本技术涉及物流,具体涉及一种运单投诉预测方法、装置、计算 机设备及存储介质。
背景技术:
1、随着物流行业的发展,人们对快件或物流的服务质量要求越来越高,不仅 要求提高快件投递的准确性、及时性,还必须降低客户投诉率。为了降低客户 投诉率,需要对运单进行投诉率预测。现有运单投诉率预测方式通常是将运单 特征输入统一的预测模型,通过预测模型输出运单的预测投诉率。然而,由于 物流行业中影响投诉率的因素变量多且繁杂,现有运单投诉率预测方式存在预 测结果不准确的问题。
技术实现思路
1、本技术实施例提供一种运单投诉预测方法、装置、计算机设备及存储介质, 可以提高运单投诉预测结果的准确性和稳定性。
2、一方面,本技术提供一种运单投诉预测方法,所述运单投诉预测方法包括:
3、获取目标运单的第一运单标识,根据所述第一运单标识确定目标运单数据;
4、根据所述目标运单数据,确定所述目标运单的若干初始运单特征,所述若 干初始运单特征包括第一查单特征和第一网点特征;
5、基于所述第一查单特征和所述第一网点特征,确定所述目标运单的目标类 别;
6、基于所述目标类别,从多个候选预测模型中筛选出目标预测模型,所述目 标类别为多个候选类别中的一种,所述多个候选类别与所述多个候选预测模型 对应;
7、基于所述若干初始运单特征及所述目标预测模型,确定所述目标运单的预 测投诉率。
8、在本技术一些实施方案中,所述获取目标运单的第一运单标识之前,所述 方法还包括:
9、获取实时查单表,所述实时查单表中包括若干查单运单;
10、从所述若干查单运单中筛选出所述目标运单,所述目标运单为所述若干查 单运单中还没有确定预测投诉率的查单运单或确定的预测投诉率不超过预设 的概率阈值的查单运单。
11、在本技术一些实施方案中,当所述目标运单为预设第一时间段内首次确定 所述预测投诉率时,所述根据所述第一运单标识确定目标运单数据,包括:
12、根据所述第一运单标识,获取实时运单数据;
13、将所述实时运单数据,确定为所述目标运单数据;
14、当所述目标运单为预设第一时间段内非首次确定所述预测投诉率时,所述 根据所述第一运单标识确定目标运单数据,包括:
15、根据所述第一运单标识,获取历史运单数据;
16、将所述历史运单数据,确定为所述目标运单数据。
17、在本技术一些实施方案中,所述目标运单数据包括所述目标运单在已流转 环节的环节异常信息,所述根据所述目标运单数据,确定所述目标运单的若干 初始运单特征,包括:
18、根据所述环节异常信息,确定所述目标运单在已流转环节的第一环节异常 向量;
19、根据所述第一环节异常向量和预先确定的异常转移矩阵,确定所述目标运 单在未流转环节的第二环节异常向量,所述第二环节异常向量用于表征所述目 标运单在未流转环节发生异常的概率。
20、在本技术一些实施方案中,所述基于所述若干初始运单特征及所述目标预 测模型,确定所述目标运单的预测投诉率,包括:
21、基于所述若干初始运单特征,确定所述目标运单的若干目标运单特征;
22、将所述若干目标运单特征输入所述目标预测模型,通过所述目标预测模型 输出所述目标运单的预测投诉率。
23、在本技术一些实施方案中,所述基于所述若干初始运单特征,确定所述目 标运单的若干目标运单特征,包括:
24、对所述若干初始运单特征进行特征处理,得到若干第一运单特征;
25、对所述若干第一运单特征进行特征分析,并根据所述若干第一运单特征的 分析结果从所述若干第一运单特征中筛选出若干第二运单特征;
26、确定所述若干第二运单特征中每个第二运单特征的重要性程度,并将所述 若干第二运单特征中重要性程度最高的预设数量的第二运单特征确定为所述 目标运单的若干目标运单特征。
27、在本技术一些实施方案中,所述基于所述目标类别,从多个候选预测模型 中筛选出目标预测模型之前,所述方法还包括:
28、获取训练样本集,所述训练样本集中包括若干样本运单的第二运单标识及 所述若干样本运单中每个样本运单的真实标签;
29、根据所述第二运单标识,确定所述每个样本运单的样本运单数据;
30、根据所述样本运单数据,确定所述每个样本运单的若干第三运单特征,所 述若干第三运单特征包括第二查单特征和第二网点特征;
31、基于所述第二查单特征和所述第二网点特征对所述若干样本运单进行聚 类,得到多个候选类别,所述多个候选类别中每个候选类别包含至少一个所述 样本运单;
32、基于所述每个候选类别包含的样本运单的若干第三运单特征及所述真实 标签对预设网络模型进行训练,得到所述每个候选类别对应的候选预测模型。
33、在本技术一些实施方案中,所述基于所述每个候选类别包含的样本运单的 若干第三运单特征及所述真实标签对预设网络模型进行训练,得到所述每个候 选类别对应的候选预测模型,包括:
34、基于所述每个候选类别包含的样本运单的若干第三运单特征,确定所述每 个候选类别包含的样本运单的若干第四运单特征;
35、将所述若干第四运单特征输入预设网络模型,通过所述预设网络模型输出 所述每个候选类别包含的样本运单的预测标签;
36、基于所述预测标签、所述真实标签及所述预设网络模型的损失函数对所述 预设网络模型进行训练,得到所述每个候选类别对应的候选预测模型。
