物流订单收件地址偏好设置方法、装置、设备及存储介质与流程
- 国知局
- 2024-07-31 23:20:29
本发明涉及物流,尤其涉及一种物流订单收件地址偏好设置方法、装置、设备及存储介质。
背景技术:
1、传统的物流系统在用户填写收件地址时经常需要反复执行确认操作和修改操作,无疑这对用户的操作带来了很大的负担,极大影响了用户的使用体验,并且用户的每一次修改行为也可能会导致物流企业需多次调整配送路线和计划,极大影响了物流企业的配送效率。
2、可见,现有技术还有待改进和提高。
技术实现思路
1、为了克服现有技术的不足,本发明的目的在于提供一种物流订单收件地址偏好设置方法、装置、设备及存储介质,其可根据用户的收件偏好和使用偏好预设收件地址推荐列表,以便于用户快速完成收件地址的设置。
2、本发明第一方面提供了一种物流订单收件地址偏好设置方法,包括:获取注册用户的用户信息,并根据该用户信息获取对应的收件地址数据;对收件地址数据进行数据预处理,以形成标准地址数据库;基于偏好分析算法对标准地址数据库进行偏好分析,以得到用户的收件地址偏好特征;基于推荐算法和收件地址偏好特征生成推荐列表;根据用户信息获取用户的操作偏好数据,并根据操作偏好数据和推荐列表生成地址设置展示信息;根据地址设置展示信息获取到地址设置指令。
3、可选的,在本发明第一方面的第一种实现方式中,所述获取注册用户的用户信息,并根据该用户信息获取对应的收件地址数据,包括:根据注册列表从物流数据库中获取到注册用户的用户信息;根据用户信息获取对应的历史收件地址数据,并对历史收件地址数据进行数据分析,以得到常用收件地址数据、其它收件地址数据、地址收件频次数据及地址收件次数;根据历史收件地址数据获取历史地址变更记录,并根据常用收件地址数据、其它收件地址数据、地址收件频次数据、地址收件次数及历史地址变更记录形成收件地址数据。
4、可选的,在本发明第一方面的第二种实现方式中,所述对收件地址数据进行数据预处理,以形成标准地址数据库,包括:从收件地址数据中提取得到地址特征字符,对地址特征字符进行特征去重、特征纠错和无效剔除处理,以得到地址清洗数据;对地址清洗数据进行整合处理,以得到标准地址数据;根据地域信息和用途信息对标准地址数据进行分类,以形成标准地址数据库。
5、可选的,在本发明第一方面的第三种实现方式中,所述对地址清洗数据进行整合处理,以得到标准地址数据,包括:从地址清洗数据中提取得到多串清洗地址字符;对各串清洗地址字符进行相似度分析,并将相似度结果满足预设合并条件的清洗地址字符进行合并,以得到合并地址数据;对合并地址数据进行完整度校验,并根据校验结果和地图数据对合并地址数据进行地址补充,以得到补充地址数据;根据预设地址格式对补充地址数据进行格式化处理,以得到标准地址数据。
6、可选的,在本发明第一方面的第四种实现方式中,所述基于偏好分析算法对标准地址数据库进行偏好分析,以得到用户的收件地址偏好特征,包括:基于分类算法、聚类算法和关联规则挖掘算法进行加权融合,以得到偏好分析算法;对标准地址数据进行向量转换,以得到地址向量特征;通过偏好分析算法对地址向量特征进行偏好分析,以得到用户偏好地址信息、高频收件时段和特定节日收件信息;根据用户偏好地址信息、高频收件时段和特定节日收件信息形成收件地址偏好特征。
7、可选的,在本发明第一方面的第五种实现方式中,所述基于推荐算法和收件地址偏好特征生成推荐列表,包括:基于ffm算法构建推荐算法;获取用户信息所对应的实时物流信息和用户行为数据;通过推荐算法对收件地址偏好特征、实时物流信息和用户行为数据进行基于内容的推荐、协同过滤推荐和深度学习推荐处理,以得到收件地址推荐列表;根据实时物流数据提取得到实时需求信息和物流状态,并根据实时需求信息和物流状态设置排序权重;根据排序权重对收件地址推荐列表进行排序,以得到推荐列表。
8、可选的,在本发明第一方面的第六种实现方式中,所述根据用户信息获取用户的操作偏好数据,并根据操作偏好数据和推荐列表生成地址设置展示信息,包括:根据用户信息采集相应用户的操作日志记录,并对该操作日志记录进行数据分析,以得到用户的操作偏好数据;根据用户信息获取到相应用户的后台浏览记录,并对该后台浏览记录进行数据分析,以得到用户的浏览偏好数据;对操作偏好数据、浏览偏好数据和推荐列表进行可视化处理,以得到地址设置展示信息。
9、本发明第二方面提供了一种物流订单收件地址偏好设置装置,包括:获取模块,用于获取注册用户的用户信息,并根据该用户信息获取对应的收件地址数据;预处理模块,用于对收件地址数据进行数据预处理,以形成标准地址数据库;分析模块,用于基于偏好分析算法对标准地址数据库进行偏好分析,以得到用户的收件地址偏好特征;生成模块,用于基于推荐算法和收件地址偏好特征生成推荐列表;展示模块,用于根据用户信息获取用户的操作偏好数据,并根据操作偏好数据和推荐列表生成地址设置展示信息;指令模块,用于根据地址设置展示信息获取到地址设置指令。
