[发明专利]一种基于遗传算法的物流平台信息推送方法及系统

说明书

本发明公开了一种基于遗传算法的物流平台信息推送方法及系统，所述方法包括：向物流平台输入信息；物流平台接受输入的信息并进行验证，以确保输入信息准确无误；将输入信息进行处理，进行数据清洗后将信息拆分为离散特征与连续特征并分别编码，对于离散特征使用embedding网络映射为特征向量，对于连续特征将其归一化为0‑1之间的值，之后再分桶编码；建立遗传算法动态推荐模型，该模型包含粗排步骤和精排步骤；最后，根据评分排序，按序将物流配对信息推送给用户。本发明在物流配对信息多方推送的应用场景下，结合了传统的遗传算法与推荐算法，实现了满足运输条件限制的个性化物流信息推送，从而更快更准确地撮合物流订单的匹配。

技术领域

本发明属于信息推送技术领域，尤其涉及一种基于遗传算法的物流平台信息推送方法及系统。

背景技术

近年来，随着互联网的发展和电商行业的崛起，物流行业成为了一个非常重要的领域。不同于传统物流行业开展业务的区域限制，现代物流行业实现了更快捷、多元需求化发展。

现有的物流信息推送方法主要基于规则和经验，而在物流过程中存在多方需求的矛盾，如物流公司期望更小的物流成本和更大的订单收益，货车租赁公司希望最大化使用率，而司机希望最大化收益，这导致传统的推送方法难以满足不同需求方的需求，撮合效率往往不够理想。同时，不同的个体挑选物流订单的偏好也不尽相同，在需要同时服务多个需求方时，个性化推荐的需求愈发明显。基于深度学习的物流信息推送算法是一种满足个性化推荐的方法，但它无法在物流配送领域保证满足运输条件的限制。

发明内容

有鉴于此，本发明提供一种基于遗传算法的物流平台信息推送方法及系统，目的在于(1)提供能同时符合多个不同需求方的个性化需求的物流配对信息推送服务；(2)对不同需求方分别建立目标规划模型，并以遗传算法求解，获得满足多方需求以及运输条件限制的初步推送信息；(3)提出了基于遗传信息优化的点击率预估模型CMGI，耦合了遗传算法与推荐算法，对初步推送信息进行更精细的评分，使得物流信息推送更加个性化与精细化。

实现上述目的，本发明提供的一种基于遗传算法的物流平台信息推送方法，包括以下步骤：

S1：向物流平台输入信息，包括物流订单信息、运输车辆信息和司机信息中的一项或多项；

S2：物流平台接受输入的信息并进行验证；

S3：将输入信息进行处理，进行数据清洗后将信息拆分为离散特征与连续特征并分别编码。对于离散特征使用embedding网络映射为特征向量，对于连续特征将其归一化为0-1之间的值，再进行分桶编码；

S4：建立遗传算法动态推荐模型，该模型包含两个主要步骤，粗排步骤和精排步骤；

S41：所述粗排步骤运用遗传算法对编码后的信息进行运算，针对不同需求方分别建立目标规划模型，求出多个局部最优解作为候选解集；在遗传算法动态推荐模型中，通过设定更新频率，对物资信息、运输车辆信息和司机信息进行实时更新；

S42：所述精排步骤使用了历史订单信息、用户偏好信息以及实时位置信息，提出了基于遗传信息优化的点击率预估模型CMGI对候选解集进行评分，以进行精准的个性化推送；

S5：根据遗传算法动态推荐模型的结果作为待推送的物流配对信息；物流配对信息是一系列的物资、运输车辆和司机的组合方案。

作为本发明的进一步改进方法：

可选地，为所述方法建立数据的表示，相关表示包括：

所述物流订单为：表示当前需要配送的第件物流订单；共有件物流订单需要处理，每个订单有收益和对应的运输需求，所述运输需求包括但不限于货物类型、体积、重量、始发地、目的地、截止时间、金额信息；