37、另一方面,本技术提供一种运单投诉预测装置,所述运单投诉预测装置包 括:
38、数据获取单元,用于获取目标运单的第一运单标识,根据所述第一运单标 识确定目标运单数据;
39、第一确定单元,用于根据所述目标运单数据,确定所述目标运单的若干初 始运单特征,所述若干初始运单特征包括第一查单特征和第一网点特征;
40、第二确定单元,用于基于所述第一查单特征和所述第一网点特征,确定所 述目标运单的目标类别;
41、模型筛选单元,用于基于所述目标类别,从多个候选预测模型中筛选出目 标预测模型,所述目标类别为多个候选类别中的一种,所述多个候选类别与所 述多个候选预测模型对应;
42、概率预测单元,用于基于所述若干初始运单特征及所述目标预测模型,确 定所述目标运单的预测投诉率。
43、在本技术一些实施方案中,当所述目标运单为预设第一时间段内首次确定 所述预测投诉率时,所述数据获取单元具体用于:
44、根据所述第一运单标识,获取实时运单数据;
45、将所述实时运单数据,确定为所述目标运单数据。
46、在本技术一些实施方案中,当所述目标运单为预设第一时间段内非首次确 定所述预测投诉率时,所述数据获取单元具体还用于:
47、根据所述第一运单标识,获取历史运单数据;
48、将所述历史运单数据,确定为所述目标运单数据。
49、在本技术一些实施方案中,所述目标运单数据包括所述目标运单在已流转 环节的环节异常信息,所述第一确定单元具体用于:
50、根据所述环节异常信息,确定所述目标运单在已流转环节的第一环节异常 向量;
51、根据所述第一环节异常向量和预先确定的异常转移矩阵,确定所述目标运 单在未流转环节的第二环节异常向量,所述第二环节异常向量用于表征所述目 标运单在未流转环节发生异常的概率。
52、在本技术一些实施方案中,所述概率预测单元具体用于:
53、基于所述若干初始运单特征,确定所述目标运单的若干目标运单特征;
54、将所述若干目标运单特征输入所述目标预测模型,通过所述目标预测模型 输出所述目标运单的预测投诉率。
55、在本技术一些实施方案中,所述概率预测单元具体还用于:
56、对所述若干初始运单特征进行特征处理,得到若干第一运单特征;
57、对所述若干第一运单特征进行特征分析,并根据所述若干第一运单特征的 分析结果从所述若干第一运单特征中筛选出若干第二运单特征;
58、确定所述若干第二运单特征中每个第二运单特征的重要性程度,并将所述 若干第二运单特征中重要性程度最高的预设数量的第二运单特征确定为所述 目标运单的若干目标运单特征。
59、在本技术一些实施例中,所述运单投诉预测装置还包括:
60、表单获取单元,用于获取实时查单表,所述实时查单表中包括若干查单运 单;
61、运单筛选单元,用于从所述若干查单运单中筛选出所述目标运单,所述目 标运单为所述若干查单运单中还没有确定预测投诉率的查单运单或确定的预 测投诉率不超过预设的概率阈值的查单运单。
62、在本技术一些实施例中,所述运单投诉预测装置还包括:
63、样本获取单元,用于获取训练样本集,所述训练样本集中包括若干样本运 单的第二运单标识及所述若干样本运单中每个样本运单的真实标签;
64、第三确定单元,用于根据所述第二运单标识,确定所述每个样本运单的样 本运单数据;
65、第四确定单元,用于根据所述样本运单数据,确定所述每个样本运单的若 干第三运单特征,所述若干第三运单特征包括第二查单特征和第二网点特征;
66、运单聚类单元,用于基于所述第二查单特征和所述第二网点特征对所述若 干样本运单进行聚类,得到多个候选类别,所述多个候选类别中每个候选类别 包含至少一个所述样本运单;
67、模型训练单元,用于基于所述每个候选类别包含的样本运单的若干第三运 单特征及所述真实标签对预设网络模型进行训练,得到所述每个候选类别对应 的候选预测模型。
68、在本技术一些实施例中,所述模型训练单元具体用于:
69、基于所述每个候选类别包含的样本运单的若干第三运单特征,确定所述每 个候选类别包含的样本运单的若干第四运单特征;
70、将所述若干第四运单特征输入预设网络模型,通过所述预设网络模型输出 所述每个候选类别包含的样本运单的预测标签;
71、基于所述预测标签、所述真实标签及所述预设网络模型的损失函数对所述 预设网络模型进行训练,得到所述每个候选类别对应的候选预测模型。
72、另一方面,本技术还提供一种计算机设备,所述计算机设备包括:
73、一个或多个处理器;
74、存储器;以及
75、一个或多个应用程序,其中所述一个或多个应用程序被存储于所述存储器 中,并配置为由所述处理器执行以实现第一方面中任一项所述的运单投诉预测 方法。
76、第四方面,本技术还提供一种计算机可读存储介质,其上存储有计算机程 序,所述计算机程序被处理器进行加载,以执行第一方面任一项所述的运单投 诉预测方法中的步骤。
77、本技术基于第一查单特征和第一网点特征确定目标运单的目标类别,并 基于目标类别对应的目标预测模型对目标运单进行投诉率预测,可以提高运 单投诉预测结果的准确性和稳定性。