[发明专利]业务信息预测方法、装置、计算机设备和存储介质在审

专利信息
申请号: 202010424124.8 申请日: 2020-05-19
公开(公告)号: CN113689020A 公开(公告)日: 2021-11-23
发明(设计)人: 张硕硕;谭云飞;孙雪娇;王德硕;侯淑芳;许颖聪;金晶 申请(专利权)人: 顺丰科技有限公司
主分类号: G06Q10/04 分类号: G06Q10/04;G06Q30/02
代理公司: 广州华进联合专利商标代理有限公司 44224 代理人: 董慧
地址: 518000 广东省深圳*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 业务 信息 预测 方法 装置 计算机 设备 存储 介质
【权利要求书】:

1.一种事件影响下业务信息预测方法,所述方法包括:获取业务信息预测请求;

查找所述业务信息预测请求对应的事件数据;

提取所述事件数据对应的事件大小类型数据以及事件特征数据;

将所述事件大小类型数据以及所述事件特征数据输入预设信息预测模型,获取业务信息预测结果,所述预设信息预测模型基于历史业务信息和历史事件数据,采用因子系数调节构建。

2.根据权利要求1所述的方法,其特征在于,所述将所述事件大小类型数据以及所述事件特征数据输入预设信息预测模型,获取业务信息预测结果之前,还包括:

获取历史业务信息以及历史事件数据;

根据所述历史业务信息以及历史事件数据,获取模型训练数据;

通过所述模型训练数据对初始信息预测模型进行训练,获得预测过渡模型;

根据所述历史业务信息以及所述历史事件数据,为所述预测过渡模型添加输出结果因子系数调节函数,获取预设信息预测模型。

3.根据权利要求2所述的方法,其特征在于,所述根据所述历史业务信息以及历史事件数据,获取模型训练数据以及模型测试数据包括:

提取所述历史事件数据对应的事件大小类型数据和事件特征数据;根据所述事件大小类型数据添加事件类型标签至所述历史业务信息,并根据所述事件特征数据添加事件特征标签至所述历史事件数据,生成模型训练数据。

4.根据权利要求3所述的方法,其特征在于,提取所述历史事件数据对应的事件特征数据包括:

提取所述历史事件数据中各事件对应的物品关联信息以及各事件对应的业务处理点类别;

根据提取的物品关联信息,获取所述历史事件数据对应的分箱特征和排序特征,并根据所述各事件对应的业务处理点类别,获取历史事件数据对应的交叉特征;

其中,所述排序特征基于提取的物品关联信息对应的排名特征获取。

5.根据权利要求2所述的方法,其特征在于,所述根据所述历史业务信息以及所述历史事件数据,为所述预测过渡模型添加输出结果因子系数调节函数,获取预设信息预测模型包括:

根据各类型历史事件对应的历史业务信息以及未发生历史事件对应的历史业务信息,获取各类型历史事件对应的因子系数;

根据各类型历史事件对应的因子系数生成输出结果因子系数调节函数;

为所述预测过渡模型添加所述输出结果因子系数调节函数,获取预设信息预测模型。

6.根据权利要求5所述的方法,其特征在于,所述根据各类型历史事件对应的因子系数生成输出结果因子系数调节函数包括:

对各类型历史事件对应的模型训练数据进行T检验;

根据各类型历史事件对应的模型训练数据的T检验结果数据,生成输出结果因子系数调节函数。

7.一种事件影响下业务信息预测装置,其特征在于,所述装置包括:

请求获取模块,用于获取业务信息预测请求;

数据查找模块,用于查找所述业务信息预测请求对应的事件数据;

特征提取模块,用于提取所述事件数据对应的事件大小类型数据以及事件特征数据;

业务信息预测模块,用于将所述事件大小类型数据以及所述事件特征数据输入预设信息预测模型,获取业务信息预测结果,所述预设信息预测模型基于历史业务信息和历史事件数据,采用因子系数调节构建。

8.根据权利要求7所述的装置,其特征在于,还包括模型构建模块,所述模型构建模块用于:

获取历史业务信息以及历史事件数据;

根据所述历史业务信息以及历史事件数据,获取模型训练数据;

通过所述模型训练数据对初始信息预测模型进行训练,获得预测过渡模型;

根据所述历史业务信息以及所述历史事件数据,为所述预测过渡模型添加输出结果因子系数调节函数,获取预设信息预测模型。

9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述方法的步骤。

10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于顺丰科技有限公司,未经顺丰科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202010424124.8/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top