CN111967808B - 确定物流对象收货方式的方法、装置、电子设备及存储介质 - Google Patents
确定物流对象收货方式的方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN111967808B CN111967808B CN202010364622.8A CN202010364622A CN111967808B CN 111967808 B CN111967808 B CN 111967808B CN 202010364622 A CN202010364622 A CN 202010364622A CN 111967808 B CN111967808 B CN 111967808B
- Authority
- CN
- China
- Prior art keywords
- receiving
- logistics
- user
- information
- address
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 50
- 238000013145 classification model Methods 0.000 claims abstract description 22
- 238000011156 evaluation Methods 0.000 claims description 25
- 238000004590 computer program Methods 0.000 claims description 5
- 230000004931 aggregating effect Effects 0.000 claims description 3
- 238000002716 delivery method Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 abstract description 10
- 238000004422 calculation algorithm Methods 0.000 description 8
- 238000007635 classification algorithm Methods 0.000 description 8
- 230000032683 aging Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 238000003066 decision tree Methods 0.000 description 2
- 235000013305 food Nutrition 0.000 description 2
- 238000007477 logistic regression Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 230000002123 temporal effect Effects 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000004883 computer application Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/083—Shipping
- G06Q10/0838—Historical data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/083—Shipping
- G06Q10/0836—Recipient pick-ups
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0633—Lists, e.g. purchase orders, compilation or processing
- G06Q30/0635—Processing of requisition or of purchase orders
Landscapes
- Business, Economics & Management (AREA)
- Economics (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Development Economics (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Human Resources & Organizations (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种确定物流对象收货方式的方法、装置、电子设备及存储介质，确定物流对象收货方式的方法包括：获取物流对象的寄件信息；根据所述物流对象的寄件信息获取收件用户的收货偏好信息；根据所述物流对象的寄件信息获取收件用户的暂存点签收时长；以及采用物流对象收货分类模型，根据所述寄件信息、所述收货偏好信息以及所述暂存点签收时长确定所述物流对象收货方式。本发明提供确定物流对象收货方式的方法、装置、电子设备及存储介质，通过物流信息的处理，实现物流对象收货方式的自动化预测。
Description
技术领域
本发明涉及计算机应用领域，尤其涉及一种确定物流对象收货方式的方法、装置、电子设备及存储介质。
背景技术
目前，物流派送时，收货方式可以包括送货上门、送至快递柜、送至驿站等。若在收件用户/发件用户没有指示的情况下，全部采用送货上门的方式，将经常碰到收件用户不在收货地点无法收货，从而影响派件效率的情况；此外，相比于送货上门需派送至每个收货地址，将同一区域的物流对象派送至快递柜或驿站将大大增加快递派送效率，然而，若全部采用快递柜或驿站作为末端派送，对于派送时，处于收货地点的收件用户而言，将带来不好的用户体验。换言之，无差别的快递柜(驿站)派件投放方式会因为海量用户的差异化需求而导致部分用户体验降低，进而产生投诉。
由此，如何通过物流信息的处理，自动预测物流对象收货方式，从而兼顾末端派送效率以及客户体验，是本领域亟待解决的技术问题。
发明内容
本发明为了克服上述相关技术存在的缺陷，提供一种确定物流对象收货方式的方法、装置、电子设备及存储介质，进而通过物流信息的处理，自动预测物流对象收货方式。
