对象的类型以及所述接单对象的实时特征矩阵维数,获取所述接单对象在多个所述预设时间段内的实时特征。3.根据权利要求2所述的接单响应时长的输出方法,其特征在于,所述根据所述特征深度确定当前时刻所述实时特征对应的多个预设时间段,包括:获取所述当前时刻对应的完整时间段,并根据所述特征深度确定所述预设时间段的个数;根据所述完整时间段以及所述预设时间段的个数,确定当前时刻所述实时特征对应的多个预设时间段。4.根据权利要求2所述的接单响应时长的输出方法,其特征在于,所述根据所述接单对象的类型以及所述接单对象的离线特征矩阵维数,获取所述接单对象的离线特征,包括:根据所述接单对象的类型获取所述接单对象的原始离线特征,并获取各个所述原始离线特征对应的权重;根据所述原始离线特征对应的权重对所述原始离线特征进行排...
【专利技术属性】
技术研发人员:柴睿鸽,刘宗节,
申请(专利权)人:北京京东拓先科技有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。