业务信息推荐系统构建方法及业务信息推荐方法技术方案

本申请涉及一种业务信息推荐系统构建方法及业务信息推荐方法。所述方法包括：获取历史业务特征数据；采用随机森林算法对历史业务特征数据进行特征选择，得到目标特征；从历史业务特征数据中获取与目标特征对应的目标特征数据，根据目标特征数据进行随机森林模型训练，得到目标随机森林模型；对目标随机森林模型中各决策树进行汇总，得到各决策树的分裂特征以及分裂节点；根据各决策树的分裂特征以及分裂节点，分布式部署预设分布式集群系统，得到业务信息推荐系统。采用本方法能够简化快递员的操作流程，提高收件效率。提高收件效率。提高收件效率。

【技术实现步骤摘要】
业务信息推荐系统构建方法及业务信息推荐方法


[0001]本申请涉及物流
，特别是涉及一种业务信息推荐系统构建方法及业务信息推荐方法。

技术介绍

[0002]随着物流技术的发展，出现了线上下单寄件方式，线上下单寄件方式是指用户在线上通过应用程序等进行下单，再到服务点寄件或预约快递员上门收件的寄件方式。
[0003]传统技术中，用户在线上通过应用程序等进行下单时，会预先填写好待寄件的业务信息，包括寄件方式、寄件重量等等，若用户选择了预约快递员上门收件的寄件方式，服务器在接收到用户填写的业务信息后会分配快递员上门收件，快递员在上门收件时，需要确认用户所填写的业务信息是否准确，并反馈结果至服务器。
[0004]然而，在快递员上门收件时，用户所填写的业务信息中的寄件重量常与实际待寄件的重量不符，这就需要快递员识别错误、称重并修改寄件信息，再反馈正确的业务信息至服务器，操作过程繁琐，存在收件效率低的问题。