根据本发明的一个方面，提供确定物流对象收货方式的方法，包括：
获取物流对象的寄件信息；
根据所述物流对象的寄件信息获取收件用户的收货偏好信息；
根据所述物流对象的寄件信息获取收件用户的暂存点签收时长；以及
采用物流对象收货分类模型，根据所述寄件信息、所述收货偏好信息以及所述暂存点签收时长确定所述物流对象收货方式。
在本发明的一些实施例中，所述寄件信息至少包括所述物流对象的收件地址以及所述物流对象的收件地址的地址类型。
在本发明的一些实施例中，所述物流对象的收件地址的地址类型根据如下步骤确定：
将所述物流对象的收件地址与一地址库中各地址进行相似度匹配，以自所述地址库中筛选相似地址集合，所述地址库中存储有地址与该地址所属的地址类型；
按各所述地址类型，聚合所述相似地址集合中的地址；以及
将所述相似地址集合中，地址数量最多的地址类型作为所述物流对象的收件地址的地址类型。
在本发明的一些实施例中，所述物流对象的寄件信息至少包括所述物流对象的物品类型集合。
在本发明的一些实施例中，所述物流对象的物品类型集合基于所述物流对象的物品属性确定。
在本发明的一些实施例中，所述物流对象的寄件信息至少包括所述物流对象的收件用户，所述根据所述物流对象的寄件信息获取收件用户的收货偏好信息包括：
根据所述收件用户的用户标识自一用户收货偏好集合中确定该收件用户的收货偏好信息，所述用户收货偏好集合包括用户标识及该用户标识的收货偏好信息。
在本发明的一些实施例中，所述用户收货偏好集合根据如下步骤生成：
获取历史物流订单，所述历史物流订单至少包括收件用户的用户标识、该物流订单的收货方式及收件用户对该物流订单的物流体验评价信息；
按收件用户的用户标识，采用收货偏好分类模型，根据所述历史物流订单中各物流订单的收货方式及收件用户对各物流订单的物流体验评价信息确定各收件用户的用户收货偏好信息。
在本发明的一些实施例中，所述物流对象的寄件信息至少包括所述物流对象的收件用户，所述根据所述物流对象的寄件信息获取收件用户的收货偏好信息包括：
根据所述收件用户的用户标识自一暂存点签收时长集合中确定该收件用户的暂存点签收时长，所述暂存点签收时长集合包括用户标识及该用户标识的暂存点签收时长。
在本发明的一些实施例中，所述暂存点签收时长集合根据如下步骤生成：
获取采用暂存点收货方式的历史物流订单，所述历史物流订单至少包括收件用户的用户标识、该物流订单的物流对象到达暂存点的时间以及收件用户签收该物流对象的时间；
对于每一采用暂存点收货方式的历史物流订单，计算收件用户签收该物流对象的时间与该物流订单的物流对象到达暂存点的时间之间的时间差，作为该物流订单的准暂存点签收时长；
按收件用户的用户标识，计算采用暂存点收货方式的历史物流订单的准暂存点签收时长的平均值，作为该用户标识的暂存点签收时长。
在本发明的一些实施例中，所述采用物流对象收货分类模型，根据所述寄件信息、所述收货偏好信息以及所述暂存点签收时长确定所述物流对象收货方式包括：
将所述寄件信息、所述收货偏好信息以及所述暂存点签收时长中至少部分信息拼接形成所述物流对象收货分类模型的输入。
根据本发明的又一方面，还提供一种确定物流对象收货方式的装置，包括：
第一获取模块，配置成获取物流对象的寄件信息；
第二获取模块，配置成根据所述物流对象的寄件信息获取收件用户的收货偏好信息；
第三获取模块，配置成根据所述物流对象的寄件信息获取收件用户的暂存点签收时长；以及
分类模块，配置成采用物流对象收货分类模型，根据所述寄件信息、所述收货偏好信息以及所述暂存点签收时长确定所述物流对象收货方式。
根据本发明的又一方面，还提供一种电子设备，所述电子设备包括：处理器；存储介质，其上存储有计算机程序，所述计算机程序被所述处理器运行时执行如上所述的步骤。
根据本发明的又一方面，还提供一种存储介质，所述存储介质上存储有计算机程序，所述计算机程序被处理器运行时执行如上所述的步骤。
相比现有技术，本发明的优势在于：
本发明通过分别获取寄件信息、收件用户的收货偏好信息以及收件用户的暂存点签收时长，并根据寄件信息、收件用户的收货偏好信息以及收件用户的暂存点签收时长，自动预测物流对象收货方式。由此，通过多维的信息选取和信息获取，合理预测物流对象收货方式，在兼顾末端派送效率的同时提高客户收件体验。
附图说明
通过参照附图详细描述其示例实施方式，本发明的上述和其它特征及优点将变得更加明显。
图1示出了根据本发明实施例的确定物流对象收货方式的方法的流程图。
图2示出了根据本发明具体实施例的确定物流对象的收件地址的地址类型的流程图。
图3示出了根据本发明具体实施例的生成用户收货偏好集合的流程图。
图4示出了根据本发明具体实施例的生成暂存点签收时长集合的流程图。
图5示出了根据本发明实施例的确定物流对象收货方式的装置的模块图。
图6示意性示出本发明示例性实施例中一种计算机可读存储介质示意图。
图7示意性示出本发明示例性实施例中一种电子设备示意图。
具体实施方式
现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的范例；相反，提供这些实施方式使得本发明将更加全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。
此外，附图仅为本发明的示意性图解，并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体，不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
附图中所示的流程图仅是示例性说明，不是必须包括所有的步骤。例如，有的步骤还可以分解，而有的步骤可以合并或部分合并，因此，实际执行的顺序有可能根据实际情况改变。
在本发明的各个实施例中，本发明应用于物流场景中。例如，可以向寄件用户提供所预测的物流对象收货方式，以提供物物流对象收货方式的参考。例如，可以向收件用户提供所预测的物流对象收货方式，以提供物物流对象收货方式的参考。又例如，寄件用户委托物流公司进行物流对象的运输和派送时，可以由物流公司统一采用本发明预测的物流对象收货方式进行物流对象的派送。再例如，当寄件用户为电商平台时，电商平台也可自行采用本发明预测的物流对象收货方式进行物流对象的派送。由此，本发明的方法及装置可以布置于寄件用户/收件用户的终端、物流公司的终端或者电商平台的终端上，本发明并非以此为限制。
