[发明专利]一种数据处理的方法、装置、可读存储介质和电子设备

说明书

本发明实施例公开了一种数据处理的方法、装置、可读存储介质和电子设备。本发明实施例通过接收来自于程序调用接口的即时数据，至少一个处理器将所述即时特征数据输入到预先训练的机器学习模型，获取所述机器学习模型输出的在设定时间段内的各任务对应的超时概率，其中，所述机器学习模型包括各特征对应的权重系数，所述权重系数根据历史特征数据生成的；所述至少一个处理器根据所述超时概率，确定所述目标对象的压力值；响应于所述压力值大于或等于设定阈值，所述至少一个处理器确定所述目标对象超出负荷。通过上述方法，可以动态的调控机器学习模型中各特征对应的权重系数，提高预测目标对象的压力值的准确性。

技术领域

本发明涉及数据处理领域，具体涉及一种数据处理的方法、装置、可读存储介质和电子设备。

背景技术

随着外卖行业的不断发展，给生活带来了越来越多的便利。在外卖配送过程中，目标对象的订单数量突然增加，造成该目标对象在一定时间内无法完成接收到的全部订单，上述情况称为爆单，所述目标对象爆单后，会造成订单出餐异常，无法在正常的出餐时长容错范围内进行出餐，进一步的也无法在正常的配送时长的容错范围内进行配送，影响用户的体验。因此，需要提前对目标对象的压力值进行预测，根据预测结果适当的控制订单数量，提高订单履约率，提升用户的体验。

综上所述，如何准确的对目标对象的压力值进行预测，是目前需要解决的问题。

发明内容

有鉴于此,本发明实施例提供了一种数据处理的方法、装置、可读存储介质和电子设备，能够提高预测目标对象的压力值的准确性。

第一方面，本发明实施例提供了一种数据处理的方法，该方法包括：接收来自于程序调用接口的即时数据，其中，所述即时数据包括目标对象的即时特征数据；通过至少一个处理器将所述即时特征数据输入到预先训练的机器学习模型，获取所述机器学习模型输出的在设定时间段内的各任务对应的超时概率，其中，所述机器学习模型包括各特征对应的权重系数，所述权重系数根据历史特征数据生成的；所述至少一个处理器根据所述超时概率，确定所述目标对象的压力值；响应于所述压力值大于或等于设定阈值，所述至少一个处理器确定所述目标对象超出负荷。

优选地，所述机器学习模型包括逻辑回归模型。

优选地，所述权重系数根据所述历史特征数据、历史压力值、以及 XGBoost模型生成的。

优选地，所述历史数据周期性更新。

优选地，所述至少一个处理器根据在设定时间段内的各任务对应的超时概率，确定所述目标对象的压力值，具体包括：所述至少一个处理器确定在设定时间段内的各任务对应的超时概率的和值；所述至少一个处理器确定所述和值与所述设定时间段内的任务数量的比值作为所述目标对象的压力值。

第二方面，本发明实施例提供了一种数据处理的装置，该装置包括：接收单元，用于接收来自于程序调用接口的即时数据，其中，所述即时数据包括目标对象的即时特征数据；处理单元，用于通过至少一个处理器将所述即时特征数据输入到预先训练的机器学习模型，获取所述机器学习模型输出的在设定时间段内的各任务对应的超时概率，其中，所述机器学习模型包括各特征对应的权重系数，所述权重系数根据历史特征数据生成的；确定单元，所述至少一个处理器用于根据所述超时概率，确定所述目标对象的压力值；所述确定单元还用于，响应于所述压力值大于或等于设定阈值，所述至少一个处理器确定所述目标对象超出负荷。

第三方面，本发明实施例提供了一种计算机可读存储介质，其上存储计算机程序指令，所述计算机程序指令在被处理器执行时实现如第一方面或第一方面任一种可能中任一项所述的方法。