技术实现思路

[0005]基于此，有必要针对上述技术问题，提供一种能够有效提高收件效率的业务信息推荐系统构建方法及业务信息推荐方法。
[0006]一种业务信息推荐系统构建方法，所述方法包括：
[0007]获取历史业务特征数据；
[0008]采用随机森林算法对历史业务特征数据进行特征选择，得到目标特征；
[0009]从历史业务特征数据中获取与目标特征对应的目标特征数据，根据目标特征数据进行随机森林模型训练，得到目标随机森林模型；
[0010]对目标随机森林模型中各决策树进行汇总，得到各决策树的分裂特征以及分裂节点；
[0011]根据各决策树的分裂特征以及分裂节点，分布式部署预设分布式集群系统，得到业务信息推荐系统。
[0012]在一个实施例中，根据各决策树的分裂特征以及分裂节点，分布式部署预设分布式集群系统，得到业务信息推荐系统包括：
[0013]根据各决策树的分裂特征以及分裂节点，对各决策树进行if-then规则转换，得到与各决策树对应的if-then规则语句；
[0014]将与各决策树对应的if-then规则语句分布式部署至预设分布式集群系统，得到业务信息推荐系统。
[0015]在一个实施例中，采用随机森林算法对历史业务特征数据进行特征选择，得到目标特征包括：
[0016]对历史业务特征数据进行OOB(Out of bag，袋外数据)采样，得到与初始分布式随
机森林模型中各决策树对应的数据样本序列表；
[0017]根据数据样本序列表将历史业务特征数据转换为RDD(Resilient Distributed DataSet，弹性分布式数据集)对象，得到与各决策树对应的RDD对象；
[0018]将与各决策树对应的RDD对象输入初始分布式随机森林模型中各决策树进行并行训练，得到目标分布式随机森林模型；
[0019]根据目标分布式随机森林模型进行特征统计，得到目标特征。
[0020]在一个实施例中，根据目标分布式随机森林模型进行特征统计，得到目标特征包括：
[0021]获取目标分布式随机森林模型中各决策树的特征参数；
[0022]根据各决策树的特征参数中的强相关参数，计算各备选特征在各决策树的强相关特征得分，强相关参数是指各备选特征在各决策树中出现的层数，各备选特征与历史业务特征数据相对应；
[0023]统计各备选特征在各决策树的强相关特征得分，得到各备选特征的强相关特征总得分；
[0024]对各备选特征的强相关特征总得分进行排序，根据排序结果得到强相关特征集合；
[0025]根据强相关特征集合和各决策树的特征参数，从各备选特征中筛选出条件相关特征集合；
[0026]根据强相关特征集合和条件相关特征集合，得到目标特征。
[0027]在一个实施例中，根据强相关特征集合和各决策树的特征参数，从各备选特征中筛选出条件相关特征集合包括：
[0028]根据强相关特征集合和各决策树的特征参数中的强相关参数，得到各决策树的条件相关参数，条件相关参数是指各备选特征在特定条件下出现的层数，特定条件是指强相关特征集合中各强相关特征出现；
[0029]根据各决策树的条件相关参数，计算各备选特征在各决策树的条件特征得分；
[0030]统计各备选特征在各决策树的条件特征得分，得到各备选特征的条件特征总得分；
[0031]对各备选特征的条件特征总得分进行排序，根据排序结果得到条件相关特征集合。
[0032]一种业务信息推荐方法，所述方法包括：
[0033]获取待处理业务特征数据；
[0034]根据预设特征对待处理业务特征数据进行特征数据筛选，得到与预设特征对应的待处理目标特征数据，预设特征与目标特征相对应；
[0035]将待处理目标特征数据输入已构建的业务信息推荐系统，得到业务信息推荐系统中各服务器的业务信息推荐结果，已构建的业务信息推荐系统根据上述业务信息推荐系统构建方法构建；
[0036]对各服务器的业务信息推荐结果进行统计，得到目标业务信息推荐结果。
[0037]在一个实施例中，将待处理目标特征数据输入已构建的业务信息推荐系统，得到业务信息推荐系统中各服务器的业务信息推荐结果包括：
[0038]将待处理目标特征数据输入已构建的业务信息推荐系统；
[0039]通过业务信息推荐系统中各服务器根据预设if-then规则语句分别对待处理目标特征数据进行处理，得到业务信息推荐系统中各服务器的业务信息推荐结果。
[0040]在一个实施例中，对各服务器的业务信息推荐结果进行统计，得到目标业务信息推荐结果包括：
[0041]对各服务器的业务信息推荐结果进行统计，确定各业务信息推荐结果出现的次数；
[0042]根据各业务信息推荐结果出现的次数，对各业务信息推荐结果进行排序，得到目标业务信息推荐结果。
[0043]一种业务信息推荐系统构建装置，所述装置包括：
[0044]获取模块，用于获取历史业务特征数据；
[0045]特征选择模块，用于采用随机森林算法对历史业务特征数据进行特征选择，得到目标特征；
[0046]模型训练模块，用于从历史业务特征数据中获取与目标特征对应的目标特征数据，根据目标特征数据进行随机森林模型训练，得到目标随机森林模型；
[0047]汇总模块，用于对目标随机森林模型中各决策树进行汇总，得到各决策树的分裂特征以及分裂节点；
[0048]部署模块，用于根据各决策树的分裂特征以及分裂节点，分布式部署预设分布式集群系统，得到业务信息推荐系统。
[0049]一种业务信息推荐装置，所述装置包括：
[0050]特征数据获取模块，用于获取待处理业务特征数据；
[0051]特征筛选模块，用于根据预设特征对待处理业务特征数据进行特征数据筛选，得到与预设特征对应的待处理目标特征数据，预设特征与目标特本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种业务信息推荐系统构建方法，其特征在于，所述方法包括：获取历史业务特征数据；采用随机森林算法对所述历史业务特征数据进行特征选择，得到目标特征；从所述历史业务特征数据中获取与所述目标特征对应的目标特征数据，根据所述目标特征数据进行随机森林模型训练，得到目标随机森林模型；对所述目标随机森林模型中各决策树进行汇总，得到各决策树的分裂特征以及分裂节点；根据各所述决策树的分裂特征以及分裂节点，分布式部署预设分布式集群系统，得到业务信息推荐系统。2.根据权利要求1所述的方法，其特征在于，所述根据各所述决策树的分裂特征以及分裂节点，分布式部署预设分布式集群系统，得到业务信息推荐系统包括：根据各所述决策树的分裂特征以及分裂节点，对各决策树进行if-then规则转换，得到与各决策树对应的if-then规则语句；将与各所述决策树对应的if-then规则语句分布式部署至预设分布式集群系统，得到业务信息推荐系统。3.根据权利要求1所述的方法，其特征在于，所述采用随机森林算法对所述历史业务特征数据进行特征选择，得到目标特征包括：对所述历史业务特征数据进行OOB采样，得到与初始分布式随机森林模型中各决策树对应的数据样本序列表；根据所述数据样本序列表将所述历史业务特征数据转换为RDD对象，得到与各决策树对应的RDD对象；将所述与各决策树对应的RDD对象输入所述初始分布式随机森林模型中各决策树进行并行训练，得到目标分布式随机森林模型；根据所述目标分布式随机森林模型进行特征统计，得到目标特征。4.根据权利要求3所述的方法，其特征在于，所述根据所述目标分布式随机森林模型进行特征统计，得到目标特征包括：获取所述目标分布式随机森林模型中各决策树的特征参数；根据各所述决策树的特征参数中的强相关参数，计算各备选特征在各决策树的强相关特征得分，所述强相关参数是指各备选特征在各决策树中出现的层数，各所述备选特征与所述历史业务特征数据相对应；统计各备选特征在各决策树的强相关特征得分，得到各备选特征的强相关特征总得分；对各所述备选特征的强相关特征总得分进行排序，根据排序结果得到强相关特征集合；根据所述强相关特征集合和各所述决策树的特征参数，从各备选特征中筛选出条件相关特征集合；根据所述强相关特征集合和所述条件相关特征集合，得到目标特征。5.根据权利要求4所述的方法，其特征在于，所述根据所述强相关特征集合和各所述决策树的特征参数，从各备选特征中筛选出条件相关特征集合包括：
根据所述强相关特征集合和各所述决策树的特征参数中的强相关参数，得到各所述决策树的条件相关参数，所述条件相关参数是指各备选特征在特定条件下出现的层数，所述...

【专利技术属性】
技术研发人员：李思文，刘琼，路高飞，
申请(专利权)人：顺丰科技有限公司，
类型：发明
国别省市：