联系时机确定方法和装置与流程

本发明涉及数据处理技术领域，具体而言，涉及联系时机确定方法、联系时机确定装置、电子设备和计算机可读存储介质。

背景技术：

在目前的派送业务中，派送员一般会在尚未抵达顾客所在的位置时，提前联系顾客，以便顾客能够提前准备好接收，从而避免派送员在抵达顾客所在位置后再等顾客而造成时间的浪费。

然而目前派送员联系顾客的时机一般是由派送员自行确定，主观因素较大，准确性较低，这就造成了若过早联系顾客，可能导致顾客提前到收货位置等待派送员，浪费顾客时间；若过晚联系顾客，可能导致派送员在收货位置等待顾客，浪费派送员时间。

技术实现要素：

本发明提供联系时机确定方法、联系时机确定装置、电子设备和计算机可读存储介质，以解决相关技术中的不足。

根据本发明实施例的第一方面，提供一种联系时机确定方法，包括：

获取派送方的派送特征信息；

根据获取到的派送特征信息和预定关联函数确定所述派送方联系接收方的概率；

根据所述概率与预设概率的关系，确定是否联系所述接收方。

可选地，采用如下步骤确定所述预定关联函数：

获取多个派送方的历史派送特征信息，以及获取在所述历史派送特征信息对应的历史时刻派送方联系接收方的历史概率；

根据所述历史派送特征信息和所述历史概率构建训练集；

基于所述训练集进行机器学习以确定所述预定关联函数。

可选地，所述方法还包括：

按照预设更新周期，使用预设更新函数更新所述预定关联函数中关于所述派送特征信息的权值。

可选地，所述方法还包括：

在确定联系所述接收方的情况下，向所述派送方发送联系所述接收方的提示信息。

可选地，所述方法还包括：

在确定联系所述接收方的情况下，向所述接收方发送准备接收的通知信息。

可选地，所述方法还包括：

接收所述派送方发送的更正概率；

使用所述更正概率更新所述预设概率。

可选地，所述派送特征信息包括以下至少之一：

订单的优先级；派送方与接收方的距离；派送方待完成的订单的数量；历史上为所述接收方进行派送的历史派送方联系所述接收方时与所述接收方的距离的均值；历史上为所述接收方进行派送的历史派送方，在与所述接收方相距所述派送方与所述接收方的距离的情况下，联系所述接收方的概率的均值。

根据本发明实施例的第二方面，提供一种联系时机确定装置，包括：

特征获取模块，用于获取派送方的派送特征信息；

概率确定模块，用于根据获取到的派送特征信息和预定关联函数确定所述派送方联系接收方的概率；

联系确定模块，根据所述概率与预设概率的关系，确定是否联系所述接收方。

根据本发明实施例的第三方面，提供一种电子设备，包括：

处理器；

用于存储处理器可执行指令的存储器；

其中，所述处理器被配置为执行上述任一实施例所述的方法中的步骤。

根据本发明实施例的第四方面，提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时执行上述任一实施例所述的方法中的步骤。

由上述实施例可知，根据派送方的派送特征信息和预定关联函数，可以自动确定所述派送方联系接收方的概率，由于派送特征信息相对派送方的主观认知可以更加准确地体现派送方的情况，而预定关系函数则可以准确地体现派送特征信息与派送方是否联系接收方之间的关系。因此，根据派送特征信息和预定关联函数可以准确地确定所述派送方联系接收方的概率，从而在节约派送方的时间的基础上，避免接收方过多地提前等待派送方，提升派送方和接收方双方的体验。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本发明。

附图说明

图1是根据本发明的实施例示出的一种联系时机确定方法的示意流程图。

图2是根据本发明的实施例示出的另一种联系时机确定方法的示意流程图。

图3是根据本发明的实施例示出的又一种联系时机确定方法的示意流程图。

图4是根据本发明的实施例示出的又一种联系时机确定方法的示意流程图。

图5是根据本发明的实施例示出的又一种联系时机确定方法的示意流程图。

图6是根据本发明的实施例示出的又一种联系时机确定方法的示意流程图。

图7是根据本发明的实施例示出的联系时机确定装置所在服务器的一种硬件结构图。

图8是根据本发明的实施例示出的一种联系时机确定装置的示意框图。

图9是根据本发明的实施例示出的另一种联系时机确定装置的示意框图。

图10是根据本发明的实施例示出的又一种联系时机确定装置的示意框图。

图11是根据本发明的实施例示出的又一种联系时机确定装置的示意框图。

图12是根据本发明的实施例示出的又一种联系时机确定装置的示意框图。

图13是根据本发明的实施例示出的又一种联系时机确定装置的示意框图。

具体实施方式

这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本发明相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本发明的一些方面相一致的装置和方法的例子。

