技术特征：
1.一种计算配送时间的方法，其特征在于，所述方法包括：获取预指定的与订单配送相关的特征数据，所述特征数据包括稀疏特征数据和稠密特征数据，其中，所述稀疏特征数据是指与目标订单相关的不可量化信息，所述稠密特征数据包括配送环境指标和与所述目标订单相关的可量化信息；根据所述稀疏特征数据和所述稠密特征数据生成第一特征矩阵；根据历史的所述稠密特征数据生成第二特征矩阵；将所述第一特征矩阵和所述第二特征矩阵输入配送时长预测模型，得到对所述目标订单的送达时间的预测结果。2.根据权利要求1所述的方法，其特征在于，所述配送时长预测模型包括fm算法层，mlp算法层，时序输出层，特征融合层；所述fm算法层用于对所述第一特征矩阵进行交叉组合特征扩展；所述mlp算法层用于对所述第一特征矩阵进行矩阵变换处理；所述时序输出层用于对所述第二特征矩阵进行矩阵变换处理；所述特征融合层用于，将所述fm算法层输出的矩阵、所述mlp算法层输出的矩阵和所述时序输出层输出的矩阵中的元素进行融合，得到融合矩阵；所述预测结果是根据所述融合矩阵计算得到的。3.根据权利要求1或2所述方法，其特征在于，所述配送时长预测模型还包括常规预测层以及补时层；所述预测结果是基于如下步骤计算得到的：根据所述融合矩阵与所述常规预测层的运算矩阵计算得到常规时长；根据对应所述目标订单的特征数据确定所述补时层的运算矩阵；根据所述融合矩阵与所述补时层的运算矩阵计算得到目标补时时长；基于所述常规时长与所述目标补时时长生成所述预测结果。4.根据权利要求3所述的方法，其特征在于，所述根据对应所述目标订单的特征数据确定的所述补时层的运算矩阵，包括：根据所述特征数据确定对应所述补时层的属性值；在多个预设的数据区间中确定所述属性值所处的数据区间；根据所述属性值与所处数据区间两个端值之间的差值，以及在补时嵌入向量库中查找到的分别对应所述两个端值的补时嵌入向量，计算所述补时层的运算矩阵，其中，所述补时嵌入向量库包括对应所述预设的数据区间的端值的补时嵌入向量。5.根据权利要求3所述的方法，其特征在于，所述补时层包括以下一种或多种补时模块：负载补时模块、距离补时模块、价格补时模块、出餐难度补时模块；所述根据对应所述目标订单的特征数据确定所述补时层的运算矩阵，根据所述融合矩阵与所述补时层的运算矩阵计算得到目标补时时长，包括：根据对应所述目标订单的特征数据确定每一补时模块的运算矩阵；根据所述融合矩阵与每一所述补时模块的运算矩阵，分别计算得到相应的模块补时时长；基于计算得到模块补时时长生成所述目标补时时长。
6.根据权利要求1或2所述的方法，其特征在于，所述配送时长预测模型是通过以下方式训练得到的：针对所述补时层设置第一损失函数，针对所述常规预测层设置第二损失函数，所述第一损失函数与所述第二损失函数的函数类型不同；将与样本数据中与订单配送相关的特征数据输入待训练的配送时长预测模型，得到对送达时间的待检预测结果；重复执行以下调整元素值的操作步骤：根据样本数据中的实际送达时刻、所述待检预测结果，以及所述第一损失函数调整所述补时层的运算矩阵中的元素值；根据样本数据中的实际送达时刻、所述待检预测结果，以及所述第二损失函数调整所述常规预测层的运算矩阵中的元素值；直至元素值调整操作前所述第一损失函数的输出量，与所述元素值调整操作后所述第一损失函数的输出量之间的差值小于第一预设阈值，且，所述元素值调整操作前所述第二损失函数的输出量与所述元素值调整操作后所述第二损失函数的输出量之间的差值小于第二预设阈值，确定所述配送时长预测模型训练完成。7.根据权利要求2所述的方法，其特征在于，所述稀疏特征数据包括对应每一种稀疏特征的稀疏索引值和稀疏属性值，其中，所述稀疏属性值为对应所述稀疏特征的预设值；所述稠密特征数据包括对应每一种稠密特征的稠密索引值和稠密属性值，其中，所述稠密属性值为对应所述稠密特征的量化数值；所述根据所述稀疏特征数据和所述稠密特征数据生成第一特征矩阵，包括：对每一种稀疏特征执行如下操作：根据对应所述稀疏特征的所述稀疏索引值在预设嵌入向量库中查询得到稀疏特征嵌入向量，并根据所述稀疏属性值以及所述稀疏特征嵌入向量，生成对应所述稀疏特征的稀疏特征向量；对每一种稠密特征执行如下操作：根据对应所述稠密特征的所述稠密索引值在预设嵌入向量库中查询得到稠密特征嵌入向量，并根据所述稠密属性值以及所述稠密特征嵌入向量，生成对应所述稠密特征的稠密特征向量；基于所述稀疏索引值和所述稠密索引值，以及生成的所述稀疏特征向量和所述稠密特征向量，生成所述第一特征矩阵。8.根据权利要求7所述的方法，其特征在于，所述fm算法层用于对所述第一特征矩阵进行交叉组合特征扩展，包括：将任意两个所述特征的组合作为新的特征，并针对所述新的特征执行如下操作：将所述两个特征的对应的特征向量的点积作为所述新的特征的属性值；基于所述两个特征的对应的特征向量，以及所述属性值生成对应所述新的特征的特征向量；所述fm算法层输出的矩阵包括对应所述新的特征的特征向量。9.一种计算配送时间的装置，其特征在于，所述装置包括：获取模块，用于获取预指定的与订单配送相关的特征数据，所述特征数据包括稀疏特征数据和稠密特征数据，其中，所述稀疏特征数据是指与目标订单相关的不可量化信息，所述稠密特征数据包括配送环境指标和与所述目标订单相关的可量化信息；
第一数据处理模块，用于根据所述稀疏特征数据和所述稠密特征数据生成第一特征矩阵；第二数据处理模块，用于根据历史的所述稠密特征数据生成第二特征矩阵；第三数据处理模块，用于将所述第一特征矩阵和所述第二特征矩阵输入配送时长预测模型，得到对所述目标订单的送达时间的预测结果。10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现权利要求1-8中任一项所述方法的步骤。11.一种电子设备，其特征在于，包括：存储器，其上存储有计算机程序；处理器，用于执行所述存储器中的所述计算机程序，以实现权利要求1-8中任一项所述方法的步骤。