图1示出了根据本发明实施例的确定物流对象收货方式的方法的流程图。确定物流对象收货方式的方法包括如下步骤：
步骤S110：获取物流对象的寄件信息。
具体而言，所述的“物流对象”表示寄件用户通过物流公司经由运输的过程派送至收件用户的任意物品。
具体而言，物流对象的寄件信息可以包括收件地址、收件地址类型、物流对象的物品类型集合，以及用于收件用户的收货偏好信息、收件用户的暂存点签收时长计算的信息。其中，用于收件用户的收货偏好信息、收件用户的暂存点签收时长计算的信息将在下文结合计算收件用户的收货偏好信息、收件用户的暂存点签收时长的具体实施例中进行描述。
步骤S120：根据所述物流对象的寄件信息获取收件用户的收货偏好信息。
具体而言，所述收件用户的收货偏好信息可以包括收件用户最偏好的收货方式、收件用户对各收货方式的偏好值、收件用户在不同情况下最偏好的收货方式、收件用户在不同情况下对各收货方式的偏好值中的一项或多项，本发明并非以此为限制。上述不同情况例如可以包括不同的收货地址、不同的收货时间等。
步骤S130：根据所述物流对象的寄件信息获取收件用户的暂存点签收时长。
具体而言，暂存点可以包括快递柜、驿站以及其它诸如小区专门暂存快递的位置，本发明并非以此为限制。收件用户的暂存点签收时长为物流对象到达暂存点与收件用户签收该物流对象之间的时间差。此处所描述的用户签收为实际的签收，即用户取走该物流对象即视为用户签收该物流对象。
步骤S140：采用物流对象收货分类模型，根据所述寄件信息、所述收货偏好信息以及所述暂存点签收时长确定所述物流对象收货方式。
具体而言，物流对象收货分类模型可以通过机器学习的分类算法实现。例如，可以通过贝叶斯分类算法、决策树分类算法、支持向量机分类算法、逻辑回归算法、神经网络算法中的任一项来实现，本发明并非以此为限制。
具体而言，所述物流对象收货方式可以包括送货上门、送货至普通快递柜、送货至生鲜快递柜、送货至驿站、送货至其它约定的暂存点。其余物流对象收货方式也在本发明的保护范围之内。
具体而言，上述步骤S140中所述寄件信息、所述收货偏好信息以及所述暂存点签收时长可以分别单独作为物流对象收货分类模型的输入。在一些变化例中，可以将所述寄件信息、所述收货偏好信息以及所述暂存点签收时长中至少部分信息拼接形成所述物流对象收货分类模型的输入，以强调寄件信息、所述收货偏好信息以及所述暂存点签收时长中部分信息的组合对收货方式的影响，从而进一步提高输出的收货方式的准确性。
具体而言，上述步骤的执行顺序并非以此为限制。例如步骤S120和步骤S130可以同步执行或以相反的顺序执行。
在本发明提供的确定物流对象收货方式的方法中，通过分别获取寄件信息、收件用户的收货偏好信息以及收件用户的暂存点签收时长，并根据寄件信息、收件用户的收货偏好信息以及收件用户的暂存点签收时长，自动预测物流对象收货方式。由此，通过多维的信息选取和信息获取，合理预测物流对象收货方式，在兼顾末端派送效率的同时提高客户收件体验。
在本发明的一些实施例中，所述寄件信息至少包括所述物流对象的收件地址以及所述物流对象的收件地址的地址类型。具体而言，地址类型例如可以包括住宅、办公楼、休闲场所等，本发明并非以此为限制。进一步地，不同的地址类型会具有不同的收货方式(例如，住宅的快递柜收货比例较高，而办公楼通常为送货上门)，因此，地址类型会对于收货方式的确定起到一定的作用。参见图2，图2示出了根据本发明具体实施例的确定物流对象的收件地址的地址类型的流程图。图2示出了如下步骤：
步骤S111：将所述物流对象的收件地址与一地址库中各地址进行相似度匹配，以自所述地址库中筛选相似地址集合，所述地址库中存储有地址与该地址所属的地址类型。
具体而言，地址库中存储的地址可以以完整的地址文本或者特征文本的形式储存。
具体而言，将所述物流对象的收件地址与一地址库中各地址进行相似度匹配的步骤可以通过如下方式实现：对物流对象的收件地址进行分词后，提取物流对象的收件地址的特征文本；依据物流对象的收件地址的特征文本与地址库中存储的地址进行相似度匹配，以将相似度大于预定阈值的地址(或者相似度较大的N个地址，N为大于等于1的整数)形成相似地址集合。
进一步地，上述物流对象的收件地址的特征文本的特征文本的提取，例如可以通过经训练的机器学习模型来实现。该机器学习模型可以通过经标注的训练样本训练，从而学习提取收件地址的特征文本。每一地址的特征文本的数量可以是一个或多个。特征文本例如可以包括：诸如路名的地址标识和/或诸如广场、大厦、大楼等类型信息。
进一步地，上述物流对象的收件地址的特征文本与地址库中存储的地址的相似度可以通过文本向量转换算法(例如Word2vec)转换为向量后，通过余弦相似度、WMD(词移距离，Word Mover Distance)、WCD(字的质心距离，Word centroid distance)、RWMD(放松限制条件下的词移距离，Relaxed word moving distance)中的一个或多个算法计算距离值，以作为所要计算的相似度。在一些变化例中，上述物流对象的收件地址的特征文本与地址库中存储的地址的相似度也可以相同词的数量及词频计算，其中，相同词的数量及词频与相似度成正相关。本发明还可以实现更多的相似度计算方式，在此不予赘述。
步骤S112：按各所述地址类型，聚合所述相似地址集合中的地址。
具体而言，步骤S112统计相似地址集合中，每一地址类型的地址数量。
步骤S113：将所述相似地址集合中，地址数量最多的地址类型作为所述物流对象的收件地址的地址类型。
具体而言，以地址类型包括住宅、办公楼以及休闲场所为例，当收件地址的相似地址集合中地址类型为住宅的地址数量为3，地址类型为办公楼的地址数量为20，地址类型为休闲场所的地址数量为5，则将数量最多的办公楼作为物流对象的收件地址的地址类型。
由此，考虑到同一收件地址可能存在不同的表达，当收件地址无法直接在地址库中匹配到完全相同的地址时，可以通过上述相似度计算方式，从而根据结合相似地址(例如可以包括同一地址的不同表达以及相似度较高的不同地址)中，地址数量最多的地址类型作为收件地址的地址类型。
具体而言，本发明可以在采用上述步骤确定收件地址的地址类型之前，将收件地址与地址库中的地址进行精确匹配，若匹配到完全一致的地址时，即可将地址库中的地址的地址类型作为收件地址的地址类型，以整体减少相似度计算的地址数量。当地址库中的地址数量较少时，上述精确匹配的概率较小时，本发明也可以直接采用上述步骤确定收件地址的地址类型，以整体提高地址类型确定效率。本发明并非以此为限制。
