[发明专利]货源路线相似度计算方法、系统、设备及存储介质

说明书

本发明提供了一种货源路线相似度计算方法、系统、设备及存储介质，该方法包括：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。通过采用本发明的方案，基于图嵌入技术计算不同货源路线的相似度，以平台一段时间内多个司机的历史操作数据作为依据，根据不同货源路线被选择的次数、执行时间和执行司机的身份来综合计算各个货源路线的相似度，可以更准确地反映各个货源路线之间的关联度。

技术领域

本发明涉及发货控制技术领域，尤其涉及一种货源路线相似度计算方法、系统、设备及存储介质。

背景技术

随着物流业的飞速发展，每天的货源数都在急速的增长，庞大的信息量使得货运双方均难以获取自己想要信息。为了给货运双方提供便利，专用于货运的平台越来越多，司机可以在平台上对其自己感兴趣的货源进行搜索，货主同时可以在平台上搜索符合条件的司机。但是，在目前的货运平台中，只能基于司机的历史行为运载货运路线进行简单的统计，而无法有效地计算各个货运路线之间的关联性，无法更好地为司机推荐更符合司机需要的相关货运路线。

发明内容

针对现有技术中的问题，本发明的目的在于提供一种货源路线相似度计算方法、系统、设备及存储介质，基于图嵌入模型计算两条货源路线的相似度，从而可以根据路线相似度优先推荐相似路线上的货源给司机。

本发明实施例提供一种货源路线相似度计算方法，所述方法包括如下步骤：

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。

可选地，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。

可选地，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。

可选地，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。

可选地，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。

可选地，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。