[发明专利]下单预测方法、装置、计算机设备和计算机可读存储介质

权利要求书

1.一种基于机器学习算法的错误下单预测方法，适用于网约车客户端，其特征在于，包括：

在获取到用户输入的网约车订单请求时，根据预设的错误下单预测模型，确定所述订单请求的错误概率，

其中，所述错误下单预测模型根据模型样本生成；

在获取到用户输入的网约车订单请求时，根据预设的错误下单预测模型，确定所述订单请求的错误概率，还包括：

检测所述错误概率是否大于或等于预设概率阈值；

在检测到所述错误概率大于或等于所述预设概率阈值时，生成下单错误提示信息，以提示用户下单错误。

2.根据权利要求1所述错误下单预测方法，其特征在于，所述在获取到用户输入的网约车订单请求时，根据预设的错误下单预测模型，确定所述订单请求的错误概率前，还包括：

收集多个历史订单，以将所述多个历史订单确定为所述模型样本；

对所述模型样本进行训练，以生成错误下单目标模型；

确定所述错误下单目标模型最小化时对应的预测参数；

根据所述预测参数与预设的预测模型，生成所述错误下单预测模型。

3.根据权利要求2所述的错误下单预测方法，其特征在于，所述对所述模型样本进行训练，以生成错误下单目标模型，具体包括以下步骤：

根据预设划分比例，将所述模型样本划分为训练样本与预测样本；

根据是否正确下单分别对所述训练样本与所述预测样本进行标注；

对标注后的所述训练样本进行特征提取，以获取训练样本特征；

根据提取后的训练样本特征执行训练操作，以生成所述错误下单目标模型。

4.根据权利要求3所述的错误下单预测方法，其特征在于，所述根据提取后的训练样本特征执行训练操作，以生成所述错误下单目标模型，具体包括以下步骤：

对所述训练样本特征执行分类回归操作，以生成模型树集合，

根据所述训练样本特征与预设的Logistic损失函数，对所述模型树集合执行分裂操作，以生成多个分裂点；

将所述训练样本特征分别映射至每个所述分裂点的叶子上，以生成提升树，并将所述提升树的模型确定为所述错误下单目标模型。

5.根据权利要求4所述的错误下单预测方法，其特征在于，还包括：

对标注后的所述预测样本进行特征提取，以获取预测样本特征；

在确定所述预测参数时，根据所述预测样本特征对所述预测参数进行优化。

6.根据权利要求1至5中任一项所述的错误下单预测方法，其特征在于，

所述模型样本的特征包括基础特征、实时特征、乘客特征，所述基础特征包括出行方式、出行起点、出行终点、价格、小费中的至少一项，所述实时特征包括天气、所属时间段、周围订单数量、周围司机数量中的至少一项，所述乘客特征包括乘客年龄、性别、职业、下错单概率中的至少一项。

7.一种基于机器学习算法的错误下单预测装置，适用于网约车客户端，其特征在于，包括：

确定单元，用于在获取到用户输入的网约车订单请求时，根据预设的错误下单预测模型，确定所述订单请求的错误概率，

其中，所述错误下单预测模型根据模型样本生成；

检测单元，用于检测所述错误概率是否大于或等于预设概率阈值；

生成单元，用于在检测到所述错误概率大于或等于所述预设概率阈值时，生成下单错误提示信息，以提示用户下单错误。

8.根据权利要求7所述错误下单预测装置，其特征在于，还包括：

收集单元，用于收集多个历史订单，以将所述多个历史订单确定为所述模型样本；

所述生成单元还用于：对所述模型样本进行训练，以生成错误下单目标模型；

所述确定单元还用于：确定所述错误下单目标模型最小化时对应的预测参数；

所述生成单元还用于：根据所述预测参数与预设的预测模型，生成所述错误下单预测模型。