在本发明的一些实施例中，考虑到同一物流对象包括的物品的物品类型也与物流对象的收货方式的确定关联。例如，在一些具体实现中，生鲜类食品不适合长时间保存于普通快递柜，大尺寸、大重量的商品无法寄存快递柜等。
因此，在本实施例中，所述物流对象的寄件信息可以包括所述物流对象的物品类型集合。具体而言，在本实施例中，所述物流对象的物品类型集合基于所述物流对象的物品属性确定。物流对象的物品属性可以通过用户输入或这用户订单信息的物品明细获取。物品属性例如可以包括物品名称、物流尺寸、物品重量等。进一步地，物品类型与收件地址的地址类型会共同对物流对象收货方式产生影响，因此，所述物流对象的寄件信息可以包括所述物流对象的物品类型集合以及收件地址的地址类型，且所述物流对象的物品类型集合以及收件地址的地址类型可以拼接为同一输入向量以输入物流对象收货分类模型。
在本发明的一些实施例中，考虑到收件用户的收件体验，收件用户的收货偏好信息也会造成不同的物流对象的收货方式的确定。在该实施例中，所述物流对象的寄件信息至少包括所述物流对象的收件用户，图1中步骤S120根据所述物流对象的寄件信息获取收件用户的收货偏好信息可以通过如下步骤来实现：根据所述收件用户的用户标识自一用户收货偏好集合中确定该收件用户的收货偏好信息，所述用户收货偏好集合包括用户标识及该用户标识的收货偏好信息。
具体而言，用户收货偏好集合可以按图3所示的步骤生成。图3共示出如下步骤：
步骤S210：获取历史物流订单，所述历史物流订单至少包括收件用户的用户标识、该物流订单的收货方式及收件用户对该物流订单的物流体验评价信息。
在一些具体实现中，物流体验评价信息可以包括物流时效评价信息、物流派送评价信息等。物流体验评价信息可以由收件用户进行评价。各物流体验评价信息可以归一化为同一评分区间(例如1至5分；1至10分；1至100分等)。评价信息于其所在评分区间分数越高，则表示用户对签收站点的物流时效、物流派送越满意。
步骤S220：按收件用户的用户标识，采用收货偏好分类模型，根据所述历史物流订单中各物流订单的收货方式及收件用户对各物流订单的物流体验评价信息确定各收件用户的用户收货偏好信息。
在一些具体实现中，在物流体验评价信息包括物流时效评价信息和物流派送评价信息的实施例中，可以分别获取收件用户对不同收货方式的物流订单的历史物流时效评价信息和物流派送评价信息，将历史物流时效评价信息的平均值作为该收货方式的物流时效评价信息；将历史物流派送评价信息的平均值作为该收货方式的物流派送评价信息。本发明并非以此为限制，也可以通过诸如中位数等方式，聚合获得收货方式的物流时效评价信息和物流派送评价信息以作为收货方式的物流体验评价信息的聚合信息。
在另一些具体实施例中，物流体验评价信息也可以仅包括收件用户的收货方式评价信息。从而，可以获取收件用户对不同收货方式的物流订单的的收货方式评价信息，将历史的收货方式评价信息的平均值作为该收货方式的的收货方式评价信息，本发明并非以此为限制。
具体而言，收货偏好分类模型可以通过机器学习的分类算法实现。例如，可以通过贝叶斯分类算法、决策树分类算法、支持向量机分类算法、逻辑回归算法、神经网络算法中的任一项来实现，本发明并非以此为限制。由此，提高收货偏好分类模型输出的收货偏好信息的准确性。
在一些变化例中，收货偏好分类模型例如可以通过算数平均、加权平均等方式，将所述收货方式对所述物流体验评价信息的聚合信息转化为收货偏好信息。在本实施例中，收件用户的收货偏好信息可以包括收件用户最偏好的收货方式、收件用户对各收货方式的偏好值、收件用户在不同情况下最偏好的收货方式、收件用户在不同情况下对各收货方式的偏好值中的一项或多项，本发明并非以此为限制。具体而言，收件用户的收货偏好信息仅包括收件用户最偏好的收货方式时，提高后续算法效率，减少数据储存需求。收件用户的收货偏好信息包括收件用户对各收货方式的偏好值时，可以增加收件用户的收货偏好维度，增加预测的收货方式的准确性。收件用户的收货偏好信息包括收件用户在不同情况下最偏好的收货方式或收件用户在不同情况下对各收货方式的偏好值，通过额外的维度(诸如与地址分类拼接、增加派送时间的维度)，增加预测的收货方式的准确性。例如，地址分类为住宅时且派送时间为工作日19：00之后以及休息日时，收件用户对送货上门的偏好值更高；地址分类为住宅时且派送时间为工作日工作时间时，收件用户对暂存点的偏好值更高。又例如，地址分类为办公楼时且派送时间为工作日工作时间时，收件用户对送货上门的偏好值更高；地址分类为办公楼时且派送时间为工作日19：00之后以及休息日时，收件用户对暂存点的偏好值更高。
由此，可以通过上述步骤将物流体验评价信息转化为收货偏好信息，并实现用户收货偏好集合的生成，以便于收件用户的用户收货偏好信息的获取。
在本发明的一些实施例中，考虑到收件用户的暂存点签收时长也会造成不同的物流对象的收货方式的确定，在该实施例中，所述物流对象的寄件信息至少包括所述物流对象的收件用户，图1中步骤S130根据所述物流对象的寄件信息获取收件用户的暂存点签收时长可以通过如下步骤来实现：根据所述收件用户的用户标识自一暂存点签收时长集合中确定该收件用户的暂存点签收时长，所述暂存点签收时长集合包括用户标识及该用户标识的暂存点签收时长。
具体而言，暂存点签收时长集合可以按图4所示的步骤生成。图4共示出如下步骤：
步骤S310获取采用暂存点收货方式的历史物流订单，所述历史物流订单至少包括收件用户的用户标识、该物流订单的物流对象到达暂存点的时间以及收件用户签收该物流对象的时间。
具体而言，暂存点可以包括快递柜、驿站以及其它诸如小区专门暂存快递的位置，本发明并非以此为限制。
具体而言，此处所描述的用户签收为实际的签收，即用户取走该物流对象即视为用户签收该物流对象。
步骤S320：对于每一采用暂存点收货方式的历史物流订单，计算收件用户签收该物流对象的时间与该物流订单的物流对象到达暂存点的时间之间的时间差，作为该物流订单的准暂存点签收时长。
步骤S330：按收件用户的用户标识，计算采用暂存点收货方式的历史物流订单的准暂存点签收时长的平均值，作为该用户标识的暂存点签收时长。
在一些实施例中，可以将快递柜、驿站以及其它诸如小区专门暂存快递的位置统一为暂存点，从而将采用快递柜、驿站以及其它诸如小区专门暂存快递的位置的准暂存点签收时长的平均值，作为该用户标识的暂存点签收时长。由此，减少算法复杂度且减少数据存储需求。
