[发明专利]派件方式预测方法、装置、存储介质和电子设备

权利要求书

1.一种派件方式预测方法，所述方法包括：

获取待派送运单的派件方式影响因素数据，并识别所述待派件运单所属目标场景类型；

读取预设的派件方式预测模型，并获取所述目标场景类型对应的模型阈值，所述模型阈值用于配置所述派件方式预测模型，以使所述派件方式预测模型在对应场景类型下性能最优；

根据所述模型阈值更新所述派件方式预测模型，得到更新后的派件方式预测模型；

将所述派件方式影响因素数据输入至所述更新后的派件方式预测模型，获得所述待派送运单的派件方式。

2.根据权利要求1所述的方法，其特征在于，还包括：

获取不同场景类型下的历史运单的派送方式影响因素数据以及对应的真实派件方式数据；

分别将同一场景类型的派送方式影响因素数据输入至所述派件方式预测模型；

基于每个场景类型分别调节所述派件方式预测模型的模型阈值，以使调节后的所述派件方式预测模型对应的损失函数最小；

记录调节后的所述模型阈值与对应的场景类型，生成场景类型与所述模型阈值对应关系；

所述获取所述目标场景类型对应的模型阈值包括：根据所述场景类型与所述模型阈值对应关系，获取所述目标场景类型对应的模型阈值。

3.根据权利要求1所述的方法，其特征在于，所述方法还包括：

获取历史运单的派件方式影响因素数据以及对应的派件方式数据；

基于所述历史运单的派件方式影响因素数据以及所述派件方式数据，分别采用不同的机器学习算法进行模型训练，获得多个机器学习模型；

从所述多个机器学习模型中选择最优模型，将所述最优模型作为派件方式预测模型。

4.根据权利要求3所述的方法，其特征在于，所述基于所述历史运单的派件方式影响因素数据以及所述派件方式数据，分别采用不同的机器学习算法进行模型训练，获得多个机器学习模型包括：

将所述历史运单的派件方式影响因素数据以及所述派件方式数据分为训练数据集以及验证数据集；

将所述训练数据集中的派件方式影响因素数据分别输入至不同的预设机器学习算法；

根据所述机器学习算法输出的派件方式预测结果以及所述训练数据集中真实的派件方式，调节所述机器学习算法的参数，直至所述机器学习算法输出的派件方式预测结果与真实的派件方式之间的匹配度满足预设条件，获得多个机器学习模型；

所述从所述多个机器学习模型中选择最优模型，将所述最优模型作为派件方式预测模型包括：

将所述验证数据集分别输入至所述多个机器学习模型，得到各个机器学习模型预设的评价指标数据；

根据所述评价指标数据从所述多个机器学习模型中选择最优模型，将所述最优模型作为派件方式预测模型。

5.根据权利要求3所述的方法，其特征在于，所述获取历史运单的派件方式影响因素数据以及对应的派件方式数据包括：

获取历史运单的特征数据，所述特征数据包括数值型变量数据和字符型变量数据；

对所述数值型变量数据进行平滑规范化处理，并对所述字符型变量数据进行编码处理，得到历史运单的派件方式影响因素数据以及对应的派件方式数据。

6.根据权利要求5所述的方法，其特征在于，所述对所述字符型变量数据进行编码处理包括：

获取先验概率数据以及后验概率数据，所述先验概率数据为所述字符型变量数据隶属于预设类别的概率，所述后验概率数据为在同一个类别中预设变量值的概率；

根据所述先验概率数据和所述后验概率数据，得到平均数编码数据；

根据所述平均数编码数据对所述字符型变量数据进行编码处理。

7.根据权利要求1所述的方法，其特征在于，所述方法还包括：

当所述待派送运单对应的目标用户存在于预设的即时通讯客户端用户列表，且所述待派送运单的派件方式为自取改派方式时，推送派件预约消息至所述目标用户对应的即时通讯客户端；

接收所述即时通讯客户端的反馈消息，并将所述反馈消息推送至预设派送终端，所述反馈消息由所述目标用户根据所述派件预约消息进行处理得到。