基于文本挖掘和集成學(xué)習(xí)的外賣訂單出餐時(shí)長(zhǎng)預(yù)測(cè).pdf

1、近年來，隨著人們生活習(xí)慣的改變，餐飲外賣愈發(fā)普及。隨之而來的是外賣配送的迅猛增長(zhǎng)。目前各大外賣平臺(tái)基本上都采用系統(tǒng)自動(dòng)派單的模式進(jìn)行訂單與配送員的匹配。外賣配送的系統(tǒng)派單要做到更加合理高效，所要面臨的一個(gè)重要問題就是餐飲訂單出餐時(shí)長(zhǎng)預(yù)測(cè)，即在用戶下單并完成訂單支付后預(yù)測(cè)出該訂單的餐品出餐所需要的時(shí)間。對(duì)出餐時(shí)長(zhǎng)預(yù)測(cè)的準(zhǔn)確性，直接決定了系統(tǒng)派單決策的準(zhǔn)確性以及合理性，對(duì)于高峰期配送員的運(yùn)力配置起到至關(guān)重要的作用。
　　首先，本文介紹

2、了文本挖掘和集成學(xué)習(xí)等相關(guān)理論。其次，以本人實(shí)習(xí)所負(fù)責(zé)的外賣訂單項(xiàng)目為案例，界定了出餐時(shí)長(zhǎng)的概念，提出了針對(duì)外賣訂單數(shù)據(jù)集的數(shù)據(jù)清洗方法。在此基礎(chǔ)上，基于業(yè)務(wù)經(jīng)驗(yàn)構(gòu)造基礎(chǔ)特征，同時(shí)使用文本挖掘技術(shù)構(gòu)造文本特征，并利用Early Fusion和Late Fusion兩種方法進(jìn)行特征融合。然后，比較了XGBoost、隨機(jī)森林和GBRT三類方法四個(gè)基礎(chǔ)模型①的預(yù)測(cè)準(zhǔn)確性，并確定了四個(gè)基礎(chǔ)模型的最終融合方案。最后，本文基于MSE等指標(biāo)對(duì)最終融合