在一些变化例中，可以将快递柜、驿站以及其它诸如小区专门暂存快递的位置分别作为暂存点的一个分类，从而按同一收件用户的用户标识，统计不同暂存点分类的准暂存点签收时长的平均值，作为不同暂存点分类的暂存点签收时长。由此，通过增加暂存点的维度以提高预测获得的收货方式的准确率。
在步骤S330采用平均值的方式，本发明并非以此为限制，算数平均、加权平均等方式，也在本发明的保护范围之内。
在一些实施例中，考虑到收件用户的暂存点签收时长和物品类型集合可以共同影响收货方式的确定，收件用户的暂存点签收时长可以和物品类型集合拼接以输入物流对象收货分类模型。例如，对于物品类型集合包括生鲜食品，则收件用户的暂存点签收时长越长，将普通快递柜作为收货方式的概率越低。
以上仅仅是本发明的多个具体实现方式，各实现方式可以独立或组合来实现，本发明并非以此为限制。
图5示出了根据本发明实施例的确定物流对象收货方式的装置的模块图。确定物流对象收货方式的装置400包括第一获取模块410、第二获取模块420、第三获取模块430以及分类模块440。
第一获取模块410配置成获取物流对象的寄件信息；
第二获取模块420配置成根据所述物流对象的寄件信息获取收件用户的收货偏好信息；
第三获取模块430配置成根据所述物流对象的寄件信息获取收件用户的暂存点签收时长；以及
分类模块440配置成采用物流对象收货分类模型，根据所述寄件信息、所述收货偏好信息以及所述暂存点签收时长确定所述物流对象收货方式。
在本发明的示例性实施方式的确定物流对象收货方式的装置中，通过分别获取寄件信息、收件用户的收货偏好信息以及收件用户的暂存点签收时长，并根据寄件信息、收件用户的收货偏好信息以及收件用户的暂存点签收时长，自动预测物流对象收货方式。由此，通过多维的信息选取和信息获取，合理预测物流对象收货方式，在兼顾末端派送效率的同时提高客户收件体验。
图5仅仅是示意性的示出本发明提供的确定物流对象收货方式的装置400，在不违背本发明构思的前提下，模块的拆分、合并、增加都在本发明的保护范围之内。本发明提供的确定物流对象收货方式的装置400可以由软件、硬件、固件、插件及他们之间的任意组合来实现，本发明并非以此为限。
在本发明的示例性实施例中，还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被例如处理器执行时可以实现上述任意一个实施例中所述确定物流对象收货方式的方法的步骤。在一些可能的实施方式中，本发明的各个方面还可以实现为一种程序产品的形式，其包括程序代码，当所述程序产品在终端设备上运行时，所述程序代码用于使所述终端设备执行本说明书上述确定物流对象收货方式的方法部分中描述的根据本发明各种示例性实施方式的步骤。
参考图6所示，描述了根据本发明的实施方式的用于实现上述方法的程序产品700，其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码，并可以在终端设备，例如个人电脑上运行。然而，本发明的程序产品不限于此，在本文件中，可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行***、装置或者器件使用或者与其结合使用。
所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的***、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
所述计算机可读存储介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。可读存储介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行***、装置或者器件使用或者与其结合使用的程序。可读存储介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、有线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在租户计算设备上执行、部分地在租户设备上执行、作为一个独立的软件包执行、部分在租户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(LAN)或广域网(WAN)，连接到租户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
在本发明的示例性实施例中，还提供一种电子设备，该电子设备可以包括处理器，以及用于存储所述处理器的可执行指令的存储器。其中，所述处理器配置为经由执行所述可执行指令来执行上述任意一个实施例中所述确定物流对象收货方式的方法的步骤。
所属技术领域的技术人员能够理解，本发明的各个方面可以实现为***、方法或程序产品。因此，本发明的各个方面可以具体实现为以下形式，即：完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等)，或硬件和软件方面结合的实施方式，这里可以统称为“电路”、“模块”或“***”。
下面参照图7来描述根据本发明的这种实施方式的电子设备500。图7显示的电子设备500仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
如图7所示，电子设备500以通用计算设备的形式表现。电子设备500的组件可以包括但不限于：至少一个处理单元510、至少一个存储单元520、连接不同***组件(包括存储单元520和处理单元510)的总线530、显示单元540等。
其中，所述存储单元存储有程序代码，所述程序代码可以被所述处理单元510执行，使得所述处理单元510执行本说明书上述确定物流对象收货方式的方法部分中描述的根据本发明各种示例性实施方式的步骤。例如，所述处理单元510可以执行如图1至图7任一幅或多幅附图所示的步骤。
所述存储单元520可以包括易失性存储单元形式的可读介质，例如随机存取存储单元(RAM)5201和/或高速缓存存储单元5202，还可以进一步包括只读存储单元(ROM)5203。
所述存储单元520还可以包括具有一组(至少一个)程序模块5205的程序/实用工具5204，这样的程序模块5205包括但不限于：操作***、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。
