[发明专利]一种基于特征标签的多维度运费预测方法及其系统

权利要求书

1.一种基于特征标签的多维度运费预测方法，其特征在于，包括以下步骤：

a、针对客户订单进行预测和训练，获取客户标签、客户标签训练结果和公共标签训练结果，并将客户标签传输至客户标签管理器；

b、根据客户标签训练结果，对不同的客户标签进行标签定义，获得公共标签，并传输至公共标签管理器；

c、根据公共标签训练结果，对公共标签进行标签定义，获得各个标签的预测运费。

2.根据权利要求1所述的基于特征标签的多维度运费预测方法，其特征在于，所述步骤a中的标签训练包括如下步骤：

针对每个客户的标签进行LSTM训练，获取包括行业、规模和下单频率的客户标签类型，并将该训练结果传输至客户标签管理器。

3.根据权利要求2所述的基于特征标签的多维度运费预测方法，其特征在于，所述步骤a中的标签训练还包括以下步骤：

针对每个公共标签进行LSTM训练，获取包括天气、节日促销和交通状况的公共标签类型，并将该训练结果传输至公共标签管理器。

4.根据权利要求1-3任一项所述的基于特征标签的多维度运费预测方法，其特征在于，还包括以下步骤：

对各个标签的预测运费进行加权平均或线性拟合，得到最终运费预测结果。

5.一种基于特征标签的多维度运费预测系统，其特征在于，包括订单标签预测模块、订单标签训练模块、客户标签处理模块和公共标签处理模块，其中：

订单标签预测模块，用于针对客户订单进行预测，获取客户标签，并将客户标签传输至客户标签管理器；

订单标签训练模块，用于针对客户订单进行训练，获取客户标签训练结果和公共标签训练结果；

客户标签处理模块，用于根据客户标签训练结果，对不同的客户标签进行标签定义，获得公共标签，并传输至公共标签管理器；

公共标签处理模块，用于根据公共标签训练结果，对公共标签进行标签定义，获得各个标签的预测运费。

6.根据权利要求5所述的基于特征标签的多维度运费预测系统，其特征在于，所述订单标签训练模块包括客户标签训练子模块，用于针对每个客户的标签进行LSTM训练，获取包括行业、规模和下单频率的客户标签类型，并将该训练结果传输至客户标签管理器。

7.根据权利要求6所述的基于特征标签的多维度运费预测系统，其特征在于，所述订单标签训练模块还包括公共标签训练子模块，用于针对每个公共标签进行LSTM训练，获取包括天气、节日促销和交通状况的公共标签类型，并将该训练结果传输至公共标签管理器。

8.根据权利要求5-7任一项所述的基于特征标签的多维度运费预测系统，其特征在于，还包括预测运费计算模块，用于对各个标签的预测运费进行加权平均或线性拟合，得到最终运费预测结果。