10、可选的,在本发明第二方面的第一种实现方式中,所述获取模块包括:注册单元,用于根据注册列表从物流数据库中获取到注册用户的用户信息;历史单元,用于根据用户信息获取对应的历史收件地址数据,并对历史收件地址数据进行数据分析,以得到常用收件地址数据、其它收件地址数据、地址收件频次数据及地址收件次数;变更单元,用于根据历史收件地址数据获取历史地址变更记录,并根据常用收件地址数据、其它收件地址数据、地址收件频次数据、地址收件次数及历史地址变更记录形成收件地址数据。
11、可选的,在本发明第二方面的第二种实现方式中,所述预处理模块包括:清洗单元,用于从收件地址数据中提取得到地址特征字符,对地址特征字符进行特征去重、特征纠错和无效剔除处理,以得到地址清洗数据;整合单元,用于对地址清洗数据进行整合处理,以得到标准地址数据;分类单元,用于根据地域信息和用途信息对标准地址数据进行分类,以形成标准地址数据库。
12、可选的,在本发明第二方面的第三种实现方式中,所述整合单元包括:清洗部,用于从地址清洗数据中提取得到多串清洗地址字符;相似部,用于对各串清洗地址字符进行相似度分析,并将相似度结果满足预设合并条件的清洗地址字符进行合并,以得到合并地址数据;校验部,用于对合并地址数据进行完整度校验,并根据校验结果和地图数据对合并地址数据进行地址补充,以得到补充地址数据;格式部,用于根据预设地址格式对补充地址数据进行格式化处理,以得到标准地址数据。
13、可选的,在本发明第二方面的第四种实现方式中,所述分析模块包括:融合单元,用于基于分类算法、聚类算法和关联规则挖掘算法进行加权融合,以得到偏好分析算法;转换单元,用于对标准地址数据进行向量转换,以得到地址向量特征;分析单元,用于通过偏好分析算法对地址向量特征进行偏好分析,以得到用户偏好地址信息、高频收件时段和特定节日收件信息;特征单元,用于根据用户偏好地址信息、高频收件时段和特定节日收件信息形成收件地址偏好特征。
14、可选的,在本发明第二方面的第五种实现方式中,所述生成模块包括:构建单元,用于基于ffm算法构建推荐算法;实时单元,用于获取用户信息所对应的实时物流信息和用户行为数据;推荐单元,用于通过推荐算法对收件地址偏好特征、实时物流信息和用户行为数据进行基于内容的推荐、协同过滤推荐和深度学习推荐处理,以得到收件地址推荐列表;权重单元,用于根据实时物流数据提取得到实时需求信息和物流状态,并根据实时需求信息和物流状态设置排序权重;排序单元,用于根据排序权重对收件地址推荐列表进行排序,以得到推荐列表。
15、可选的,在本发明第二方面的第六种实现方式中,所述展示模块包括:日志单元,用于根据用户信息采集相应用户的操作日志记录,并对该操作日志记录进行数据分析,以得到用户的操作偏好数据;浏览单元,用于根据用户信息获取到相应用户的后台浏览记录,并对该后台浏览记录进行数据分析,以得到用户的浏览偏好数据;可视化单元,用于对操作偏好数据、浏览偏好数据和推荐列表进行可视化处理,以得到地址设置展示信息。
16、本发明第三方面提供了一种物流订单收件地址偏好设置设备,所述物流订单收件地址偏好设置设备包括:存储器和至少一个处理器,所述存储器中存储有指令;至少一个所述处理器调用所述存储器中的所述指令,以使得所述物流订单收件地址偏好设置设备执行上述任一项所述的物流订单收件地址偏好设置方法的各个步骤。
17、本发明的第四方面提供了一种计算机可读存储介质,所述计算机可读存储介质上存储有指令,所述指令被处理器执行时实现上述任一项所述物流订单收件地址偏好设置方法的各个步骤。
18、本发明的技术方案中,预先对采集到的收件地址数据进行预处理,以将收件地址数据中的无效数据、重复数据和相似数据等进行清洗,并将清洗后的数据进行格式化,使收件地址数据中的各个地址信息转换为具有统一标准格式的信息,以此形成标准地址数据库,通过这样的方式可降低后续数据的处理难度,提高数据在使用时的可靠性;然后利用预先构建完成的偏好分析算法对标准地址数据库中的地址数据进行偏好分析,以结合用户的操作习惯、地址更改习惯等数据对标准地址数据库中的数据进行分析,识别出用户的收件地址偏好特征,根据这些特征,可以进一步理解用户的收件地址选择偏好和需求;最后则根据推荐算法将用户的实时物流信息及用户行为对收件地址偏好特征进行地址预测优化,以得到用户的个性化推荐列表,然后再根据用户的操作偏好数据来对推荐列表进行优化,以将推荐列表转换为用户习惯的展示模式,提高用户的交互体验感,使用户可快速根据地址设置展示信息完成收件地址的设置,通过这样的方式极大降低了用户的操作难度,并且也可提高物流企业的物流效率。
本文地址:https://www.jishuxx.com/zhuanli/20240730/197081.html
版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容, 请发送邮件至 YYfuon@163.com 举报,一经查实,本站将立刻删除。