獲取商品到貨時間的方法和裝置的制造方法
【技術領域】
[0001] 本發(fā)明設及計算機通信技術領域，具體設及一種獲取商品到貨時間的方法和裝 置。
【背景技術】
[0002] 隨著計算機通信技術的發(fā)展，通過網絡購買商品的用戶越來越多，在通過網絡購 買商品時，除了關注商品的功效、質量外，商品的到貨時間也是用戶比較關注的。
[0003] 然而，在當前的商品交易系統(tǒng)中，獲取商品到貨時間的方法是，買端通過詢問得到 賣端預估給出的商品到貨時間；或買端根據賣端的保障快遞信息，得到賣端承諾的商品到 貨時間。
[0004] 現有獲取商品到貨時間的方法，通過賣端人為進行預估或承諾得到，獲取的商品 到貨時間的準確度很低。

【發(fā)明內容】

[0005] 本發(fā)明所要解決的技術問題在于現有技術獲取的商品到貨時間的準確度很低。為 了解決該技術問題，本發(fā)明提供了一種獲取商品到貨時間的方法和裝置，通過根據當前買 端特征信息、預設特征信息和預先獲取的特征權重，對賣端到當前買端的商品到貨時間進 行預測計算，得到商品到貨時間，當前買端特征信息可W直觀反應當前買端的實際情況、預 設特征信息可W直觀反應賣端的實際情況，可W提高商品到貨時間的準確度。
[0006] 為了解決上述問題，本發(fā)明公開了一種獲取商品到貨時間的方法，所述方法包 括：
[0007] 獲取登錄商品交易系統(tǒng)的當前買端的登錄信息，W及與所述當前買端關聯的賣端 在預設第一時間段內的第一交易日志信息；
[0008] 從所述當前買端的登錄信息中提取當前買端特征信息，從所述第一交易日志信息 中提取預設特征信息；
[0009] 根據所述當前買端特征信息、所述預設特征信息和所述預先獲取的特征權重，對 所述賣端到所述當前買端的商品到貨時間進行預測計算，得到所述商品到貨時間。
[0010] 進一步地，獲取登錄商品交易系統(tǒng)的當前買端的登錄信息之前，所述方法還包 括：
[0011] 獲取所述賣端在預設第二時間段內的第二交易日志信息；
[0012] 將所述第二交易日志信息分為二份，從第一份所述第二交易日志信息中提取所述 預設特征信息和實際商品到貨時間；
[0013] 將從第一份所述第二交易日志信息中提取的所述預設特征信息和所述實際商品 到貨時間作為訓練數據，通過利用回歸預測方法建立的回歸訓練模型對所述訓練數據進行 訓練，得到所述預設特征信息對應的特征權重。
[0014] 進一步地，所述回歸預測方法包括：混合邏輯回歸方法、梯度提高決策樹方法、或 邏輯回歸方法。
[0015] 進一步地，得到所述預設特征信息對應的特征權重之后，還包括：
[0016] 從第二份所述第二交易日志信息中提取所述預設特征信息和實際商品到貨時 間；
[0017] 將從第二份所述第二交易日志信息中提取的所述預設特征信息作為預測數據，根 據所述預設特征信息對應的特征權重，通過回歸預測模型對所述預測數據進行預測計算， 得到預測的所述商品到貨時間；
[0018] 根據從第二份所述第二交易日志信息中提取的所述實際商品到貨時間，通過回歸 評估模型，對預測的所述商品到貨時間進行評估，得到評估結果；
[0019] 根據所述評估結果，判定是否對所述回歸訓練模型進行調整。
[0020] 進一步地，得到所述商品到貨時間之后，所述方法還包括：
[0021] 將所述商品到貨時間展示在所述賣端關聯的商品詳情頁、商品下單頁、商品物流 詳情頁、和/或商品捜索頁。
[0022] 進一步地，得到所述商品到貨時間之后，所述方法還包括：
[0023] 將所述商品到貨時間作為所述賣端的物流能力數據；
[0024] 根據所述物流能力數據，確定所述賣端關聯的商品在商品捜索結果中的排序。
[00巧]進一步地，根據所述當前買端特征信息、所述預設特征信息和所述預先獲取的特 征權重，對所述賣端到所述當前買端的商品到貨時間進行預測計算，得到所述商品到貨時 間，包括：
[00%] 利用預設的歸一化公式，對所述當前買端特征信息對應的當前買端特征數值進行 歸一化處理，得到當前買端特征歸一化值；
[0027] 利用預設的歸一化公式，對所述預設特征信息對應的預設特征數值進行歸一化處 理，得到預設特征數值對應的預設特征歸一化值；
[0028] 將所述當前買端特征歸一化值和所述當前買端特征信息對應的特征權重的乘積， 與所述預設特征歸一化值和所述預設特征信息對應的特征權重的乘積進行相加，得到商品 到貨歸一化時間；
