[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

说明书

本发明提供了一种下单预测方法、装置、计算机设备和计算机可读存储介质，其中，下单预测方法包括：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，确定订单请求的错误概率，其中，错误下单预测模型根据模型样本生成。本发明的技术方案，使用户在发送网约车订单之前，了解当前输入的网约车订单中是否存在错误，以使用户在确定可能存在订单错误时能够及时进行反馈，从而将错误订单在发送之前进行拦截，进而降低了由于订单错误导致订单取消现象的概率，进而提升网约车司机的使用体验。

技术领域

本发明涉及计算机技术领域，具体而言，涉及一种基于机器学习算法的错误下单预测方法、一种基于机器学习算法的错误下单预测装置、一种计算机设备和一种计算机可读存储介质。

背景技术

用户使用打车应用程序时，有时存在错误下单的情况，比如，乘客想要发出快车订单，但却误发了代驾订单，当乘客发现自己下错单后，通常会取消订单，而取消订单会降低司机的体验，影响司机做单的积极性，更严重的会造成司机流失。

打车应用程序的服务器中，通常会存储大量指定时间段内的历史订单信息，而如何通过将历史订单作为模型样本，训练错误下单预测模型，以根据错误下单预测模型在用户下单前进行错误下单预测，进而降低错误下单率，成为亟待解决的技术问题。

发明内容

本发明旨在至少解决现有技术或相关技术中存在的技术问题之一。

为此，本发明的一个目的在于提供一种基于机器学习算法的错误下单预测方法。

本发明的另一个目的在于提供一种基于机器学习算法的错误下单预测的装置。

本发明的又一个目的在于提供一种计算机设备。

本发明的又一个目的在于提供一种计算机可读存储介质。

为了实现上述目的，本发明第一方面的技术方案提供了一种基于机器学习算法的错误下单预测方法，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，确定订单请求的错误概率，其中，错误下单预测模型根据模型样本生成。

在该技术方案中，通过预设的错误下单预测模型对用户输入的订单请求进行预测，以确定订单请求中的错误概率，以使用户在发送网约车订单之前，了解当前输入的网约车订单中是否存在错误，以使用户在确定可能存在订单错误时能够及时进行反馈，从而将错误订单在发送之前进行拦截，进而降低了由于订单错误导致订单取消现象的概率，进而提升网约车司机的使用体验。

在上述技术方案中，优选地，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，确定订单请求的错误概率前，还包括：收集多个历史订单，以将多个历史订单确定为模型样本；对模型样本进行训练，以生成错误下单目标模型；确定错误下单目标模型最小化时对应的预测参数；根据预测参数与预设的预测模型，生成错误下单预测模型。

在该技术方案中，通过将多个历史订单确定为模型样本，以对多个历史订单进行训练，进而得到用于生成错误下单预测模型对应的目标模型，进而通过模型样本对目标模型最小化学习到预测参数，然后根据预设的预测模型和训练样本得到预测参数生成错误下单预测模型，以对未知的订单的错误率进行预测，通过将历史订单确定为模型样本，从而能够使错误下单预测模型的精确度更高。

其中，错误下单目标模型可以是Xgboost(Extreme Gradient Boosting，极致梯形迭代)模型，决策树模型，GBDT(Gradient Boosted Decision Tree/Grdient BoostedRegression Tree)模型、线性回归模型、神经网络模型中的任意一种。