[发明专利]货源路线相似度计算方法、系统、设备及存储介质

权利要求书

1.一种货源路线相似度计算方法，其特征在于，包括如下步骤：

采集设定时间范围内的多条货源路线数据；

根据所述货源路线数据构建路线图结构模型；

对所述路线图结构模型进行采样，得到作为样本的货源路线的数据；

将所述样本的数据输入图嵌入模型，得到每条货源路线的嵌入向量；

采用两条货源路线的嵌入向量计算两条货源路线之间的相似度；

所述根据所述货源路线数据构建路线图结构模型，包括如下步骤：

将设定的多个城市作为路线图结构模型中的各个节点，两个城市之间的路线作为边，构建路线图结构模型；

根据所述货源路线数据中每个货源路线的被选次数，设定所述路线图结构模型中各个边的权重；

所述对所述路线图结构模型进行采样，包括如下步骤：

采用带权重的采样方法对所述路线图结构模型进行正采样，选择作为正样本的货源路线，将选择的货源路线的数据作为正样本数据；

采用随机采样方法对所述路线图结构模型进行负采样，选择作为负样本的货源路线，将选择的货源路线的数据作为负样本数据。

2.根据权利要求1所述的货源路线相似度计算方法，其特征在于，采集的每条货源路线数据包括司机用户ID、货源路线的起始点城市、货源路线的终止点城市和货源路线的执行时间。

3.根据权利要求2所述的货源路线相似度计算方法，其特征在于，所述正样本数据包括各条货源路线的起始点城市、终止点城市、执行过该货源路线的司机用户ID和该货源路线的每次执行时间，所述负样本数据包括各个货源路线的起始点城市和终止点城市。

4.根据权利要求1所述的货源路线相似度计算方法，其特征在于，所述图嵌入模型为采用深度神经网络算法构建的图嵌入模型；

所述将所述样本的数据输入图嵌入模型，包括如下步骤：

将所述样本的数据输入构建好的图嵌入模型，对所述图嵌入模型进行训练；

训练至所述图嵌入模型达到收敛要求时，根据所述图嵌入模型的输出确定每条货源路线的嵌入向量。

5.根据权利要求1所述的货源路线相似度计算方法，其特征在于，所述采用两条货源路线的嵌入向量计算两条货源路线之间的相似度，包括如下步骤：

选择两条货源路线的嵌入向量i和j；

根据如下公式计算两条货源路线的相似度：

其中，sim(i,j)为嵌入向量i和j所对应的两条货源路线的相似度。

6.根据权利要求1所述的货源路线相似度计算方法，其特征在于，所述采用两条货源路线的嵌入向量计算两条货源路线之间的相似度之后，还包括如下步骤：

接收到司机用户的货源路线执行操作时，确定司机用户执行的货源路线；

查找与执行的货源路线相似度最高的至少一条相似货源路线；

将查找到的相似货源路线的相关货源信息推送至司机用户。

7.一种货源路线相似度计算系统，其特征在于，应用于权利要求1至6中任一项所述的货源路线相似度计算方法，所述系统包括：

数据采集模块，用于采集设定时间范围内的多条货源路线数据；

图结构模型构建模块，用于根据所述货源路线数据构建路线图结构模型；

数据采样模块，用于对所述路线图结构模型进行采样，得到作为样本的货源路线的数据；

嵌入向量计算模块，用于将所述样本的数据输入图嵌入模型，得到每条货源路线的嵌入向量；

相似度计算模块，用于采用两条货源路线的嵌入向量计算两条货源路线之间的相似度。

8.一种货源路线相似度计算设备，其特征在于，包括：

处理器；

存储器，其中存储有所述处理器的可执行指令；

其中，所述处理器配置为经由执行所述可执行指令来执行权利要求1至6中任一项所述的货源路线相似度计算方法的步骤。

9.一种计算机可读存储介质，用于存储程序，其特征在于，所述程序被执行时实现权利要求1至6中任一项所述的货源路线相似度计算方法的步骤。