[0029] 將所述商品到貨歸一化時間與預設的到貨時間闊值進行相乘，得到所述商品到貨 時間。
[0030] 進一步地，所述預設特征信息包括：賣端特征信息、與所述賣端交易的所有交易買 端的交易買端特征信息、商品特征信息和/或訂單特征信息。
[0031] 為了解決上述問題，本發(fā)明還公開了一種獲取商品到貨時間的裝置，所述裝置包 括：
[0032] 第一獲取模塊，用于獲取登錄商品交易系統(tǒng)的當前買端的登錄信息，W及與所述 當前買端關聯的賣端在預設第一時間段內的第一交易日志信息；
[0033] 第一提取模塊，用于從所述當前買端的登錄信息中提取當前買端特征信息，從所 述第一交易日志信息中提取預設特征信息；
[0034] 第一預測模塊，用于根據所述當前買端特征信息、所述預設特征信息和所述預先 獲取的特征權重，對所述賣端到所述當前買端的商品到貨時間進行預測計算，得到所述商 品到貨時間。
[0035] 進一步地，所述裝置還包括：
[0036] 第二獲取模塊，用于在獲取登錄商品交易系統(tǒng)的當前買端的登錄信息之前，獲取 所述賣端在預設第二時間段內的第二交易日志信息；
[0037] 第二提取模塊，用于將所述第二交易日志信息分為二份，從第一份所述第二交易 日志信息中提取所述預設特征信息和實際商品到貨時間；
[0038] 訓練模塊，用于將從第一份所述第二交易日志信息中提取的所述預設特征信息和 所述實際商品到貨時間作為訓練數據，通過利用回歸預測裝置建立的回歸訓練模型對所述 訓練數據進行訓練，得到所述預設特征信息對應的特征權重。
[0039] 進一步地，所述回歸預測方法包括：混合邏輯回歸方法、梯度提高決策樹方法、或 邏輯回歸方法。
[0040] 進一步地，所述裝置還包括：
[0041] 第=提取模塊，用于從第二份所述第二交易日志信息中提取所述預設特征信息和 實際商品到貨時間；
[0042] 第二預測模塊，用于將從第二份所述第二交易日志信息中提取的所述預設特征信 息作為預測數據，根據所述預設特征信息對應的特征權重，通過回歸預測模型對所述預測 數據進行預測計算，得到預測的所述商品到貨時間；
[0043] 評估模塊，用于根據從第二份所述第二交易日志信息中提取的所述實際商品到貨 時間，通過回歸評估模型，對預測的所述商品到貨時間進行評估，得到評估結果；
[0044] 判定模塊，用于根據所述評估結果，判定是否對所述回歸訓練模型進行調整。
[0045] 進一步地，所述裝置還包括：
[0046] 展示模塊，用于將所述商品到貨時間展示在所述賣端關聯的商品詳情頁、商品下 單頁、商品物流詳情頁、和/或商品捜索頁。
[0047] 進一步地，得到所述商品到貨時間之后，所述裝置還包括：
[0048] 處理模塊，用于將所述商品到貨時間作為所述賣端的物流能力數據；
[0049] 確定模塊，用于根據所述物流能力數據，確定所述賣端關聯的商品在商品捜索結 果中的排序。
[0050] 進一步地，所述第一預測模塊包括：
[0051] 第一處理單元，用于利用預設的歸一化公式，對所述當前買端特征信息對應的當 前買端特征數值進行歸一化處理，得到當前買端特征歸一化值；
[0052] 第二處理單元，用于利用預設的歸一化公式，對所述預設特征信息對應的預設特 征數值進行歸一化處理，得到預設特征數值對應的預設特征歸一化值；
[0053] 第=處理單元，用于將所述當前買端特征歸一化值和所述當前買端特征信息對應 的特征權重的乘積，與所述預設特征歸一化值和所述預設特征信息對應的特征權重的乘積 進行相加，得到商品到貨歸一化時間；
[0054] 獲取單元，用于將所述商品到貨歸一化時間與預設的到貨時間闊值進行相乘，得 到所述商品到貨時間。 陽化5] 進一步地，所述預設特征信息包括：賣端特征信息、與所述賣端交易的所有交易買 端的交易買端特征信息、商品特征信息和/或訂單特征信息。
[0056] 與現有技術相比，本發(fā)明可W獲得包括W下技術效果：
[0057] I)通過根據當前買端特征信息、預設特征信息和預先獲取的特征權重，對賣端到 當前買端的商品到貨時間進行預測計算，得到商品到貨時間，當前買端特征信息可W直觀 反應當前買端的實際情況、預設特征信息可W直觀反應賣端的實際情況，可W提高商品到 貨時間的準確度。