[发明专利]一种数据处理方法及设备

权利要求书

1.一种数据处理方法，其特征在于，包括：

获取目标店铺的列表信息特征，根据店铺的列表信息特征与店铺的下单信息特征之间的维度差异对所述列表信息特征进行填充，根据所述目标店铺的填充后的列表信息特征，使用第一模型获得可与所述目标店铺关联展示于第一显示界面的第一预计配送时长；其中，所述第一模型，根据基于店铺的下单信息特征构建的第一学习样本生成；

获得用户在所述目标店铺的点单数据，根据所述点单数据的下单信息特征，使用所述第一模型获得可显示于第二显示界面的第二预计配送时长；

其中，所述第一预计配送时长与所述第二预计配送时长之间的差异满足预设阈值条件。

2.根据权利要求1所述的方法，其特征在于，还包括：

获取历史调用日志中店铺的下单信息特征以及与所述下单信息特征对应的预计配送时长；

将所述下单信息特征作为输入特征，将与所述下单信息特征对应的预计配送时长作为对应的输出特征，构造用于生成第一模型的所述第一学习样本；

使用所述第一学习样本生成所述第一模型；所述第一模型，用于根据店铺的列表信息特征预估所述店铺的第一预计配送时长，和/或，根据与店铺关联的点单数据的下单信息特征预估所述点单数据的第二预计配送时长。

3.根据权利要求1所述的方法，其特征在于，所述根据所述目标店铺的填充后的列表信息特征，使用第一模型获得可与所述目标店铺关联展示于第一显示界面的第一预计配送时长，包括：

将所述目标店铺的列表信息特征输入所述第一模型，将所述第一模型的输出作为待修正预计配送时长；

获取所述目标店铺的列表信息特征，根据所述列表信息特征以及所述待修正预计配送时长，使用修正模型获得所述目标店铺的列表界面配送时长修正值；其中，所述修正模型，根据基于店铺的列表信息特征及对应的下单信息特征构建的第二学习样本生成；

根据所述目标店铺的列表界面配送时长修正值对所述待修正预计配送时长修正，得到所述第一预计配送时长。

4.根据权利要求3所述的方法，其特征在于，还包括：

从历史调用日志中提取店铺的列表信息特征及对应的下单信息特征；

使用所述店铺的列表信息特征，根据所述第一模型得到所述店铺的第一预计配送时长；

使用所述第一模型根据所述店铺的下单信息特征，获得所述店铺的第二预计配送时长；

将所述第一预计配送时长与所述第二预计配送时长之间的差异作为所述店铺的时长差异标签；

将所述店铺的列表信息特征以及对应的第一预计配送时长作为输入特征，将对应的时长差异标签作为输出特征，构造用于生成所述修正模型的所述第二学习样本，使用所述第二学习样本生成所述修正模型。

5.根据权利要求1所述的方法，其特征在于，所述根据店铺的列表信息特征与店铺的下单信息特征之间的维度差异对所述列表信息特征进行填充，包括：

将所述目标店铺的列表信息特征作为第一特征；

根据预先确定的缺失特征的信息确定所述目标店铺的缺失特征；所述缺失特征的信息，根据店铺的列表信息特征与店铺的下单信息特征之间的维度差异确定；

使用所述目标店铺的缺失特征对所述第一特征进行填充，得到所述目标店铺的第二特征；

将所述目标店铺的第二特征作为所述目标店铺的填充后的列表信息特征。