本申请涉及数据处理技术领域，尤其涉及一种成交预测模型的训练方法、信息展示方法和装置，该方法为：获取待展示的各个货运需求信息后，根据已训练的成交预测模型，获取所述各个货运需求信息各自对应的成交概率，根据货源承运对象在可操作页面中触发的货运需求查询条件，在所述待展示的各个货运需求信息中，确定满足所述货运需求查询条件的目标货运需求信息，并基于对应的成单概率对所述目标货运需求信息进行排序，按照排序结果，将对应的目标货运需求信息展示给货源承运对象。这样，增加了货运需求信息的成单可能，提高了对于货运需求信息的处理速度，辅助提高了货源承运对象找到合适的货运需求信息的可能性。合适的货运需求信息的可能性。合适的货运需求信息的可能性。
【技术实现步骤摘要】
成交预测模型的训练方法、信息展示方法和装置
[0001]本申请涉及数据处理
，尤其涉及一种成交预测模型的训练方法、信息展示方法和装置。
技术介绍
[0002]随着物流技术的发展，货源承运对象可以通过浏览货源供应对象发布的货运需求信息，并基于选择的能够处理的货运需求信息建立物流订单。
[0003]相关技术下，展示给货源承运对象货运需求信息是按照发布时间的先后顺序排列的，最新发布的货运需求信息将会最先被货源承运对象浏览到。
[0004]但是，对于按照时间发布顺序排列的货运需求信息来说，货源承运对象很难快速查找到符合自身处理需要的货运需求信息，不仅影响了货源承运对象的查找效率，而且影响了货运需求信息的成单效率，降低了货源承运对象的使用体验。
技术实现思路
[0005]本申请实施例提供一种成交预测模型的训练方法、信息展示方法和装置，以解决现有技术下按照被发布的时间先后顺序展示货运需求信息，影响对于货运需求信息的查找效率的问题。
[0006]第一方面，提出一种成交预测模型的训练方法，包括：
[0007]周期性地基于全局范围内的历史货运需求信息，以及所述全局范围内的历史货运需求信息对应的成单结果，生成训练样本集合，一个训练样本中包括一个历史货运需求信息，以及对应的成单标签；
[0008]采用所述训练样本集合中的各个训练样本，对预设的成交预测模型进行多轮迭代训练，并将基于所述各个训练样本完成训练后得到的所述成交预测模型，作为目标成交预测模型；
[0009]其中，在一轮迭代训练过程中，执行以下操作：提取一个历史货运需求信息中包括的运输路线信息，并确定在指定的至少一种时间粒度下，对应所述运输路线信息分别确定的价值参考信息，以及将基于所述历史货运需求信息和各个价值参考信息生成的特征信息组，输入所述成交预测模型，获得所述成交预测模型输出的成单预测结果，并基于所述成单预测结果与对应的成单标签的差异，调整所述成交预测模型的网络参数。
[0010]可选的，若确定融合多个目标成交预测模型的成单预测结果实现成交概率的预测，还包括：
[0011]采用指定的至少一个模型架构构建多个成交预测模型，并分别训练得到的对应的目标成交预测模型后，将各个目标成交预测模型作为新的成交预测模型中的基模型，所述新的成交预测模型由多个基模型和逻辑回归模型组成；
[0012]采用所述训练样本集合中的各个训练样本，对所述新的成交预测模型进行多轮迭代训练，并将基于所述各个训练样本完成训练后得到的所述新的成交预测模型，作为重新
处理后的目标成交预测模型。
[0013]可选的，所述周期性地基于全局范围内的历史货运需求信息，以及所述全局范围内的历史货运需求信息对应的成单结果，生成训练样本集合，包括：
[0014]周期性地获取全局范围内历史货运需求信息，并为所述全局范围内的历史货运需求信息中，被货源承运对象处理的历史货运需求信息，添加成单正样本标签；
[0015]将所述全局范围内的历史货运需求信息中，未被货源承运对象处理且已发布时长超过预设的时长阈值的历史货运需求信息，添加成单负样本标签；
[0016]基于添加有成单正样本标签和成单负样本标签的各个历史货运需求信息，生成训练样本集合。
[0017]第二方面，提出一种信息展示方法，包括：
[0018]获取待展示的各个货运需求信息，并分别获取所述各个货运需求信息各自对应的成单概率，其中，所述成单概率是采用已训练的目标成交预测模型，基于货运需求信息预测得到的，所述目标成交预测模型是上述第一方面所述的方法训练得到的；
[0019]响应于货源承运对象在可操作页面上触发的货运需求查询请求，获得所述货运需求查询请求中携带的货运需求约束条件，并在各个货运需求信息中确定满足货运需求约束条件的目标货运需求信息；
[0020]基于对应的成单概率对所述目标货运需求信息进行排序，获得排序结果，并按照所述排序结果，将对应的目标货运需求信息展示给所述货源承运对象。
[0021]可选的，所述获取待展示的各个货运需求信息之前，进一步包括：
[0022]接收货源供应对象发送的货运需求信息，并采用已训练的目标成交预测模型，预测所述货运需求信息对应的成单概率，以及保存所述货运需求信息及所述货运需求信息对应的成单概率。
[0023]可选的，所述采用已训练的目标成交预测模型，预测所述货运需求信息对应的成单概率，包括：
[0024]确定所述货运需求信息中包括的运输路线信息，并获取在指定的至少一种时间粒度下，对应所述运输路线信息分别确定的价值参考信息，以及基于所述货运需求信息和至少一个价值参考信息，生成特征信息组；
[0025]将所述特征信息组输入已训练的目标成交预测模型，得到所述货运需求信息对应的成单概率。
