(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210849809.6 (22)申请日 2022.07.19 (71)申请人 北京三快在线科技有限公司 地址 100080 北京市海淀区北四环西路9号 2106-030 (72)发明人 高成良　张凡　冯榕根　茹强　 (74)专利代理 机构 北京三高永信知识产权代理 有限责任公司 1 1138 专利代理师 谢冬寒 (51)Int.Cl. G06Q 10/04(2012.01) G06Q 10/08(2012.01) G06Q 30/02(2012.01) G06Q 30/06(2012.01) (54)发明名称 订单准备时长确定方法 (57)摘要 本申请公开了一种订单准备时长确定方法， 属于互联网技术领域。 该方法包括： 确定多个预 设时长； 对于每个所述预设时长， 基于所述预设 时长和对象的多个历史订单对应的准备时长信 息， 从所述多个历史订单中， 确定订单准备时长 不大于所述预设时长的历史订单的比例； 基于所 述多个预设时长对应的比例， 确定所述对象对应 的对象信息； 获取目标订单对应的订单信息和目 标物品对应的物品信息； 确定多个预设概率； 基 于所述订单信息和所述物品信息， 确定每个所述 预设概率对应的第一时长； 从每个所述预设概率 对应的第一时长中， 选取所述目标订单对应的预 测订单准备时长。 该方法所预测的订单准备时长 的准确性较高。 权利要求书3页 说明书27页 附图7页 CN 115330027 A 2022.11.11 CN 115330027 A 1.一种订单准备时长确定方法， 其特 征在于， 所述方法包括： 确定多个预设时长， 所述多个预设时长按照从小到大的顺序排列， 且每两个相邻预设 时长之间的差值相等； 对于每个所述预设时长， 基于所述预设时长和对象的多个历史订单对应的准备时长信 息， 从所述多个历史订单中， 确定订单准备时长不大于所述预设时长的历史订单的比例， 所 述准备时长信息表示所述历史订单 的准备时长； 基于所述多个预设时长对应的比例， 确定 所述对象对应的对象信息； 获取目标订单对应的订单信 息和目标物品对应的物品信 息， 所述目标物品为所述目标 订单包括的物品， 且所述目标物品由所述对象提供， 所述 订单信息包括所述对象信息； 确定多个预设概率， 所述多个预设概率按照顺序排列， 且每两个相邻预设概率之间的 差值相等； 基于所述订单信息和所述物品信息， 确定每个所述预设概率对应的第一时长， 所述第 一时长对应于具有所述第一时长的时间段， 且所述时间段以确认所述目标订单的时间点为 起点， 所述第一时长对应的预设概率表示所述目标订单准备完成的时间点属于所述时间段 的概率； 从每个所述预设概率对应的第一时长中， 选取所述目标订单对应的预测订单准备时 长。 2.根据权利要求1所述的方法， 其特征在于， 所述订单信 息还包括用于描述所述目标订 单的上下文信息， 所述基于所述订单信息和所述物品信息， 确定每个所述预设概率对应的 第一时长， 包括： 对所述对象信息和所述上下文信息进行特征提取， 得到所述目标订单对应的订单特 征； 对所述物品信息进行 特征提取， 得到所述目标物品对应的物品特 征； 基于所述 订单特征和所述物品特 征， 确定每 个所述预设概 率对应的第一时长 。 3.根据权利要求2所述的方法， 其特征在于， 所述目标订单包括多个目标物品， 所述基 于所述订单特征和所述物品特 征， 确定每 个所述预设概 率对应的第一时长， 包括： 将多个所述目标物品对应的物品特 征进行组合， 得到物品组合特 征； 基于所述 订单特征和所述物品组合特 征， 确定每 个所述预设概 率对应的第一时长 。 4.