[发明专利]车货匹配模型的训练方法、装置、存储介质及电子设备

权利要求书

1.一种车货匹配模型的训练方法，其特征在于，包括：

获取司机基本信息及与该司机基本信息关联的货物信息；

根据所述司机基本信息与货物信息确定司机与货物之间的匹配度；

将所述司机基本信息与货物信息作为车货匹配模型的输入，将所述匹配度作为所述车货匹配模型的输出，以构成样本数据；

按照预设比例将所述样本数据划分为训练集和测试集；

根据所述训练集和测试集对车货匹配模型进行训练。

2.根据权利要求1所述的车货匹配模型的训练方法，其特征在于，所述车货匹配模型为决策树模型。

3.根据权利要求1所述的车货匹配模型的训练方法，其特征在于，所述司机基本信息至少包括司机对各货物类别的操作次数，所述货物信息至少包括货物所属的货物类别，所述根据所述司机基本信息与货物信息确定司机与货物之间的匹配度包括：

将用户对该货物所属的货物类别的操作次数占该用户对各货物类别的总操作次数的比例作为该用户与该货物的匹配度。

4.根据权利要求1所述的车货匹配模型的训练方法，其特征在于，所述司机基本信息至少包括司机对各货物的操作次数，所述根据所述司机基本信息与货物信息确定司机与货物之间的匹配度包括：

若司机对货物信息指示的货物的操作次数大于等于预设阈值，则该司机与该货物的匹配度为最大值；

若司机对货物信息指示的货物的操作次数小于预设阈值，则该司机与该货物的匹配度为最小值。

5.根据权利要求3或4所述的车货匹配模型的训练方法，其特征在于，所述操作次数是指司机在预设时间段内对货物的点击、搜索、浏览次数。

6.根据权利要求1至4中任一项所述的车货匹配模型的训练方法，其特征在于，所述货物信息还包括货主标识，在构成样本数据之前还包括：

根据所述货主标识获取货主特征，所述样本数据中，所述车货匹配模型的输入还包括所述货主特征。

7.一种货物推荐方法，其特征在于，包括：

实时采集司机基本信息及货物信息；

将所采集的司机基本信息及货物信息输入车货匹配模型，以得到司机与各货物信息指示的货物的匹配度，所述车货匹配模型经由权利要求1至6任一项所述的车货匹配模型的训练方法训练；

根据所述匹配度对货物进行排序，以向司机推荐货物。

8.一种车货匹配模型的训练装置，其特征在于，包括：

获取模块，用于获取司机基本信息及与该司机基本信息关联的货物信息；

确定模块，用于根据所述司机基本信息与货物信息确定司机与货物之间的匹配度；

样本构建模块，用于将所述司机基本信息与货物信息作为车货匹配模型的输入，将所述匹配度作为所述车货匹配模型的输出，以构成样本数据；

数据划分模块，用于按照预设比例将所述样本数据划分为训练集和测试集；

训练模块，用于根据所述训练集和测试集对车货匹配模型进行训练。

9.一种货物推荐装置，其特征在于，包括：

信息采集模块，用于实时采集司机基本信息及货物信息；

匹配模块，用于将所采集的司机基本信息及货物信息输入车货匹配模型，以得到司机与各货物信息指示的货物的匹配度，所述车货匹配模型经由权利要求1至6任一项所述的车货匹配模型的训练方法训练；

推荐模块，用于根据所述匹配度对货物进行排序，以向司机推荐货物。

10.一种存储介质，其特征在于，所述存储介质上存储有计算机程序，所述计算机程序被处理器运行时执行：

如权利要求1至6任一项所述的步骤；或者

如权利要求7所述的步骤。

11.一种电子设备，其特征在于，所述电子设备包括：

处理器；

存储介质，其上存储有计算机程序，所述计算机程序被所述处理器运行时执行：

如权利要求1至6任一项所述的步骤；或者

如权利要求7所述的步骤。