[发明专利]物流地址推荐方法、系统、设备及存储介质

权利要求书

1.一种物流地址推荐方法，其特征在于，包括以下步骤：

接收用户的物流请求，获取当前状态并识别发送物流请求的用户ID，所述当前状态包括当前影响发货地址的各个变量，所述变量包括时间段、季节、货物的一级分类、货物的二级分类、货物的体积、货物的重量和货物的装卸方式中的一种或多种；

读取用户ID对应的历史物流数据，所述历史物流数据至少包括各个所述变量与发货地址之间影响关系和/或各个所述变量与收货地址之间影响关系的数据集；

将当前状态和读取的所述历史物流数据输入至贝叶斯模型；

根据所述贝叶斯模型预测的结果建立推荐地址列表，所述推荐地址列表包括用户多个可选的发货地址和/或收货地址；

向用户发送所述推荐地址列表。

2.根据权利要求1所述的物流地址推荐方法，其特征在于，所述贝叶斯模型包括发货地址预测模型和/或收货地址预测模型，所述建立推荐地址列表包括根据所述贝叶斯模型预测的结果分别建立推荐发货地址列表和/或推荐收货地址列表。

3.根据权利要求2所述的物流地址推荐方法，其特征在于，所述发货地址预测模型采用如下公式：

所述收货地址预测模型采用如下公式：

其中，

p_s(Y＝y_i)和p_r(Y＝y_j)分别为用户ID的各个可选的发货地址的历史概率和用户ID的各个可选的收货地址的历史概率，其中，y_i∈{y₁,y₂,y₃,...,y_n}为可选的发货地址列表，y_j∈{y₁,y₂,y₃,...,y_m}为可选的收货地址列表；

x_s和x_r分别为预设的影响发货地址的各个变量和影响收货地址的各个变量；

p_s(x_s|Y＝y_i)和p_r(x_r|Y＝y_j)分别为各个可能的发货地址的似然概率和各个可能的收货地址的似然概率；

p_s(Y_i＝y_i|x_s)和p_r(Y_j＝y_j|x_r)分别为当前状态对应的各个发货地址的概率或各个收货地址的概率。

4.根据权利要求3所述的物流地址推荐方法，其特征在于，所述根据所述预测的结果分别建立推荐发货地址列表和/或推荐收货地址列表包括如下步骤：

按照当前状态对应的各个发货地址的概率p_s(Y_i＝y_i|x_s)的大小建立所述推荐发货地址列表；和/或

按照当前状态对应的各个收货地址的概率p_r(Y_j＝y_j|x_r)的大小建立所述推荐收货地址列表。

5.根据权利要求4所述的物流地址推荐方法，其特征在于，还包括以下步骤：

分别接收用户对推荐发货地址的第一反馈信息和/或对推荐收货地址的第二反馈信息，第一反馈信息为用户选定的发货地址，第二反馈信息为用户选定的收货地址；

根据所述第一反馈信息和/或所述第二反馈信息确定物流请求的发货地址和/或收货地址。

6.根据权利要求1所述的物流地址推荐方法，其特征在于，所述变量还包括发货地址。