一种外卖平台差评预测的方法与流程

技术特征：
1.一种外卖平台差评预测的方法，其特征在于，包括以下步骤:步骤1、获取外卖平台买家信息以及买家历史订单信息；步骤2、根据买家历史订单信息对买家进行分类；步骤3、建立差评预测模型；步骤4、获取当前订单信息，将订单信息输入差评预测模型；步骤5、输出预测信息，若预测到买家差评的可能性大于阈值，则发出警报信息，通知商家，随时对订单进行跟踪，尽可能降低买家差评的概率。2.如权利要求1所述的一种外卖平台差评预测的方法，其特征在于，所述步骤1中，买家信息包括买家在外卖平台的id、买家的姓名、买家的电话以及买家的送餐地址，买家历史订单信息包括买家姓名、下单时间、送餐地址、订单备注、骑手名称、骑手接单时长、到店时长、到店等餐时长、送达时长、买家评价内容、买家评分以及买家配送评价标签。3.如权利要求2所述的一种外卖平台差评预测的方法，其特征在于，所述步骤2中，分类是根据买家历史订单信息，从心理学的角度对买家进行分类，可以划分为多血质买家、黏液质买家、胆汁质买家以及抑郁质买家。4.如权利要求3所述的一种外卖平台差评预测的方法，其特征在于，所述步骤3中，利用gru网络来建立差评预测模型步骤s1、准备数据集，将数据集划分为训练集与测试集，训练集与测试集的比例为8:2；步骤s2、数据预处理，数据预处理包括对数据集数字化处理，然后将数字化处理后的数据集进行独热编码；步骤s3、建立gru网络，利用gru网络训练得到差评预测模型，gru网路的前向传播计算为：r
t
＝σ(w
r
·
[h
t-1
，x
t
])
ꢀꢀꢀꢀꢀ
(1)z
t
＝σ(w
z
·
[h
t-1
，x
t
])
ꢀꢀꢀꢀꢀ
(2)(2)y
t
＝σ(w
o
·
h
t
)
ꢀꢀꢀꢀ
(5)公式(1)、(2)、(3)、(4)和(5)中，r
t
表示重置门神经元，z
t
表示更新门神经元，表示记忆门神经元，h
t
表示当前时刻的候选集，y
t
表示输出，w
r
表示重置门的连接权值，w
z
表示更新门的连接权值，表示记忆门的连接权值，w
o
表示输出层的连接权值，σ指的是sigmoid函数，x
t
表示t时刻的输入向量，[]表示两个向量相连，*表示矩阵的乘积，h
t-1
表示前一时刻候选集。5.如权利要求4所述的一种外卖平台差评预测的方法，其特征在于，所述步骤5中，阈值取值范围为40％-50％，发出警报信息的途径有发送短信、指示灯或者显示屏显示以及蜂鸣器报警，采用其中一种或者多种相互结合的方式。

技术总结
本发明涉及数据处理技术领域，尤其涉及一种外卖平台差评预测的方法。解决买家下单后差评问题。方法包括：获取外卖平台买家信息以及买家历史订单信息；根据买家历史订单信息对买家进行分类；建立差评预测模型；获取当前订单信息，将订单信息输入差评预测模型；输出预测信息，若预测到买家差评的可能性大于阈值，则发出警报信息，通知商家，随时对订单进行跟踪，尽可能降低买家差评的概率。通过获取买家信息以及买家历史订单信息，从心理学的角度，对买家进行分类，为后续对买家差评的预测提供了有力支持；通过警报信息提醒了商家，让商家能够及时有效的对当前订单进行跟踪和处理，从而降低买家差评的可能性。低买家差评的可能性。


技术研发人员：马龙忠
受保护的技术使用者：马龙忠
技术研发日：2022.02.22
技术公布日：2022/6/4