信息显示方法、装置、电子设备和计算机可读介质制造方法及图纸

本公开的实施例公开了信息显示方法、装置、电子设备和计算机可读介质。该方法的一具体实施方式包括：获取输入下单信息集、输入促销信息集、员工信息集；将输入下单信息集和输入促销信息集输入预先训练的预测模型，生成目标下单信息集；基于员工信息集，生成目标能力信息集；确定未完成结果信息集；基于目标下单信息集、目标能力信息集和未完成结果信息集，生成履约结果信息；将履约结果信息推送至具有显示功能的目标设备，以及控制目标设备显示履约结果信息。该实施方式能够根据目标下单信息集、目标能力信息集和未完成结果信息集实时调整履约结果信息，提高了对履约结果信息的预测水平，提升了员工履约能力，改进了履约服务水平。平。平。

【技术实现步骤摘要】
信息显示方法、装置、电子设备和计算机可读介质


[0001]本公开的实施例涉及计算机
，具体涉及信息显示方法、装置、电子设备和计算机可读介质。

技术介绍

[0002]随着新零售的发展，Online To Offline(简称O2O)已经成为一个趋势。越来越多的实体商家利用互联网拓宽自己的客户群体，同时有更多的人选择在线下单。生鲜商品和其他商品相比，具有容易腐烂变质的特点，这就对配送时间提出了更高的要求。当用户在线下单时，可以根据自身需要选择配送(履约)的时段。现有技术根据历史每天的配送情况，得到每个配送员的配送能力，并将配送能力作为履约结果信息推送。
[0003]然而，当采用上述方式进行信息推送时，经常会存在如下技术问题：
[0004]第一，提前预设每天的配送任务要求，存在配送员空置的情况，限制了潜在单量。而根据历史配送情况确定履约结果信息，不能实时调整履约结果信息。
[0005]第二，由于历史配送情况受多种不同因素的影响，直接根据历史配送情况预测履约结果信息，预测水平较低，从而导致无法及时完成配送任务，或由于配送订单较少造成大量人力资源浪费。

