基于文本挖掘和集成學習的外賣訂單出餐時長預測.pdf

1、近年來，隨著人們生活習慣的改變，餐飲外賣愈發(fā)普及。隨之而來的是外賣配送的迅猛增長。目前各大外賣平臺基本上都采用系統(tǒng)自動派單的模式進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，所要面臨的一個重要問題就是餐飲訂單出餐時長預測，即在用戶下單并完成訂單支付后預測出該訂單的餐品出餐所需要的時間。對出餐時長預測的準確性，直接決定了系統(tǒng)派單決策的準確性以及合理性，對于高峰期配送員的運力配置起到至關重要的作用。
　　首先，本文介紹

2、了文本挖掘和集成學習等相關理論。其次，以本人實習所負責的外賣訂單項目為案例，界定了出餐時長的概念，提出了針對外賣訂單數(shù)據(jù)集的數(shù)據(jù)清洗方法。在此基礎上，基于業(yè)務經驗構造基礎特征，同時使用文本挖掘技術構造文本特征，并利用Early Fusion和Late Fusion兩種方法進行特征融合。然后，比較了XGBoost、隨機森林和GBRT三類方法四個基礎模型①的預測準確性，并確定了四個基礎模型的最終融合方案。最后，本文基于MSE等指標對最終融合