本申请提供一种物流实体来电的预测方法、装置、计算机设备及存储介质，该物流实体来电的预测方法包括：获取待预测运单的运单静态数据和动态时序数据，其中，运单静态数据是待预测运单在配送过程中保持不变的数据，动态时序数据是待预测运单在配送过程中动态变化的数据；分别对动态时序数据和运单静态数据进行编码，得到动态时序数据对应的动态时序特征向量和运单静态数据对应的运单静态特征向量；将动态时序特征向量和运单静态特征向量拼接，得到运单特征向量；根据运单特征向量确定待预测运单的实体来电概率。本申请能够提高物流实体来电的预测准确度。电的预测准确度。电的预测准确度。
【技术实现步骤摘要】
物流实体来电的预测方法、装置、计算机设备及存储介质
[0001]本申请主要涉及实体来电预测
，具体涉及一种物流实体来电的预测方法、装置、计算机设备及存储介质。
技术介绍
[0002]随着互联网技术的飞速发展和人民生活水平的逐步提高，快递物流行业规模不断扩大，快递业务量逐年快速增长，在2020年我国快递业务量突破800亿件。在这庞大的快递件量背后，离不开物流信息化技术的有力支撑。对于快递行业而言，以实体为中心，关注实体的各种需求，降低实体投诉率，提升实体的满意度是日常运营工作的重点内容。随着社会生活水平质量的提高，实体对物流服务质量的要求也在日益提高。实体对物流服务进行来电投诉的数量和频次逐渐升高，物流运营商的服务质量和效率面临挑战。
[0003]在物流领域，常见的实体来电预测算法只考虑了运单的静态特征，导致物流实体来电预测准确度较低。
[0004]也即，现有技术中物流实体来电预测准确度较低。
技术实现思路
[0005]本申请提供一种物流实体来电的预测方法、装置、计算机设备及存储介质，旨在解决现有技术中物流实体来电预测准确度较低的问题。
[0006]第一方面，本申请提供一种物流实体来电的预测方法，所述物流实体来电的预测方法包括：
[0007]获取待预测运单的运单静态数据和动态时序数据，其中，所述运单静态数据是所述待预测运单在配送过程中保持不变的数据，所述动态时序数据是所述待预测运单在配送过程中动态变化的数据；
[0008]分别对所述动态时序数据和所述运单静态数据进行编码，得到所述动态时序数据对应的动态时序特征向量和所述运单静态数据对应的运单静态特征向量；
[0009]将所述动态时序特征向量和所述运单静态特征向量拼接，得到运单特征向量；
[0010]根据所述运单特征向量确定所述待预测运单的实体来电概率。
[0011]可选地，所述将所述动态时序特征向量和所述运单静态特征向量拼接，得到运单特征向量，包括：
[0012]获取多个实体之间进行收寄件的收寄件知识图谱，其中，所述多个实体中包含所述待预测运单的寄件实体和收件实体；
[0013]对所述收寄件知识图谱进行编码，得到所述寄件实体的寄件实体特征向量和所述收件实体的收件实体特征向量；
[0014]将所述动态时序特征向量、所述运单静态特征向量、所述寄件实体特征向量以及所述收件实体特征向量拼接，得到所述运单特征向量。
[0015]可选地，所述获取多个实体之间进行收寄件的收寄件知识图谱，包括：
[0016]获取多个实体中各个实体的实体标识、所述多个实体中各个实体的实体属性特征信息以及所述多个实体中任意两个实体之间的运单信息；
[0017]以所述多个实体中各个实体的实体标识为节点，以所述多个实体中各个实体的实体属性特征信息为节点属性，以所述多个实体中任意两个实体之间的运单信息为边属性，构建所述收寄件知识图谱。
[0018]可选地，所述动态时序数据包括配送过程中各个时间点的时序单位数据，所述时序单位数据为路由信息、实体来电信息、实体投诉信息或者实体微信查单信息中的任意一种；
[0019]所述分别对所述动态时序数据和所述运单静态数据进行编码，得到所述动态时序数据对应的动态时序特征向量和所述运单静态数据对应的运单静态特征向量，包括：
[0020]对所述动态时序数据按时间先后排序，得到排序后的动态时序数据；
[0021]对排序后的动态时序数据进行标准化处理，得到标准化的动态时序数据；
[0022]将标准化的动态时序数据输入训练过的双向长短时记忆模型，得到所述动态时序特征向量。
[0023]可选地，所述将所述动态时序特征向量、所述运单静态特征向量、所述寄件实体特征向量以及所述收件实体特征向量拼接，得到所述运单特征向量，包括：
[0024]获取所述动态时序特征向量、所述运单静态特征向量、所述寄件实体特征向量以及所述收件实体特征向量的特征权重系数；
[0025]根据所述特征权重系数对所述动态时序特征向量、所述运单静态特征向量、所述寄件实体特征向量以及所述收件实体特征向量进行加权拼接，得到所述运单特征向量。
[0026]可选地，所述寄件实体特征向量的特征权重系数小于所述收件实体特征向量的特征权重系数。
[0027]可选地，所述预测方法还包括：
[0028]获取预设的多个规则权重计算策略，所述多个规则权重计算策略包括实体维度规则权重计算策略、路由维度规则权重计算策略、运单维度规则权重计算策略以及来电维度规则权重计算策略中的至少一个；
