司机类型的确定方法和装置、数据处理方法制造方法及图纸

本说明书提供了司机类型的确定方法和装置、数据处理方法。基于上述方法，具体实施前，可以先利用预设的评分模型，通过处理初始的样本数据，构建得到包含有标注后的正样本数据和标注后的负样本数据的预设的训练集；再利用预设的训练集训练得到预设的分类模型；具体实施时，可以先获取待预测的目标司机的关键因素参数；再通过利用预设的分类模型处理目标司机的关键因素参数，确定出目标司机的司机类型。从而可以充分地利用没有准确标注的初始的样本数据，训练得到精度较高、效果较好的预设的分类模型；进而可以利用该预设的分类模型基于目标司机的关键因素参数，准确地确定出目标司机的司机类型，有效地减少了分类时的误差。有效地减少了分类时的误差。有效地减少了分类时的误差。

【技术实现步骤摘要】
司机类型的确定方法和装置、数据处理方法


[0001]本说明书属于智能出行
，尤其涉及司机类型的确定方法和装置、数据处理方法。

技术介绍

[0002]随着网络乘车服务的发展和普及，越来越多的司机加入到了网络乘车服务中。其中，加入到网络乘车服务的司机又可以细分为：专职司机和兼职司机。
[0003]但是，基于现有方法，网络乘车服务平台往往很难准确辨识出哪些司机属于专职司机，哪些司机属于兼职司机。
[0004]针对上述问题，目前尚未提出有效的解决方案。

