一种信息推送方法、装置、电子设备及存储介质制造方法及图纸

本申请涉及数据处理技术领域，尤其涉及一种信息推送方法、装置、电子设备及存储介质，该方法为：响应于货源承运对象触发的货运需求查询请求，获得对应所述货源承运对象确定的成单概率阈值，其中，所述成单概率阈值是根据所述货源承运对象处理的历史货运需求信息确定的，采用已训练的目标成交预测模型，预测所述各个货运需求信息各自对应的成单概率，然后筛选出超过所述成单概率阈值的各个成单概率，并将筛选出的所述各个成单概率对应的各个货运需求信息，推送给所述货源承运对象。这样，在能够针对性地向货源承运对象推送的适宜的货运需求信息的同时，能够极大的提高货运需求信息的成单效率和处理效率，避免了物流资源的浪费。避免了物流资源的浪费。避免了物流资源的浪费。

【技术实现步骤摘要】
一种信息推送方法、装置、电子设备及存储介质


[0001]本申请涉及数据处理
，尤其涉及一种信息推送方法、装置、电子设备及存储介质。

技术介绍

[0002]随着物流技术的发展，协调货源供应对象和货源承运对象之间供应关系的重要性日益提高。
[0003]相关技术下，货源承运对象在随机浏览到货源供应对象发布的货运需求信息后，在有意提供物流服务的情况下，可以与货源供应对象之间达成货运订单，完成对货源供应对象发布的货运需求信息的处理。
[0004]但是，由于货源承运对象需要自行查找货源供应对象发布的货运需求信息，因而在随机查找货运需求信息的情况下，查找到符合自身实际承运能力的货运需求信息的可能性很低，故货运需求信息的成单效率很低，不利于物流资源的合理利用，造成了资源的浪费。