[0029]基于所述多个规则权重计算策略确定所述待预测运单在多个维度的规则权重；
[0030]基于所述待预测运单在多个维度的规则权重确定概率修正系数；
[0031]根据所述概率修正系数对所述待预测运单的所述实体来电概率修正，得到修正后的实体来电概率，其中，在所述实体来电概率为定值时，修正后的实体来电概率随着所述概率修正系数的增大而增大。
[0032]第二方面，本申请提供一种物流实体来电的预测装置，所述物流实体来电的预测装置包括：
[0033]获取单元，用于获取待预测运单的运单静态数据和动态时序数据，其中，所述运单静态数据是所述待预测运单在配送过程中保持不变的数据，所述动态时序数据是所述待预测运单在配送过程中动态变化的数据；
[0034]向量构建单元，用于分别对所述动态时序数据和所述运单静态数据进行编码，得到所述动态时序数据对应的动态时序特征向量和所述运单静态数据对应的运单静态特征向量；
[0035]向量拼接单元，用于将所述动态时序特征向量和所述运单静态特征向量拼接，得到运单特征向量；
[0036]预测单元，用于根据所述运单特征向量确定所述待预测运单的实体来电概率。
[0037]可选地，所述向量拼接单元，用于：
[0038]获取多个实体之间进行收寄件的收寄件知识图谱，其中，所述多个实体中包含所述待预测运单的寄件实体和收件实体；
[0039]对所述收寄件知识图谱进行编码，得到所述寄件实体的寄件实体特征向量和所述收件实体的收件实体特征向量；
[0040]将所述动态时序特征向量、所述运单静态特征向量、所述寄件实体特征向量以及所述收件实体特征向量拼接，得到所述运单特征向量。
[0041]可选地，所述向量拼接单元，用于：
[0042]获取多个实体中各个实体的实体标识、所述多个实体中各个实体的实体属性特征信息以及所述多个实体中任意两个实体之间的运单信息；
[0043]以所述多个实体中各个实体的实体标识为节点，以所述多个实体中各个实体的实体属性特征信息为节点属性，以所述多个实体中任意两个实体之间的运单信息为边属性，构建所述收寄件知识图谱。
[0044]可选地，所述动态时序数据包括配送过程中各个时间点的时序单位数据，所述时序单位数据为路由信息、实体来电信息、实体投诉信息或者实体微本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种物流实体来电的预测方法，其特征在于，所述物流实体来电的预测方法包括：获取待预测运单的运单静态数据和动态时序数据，其中，所述运单静态数据是所述待预测运单在配送过程中保持不变的数据，所述动态时序数据是所述待预测运单在配送过程中动态变化的数据；分别对所述动态时序数据和所述运单静态数据进行编码，得到所述动态时序数据对应的动态时序特征向量和所述运单静态数据对应的运单静态特征向量；将所述动态时序特征向量和所述运单静态特征向量拼接，得到运单特征向量；根据所述运单特征向量确定所述待预测运单的实体来电概率。2.根据权利要求1所述的物流实体来电的预测方法，其特征在于，所述将所述动态时序特征向量和所述运单静态特征向量拼接，得到运单特征向量，包括：获取多个实体之间进行收寄件的收寄件知识图谱，其中，所述多个实体中包含所述待预测运单的寄件实体和收件实体；对所述收寄件知识图谱进行编码，得到所述寄件实体的寄件实体特征向量和所述收件实体的收件实体特征向量；将所述动态时序特征向量、所述运单静态特征向量、所述寄件实体特征向量以及所述收件实体特征向量拼接，得到所述运单特征向量。3.根据权利要求2所述的物流实体来电的预测方法，其特征在于，所述获取多个实体之间进行收寄件的收寄件知识图谱，包括：获取多个实体中各个实体的实体标识、所述多个实体中各个实体的实体属性特征信息以及所述多个实体中任意两个实体之间的运单信息；以所述多个实体中各个实体的实体标识为节点，以所述多个实体中各个实体的实体属性特征信息为节点属性，以所述多个实体中任意两个实体之间的运单信息为边属性，构建所述收寄件知识图谱。4.根据权利要求1所述的物流实体来电的预测方法，其特征在于，所述动态时序数据包括配送过程中各个时间点的时序单位数据，所述时序单位数据为路由信息、实体来电信息、实体投诉信息或者实体微信查单信息中的任意一种；所述分别对所述动态时序数据和所述运单静态数据进行编码，得到所述动态时序数据对应的动态时序特征向量和所述运单静态数据对应的运单静态特征向量，包括：对所述动态时序数据按时间先后排序，得到排序后的动态时序数据；对排序后的动态时序数据进行标准化处理，得到标准化的动态时序数据；将标准化的动态时序数据输入训练过的双向长短时记忆模型，得到所述动态时序特征向量。5.根据权利要求2所述的物流实体来电的预测方法，其特征在于，所述将所述动态时序特征向量、所述运单静态...
【专利技术属性】
技术研发人员：李鹏程，莫磊，黄则鸣，聂荣华，宋晨川，崔子玲，孟路遥，崔啸霆，
申请(专利权)人：顺丰科技有限公司，
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。