总线530可以为表示几类总线结构中的一种或多种，包括存储单元总线或者存储单元控制器、***总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
电子设备500也可以与一个或多个外部设备600(例如键盘、指向设备、蓝牙设备等)通讯，还可与一个或者多个使得租户能与该电子设备500交互的设备通讯，和/或与使得该电子设备500能与一个或多个其它计算设备进行通讯的任何设备(例如路由器、调制解调器等等)通讯。这种通讯可以通过输入/输出(I/O)接口550进行。并且，电子设备500还可以通过网络适配器560与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通讯。网络适配器560可以通过总线530与电子设备500的其它模块通讯。应当明白，尽管图中未示出，可以结合电子设备500使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID***、磁带驱动器以及数据备份存储***等。
通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本发明实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、或者网络设备等)执行根据本发明实施方式的上述确定物流对象收货方式的方法。
相比现有技术，本发明的优势在于：
本发明通过分别获取寄件信息、收件用户的收货偏好信息以及收件用户的暂存点签收时长，并根据寄件信息、收件用户的收货偏好信息以及收件用户的暂存点签收时长，自动预测物流对象收货方式。由此，通过多维的信息选取和信息获取，合理预测物流对象收货方式，在兼顾末端派送效率的同时提高客户收件体验。
本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本发明的其它实施方案。本申请旨在涵盖本发明的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本发明的一般性原理并包括本发明未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本发明的真正范围和精神由所附的权利要求指出。
Claims (13)
1.一种确定物流对象收货方式的方法，其特征在于，包括：
获取物流对象的寄件信息；
根据所述物流对象的寄件信息获取收件用户的收货偏好信息；
根据所述物流对象的寄件信息获取收件用户的暂存点签收时长；以及
采用物流对象收货分类模型，根据所述寄件信息、所述收货偏好信息以及所述暂存点签收时长确定所述物流对象收货方式。
2.如权利要求1所述的确定物流对象收货方式的方法，其特征在于，所述寄件信息至少包括所述物流对象的收件地址以及所述物流对象的收件地址的地址类型。
3.如权利要求2所述的确定物流对象收货方式的方法，其特征在于，所述物流对象的收件地址的地址类型根据如下步骤确定：
将所述物流对象的收件地址与一地址库中各地址进行相似度匹配，以自所述地址库中筛选相似地址集合，所述地址库中存储有地址与该地址所属的地址类型；
按各所述地址类型，聚合所述相似地址集合中的地址；以及
将所述相似地址集合中，地址数量最多的地址类型作为所述物流对象的收件地址的地址类型。
4.如权利要求1所述的确定物流对象收货方式的方法，其特征在于，所述物流对象的寄件信息至少包括所述物流对象的物品类型集合。
5.如权利要求4所述的确定物流对象收货方式的方法，其特征在于，所述物流对象的物品类型集合基于所述物流对象的物品属性确定。
6.如权利要求1所述的确定物流对象收货方式的方法，其特征在于，所述物流对象的寄件信息至少包括所述物流对象的收件用户，所述根据所述物流对象的寄件信息获取收件用户的收货偏好信息包括：
根据所述收件用户的用户标识自一用户收货偏好集合中确定该收件用户的收货偏好信息，所述用户收货偏好集合包括用户标识及该用户标识的收货偏好信息。
7.如权利要求6所述的确定物流对象收货方式的方法，其特征在于，所述用户收货偏好集合根据如下步骤生成：
获取历史物流订单，所述历史物流订单至少包括收件用户的用户标识、该物流订单的收货方式及收件用户对该物流订单的物流体验评价信息；
按收件用户的用户标识，采用收货偏好分类模型，根据所述历史物流订单中各物流订单的收货方式及收件用户对各物流订单的物流体验评价信息确定各收件用户的用户收货偏好信息。
8.如权利要求1所述的确定物流对象收货方式的方法，其特征在于，所述物流对象的寄件信息至少包括所述物流对象的收件用户，所述根据所述物流对象的寄件信息获取收件用户的收货偏好信息包括：
根据所述收件用户的用户标识自一暂存点签收时长集合中确定该收件用户的暂存点签收时长，所述暂存点签收时长集合包括用户标识及该用户标识的暂存点签收时长。
9.如权利要求8所述的确定物流对象收货方式的方法，其特征在于，所述暂存点签收时长集合根据如下步骤生成：
获取采用暂存点收货方式的历史物流订单，所述历史物流订单至少包括收件用户的用户标识、该物流订单的物流对象到达暂存点的时间以及收件用户签收该物流对象的时间；
对于每一采用暂存点收货方式的历史物流订单，计算收件用户签收该物流对象的时间与该物流订单的物流对象到达暂存点的时间之间的时间差，作为该物流订单的准暂存点签收时长；
按收件用户的用户标识，计算采用暂存点收货方式的历史物流订单的准暂存点签收时长的平均值，作为该用户标识的暂存点签收时长。
10.如权利要求1-9中任一项所述的确定物流对象收货方式的方法，其特征在于，所述采用物流对象收货分类模型，根据所述寄件信息、所述收货偏好信息以及所述暂存点签收时长确定所述物流对象收货方式包括：
将所述寄件信息、所述收货偏好信息以及所述暂存点签收时长中至少部分信息拼接形成所述物流对象收货分类模型的输入。
11.一种确定物流对象收货方式的装置，其特征在于，包括：
第一获取模块，配置成获取物流对象的寄件信息；
第二获取模块，配置成根据所述物流对象的寄件信息获取收件用户的收货偏好信息；
第三获取模块，配置成根据所述物流对象的寄件信息获取收件用户的暂存点签收时长；以及
分类模块，配置成采用物流对象收货分类模型，根据所述寄件信息、所述收货偏好信息以及所述暂存点签收时长确定所述物流对象收货方式。
12.一种电子设备，其特征在于，所述电子设备包括：