根据权利要求3所述的方法， 其特征在于， 所述将多个所述目标物品对应的物品特征 进行组合， 得到物品组合特 征， 包括： 对于每个所述目标物品， 基于所述订单特征的权重和所述目标物品对应的物品特征的 权重， 对所述订单特征和所述物品特征进行加权处理， 将加权处理后的权重确定为所述物 品特征更新后的权 重； 基于多个所述物品特征更新后的权重， 对多个所述物品特征进行加权处理， 得到所述 物品组合特 征。 5.根据权利要求2所述的方法， 其特征在于， 所述多个预设概率按照从小到大的顺序排 列； 所述基于所述订单特征和所述物品特征， 确定每个所述预设概率对应的第一时长， 包 括： 基于所述订单特征和所述物品特征， 确定每个所述预设概率对应的第二时长， 所确定权　利　要　求　书 1/3 页 2 CN 115330027 A 2的多个第二时长按照对应的预设概率从小到大的顺序排列， 每个所述第二时长对应于具有 所述第二时长的子时间段， 且第一个子时间段以确认所述 目标订单 的时间点为起点， 其他 的子时间段以前一个子时间段的终点 为起点； 对于每个所述预设概率， 将所述预设概率对应的所述第 二时长与位于所述第 二时长之 前的每个第二时长的总和， 确定为所述预设概 率对应的第一时长 。 6.根据权利要求1所述的方法， 其特征在于， 任一订单的准备时长信 息为时长区间或时 长， 所述基于所述预设时长和对 象的多个历史订单对应的准备时长信息， 从所述多个历史 订单中， 确定订单准备时长不大于所述预设时长的历史订单的比例之前， 所述方法还 包括： 对于每个所述历史订单， 若所述历史订单对应的准备时长信息为时长区间， 且所述预 设时长属于所述时长区间， 则从所述多个历史订单中去除所述历史订单。 7.根据权利要求1所述的方法， 其特征在于， 所述基于所述订单信息和所述物品信息， 确定每个所述预设概 率对应的第一时长， 包括： 调用时长确定模型， 基于所述订单信息和所述物品信息， 确定每个所述预设概率对应 的第一时长； 所述时长确定模型的训练过程包括： 获取样本订单对应的样本订单信 息、 样本准备时长信 息和样本物品对应的样本物品信 息， 所述样本订单信息包括样本对 象对应的样本对 象信息， 所述样本物品是所述样本订单 包括的物品， 所述样本物品由所述样本对 象提供， 所述样本准备时长信息表示所述样本订 单的准备时长； 调用所述时长确定模型， 基于所述样本订单信息和所述样本物品信息， 确定每个所述 预设概率对应的预测时长， 所述时长确定模型包括所述多个预设概 率； 基于每个所述预设概率对应的预测时长和所述样本准备时长信 息， 确定每个所述预设 概率对应的损失值； 基于每个所述预设概 率对应的损失值， 训练所述时长确定模型。 8.根据权利要求7所述的方法， 其特征在于， 所述订单信 息还包括用于描述所述目标订 单的上下文信息， 所述时长确定模型包括特征提取网络和时长确定网络； 所述调用时长确 定模型， 基于所述订单信息和所述物品信息， 确定每个所述预设概率对应的第一时长， 包 括： 调用所述特征提取网络， 对所述对象信息和所述上下文信息进行特征提取， 得到所述 目标订单对应的订单 特征； 调用所述特征提取网络， 对所述物品信息进行特征提取， 得到所述目标物品对应的物 品特征； 调用所述时长确定网络， 基于所述订单特征和所述物品特征， 确定每个所述预设概率 对应的第一时长 。 9.根据权利要求8所述的方法， 其特征在于， 所述多个预设概率按照从小到大的顺序排 列， 所述时长确定网络包括时长确定单元， 所述时长确定单元包括第一全连接层和累加层， 所述调用时间确定网络， 基于所述订单特征和所述物品特征， 确定每个所述预设概率对应 的第一时长， 包括： 调用所述第一全连接层， 基于所述订单特征和所述物品特征， 确定每个所述预设概率权　利　要　求　书 2/3 页 3 CN 115330027 A 3