在本发明使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本发明。在本发明和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。

应当理解，尽管在本发明可能采用术语第一、第二、第三等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本发明范围的情况下，第一信息也可以被称为第二信息，类似地，第二信息也可以被称为第一信息。取决于语境，如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。

图1是根据本发明的实施例示出的一种联系时机确定方法的示意流程图。本实施例所示的联系时机确定方法可以应用于服务器，所述服务器可以用于处理派送方和接收方的业务数据。

其中，派送方可以外卖业务中的送餐员，则接收方可以是外卖业务中的顾客；派送方也可以是快递业务中的快递员，则接收方可以是快递业务中的收货人。当然，本发明所示的实施例并不限于上述两种业务，针对包括派送方和接收方的业务均可适用，具体可以根据需要进行适用。

以下实施例主要在接收方为外卖业务中的送餐员，接收方为外卖业务中的顾客的情况下，进行示例性说明。

如图1所示，所示联系时机确定方法包括：

步骤s1，获取派送方的派送特征信息。

在一个实施例中，派送特征信息可以包括虚拟特征信息和实际特征信息。其中，虚拟特征信息可以是通过卷积神经网络对派送方的各种相关数据进行重构得到的特征的信息。实际特征信息可以包括：订单的优先级，其中，订单的优先级与订单的剩余完成时间反相关；派送方与接收方的距离；派送方待完成的订单的数量；历史上为所述接收方进行派送的历史派送方联系所述接收方时与所述接收方的距离的均值；历史上为所述接收方进行派送的历史派送方，在与所述接收方相距所述派送方与所述接收方的距离的情况下，联系所述接收方的概率的均值等。

步骤s2，根据获取到的派送特征信息和预定关联函数确定所述派送方联系接收方的概率；

其中，所述预定关系函数用于表征派送特征信息与派送方是否联系接收方之间的关系。

在一个实施例中，预定关联函数是将上述各项派送特征信息与联系接收方的概率相关联的函数，可以表征派送特征信息与派送方是否联系接收方之间的关系，其中，每个派送特征信息在预定关联函数中可以分别对应权值。通过将获取到的派送特征信息输入到预定关联函数中，可以得到派送方联系接收方的概率。例如所获取的派送特征信息是当前时刻的派送特征信息，根据预定关联函数所确定出的结果，可以是在当前时刻是否联系接收方。

步骤s3，根据所述概率与预设概率的关系，确定是否联系所述接收方。

在一个实施例中，在确定派送方联系接收方的概率后，可以将确定的概率与预设概率进行比较，例如在确定的概率大于或等于预设概率的情况下，可以确定联系接收方。

基于本发明的实施例，根据派送方的派送特征信息和预定关联函数，可以自动确定所述派送方联系接收方的概率，由于派送特征信息相对派送方的主观认知可以更加准确地体现派送方的情况，而预定关系函数则可以准确地体现派送特征信息与派送方是否联系接收方之间的关系。因此，根据派送特征信息和预定关联函数可以准确地确定所述派送方联系接收方的概率，从而在节约派送方的时间的基础上，避免接收方过多地提前等待派送方，提升派送方和接收方双方的体验。

图2是根据本发明的实施例示出的一种确定预定关联函数的示意流程图。如图2所示，可以采用如下步骤确定所述预定关联函数：

步骤s4，获取多个派送方的历史派送特征信息，以及获取在所述历史派送特征信息对应的历史时刻派送方联系接收方的历史概率；

步骤s5，根据所述历史派送特征信息和所述历史概率构建训练集；

步骤s6，基于所述训练集进行机器学习以确定所述预定关联函数。

在一个实施例中，基于历史上派送方完成的订单，可以获取历史派送特征信息，以及获取在所述历史派送特征信息对应的历史时刻派送方联系接收方的历史概率。

其中，历史派送特征信息的类型与图1所示实施例中派送特征信息的类型可以是相同的。历史概率可以基于历史派送特征信息相关联的多个派送方在历史时刻联系接收方的情况来确定，需要说明的是，针对不同的派送方而言，由于历史派送特征信息并不一定相同，所以历史派送特征信息对应的历史时刻可以是不同的，但是多个派送方的历史派送特征信息需要存在一定程度的关联，例如在计算历史概率时，可以设定一个历史距离，然后针对到接收方的距离等于该历史距离的多个派送方确定是否联系了接收方，进而根据联系了接收方的派送方的数据量和多个派送方的数量得到历史概率。