处理器；
存储器，其上存储有计算机程序，所述计算机程序被所述处理器运行时执行如权利要求1至10任一项所述的确定物流对象收货方式的方法。
13.一种存储介质，其特征在于，所述存储介质上存储有计算机程序，所述计算机程序被处理器运行时执行如权利要求1至10任一项所述的确定物流对象收货方式的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010364622.8A CN111967808B (zh) | 2020-04-30 | 2020-04-30 | 确定物流对象收货方式的方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010364622.8A CN111967808B (zh) | 2020-04-30 | 2020-04-30 | 确定物流对象收货方式的方法、装置、电子设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111967808A CN111967808A (zh) | 2020-11-20 |
| CN111967808B true CN111967808B (zh) | 2023-11-24 |
Family
ID=73358121
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010364622.8A Active CN111967808B (zh) | 2020-04-30 | 2020-04-30 | 确定物流对象收货方式的方法、装置、电子设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111967808B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112488199B (zh) * | 2020-11-30 | 2024-07-09 | 上海寻梦信息技术有限公司 | 物流配送方式预测方法、***、设备及存储介质 |
| CN112734347B (zh) * | 2021-04-06 | 2021-06-22 | 杭州拼便宜网络科技有限公司 | 一种物流配送方法、装置、设备及存储介质 |
| CN116434235A (zh) * | 2023-03-20 | 2023-07-14 | 上海昱耀信息科技有限公司 | 信息处理方法、装置、设备及存储介质 |
Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20120023356A (ko) * | 2010-09-03 | 2012-03-13 | 소프트온넷(주) | 고객중심의 택배관리 소프트웨어 시스템 및 방법 |
| CN105894232A (zh) * | 2016-03-31 | 2016-08-24 | 北京小度信息科技有限公司 | 物流配送方法和装置 |
| CN105956801A (zh) * | 2016-04-18 | 2016-09-21 | 张伟彬 | 快递代收方法 |
| CN106875106A (zh) * | 2017-01-24 | 2017-06-20 | 北京小米移动软件有限公司 | 送货方法及装置 |
| CN107506963A (zh) * | 2017-08-23 | 2017-12-22 | 河北工业职业技术学院 | 货物配送方法 |
| CN108364143A (zh) * | 2017-01-26 | 2018-08-03 | 北京京东尚科信息技术有限公司 | 配送方法和配送*** |
| CN109214738A (zh) * | 2017-07-04 | 2019-01-15 | 菜鸟智能物流控股有限公司 | 一种物流对象的接收方法、装置及***和电子设备 |
| CN109255564A (zh) * | 2017-07-13 | 2019-01-22 | 菜鸟智能物流控股有限公司 | 一种取件点地址推荐方法及装置 |
| CN109284948A (zh) * | 2017-07-20 | 2019-01-29 | 菜鸟智能物流控股有限公司 | 物流对象选择方法、物流对象选择装置和电子装置 |
| CN109816134A (zh) * | 2017-11-22 | 2019-05-28 | 北京京东尚科信息技术有限公司 | 收货地址预测方法、装置以及存储介质 |
| CN109948981A (zh) * | 2019-03-18 | 2019-06-28 | 康美药业股份有限公司 | 选择配送方案的方法、终端及计算机可读存储介质 |
| CN110335115A (zh) * | 2019-07-01 | 2019-10-15 | 阿里巴巴集团控股有限公司 | 一种业务订单处理方法及装置 |
| CN110990651A (zh) * | 2019-12-05 | 2020-04-10 | 同盾控股有限公司 | 地址数据处理方法、装置、电子设备及计算机可读介质 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10354216B2 (en) * | 2013-08-30 | 2019-07-16 | United Parcel Service Of America, Inc. | Systems, methods, and computer program products for providing customized communication content in conjunction with transport of a plurality of packages |
| US11049199B2 (en) * | 2017-11-06 | 2021-06-29 | Microsoft Technology Licensing, Llc | Contextual trip itinerary generator |
-
2020
- 2020-04-30 CN CN202010364622.8A patent/CN111967808B/zh active Active