[0026]可选的，所述货运需求约束条件中约束的信息类型，包括以下任意一种或组合：
[0027]运输路线信息；
[0028]承运设备信息；
[0029]货源属性信息。
[0030]第三方面，提出一种成交预测模型的训练装置，包括：
[0031]生成单元，用于周期性地基于全局范围内的历史货运需求信息，以及所述全局范围内的历史货运需求信息对应的成单结果，生成训练样本集合，一个训练样本中包括一个历史货运需求信息，以及对应的成单标签；
[0032]训练单元，用于采用所述训练样本集合中的各个训练样本，对预设的成交预测模型进行多轮迭代训练，并将基于所述各个训练样本完成训练后得到的所述成交预测模型，
作为目标成交预测模型；
[0033]其中，在一轮迭代训练过程中，执行以下操作：提取一个历史货运需求信息中包括的运输路线信息，并确定在指定的至少一种时间粒度下，对应所述运输路线信息分别确定的价值参考信息，以及将基于所述历史货运需求信息和各个价值参考信息生成的特征信息组，输入所述成交预测模型，获得所述成交预测模型输出的成单预测结果，并基于所述成单预测结果与对应的成单标签的差异，调整所述成交预测模型的网络参数。
[0034]可选的，若确定融合多个目标成交预测模型的成单预测结果实现成交概率的预测，所述训练单元还用于：
[0035]采用指定的至少一个模型架构构建多个成交预测模型，并分别训练得到的对应的目标成交预测模型后，将各个目标成交预测模型作为新的成交预测模型中的基模型，所述新的成交预测模型由多个基模型和逻辑回归模型组成；
[0036]采用所述训练样本集合中的各个训练样本，对所述新的成交预测模型进行多轮迭代训练，并将基于所述各个训练样本完成训练后得到的所述新的成交预测模型，作为重新处理后的目标成交预测模型。
[0037]可选的，所述周期性地基于全局范围内的历史货运需求信息，以及所述全局范围内的历史货运需求信息对应的成单结果，生成训练样本集合时，所述生成单元用于：
[0038]周期性地获取全局范围内历史货运需求信息，并为所述全本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种成交预测模型的训练方法，其特征在于，包括：周期性地基于全局范围内的历史货运需求信息，以及所述全局范围内的历史货运需求信息对应的成单结果，生成训练样本集合，一个训练样本中包括一个历史货运需求信息，以及对应的成单标签；采用所述训练样本集合中的各个训练样本，对预设的成交预测模型进行多轮迭代训练，并将基于所述各个训练样本完成训练后得到的所述成交预测模型，作为目标成交预测模型；其中，在一轮迭代训练过程中，执行以下操作：提取一个历史货运需求信息中包括的运输路线信息，并确定在指定的至少一种时间粒度下，对应所述运输路线信息分别确定的价值参考信息，以及将基于所述历史货运需求信息和各个价值参考信息生成的特征信息组，输入所述成交预测模型，获得所述成交预测模型输出的成单预测结果，并基于所述成单预测结果与对应的成单标签的差异，调整所述成交预测模型的网络参数。2.如权利要求1所述的方法，其特征在于，若确定融合多个目标成交预测模型的成单预测结果实现成交概率的预测，还包括：采用指定的至少一个模型架构构建多个成交预测模型，并分别训练得到的对应的目标成交预测模型后，将各个目标成交预测模型作为新的成交预测模型中的基模型，所述新的成交预测模型由多个基模型和逻辑回归模型组成；采用所述训练样本集合中的各个训练样本，对所述新的成交预测模型进行多轮迭代训练，并将基于所述各个训练样本完成训练后得到的所述新的成交预测模型，作为重新处理后的目标成交预测模型。3.如权利要求1或2所述的方法，其特征在于，所述周期性地基于全局范围内的历史货运需求信息，以及所述全局范围内的历史货运需求信息对应的成单结果，生成训练样本集合，包括：周期性地获取全局范围内历史货运需求信息，并为所述全局范围内的历史货运需求信息中，被货源承运对象处理的历史货运需求信息，添加成单正样本标签；将所述全局范围内的历史货运需求信息中，未被货源承运对象处理且已发布时长超过预设的时长阈值的历史货运需求信息，添加成单负样本标签；基于添加有成单正样本标签和成单负样本标签的各个历史货运需求信息，生成训练样本集合。4.一种信息展示方法，其特征在于，包括：获取待展示的各个货运需求信息，并分别获取所述各个货运需求信息各自对应的成单概率，其中，所述成单概率是采用已训练的目标成交预测模型，基于货运需求信息预测得到的，所述目标成交预测模型是采用权利要求1
‑
3所述的方法训练得到的；响应于货源承运对象在可操作页面上触发的货运需求查询请求，获得所述货运需求查询请求中携带的货运需求约束条件，并在各个货运需求信息中确定满足货运需求约束条件的目标货运需求信息；基于对应的成单概率对所述目标货运需求信息进行排序，获得排序结果，并按照所述排序结果，将对应的目标货运需求信息展示给所述货源承运对象。5.如权利要求4所述的方法，其特征在于，所述获取待展示的各个货运需求信息之前，
进一步包括：接收货源供应对象发送的货运需求信息...
【专利技术属性】
技术研发人员：赵仁省，陈冠岭，
申请(专利权)人：南京福佑在线电子商务有限公司，
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。