在一个实施例中，机器学习所基于模型可以是逻辑回归，gbdt，随机森林等。以下主要在基于逻辑回归模型的情况下，对本发明的实施例进行说明。

逻辑回归模型如下所示：

其中，x1至xn表示n个类型的派送特征信息，θi为xi的权值，i和n为正整数，且i≤n，x＝{x1,x2,x3,...,xn}，θ＝{θ1,θ2,θ3,...,θn}。

hθ(x)是关于x的s形函数，一般称之为逻辑函数，可以表示在确定θ的情况下，基于输入的x，派送方联系接收方的合理性，以y＝1表示合理，以y＝0表示不合理，那么可以基于后验概率描述hθ(x)：

p(y＝1|x；θ)＝hθ(x)；

p(y＝0|x；θ)＝1-hθ(x)；

例如基于p(y＝1|x；θ)＝hθ(x)进行描述，也即在确定θ的情况下，基于输入的x，派送方联系接收方合理的概率为hθ(x)。那么针对派送方而言，可以将x代入hθ(x)，从而得到hθ(x)的值，用于表示联系接收方合理的概率，若该概率大于或等于预设概率，那么可以确定联系接收方。

图3是根据本发明的实施例示出的另一种联系时机确定方法的示意流程图。如图3所示，所述联系时机确定方法还包括：

步骤s7，按照预设更新周期，使用预设更新函数更新所述预定关联函数中关于所述派送特征信息的权值。

在一个实施例中，由于预定关联函数是根据历史派送特征信息和所述历史概率所构建的训练集得到的，但是随着时间的推移，派送特征信息和概率可能会发生变化，例如由于派送路径发生变化，派送方对派送路径的熟悉度发生改变等因素，从而使得原来确定的预定关联函数可能并不能准确地体现派送特征信息与派送方是否联系接收方之间的关系。

因此，可以确定出的一个预设更新函数，以便能够在派送特征信息和概率发生变化的情况下，对预定关联函数中关于所述派送特征信息的权值进行更新，从而保证预定关联函数的准确性。

其中，预设更新函数可以是m和j为大于0的整数，j用于表示更新的轮数，α为设定的常数，可以表示学习率。需要说明的是，预设更新函数并不限于上述函数，具体可以根据需要进行设置。

图4是根据本发明的实施例示出的又一种联系时机确定方法的示意流程图。如图4所示，所述联系时机确定方法还包括：

步骤s8，在确定联系所述接收方的情况下，向所述派送方发送联系所述接收方的提示信息。

在一个实施例中，在确定联系接收方的情况下，说明联系接收方较为合理，从而可以向派送方发送联系接收方的提示信息，例如提示信息可以为“您已接近尾号为1024的用户，请问是否要拨打电话”，据此，派送方可以基于提示信息联系接收方，从而在节约派送方的时间的基础上，避免接收方过多地提前等待派送方，提升派送方和接收方双方的体验。

图5是根据本发明的实施例示出的又一种联系时机确定方法的示意流程图。如图5所示，所述联系时机确定方法还包括：

步骤s9，在确定联系所述接收方的情况下，向所述接收方发送准备接收的通知信息。

在一个实施例中，在确定联系接收方的情况下，说明联系接收方较为合理，从而可以向接收方发送准备接收的通知信息，例如提示信息可以为“派送员即将抵达您所在位置，请准备接收”，据此，接收方可以基于通知信息及时地准备好接收派送方派送的东西，例如在公司的前台等待派送方，从而在节约派送方的时间的基础上，避免接收方过多地提前等待派送方，提升派送方和接收方双方的体验。

图6是根据本发明的实施例示出的又一种联系时机确定方法的示意流程图。如图6所示，所述联系时机确定方法还包括：

步骤s10，接收所述派送方发送的更正概率；

步骤s11，使用所述更正概率更新所述预设概率。

在一个实施例中，预设概率是预先设定的，例如是根据历史概率得到的，当根据派送特征信息和预定关联函数确定的派送方联系接收方的概率大于或等于预设概率，那么说明派送方联系接收方是合理的。

但是派送方的派送特征信息可能会随着时间推移发生变化的，例如由于修路导致派送方到接收方的路径发生了改变，或者派送方经过多次派送找到了捷径从而可以相对较早地联系接收方，这都会导致派送特征信息发生变化，从而导致派送方联系接收方的最为合理的概率也发生变化，如果继续按照原预设概率进行判断派送方联系接收方的合理性，那么可能会产生误判。

而具体将什么概率作为预设概率，一般而言实际操作者，也即派送方是最为清楚的，因此，可以通过接收派送方发送的更正概率，并根据更正概率更新预设概率，例如将预设概率替换为更新概率，或者通过将预设概率与更新概率之差作为新的预设概率，从而使得基于更新后的预设概率能够准确地判断派送方联系接收方是否合理。

与前述联系时机确定方法的实施例相对应，本发明还提供了联系时机确定装置的实施例。

本发明联系时机确定装置的实施例可以应用在服务器上。装置实施例可以通过软件实现，也可以通过硬件或者软硬件结合的方式实现。以软件实现为例，作为一个逻辑意义上的装置，是通过其所在服务器的处理器将非易失性存储器中对应的计算机程序指令读取到内存中运行形成的。从硬件层面而言，如图7所示，为根据本发明的实施例示出的联系时机确定装置所在服务器的一种硬件结构图，除了图7所示的处理器、内存、网络接口、以及非易失性存储器之外，实施例中装置所在的服务器通常根据该服务器的实际功能，还可以包括其他硬件，对此不再赘述。

图8是根据本发明的实施例示出的一种联系时机确定装置的示意框图。本实施例所示的联系时机确定装置可以应用于服务器，所述服务器可以用于处理派送方和接收方的业务数据。

其中，派送方可以外卖业务中的送餐员，则接收方可以是外卖业务中的顾客；派送方也可以是快递业务中的快递员，则接收方可以是快递业务中的收货人。当然，本发明所示的实施例并不限于上述两种业务，针对包括派送方和接收方的业务均可适用，具体可以根据需要进行适用。

如图8所示，所示联系时机确定装置包括：

特征获取模块1，用于获取派送方派送特征信息；

概率确定模块2，用于根据获取到的派送特征信息和预定关联函数确定所述派送方联系接收方的概率；

联系确定模块3，根据所述概率与预设概率的关系，确定是否联系所述接收方。

图9是根据本发明的实施例示出的另一种联系时机确定装置的示意框图。如图9所示，可以采用如下模块确定所述预定关联函数：

所述特征获取模块1还用于获取多个派送方的历史派送特征信息，以及获取在所述历史派送特征信息对应的历史时刻派送方联系接收方的历史概率；

其中，所述装置还包括：

训练集构建模块4，用于根据所述历史派送特征信息和所述历史概率构建训练集；

机器学习模块5，用于基于所述训练集进行机器学习以确定所述预定关联函数。

图10是根据本发明的实施例示出的又一种联系时机确定装置的示意框图。如图10所示，所述联系时机确定装置还包括：

权值更新模块6，用于按照预设更新周期，使用预设更新函数更新所述预定关联函数中关于所述派送特征信息的权值。

图11是根据本发明的实施例示出的又一种联系时机确定装置的示意框图。如图11所示，所述联系时机确定装置还包括：

第一发送模块7，用于在确定联系所述接收方的情况下，向所述派送方发送联系所述接收方的提示信息。

图12是根据本发明的实施例示出的又一种联系时机确定装置的示意框图。如图12所示，所述联系时机确定装置还包括：

第二发送模块8，用于在确定联系所述接收方的情况下，向所述接收方发送准备接收的通知信息。

图13是根据本发明的实施例示出的又一种联系时机确定装置的示意框图。如图13所示，所述联系时机确定装置还包括：

接收模块9，用于接收所述派送方发送的更正概率；

概率更新模块10，用于使用所述更正概率更新所述预设概率。

上述装置中各个模块的功能和作用的实现过程具体详见上述方法中对应步骤的实现过程，在此不再赘述。

对于装置实施例而言，由于其基本对应于方法实施例，所以相关之处参见方法实施例的部分说明即可。以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本发明方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。

本发明的实施例还提出的一种电子设备，包括：

处理器；

用于存储处理器可执行指令的存储器；

其中，所述处理器被配置为执行上述任一实施例所述方法中的步骤。

本发明的实施例还提出的一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时执行上述任一实施例所述方法中的步骤。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明保护的范围之内。