技术实现思路

[0006]本公开的内容部分用于以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。本公开的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。
[0007]本公开的一些实施例提出了信息显示方法、装置、电子设备和计算机可读介质，来解决以上背景技术部分提到的技术问题中的一项或多项。
[0008]第一方面，本公开的一些实施例提供了一种用于信息显示的方法，该方法包括：获取输入下单信息集、输入促销信息集、员工信息集；将输入下单信息集和输入促销信息集输入预先训练的预测模型，生成目标下单信息集；基于员工信息集，生成目标能力信息集；确定未完成结果信息集；基于目标下单信息集、目标能力信息集和未完成结果信息集，生成履约结果信息；将履约结果信息推送至具有显示功能的目标设备，以及控制目标设备显示履约结果信息。
[0009]第二方面，本公开的一些实施例提供了一种电子设备，包括：一个或多个处理器；存储装置，其上存储有一个或多个程序，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如第一方面中任一的方法。
[0010]第三方面，本公开的一些实施例提供了一种计算机可读介质，其上存储有计算机程序，其中，程序被处理器执行时实现如第一方面中任一的方法。
[0011]本公开的上述各个实施例中具有如下有益效果：通过本公开的一些实施例的信息显示的方法能够根据目标下单信息集、目标能力信息集和未完成结果信息集实时调整履约
结果信息，提高了对履约结果信息的预测水平，提升了员工履约能力，改进了履约服务水平。具体来说，专利技术人发现，造成履约结果信息的预测水平不够高的原因在于：历史配送情况受多种不同因素的影响，直接根据历史配送情况预测履约结果信息，预测水平较低，从而导致无法及时完成配送任务，或由于配送订单较少造成大量人力资源浪费。此外，不能根据实际配送员工作量情况实时调整履约结果信息，限制了潜在单量。基于此，首先，本公开的一些实施例将输入下单信息集和输入促销信息集输入预先训练的预测模型，生成目标下单信息集。其中，预先训练的预测模型基于样本输入信息集以及与样本输入信息集对应的样本下单信息集进行训练得到。基于不同天气状况、日期情况、门店位置、人员配置情况等因素收集的大量数据构建样本输入信息集以及与样本输入信息集对应的样本下单信息集，该样本输入信息集中包括了大量历史配送情况，并对这些情况进行了结构化处理，能够考虑多种不同因素的影响，提高了训练得到的预测模型的预测水平。依托结构化处理的样本数据和预测模型，能够提升预测水平。其次，本公开的一些实施例基于目标下单信息集、目标能力信息集和未完成结果信息集，利用马尔可夫随机场模型生成履约结果信息。该方法能够根据当前时刻未完成结果信息集实时调整履约结果信息，能够根据当前时刻实际配送员工作量情况实时调整履约结果信息，从而充分满足潜在单量的需求。
附图说明
[0012]结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，原件和元素不一定按照比例绘制。
[0013]图1是本公开的一些实施例可以应用于其中的示例性系统的架构图；
[0014]图2是根据本公开的信息显示方法的一些实施例的流程图；
[0015]图3是根据本公开的用于训练预测模型的训练步骤的流程图；
[0016]图4是适于用来实现本公开的一些实施例的终端设备的结构示意图。
具体实施方式
[0017]下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例。相反，提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。
[0018]另外还需要说明的是，为了便于描述，附图中仅示出了与有关专利技术相关的部分。在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。
[0019]需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
[0020]需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。
[0021]下面将参考附图并结合实施例来详细说明本公开。
[0022]图1示出了可以应用本公开的信息显示方法的实施例的示例性系统架构100。
[0023]如图1所示，系统架构100可以包括终端设备101、102、103，网络104和服务器105。
网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。
[0024]用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用，例如数据处理应用、信息显示应用、数据分析应用等。
[0025]终端设备101、102、103可以是硬件，也可以是软件。当终端设备101、102、103为硬件时，可以是具有显示屏的各种终端设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。当终端设备101、102、103为软件时，可以安装在上述所列举的终端设备中。其可以实现成多个软件或软件模块(例如用来提供下单信息集输入等)，也可以实现成单个软件本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种信息显示方法，包括：获取输入下单信息集、输入促销信息集、员工信息集，其中，所述输入下单信息集包括第一数目个输入下单信息，所述输入下单信息集中的输入下单信息以半小时作为一个时间周期，所述输入下单信息对应一天之内一个时间周期的下单数量，所述输入下单信息集中的输入下单信息为当前时刻之前第二数目个小时之内的输入下单信息；将所述输入下单信息集和所述输入促销信息集输入预先训练的预测模型，生成目标下单信息集，其中，所述目标下单信息集包括第一数目个目标下单信息，所述目标下单信息集中的目标下单信息为当前时刻之后第二数目个小时之内的目标下单信息；基于所述员工信息集，生成目标能力信息集；确定未完成结果信息集，其中，所述未完成结果信息集包括第一数目个未完成结果信息，所述未完成结果信息集中的未完成结果信息以半小时作为一个时间周期，所述未完成结果信息对应一天之内一个时间周期的下单数量，所述未完成结果信息集中的未完成结果信息为当前时刻之前第二数目个小时之内的未完成结果信息；基于所述目标下单信息集、所述目标能力信息集和所述未完成结果信息集，生成履约结果信息；将所述履约结果信息推送至具有显示功能的目标设备，以及控制所述目标设备显示所述履约结果信息。2.根据权利要求1所述的方法，其中，所述输入促销信息集中的输入促销信息包括输入计划销售单量和促销类型，所述促销类型包括第一促销类型和第二促销类型。3.根据权利要求2所述的方法，其中，所述预先训练的预测模型包括循环神经网络、丢弃层和全连接层；以及所述预先训练的预测模型是通过如下步骤得到的：确定初始预测模型的网络结构以及初始化所述初始预测模型的网络参数；获取训练样本集，其中，训练样本包括样本输入信息集以及与所述样本输入信息集对应的样本下单信息集，所述样本输入信息集包括样本输入计划销售单量、样本输入实际销售单量和样本促销类型；从所述样本集中选取样本，以及执行以下训练步骤：将选取的样本的样本输入信息集输入至初始预测模型，得到所述选取的样本的下单信息集；将所述选取的样本的下单信息集与对应的样本下单信息集进行比较；根据比较结果确定所述初始预测模型是否达到预设的优化目标；响应于确定所述初始预测模型达到所述优化目标，将所述初始预测模型作为训练完成的所述预先训练的预测模型；响应于确定初始预测模型未训练完成，调整初始预测模型中的相关参数，以及从所述样本集中重新选取样本，使用调整后的初始预测模型作为初始预测模型，再次执行所述训练步骤。4.根据权利要求3所述的方法，其中，所述基于所述员工信息集，生成目标能力信息集，包括：对于所述员工信息集中的每个员工信息，确定该员工信息对应的等效人数值，以得到
等效人数值集合；将所述等效人数值集合输入预先确定的回归模型，以得到能力上限值集合；确定能力波动值集合；将所述能力上限值集合和所述能力波动值集合的乘积确定为目标能力信息集。5.根据权利要求4所述的方法，其中，所述基于所述目标下单信息集、所述目标能力信息集和所述未完成结果信息集，生成履约结果信息，包括：确定随机变量集；将所述未完成结果信息集和所述目标能力信...

【专利技术属性】
技术研发人员：张涵，张珂瑜，黄韵竹，刘鹏飞，杨凯，
申请(专利权)人：多点深圳数字科技有限公司，
类型：发明
国别省市：