[发明专利]货运取消单的处理方法、装置、计算机设备和存储介质

说明书

本申请涉及一种货运取消单的处理方法、装置、计算机设备和存储介质。所述方法包括：响应于针对货运订单的取消请求，确定所述货运订单为待处理的目标货运取消单；查询所述目标货运取消单关联的订单数据，所述订单数据包括用户与司机的通话音频、订单备注信息和订单结构化信息；对所述通话音频、订单备注信息和订单结构化信息分别进行特征提取处理，得到第一事件特征、第二事件特征和第三事件特征；根据所述第一事件特征、第二事件特征和第三事件特征进行判责，得到所述目标货运取消单的判责结果。本申请实施例能够提高针对货运取消单的判责准确率。

技术领域

本申请涉及货运领域，特别是涉及一种货运取消单的处理方法、装置、计算机设备和存储介质。

背景技术

货运平台上，每天会有大量的取消单(指用户取消的订单)产生，这些取消单会对司机的拒单率产生影响，有些是用户的责任，有些是司机的责任。货运平台通常会基于取消方填写的取消原因以及一些预设规则来进行判责，然而，目前的判责规则的总体准确率偏低，而判责结果出现错误就会导致大量司机进行申诉，这些申诉需由人工审核，导致运营成本增加。因而，如何在出现取消单时提高判责准确率成为亟需解决的问题。

发明内容

本申请针对上述不足或缺点，提供了一种货运取消单的处理方法、装置、计算机设备和存储介质，本申请实施例能够提高针对货运取消单的判责准确率。

本申请根据第一方面提供了一种货运取消单的处理方法，在一个实施例中，该方法包括：

响应于针对货运订单的取消请求，确定货运订单为待处理的目标货运取消单；

查询目标货运取消单关联的订单数据，订单数据包括用户与司机的通话音频、订单备注信息和订单结构化信息；

对通话音频、订单备注信息和订单结构化信息分别进行特征提取处理，得到第一事件特征、第二事件特征和第三事件特征；

根据第一事件特征、第二事件特征和第三事件特征进行判责，得到目标货运取消单的判责结果。

在一个实施例中，对通话音频进行特征提取处理，包括：

对通话音频进行文本转换处理，得到通话文本；

将通话文本输入训练好的通话内容深度学习模型，获取通话内容深度学习模型输出的取消原因预测结果作为第一事件特征。

在一个实施例中，对订单备注信息和订单结构化信息进行特征提取处理，包括：

使用文本特征提取器从订单备注信息中提取文本备注特征作为第二事件特征；

从订单结构化信息中提取订单结构化特征作为第三事件信息；

其中，订单结构化特征包括人员信息、货物信息、车辆信息和服务信息；其中，人员信息包括下单人信息、供货人信息、收货人信息、随行乘客信息、司机信息和搬运工信息中的一项或多项；货物信息包括货物类型、货物尺寸、货物重量、易碎标识信息和违禁品标识信息中的一项或多项；车辆信息包括车辆长宽信息、客运版标识信息、尾板标识信息、开顶标识信息、防雨标识信息、冷鲜车标识信息和新能源标识信息中的一项或多项；服务信息包括跟车标识信息、搬运标识信息和回单信息中的一项或多项。

在一个实施例中，根据第一事件特征、第二事件特征和第三事件特征进行判责，得到目标货运取消单的判责结果，包括：

根据第一事件特征、第二事件特征和第三事件特征确定目标货运取消单的取消事件类型；

当取消事件类型为第一类型时，使用预设规则判责器处理第一事件特征、第二事件特征和第三事件特征，得到目标货运取消单的判责结果；

当取消事件类型为第二类型时，使用训练好的神经网络判责器处理第一事件特征、第二事件特征和第三事件特征，得到目标货运取消单的判责结果。