[发明专利]任务处理方法、装置、电子设备及计算机可读存储介质

权利要求书

1.一种任务处理方法，包括：

通过至少一个处理器获取一个或多个任务接收方在预设历史时间段内的任务执行历史行为数据；

通过至少一个处理器根据所述任务执行历史行为数据计算任务执行地点的第一嵌入向量；通过至少一个处理器获取待分配任务的执行地点，通过至少一个处理器将所述待分配任务的执行地点与任务执行带权无向图中节点对应的地理区域匹配，通过至少一个处理器将与所述待分配任务执行地点地理区域匹配的所述任务执行带权无向图节点对应的节点嵌入向量确定为所述待分配任务的执行地点对应的第二嵌入向量；通过至少一个处理器计算所述第二嵌入向量与所述第一嵌入向量之间的相似度，将其确定为所述待分配任务与已分配给目标任务接收方的已分配任务之间的嵌入相似度，其中，所述任务执行带权无向图根据所述任务执行历史行为数据生成；

响应于所述待分配任务被分配给所述目标任务接收方，基于所述待分配任务与已分配给所述目标任务接收方的已分配任务之间的嵌入相似度，通过至少一个处理器对于所述目标任务接收方的任务执行计划进行调整。

2.根据权利要求1所述的方法，所述通过至少一个处理器根据所述任务执行历史行为数据计算任务执行地点的第一嵌入向量，包括：

通过至少一个处理器根据所述任务执行历史行为数据生成任务执行带权无向图，其中，所述任务执行带权无向图中包括两个或多个用于表征任务执行地点的节点、以及连接节点的边，所述节点对应设置有相应的地理区域；

通过至少一个处理器计算所述任务执行带权无向图中各个节点的节点嵌入向量，将其作为对应任务执行地点的第一嵌入向量。

3.根据权利要求2所述的方法，所述通过至少一个处理器计算所述任务执行带权无向图中各个节点的节点嵌入向量，被实施为：

通过至少一个处理器计算所述任务执行带权无向图的随机游走行为序列；

通过至少一个处理器确定嵌入向量学习模型，将所述随机游走行为序列作为所述嵌入向量学习模型的输入进行学习，学习得到所述任务执行带权无向图中各个节点的节点嵌入向量。

4.根据权利要求1所述的方法，所述通过至少一个处理器计算所述第二嵌入向量与所述第一嵌入向量之间的相似度之前，还包括：

通过至少一个处理器获取边信息及对应的权重，根据所述边信息和权重对于所述第一嵌入向量和第二嵌入向量进行加权调整。

5.根据权利要求1-4任一所述的方法，还包括：

通过至少一个处理器计算待分配任务的初始评价值，并根据所述嵌入相似度对于所述待分配任务的初始评价值进行调整处理。

6.根据权利要求5所述的方法，所述通过至少一个处理器计算待分配任务的初始评价值，包括：

通过至少一个处理器确定与所述目标任务接收方对应的单位时间评价值；

通过至少一个处理器获取所述待分配任务的执行距离和所述目标任务接收方的历史执行速度，根据所述执行距离和历史执行速度计算得到所述待分配任务的预计执行时间；

通过至少一个处理器将所述预计执行时间与所述单位时间评价值相乘，得到所述待分配任务的初始评价值。

7.根据权利要求6所述的方法，所述根据所述嵌入相似度对于所述待分配任务的初始评价值进行调整处理，被实施为：

当所述嵌入相似度高于预设相似度阈值时，对于所述待分配任务的初始评价值进行下调处理，并使得经过下调处理后的评价值对应的单位时间评价值不低于所述目标任务接收方对应的单位时间评价值。