技术实现思路

[0005]本说明书提供了一种司机类型的确定方法和装置、数据处理方法，通过利用预设的分类模型基于司机的关键因素参数，能够准确地确定出司机的司机类型，有效地减少了分类时的误差。
[0006]本说明书实施例提供了一种司机类型的确定方法，包括：获取目标司机的关键因素参数；利用预设的分类模型处理目标司机的关键因素参数，得到对应的目标分类结果；其中，所述预设的分类模型包括利用预设的训练集训练得到的模型；所述预设的训练集为利用预设的评分模型构建得到的；根据目标分类结果，确定目标司机的司机类型；其中，所述司机类型包括：专职司机和兼职司机。
[0007]本说明书实施例还提供了一种数据处理方法，包括：响应目标司机的操作，向服务器发送接单请求；其中，所述服务器响应所述接单请求，根据目标司机的司机类型筛选出相匹配的乘客订单；所述目标司机的司机类型根据目标司机的关键因素参数确定；向目标司机展示相匹配的乘客订单。
[0008]本说明书实施例还提供了一种数据处理方法，包括：获取多个初始的样本数据；其中，所述初始的样本数据包括样本司机的关键因素参数；根据预设的评分模型和样本司机的关键因素参数，通过加权运算，确定出初始的样本数据的关于所对应的样本司机的专职程度的评分结果；其中，所述预设的评分模型包含有关键因素参数的权重值；根据评分结果，从初始的样本数据中筛选出正样本数据进行标注，得到标注后的正样本数据；从初始的样本数据中筛选出负样本数据进行标注，得到标注后的负样本数据；组合所述标注后的正样本数据和标注后的负样本数据，得到预设的训练集；利用预设的训练集训练所述初始的分类模型，以得到预设的分类模型。
[0009]本说明书实施例还提供了一种司机类型的确定装置，包括：获取模块，用于获取目标司机的关键因素参数；处理模块，用于利用预设的分类模型处理目标司机的关键因素参数，得到对应的目标分类结果；其中，所述预设的分类模型包括利用预设的训练集训练得到的模型；所述预设的训练集为利用预设的评分模型构建得到的；确定模块，用于根据目标分
类结果，确定目标司机的司机类型；其中，所述司机类型包括：专职司机和兼职司机。
[0010]本说明书实施例还提供了一种服务器，包括处理器以及用于存储处理器可执行指令的存储器，所述处理器执行所述指令时实现上述方法的相关步骤。
[0011]本说明书实施例还提供了一种计算机存储介质，其上存储有计算机指令，所述指令被处理器执行时实现上述方法的相关步骤。
[0012]基于本说明书提供的司机类型的确定方法和装置、数据处理方法，具体实施前，可以先利用预设的评分模型，通处理初始的样本数据，构建得到包含有标注后的正样本数据和标注后的负样本数据的预设的训练集；再利用预设的训练集训练初始的分类模型，得到符合要求的预设的分类模型；具体实施时，可以先获取目标司机的关键因素参数；再通过利用预设的分类模型处理目标司机的关键因素参数，以确定出目标司机的司机类型。从而可以充分地利用没有准确标注的初始的样本数据，训练得到精度较高、效果较好的预设的分类模型；进而可以利用该预设的分类模型基于目标司机的关键因素参数，准确地确定出目标司机的司机类型，有效地减少了分类识别时的误差。
附图说明
[0013]为了更清楚地说明本说明书实施例，下面将对实施例中所需要使用的附图作简单地介绍，下面描述中的附图仅仅是本说明书中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0014]图1是本说明书的一个实施例提供的司机类型的确定方法的流程示意图；
[0015]图2是在一个场景示例中，应用本说明书实施例提供的司机类型的确定方法的一种实施例的示意图；
[0016]图3是在一个场景示例中，应用本说明书实施例提供的司机类型的确定方法的一种实施例的示意图；
[0017]图4是本说明书的一个实施例提供的数据处理方法的流程示意图；
[0018]图5是本说明书的一个实施例提供的数据处理方法的流程示意图；
[0019]图6是本说明书的一个实施例提供的服务器的结构组成示意图；
[0020]图7是本说明书的一个实施例提供的司机类型的确定装置的结构组成示意图。
具体实施方式
[0021]为了使本
的人员更好地理解本说明书中的技术方案，下面将结合本说明书实施例中的附图，对本说明书实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本说明书一部分实施例，而不是全部的实施例。基于本说明书中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都应当属于本说明书保护的范围。
[0022]参阅图1所示，本说明书实施例提供了一种司机类型的确定方法。具体实施时，该方法可以包括以下内容。
[0023]S101：获取目标司机的关键因素参数；
[0024]S102：利用预设的分类模型处理目标司机的关键因素参数，得到对应的目标分类结果；其中，所述预设的分类模型包括利用预设的训练集训练得到的模型；所述预设的训练
集为利用预设的评分模型构建得到的；
[0025]S103：根据目标分类结果，确定目标司机的司机类型；其中，所述司机类型包括：专职司机和兼职司机。
[0026]在一些实施例中，上述司机类型的确定方法具体可以应用于服务器一侧。
[0027]具体的，参阅图2所示，所述服务器具体可以包括一种应用于乘车服务平台(例如，网络乘车服务平台)一侧，能够实现数据传输、数据处理等功能的后台服务器。具体的，所述服务器例如可以为一个具有数据运算、存储功能以及网络交互功能的电子设备。或者，所述服务器也可以为运行于该电子设备中，为数据处理、存储和网络交互提供支持的软件程序。在本实施例中，并不具体限定所述服务器的数量。所述服务器具体可以为一个服务器，也可以为几个服务器，或者，由若干服务器形成的服务器集群。其中，上述网络乘车服务具体可以包括：网约车服务、顺风车服务等等。
[0028]在本实施例中，上述服务器具体可以与乘车服务平台的数据库相连。其中，上述数据库内具体可以存储有在乘车服务平台注册的司机的用户信息，以及司机的历史接单记录等数据。
[0029]需要说明的是，在本说明书中所涉及到的与司机、乘客等相关的用户信息均为在用户知晓且同意的情况下获取和使用的。并且，在本说明书中对上述用户本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种司机类型的确定方法，其特征在于，包括：获取目标司机的关键因素参数；利用预设的分类模型处理目标司机的关键因素参数，得到对应的目标分类结果；其中，所述预设的分类模型包括利用预设的训练集训练得到的模型；所述预设的训练集为利用预设的评分模型构建得到的；根据目标分类结果，确定目标司机的司机类型；其中，所述司机类型包括：专职司机和兼职司机。2.根据权利要求1所述的方法，其特征在于，预设的训练集按照以下方式构建得到：获取多个初始的样本数据；其中，所述初始的样本数据包括样本司机的关键因素参数；根据预设的评分模型和样本司机的关键因素参数，通过加权运算，确定出初始的样本数据的关于所对应的样本司机的专职程度的评分结果；其中，所述预设的评分模型包含有关键因素参数的权重值；根据评分结果，从初始的样本数据中筛选出正样本数据进行标注，得到标注后的正样本数据；从初始的样本数据中筛选出负样本数据进行标注，得到标注后的负样本数据；组合所述标注后的正样本数据和标注后的负样本数据，得到预设的训练集。3.根据权利要求2所述的方法，其特征在于，所述预设的评分模型按照以下方式构建得到：确定关键因素参数的相对重要性程度；根据关键因素参数的相对重要性程度，建立判断矩阵；对所述判断矩阵进行基于判断逻辑的一致性校验；在确定所述判断矩阵基于判断逻辑的一致性校验通过的情况下，通过求解所述判断矩阵的最大特征根所对应的归一化后的特征向量，得到关键因素参数的权重值；根据所述关键因素参数的权重值，构建预设的评分模型。4.根据权利要求2所述的方法，其特征在于，根据评分结果，从初始的样本数据中筛选出正样本数据进行标注，得到标注后的正样本数据；从初始的样本数据中筛选出负样本数据进行标注，得到标注后的负样本数据，包括：根据评分结果，从初始的样本数据中筛选出评分结果大于预设的第一分数阈值的初始的样本数据作为正样本数据；并对正样本数据进行标注，得到标注后的正样本数据；根据评分结果，从初始的样本数据中筛选出评分结果小于预设的第二分数阈值的初始的样本数据作为负样本数据；并对负样本数据进行标注，得到标注后的负样本数据。5.根据权利要求1所述的方法，其特征在于，在根据目标分类结果，确定目标司机的司机类型之后，所述方法还包括：根据目标司机的司机类型，确定与目标司机相匹配的目标订单推送策略；根据目标订单推送策略，向目标司机推送乘客订单；优选的，在目标司机的司机类型为专职司机的情况下，根据目标订单推送策略，向目标司机...

【专利技术属性】
技术研发人员：杨磊，黄磊，
申请(专利权)人：上海钧正网络科技有限公司，
类型：发明
国别省市：