技术实现思路

[0005]本申请实施例提供一种信息推送方法、装置、电子设备及存储介质，以解决现有技术下货源承运对象无法查找到适宜的货运需求信息，货运需求信息的成单效率低的问题。
[0006]第一方面，提出一种信息推送方法，包括：
[0007]响应于货源承运对象触发的货运需求查询请求，获得对应所述货源承运对象确定的成单概率阈值，其中，所述成单概率阈值是根据所述货源承运对象处理的历史货运需求信息确定的；
[0008]获取待推送的各个货运需求信息，并采用已训练的目标成交预测模型，预测所述各个货运需求信息各自对应的成单概率，其中，所述目标成交预测模型是采用训练样本集合进行多轮迭代训练获得的，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；
[0009]筛选出超过所述成单概率阈值的各个成单概率，并将筛选出的所述各个成单概率对应的各个货运需求信息，推送给所述货源承运对象。
[0010]可选的，所述获得对应所述货源承运对象确定的成单概率阈值，包括以下操作中的任意一项：
[0011]获得所述货源承运对象处理的各个历史货运需求信息，并采用已训练的目标成交预测模型，分别预测所述各个历史获取需求信息对应的各个历史成单概率；
[0012]将所述各个历史成单概率的加权平均结果，确定为所述货源承运对象对应的成单概率阈值。
[0013]可选的，所述获得所述货源承运对象处理的各个历史货运需求信息时，执行以下操作中的任意一项：
[0014]将所述货源承运对象在截止至当前时间的指定时长范围内，处理达成货运订单的各个货运需求信息，作为所述货源承运对象处理的历史货运需求信息；
[0015]从所述货源承运对象达成的货运订单中，选择指定数目的货运订单对应的货运需求信息，作为所述货源承运对象处理的历史货运需求信息。
[0016]可选的，确定采用一个指定的模型架构实现成单概率的预测时，所述采用训练样本集合进行多轮迭代训练，包括：
[0017]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；
[0018]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；
[0019]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结果的差异，调整所述成交预测模型的网络参数。
[0020]可选的，确定采用多个指定的模型架构分别实现成单概率的预测时，还包括：
[0021]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；
[0022]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。
[0023]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：
[0024]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；
[0025]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；
[0026]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。
[0027]可选的，所述采用已训练的目标成交预测模型，预测所述各个货运需求信息各自对应的成单概率，包括：
[0028]针对所述各个货运需求信息，分别执行以下操作：
[0029]确定一个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，以及基于所述一个货运需求信息和至少一个价值参考信息，生成特征信息组；
[0030]将所述特征信息组输入已训练的目标成交预测模型，得到所述一个货运需求信息对应的成单概率。
[0031]可选的，所述将筛选出的所述各个成单概率对应的各个货运需求信息，推送给所述货源承运对象，包括以下操作中的任意一项：
[0032]确定筛选出的所述各个成单概率对应的各个货运需求信息，并分别确定所述各个货运需求信息中各自包含的运输路线信息，以及确定各个运输路线信息中的起始地点和所述货源承运对象对应的位置信息之间的距离关系，并向所述货源承运对象推送距离关系满足设定条件的货运需求信息；
[0033]确定筛选出的所述各个成单概率对应的各个货运需求信息，并分别确定所述各个货运需求信息中各自包含的运输路线信息，以及确定所述历史货运需求信息中包括历史运输路线，并向所述货源承运对象推送对应的运输路线信息，处于在所述历史运输路线信息范围内的货运需求信息。
[0034]第二方面，提出一种信息推送装置，包括：
[0035]响应单元，响应于货源承运对象触发的货运需求查询请求，获得对应所述货源承运对象确定的成单概率阈值，其中，所述成单概率阈值是根据所述货源承运对象处理的历史货运需求信息确定的；
[0036]获取单元，获取待推送的各个货运需求信息，并采用已训练的目标成交预测模型，预测所述各个货运需求信息各自对应的成单概率，其中，所述目标成交预测模型是采用训练样本集合进行多轮迭代训练获得的，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；
[0037]推送单元，筛选出超过所述成单概率阈值的各个成单概率本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种信息推送方法，其特征在于，包括：响应于货源承运对象触发的货运需求查询请求，获得对应所述货源承运对象确定的成单概率阈值，其中，所述成单概率阈值是根据所述货源承运对象处理的历史货运需求信息确定的；获取待推送的各个货运需求信息，并采用已训练的目标成交预测模型，预测所述各个货运需求信息各自对应的成单概率，其中，所述目标成交预测模型是采用训练样本集合进行多轮迭代训练获得的，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；筛选出超过所述成单概率阈值的各个成单概率，并将筛选出的所述各个成单概率对应的各个货运需求信息，推送给所述货源承运对象。2.如权利要求1所述的方法，其特征在于，所述获得对应所述货源承运对象确定的成单概率阈值，包括以下操作中的任意一项：获得所述货源承运对象处理的各个历史货运需求信息，并采用已训练的目标成交预测模型，分别预测所述各个历史获取需求信息对应的各个历史成单概率；将所述各个历史成单概率的加权平均结果，确定为所述货源承运对象对应的成单概率阈值。3.如权利要求2所述的方法，其特征在于，所述获得所述货源承运对象处理的各个历史货运需求信息时，执行以下操作中的任意一项：将所述货源承运对象在截止至当前时间的指定时长范围内，处理达成货运订单的各个货运需求信息，作为所述货源承运对象处理的历史货运需求信息；从所述货源承运对象达成的货运订单中，选择指定数目的货运订单对应的货运需求信息，作为所述货源承运对象处理的历史货运需求信息。4.如权利要求1所述的方法，其特征在于，确定采用一个指定的模型架构实现成单概率的预测时，所述采用训练样本集合进行多轮迭代训练，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；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结果的差异，调整所述成交预测模型的网络参数。5.如权利要求4所述的方法，其特征在于，确定采用多个指定的模型架构分别实现成单概率的预测时，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。6.如权利要求4或5所述的方法，其特征在于，所述周期性地基于全...

【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：