[发明专利]取件量预警方法、装置、终端设备及存储介质

权利要求书

1.一种取件量预警方法，应用于智能快递柜，其特征在于，所述取件量预警方法包括以下步骤：

获取并保存天气信息，当检测到用户的账户信息时，根据所述账户信息确定待取包裹信息；

根据所述账户信息和所述天气信息，预测所述用户的负载能力；

当检测到所述待取包裹信息对应的待取包裹超过所述用户的负载能力时，输出预警提示信息。

2.如权利要求1所述的取件量预警方法，其特征在于，所述根据所述账户信息和所述天气信息，预测所述用户的负载能力的步骤，包括：

将所述账户信息和所述天气信息输入至目标预测模型中，利用所述目标预测模型从所述账户信息和所述天气信息中提取目标特征信息；

根据所述目标特征信息预测用户的负载能力，其中，所述目标预测模型是利用样本数据集对预设的基础预测模型进行迭代训练得到的，所述样本数据集是根据各用户的账户信息、取件时的天气信息和取件后的反馈信息生成的。

3.如权利要求2所述的取件量预警方法，其特征在于，所述将所述账户信息和所述天气信息输入至目标预测模型中的步骤之前，还包括：

获取第一用户群体取件后的反馈信息，所述第一用户群体由取件后产生反馈信息的用户组成；

根据所述反馈信息生成样本数据集，并利用所述样本数据集对预设的基础预测模型进行迭代训练，得到目标预测模型。

4.如权利要求3所述的取件量预警方法，其特征在于，所述样本数据集包括标记训练集、测试集和验证集，所述根据所述反馈信息生成样本数据集的步骤，包括：

将所述反馈信息与所述第一用户群体中的各用户的历史取件信息进行关联，得到第一样本集；

根据所述反馈信息对应的时间段对所述第一样本集进行划分，得到标记训练集、测试集和验证集。

5.如权利要求4所述的取件量预警方法，其特征在于，所述样本数据集还包括无标记训练集，所述利用所述样本数据集对预设的基础预测模型进行迭代训练，得到目标预测模型的步骤，包括：

获取第二用户群体的历史取件信息，并将所述第二用户群体的历史取件信息与所述第二用户群体中各用户的账号信息进行关联，生成无标记训练集，其中，所述第二用户群体由取件后未产生反馈信息的用户组成；

对所述无标记训练集进行无监督学习，得到第一数据集，并对所述第一数据集按列进行不重复的随机抽取和组合，得到第二数据集；

将所述第二数据集与所述标记训练集进行合并，得到目标训练集；

利用所述目标训练集、所述测试集和所述验证集对预设的基础预测模型进行有监督学习，得到目标预测模型。

6.如权利要求5所述的取件量预警方法，其特征在于，所述利用所述目标训练集、所述测试集和所述验证集对预设的基础预测模型进行有监督学习，得到目标预测模型的步骤，包括：

利用所述目标训练集对预设的基础预测模型进行有监督学习，得到第一预测模型，其中，所述第一预测模型包括多个；

利用所述测试集对各所述第一预测模型进行测试，并利用基尼系数对所述第一预测模型的预测结果进评估，根据所述基尼系数从各所述第一预测模型中确定目标预测模型。

7.如权利要求2所述的取件量预警方法，其特征在于，所述当检测到所述待取包裹信息对应的待取包裹超过所述用户的负载能力时，输出预警提示信息的步骤，包括：

当检测到所述待取包裹信息对应的待取包裹超过所述用户的负载能力时，分别计算所述账户信息和所述天气信息中各特征信息的合计贡献值；

根据所述合计贡献值确定合计贡献度最大的目标特征；

根据所述目标特征输出预警提示信息。