Patent Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20120023356A (ko) * | 2010-09-03 | 2012-03-13 | 소프트온넷(주) | 고객중심의 택배관리 소프트웨어 시스템 및 방법 |
| CN105894232A (zh) * | 2016-03-31 | 2016-08-24 | 北京小度信息科技有限公司 | 物流配送方法和装置 |
| CN105956801A (zh) * | 2016-04-18 | 2016-09-21 | 张伟彬 | 快递代收方法 |
| CN106875106A (zh) * | 2017-01-24 | 2017-06-20 | 北京小米移动软件有限公司 | 送货方法及装置 |
| CN108364143A (zh) * | 2017-01-26 | 2018-08-03 | 北京京东尚科信息技术有限公司 | 配送方法和配送*** |
| CN109214738A (zh) * | 2017-07-04 | 2019-01-15 | 菜鸟智能物流控股有限公司 | 一种物流对象的接收方法、装置及***和电子设备 |
| CN109255564A (zh) * | 2017-07-13 | 2019-01-22 | 菜鸟智能物流控股有限公司 | 一种取件点地址推荐方法及装置 |
| CN109284948A (zh) * | 2017-07-20 | 2019-01-29 | 菜鸟智能物流控股有限公司 | 物流对象选择方法、物流对象选择装置和电子装置 |
| CN107506963A (zh) * | 2017-08-23 | 2017-12-22 | 河北工业职业技术学院 | 货物配送方法 |
| CN109816134A (zh) * | 2017-11-22 | 2019-05-28 | 北京京东尚科信息技术有限公司 | 收货地址预测方法、装置以及存储介质 |
| CN109948981A (zh) * | 2019-03-18 | 2019-06-28 | 康美药业股份有限公司 | 选择配送方案的方法、终端及计算机可读存储介质 |
| CN110335115A (zh) * | 2019-07-01 | 2019-10-15 | 阿里巴巴集团控股有限公司 | 一种业务订单处理方法及装置 |
| CN110990651A (zh) * | 2019-12-05 | 2020-04-10 | 同盾控股有限公司 | 地址数据处理方法、装置、电子设备及计算机可读介质 |
Non-Patent Citations (3)
| Title |
|---|
| 基于大数据分析的快递派送引导管理***的设计与实现;叶显秀;中国优秀硕士学位论文全文数据库信息科技辑(第5期);I138-749 * |
| 新零售下广州市城市社区末端物流体系研究;殷华 等;物流技术;第38卷(第8期);13-19 * |
| 物联网的可感知性对电商物流满意度的影响;柯昌英;王言;;商业经济(06);88-90+120 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111967808A (zh) | 2020-11-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111967808B (zh) | 确定物流对象收货方式的方法、装置、电子设备及存储介质 | |
| WO2021196476A1 (zh) | 对象推荐方法、电子设备及存储介质 | |
| US11640551B2 (en) | Method and apparatus for recommending sample data | |
| CN108388563B (zh) | 信息输出方法和装置 | |
| CN109978465A (zh) | 货源推荐方法、装置、电子设备、存储介质 | |
| US20130325861A1 (en) | Data Clustering for Multi-Layer Social Link Analysis | |
| CN116029637A (zh) | 跨境电商物流渠道智能推荐方法及装置、设备、存储介质 | |
| CN114943462A (zh) | 酒店群数据处理方法、***、设备及存储介质 | |
| CN112288362B (zh) | 包裹重投递方法、包裹投递方法以及相关设备 | |
| CN111523032A (zh) | 确定用户偏好的方法、装置、介质和电子设备 | |
| CN111861004A (zh) | 日收入产量的自动佣金预测方法、***、设备及存储介质 | |
| CN113763077A (zh) | 用于检测虚假交易订单的方法和装置 | |
| CN112818684B (zh) | 地址元素排序方法、装置、电子设备及存储介质 | |
| CN112488199B (zh) | 物流配送方式预测方法、***、设备及存储介质 | |
| CN113011672B (zh) | 物流时效预测方法、装置、电子设备及存储介质 | |
| CN115017385A (zh) | 一种物品搜索方法、装置、设备和存储介质 | |
| CN114897099A (zh) | 基于客群偏差平滑优化的用户分类方法、装置及电子设备 | |
| CN112785234A (zh) | 货物推荐方法、装置、设备及存储介质 | |
| CN113361920A (zh) | 酒店服务优化指标推荐方法、***、设备及存储介质 | |
| CN111125272B (zh) | 一种区域特征获取方法、装置、计算机设备及介质 | |
| CN111275476B (zh) | 一种物流仓储服务的报价方法和装置 | |
| CN113011665A (zh) | 物流时效预测方法、装置、设备及存储介质 | |
| CN112132500A (zh) | 构建派件围栏的方法、超派运单的识别方法及相关设备 | |
| CN111667208A (zh) | 一种物品存储控制方法、装置、设备及介质 | |
| CN113743972B (zh) | 一种生成物品信息的方法和装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |