相似货主的确定方法、装置、计算机设备及存储介质与流程

本发明实施例涉及人工智能技术领域，尤其涉及一种相似货主的确定方法、装置、计算机设备及存储介质。

背景技术：

随着信息技术的不断发展，“互联网+物流”的新型物流的出现，使物流行业发生了巨大变革。司机无需蹲守在物流园，可以随时随地浏览和查找货物信息；货主不仅能够更加便捷地发布货物信息，也有更大的选择司机的空间。对于货主来说，货物在物流平台的曝光量越高，表示货物信息可以被更多的司机看到，这也就意味着货物可以被快速发货，并且物流费用也较低。但是货主在追求货物曝光量的同时，往往会出现对于同一货物通过多个账号在货物平台上重复发布的现象的产生，即不同货主的货物信息实际指向同一货物，这样会降低物流平台的反馈率和成交率。当两个或多个货主出现多个货物指向性一致时，称其为相似货主，相似货主的过滤对于物流平台成交率、反馈率的提升，对于整个物流行业的平衡和稳定，都是非常有意义的。

现阶段，主要通过货量筛选出活跃度较高的货主，对多个货主进行两两匹配，依次计算两个货主之间的相似度，过滤出部分货主；再通过人工比对的方式对过滤出的部分货主的所属公司名称和地址，对大量账号进行逐一排查，从而查找出相似货主。

现有技术的方法，直接对货主两两匹配进行相似度计算，计算量较大；并且少量货主属于个体，通过比对货主所属公司名称和地址有时无法准确的确定出相似货主。

技术实现要素：

本发明实施例提供一种相似货主的确定方法、装置、计算机设备及存储介质，以实现对相似货主的确定，并且在减少相似度计算的运算量的同时，可以提高确定相似货主的准确率。

第一方面，本发明实施例提供了一种相似货主的确定方法，该方法包括：

获取目标货主关联的一个或多个目标司机；

获取每个目标司机关联的货主序列，所述货主序列包括与所述目标司机有联系的货主；

将所述货主序列输入至神经网络模型，得到所述神经网络模型输出的与所述目标货主关联的多个关联货主；

根据所述关联货主确定所述目标货主的相似货主。

第二方面，本发明实施例还提供了一种相似货主的确定装置，该装置包括：

目标司机获取模块，用于获取目标货主关联的一个或多个目标司机；

货主队列获取模块，用于获取每个目标司机关联的货主序列，所述货主序列包括与所述目标司机有联系的货主；

神经网络处理模块，用于将所述货主序列输入至神经网络模型，得到所述神经网络模型输出的与所述目标货主关联的多个关联货主；

相似货主确定模块，用于根据所述关联货主确定所述目标货主的相似货主。

第三方面，本发明实施例还提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如本发明实施例中任一实施例所述的相似货主的确定方法。

第四方面，本发明实施例还提供了一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行如本发明实施例中任一实施例所述的相似货主的确定方法。

本发明通过获取目标货主关联的一个或多个目标司机；获取每个目标司机关联的货主序列，货主序列包括与目标司机有联系的货主；将货主序列输入至神经网络模型，得到神经网络模型输出的与目标货主关联的多个关联货主；根据关联货主确定目标货主的相似货主。实现了对相似货主的确定，并且在减少相似度计算的运算量的同时，可以提高确定相似货主的准确率。

附图说明

图1是本发明实施例一中的一种相似货主的确定方法的流程图；

图2是本发明实施例二中的一种相似货主的确定方法的流程图；

图3是本发明实施例三中的一种相似货主的确定装置的结构示意图；

图4是本发明实施例四中的一种计算机设备的结构示意图。

具体实施方式

下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。

实施例一

图1是本发明实施例一提供的一种相似货主的确定方法的流程图，本实施例可适用于在物流平台中确定相似货主，从而提高物流平台的成交率及反馈率的情况，该方法可以由相似货主的确定装置来执行，该装置可以通过软件和/或硬件的方式实现，并集成正在执行本方法的计算机设备中。具体的，参考图1，该方法具体包括如下步骤：

s110、获取目标货主关联的一个或多个目标司机。

其中，目标货主可以为物流平台中的任意一个货主，每个货主都可以在物流平台上发布货物信息，其中，货物信息可以包括货物的类型、重量、货物的收件地址等信息。当服务于物流平台的司机看到货主发布的货物信息之后，可以根据货物信息判断是否可以接单；若是，则可以在物流平台中接收与货物匹配的订单，并对该货物进行配送；示例性的，司机可以根据货主发布的货物信息判断与司机的行驶路线是否匹配；若匹配，则选择配送该货物；若不匹配，则忽略货主在物流平台发布的货物信息。

需要说明的是，一个或者多个司机可以通过电话与目标货主联系，进一步的确定是否可以配送货主在物流平台发布的需要配送的货物；也可以在物流平台中浏览目标货主的信息，例如：在物流平台中浏览配送目标货主的货物所需的车型、行驶路线以及累计成交量等信息。

具体的，与目标货主关联的司机可以包括一个或多个；示例性的，一个或多个司机可能与目标货主电话联系过，或者在物流平台上浏览过目标货主的信息。

可选的，获取目标货主关联的一个或多个目标司机，可以包括：将与目标货主电话联系的司机确定为目标司机；或者，将浏览目标货主的司机确定为目标司机。

具体的，可以将与目标货主电话联系的司机确定为目标司机；也可以将在物流平台浏览目标货主的司机确定为目标司机，本发明实施例中对此不作限定。示例性的，若目标货主为小李，司机a以及司机b与小李通过电话联系过，则可以将司机a与司机b确定为目标司机；或者，司机c在物流平台中浏览过小李的信息，则也可以将司机c确定为目标司机。

s120、获取每个目标司机关联的货主序列，货主序列包括与目标司机有联系的货主。

具体的，在获取与目标货主关联的一个或多个目标司机之后，可以获取与每个目标司机关联的货主序列，其中，货主序列中包括与目标司机有联系的货主。

需要说明的是，每个目标司机都可能与多个货主电话联系过，或者多个货主都从物流平台上浏览过司机信息，因此，通常情况下，每个目标司机都会与多个货主关联。具体的，通过获取与每个目标司机关联的货主序列，可以获取到每个目标司机与货主的关联。

在本发明实施例的一个具体例子中，获取到的与每个目标司机关联的货主序列中可以包括每个货主的身份标识码（identitydocument，id），通过id可以唯一的识别出与其对应的货主。

在本发明实施例的另一个具体例子中，获取到的与每个目标司机关联的货主序列中也可以包括每个货主的电话号码，通过电话号码也可以唯一的识别出与其对应的货主。

s130、将货主序列输入至神经网络模型，得到神经网络模型输出的与目标货主关联的多个关联货主。

具体的，在获取到与每个目标司机关联的货主序列之后，可以将获取到的货主序列输入至神经网络模型中，示例性的，可以将与每个目标司机关联的货主id输入至神经网络模型中；在神经网络模型中对与每个目标司机关联的货主序列进行训练，从而得到神经网络模型输出的与目标货主关联的多个关联货主。

示例性的，将货主序列输入至神经网络模型，可以得到神经网络模型输出的与目标货主关联的n个关联货主，其中，n可以为大于1的任意一个整数。

可选的，本发明实施例中涉及到的神经网络模型可以为word2vec模型。word2vec模型可以实现输入某个词，输出该词的上下文；或者是输入某个词的上下文，而输出该词。其主要是利用词语的上下文位置关系，建立词语之间的关联，得到能够映射词语关系的词向量。在本发明实施例中，每个目标司机都会有自己的配送路线以及配送货物类型等偏好，因此当两个货主同时联系同一个目标司机时，代表着两个货主发出的货物有一定的相似性。

需要说明的是，本发明实施例中涉及到的神经网络模型还可以为其他自然语言处理的神经网络模型，本发明实施例中对此不作限定。

s140、根据关联货主确定目标货主的相似货主。

具体的，将货主序列输入至神经网络模型，得到神经网络模型输出的与目标货主关联的多个关联货主之后，可以根据关联货主确定目标货主的相似货主。

可选的，根据关联货主确定目标货主的相似货主可以包括：根据关联货主的活跃度确定配对货主；对配对货主进行两两配对，得到多个货主组合；计算每个货主组合中两个货主的相似度；根据相似度确定目标货主的相似货主。

具体的，根据关联货主确定配对货主可以包括：根据关联货主在预设时间段内的发货量以及发货天数确定关联货主的活跃度；根据关联货主的活跃度确定配对货主。

其中，预设时间段可以为一周、一个月或者一个季度等时间段；示例性的，可以根据关联货主在一个月内的发货量以及发货天数确定关联货主的活跃度；也可以根据关联货主在一个季度内的发货量以及发货天数确定关联货主的活跃度。进一步的，根据关联货主的活跃度确定配对货主。需要说明的是，配对货主，是在多个关联货主内确定的活跃度相近的多个关联货主。

示例性的，将货主序列输入至神经网络模型，得到神经网络模型输出的与目标货主关联的n个关联货主之后，可以分别计算n个关联货主在一个月内的发货量以及发货天数，以确定这n个关联货主的活跃度，其中，n可以为任意一个大于2的正整数，本发明实施例中对其不作限定。可以理解的是，在一个月内货主的发货天数越多、发货量越大，则该货主的活跃度越大。示例性的，若货主a在一个月内的发货量以及发货天数分别为100吨以及10天；货主b在一个月内的发货量以及发货天数分别为200吨以及20天；则货主b的活跃度明显高于货主a的活跃度。

在本发明实施例的一个具体例子中，可以为预设时间段内货主的发货量以及发货天数设置不同的权重，从而计算出与货主对应的活跃度。示例性的，可以将一个月内货主的发货量的权重设置为0.6，发货天数的权重设置为0.4；则在上述例子中货主a的活跃度为100*0.6+10*0.4=64；货主b的活跃度为200*0.6+20*0.4=128。

进一步的，计算出n个货主的活跃度之后，可以根据n个货主的活跃度确定配对货主。示例性的，可以将活跃度高于某一阈值的货主确定为配对货主；或者将活跃度相近的货主确定为配对货主，本发明实施例中对此不作限定。

具体的，在根据关联货主的活跃度确定配对货主之后，可以对配对货主进行两两配对，得到多个货主组合。示例性的，若将货主a、货主b以及货主c确定为配对货主，则可以将货主a、货主b以及货主c进行两两组合，得到货主a与货主b、货主a与货主c以及货主b与货主c三个货主组合。

进一步的，得到多个货主组合之后，可以计算每个货主组合中两个货主的相似度，并根据计算得到的每个货主组合中两个货主的相似度确定目标货主的相似货主。

可选的，计算每个货主组合中两个货主的相似度，可以包括：获取每个货主组合中两个货主的发货频率、发货位置或货物特征中的一个或多个的组合；根据发货频率、发货位置或货物特征中的一个或多个的组合计算两个货主之间的相似度。

示例性的，在上述例子中，得到货主a与货主b、货主a与货主c以及货主b与货主c三个货主组合之后，可以根据货主a与货主b的发货频率、发货位置以及货物特征计算货主a与货主b之间的相似度；也可以根据货主a与货主b的发货频率以及发货位置计算货主a与货主b之间的相似度。需要说明的是，还可以通过其他方法计算每个货主组合中两个货主的相似度，本发明实施例中对其不作限定。

进一步的，可以依次计算得到每个货主组合中两个货主的相似度，根据计算得到的每个货主组合中两个货主的相似度可以确定出目标货主的相似货主。其中，在上述例子中，若目标货主为货主a，则最后计算得到的货主a的相似货主可以为货主b和货主c。

本实施例通过获取目标货主关联的一个或多个目标司机；获取每个目标司机关联的货主序列，货主序列包括与目标司机有联系的货主；将货主序列输入至神经网络模型，得到神经网络模型输出的与目标货主关联的多个关联货主；根据关联货主确定目标货主的相似货主。实现了对相似货主的确定，并且在减少相似度计算的运算量的同时，可以提高确定相似货主的准确率。

实施例二

图2是本发明实施例二中的一种相似货主的确定方法的流程图，本实施例在上述实施例的基础上对本发明实施例中涉及到的相似货主的确定方法进行细化，具体的，在将与目标货主电话联系的司机确定为目标司机之后，还可以包括：过滤掉与目标货主电话联系次数小于预设联系次数的目标司机；或者，在将浏览目标货主的司机确定为目标司机之后，还可以包括：过滤掉浏览目标货主次数小于预设浏览次数的目标司机。具体的，参考图2，该方法具体包括如下步骤：

s210、获取目标货主关联的一个或多个目标司机。

s211、将与目标货主电话联系的司机确定为目标司机；或者将浏览目标货主的司机确定为目标司机。

具体的，将与目标货主电话联系的司机确定为目标司机，可以包括：过滤掉与目标货主电话联系次数小于预设联系次数的目标司机。其中，预设联系次数可以为3次或者2次等联系次数，本发明实施例中对其不作限定。这样设置的好处在于，通过过滤掉与目标货主电话联系次数小于预设联系次数的目标司机，可以进一步提高目标货主的相似货主确定的准确率。

具体的，将浏览目标货主的司机确定为目标司机，可以包括：过滤掉浏览目标货主次数小于预设浏览次数的目标司机。其中，预设浏览次数可以为1次或者2次等浏览次数，本发明实施例中对其不作限定。

这样设置的好处在于，通过过滤掉浏览目标货主次数小于预设浏览次数的目标司机，可以进一步提高目标货主的相似货主确定的准确率。

s220、获取每个目标司机关联的货主序列，货主序列包括与目标司机有联系的货主。

s230、将货主序列输入至神经网络模型，得到神经网络模型输出的与目标货主关联的多个关联货主。

s240、根据关联货主确定目标货主的相似货主。

本实施例的方案在上述实施例的基础上，具体将获取目标货主关联的一个或多个目标司机进行细化，具体可以包括：在将与目标货主电话联系的司机确定为目标司机之后，还可以包括：过滤掉与目标货主电话联系次数小于预设联系次数的目标司机；或者，在将浏览目标货主的司机确定为目标司机之后，还可以包括：过滤掉浏览目标货主次数小于预设浏览次数的目标司机。可以进一步地提高确定相似货主的准确率。

实施例三

图3是本发明实施例三中的一种相似货主的确定装置的结构示意图，本实施例中涉及到的装置可以执行本发明实施例中任意实施例中涉及到的相似货主的确定方法，该装置可以由软件和/或硬件的方式实现。具体的，参考图3，该装置主要包括：目标司机获取模块310、货主队列获取模块320、神经网络处理模块330以及相似货主确定模块340。

其中，目标司机获取模块310，用于获取目标货主关联的一个或多个目标司机；

货主队列获取模块320，用于获取每个目标司机关联的货主序列，货主序列包括与目标司机有联系的货主；

神经网络处理模块330，用于将货主序列输入至神经网络模型，得到神经网络模型输出的与目标货主关联的多个关联货主；

相似货主确定模块340，用于根据关联货主确定目标货主的相似货主。

本实施例的方案，通过目标司机获取模块获取目标货主关联的一个或多个目标司机；通过货主队列获取模块获取每个目标司机关联的货主序列，货主序列包括与目标司机有联系的货主；通过神经网络处理模块将货主序列输入至神经网络模型，得到神经网络模型输出的与目标货主关联的多个关联货主；通过相似货主确定模块根据关联货主确定目标货主的相似货主。实现了对相似货主的确定，并且在减少相似度计算的运算量的同时，可以提高确定相似货主的准确率

可选的，目标司机获取模块310可以包括：第一目标司机确定单元以及第二目标司机确定单元；其中，第一目标司机确定单元，用于将与目标货主电话联系的司机确定为目标司机；第二目标司机确定单元，用于将浏览目标货主的司机确定为目标司机。

可选的，第一目标司机确定单元，还可以具体用于过滤掉与目标货主电话联系次数小于预设联系次数的目标司机；第二目标司机确定单元，还可以具体用于过滤掉浏览目标货主次数小于预设浏览次数的目标司机。

可选的，相似货主确定模块340，可以包括：配对货主确定单元、货主组合获取单元、相似度计算单元以及相似货主确定单元。

其中，配对货主确定单元，用于根据关联货主的活跃度确定配对货主；还可以具体用于，根据关联货主在预设时间段内的发货量以及发货天数确定关联货主的活跃度；根据关联货主的活跃度确定配对货主。

货主组合获取单元，用于对配对货主进行两两配对，得到多个货主组合。

相似度计算单元，用于计算每个货主组合中两个货主的相似度；还可以具体用于，获取每个货主组合中两个货主的发货频率、发货位置或货物特征中的一个或多个的组合；根据发货频率、发货位置或货物特征中的一个或多个的组合计算两个货主之间的相似度。

相似货主确定单元，用于根据相似度确定目标货主的相似货主。

可选的，本发明实施例中任意实施例中涉及到的神经网络模型为word2vec模型。

本发明实施例所提供的相似货主的确定装置可执行本发明任意实施例所提供的相似货主的确定方法，具备执行方法相应的功能模块和有益效果。

实施例四

图4为本发明实施例四提供的一种计算机设备的结构示意图，如图4所示，该计算机设备包括处理器40、存储器41、输入装置42和输出装置43；计算机设备中处理器40的数量可以是一个或多个，图4中以一个处理器40为例；计算机设备中的处理器40、存储器41、输入装置42和输出装置43可以通过总线或其他方式连接，图4中以通过总线连接为例。

存储器41作为一种计算机可读存储介质，可用于存储软件程序、计算机可执行程序以及模块，如本发明实施例中的相似货主的确定方法对应的程序指令/模块（例如，相似货主的确定装置中的目标司机获取模块310、货主队列获取模块320、神经网络处理模块330以及相似货主确定模块340）。处理器40通过运行存储在存储器41中的软件程序、指令以及模块，从而执行计算机设备的各种功能应用以及数据处理，即实现上述的相似货主的确定方法。

存储器41可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序；存储数据区可存储根据终端的使用所创建的数据等。此外，存储器41可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中，存储器41可进一步包括相对于处理器40远程设置的存储器，这些远程存储器可以通过网络连接至计算机设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

输入装置42可用于接收输入的数字或字符信息，以及产生与计算机设备的用户设置以及功能控制有关的键信号输入。输出装置43可包括显示屏等显示设备。

实施例五

本发明实施例五还提供一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行一种相似货主的确定方法，该方法包括：

获取目标货主关联的一个或多个目标司机；

获取每个目标司机关联的货主序列，货主序列包括与目标司机有联系的货主；

将货主序列输入至神经网络模型，得到神经网络模型输出的与目标货主关联的多个关联货主；

根据关联货主确定目标货主的相似货主。

当然，本发明实施例所提供的一种包含计算机可执行指令的存储介质，其计算机可执行指令不限于如上所述的方法操作，还可以执行本发明任意实施例所提供的相似货主的确定方法中的相关操作.

通过以上关于实施方式的描述，所属领域的技术人员可以清楚地了解到，本发明可借助软件及必需的通用硬件来实现，当然也可以通过硬件实现，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如计算机的软盘、只读存储器（read-onlymemory，rom）、随机存取存储器（randomaccessmemory，ram）、闪存（flash）、硬盘或光盘等，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行本发明各个实施例所述的方法。

值得注意的是，上述相似货主的确定装置的实施例中，所包括的各个单元和模块只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。

注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。