[发明专利]服务选择预测方法、装置、电子设备及存储介质

权利要求书

1.一种服务选择预测方法，其特征在于，包括：

获取待预测用户的历史出行记录，所述历史出行记录中包括出行地址信息；

将每个所述出行地址信息进行分词处理，生成所述待预测用户的至少一个出行标签；

基于所述待预测用户的出行标签，以及预先训练的目标服务预测模型，得到所述待预测用户选择目标服务的概率。

2.根据权利要求1所述的方法，其特征在于，所述将每个所述出行地址信息进行分词处理，生成所述待预测用户的至少一个出行标签，包括：

将每个所述出行地址信息进行分词处理后，得到多个分词特征；

若所述分词特征有对应的属性特征词，将所述分词特征与对应的所述属性特征词关联后，得到所述出行标签；

若所述分词特征没有对应的属性特征词，将所述分词特征作为所述出行标签。

3.根据权利要求1所述的方法，其特征在于，根据以下步骤训练所述目标服务预测模型：

获取待训练用户的历史出行记录，以及所述待训练用户选择目标服务的真实结果；

将所述待训练用户的历史出行记录中的每个所述出行地址信息进行分词处理，生成所述待训练用户的至少一个出行标签；

将所述待训练用户的出行标签作为模型输入特征，将所述待训练用户选择目标服务的真实结果作为模型输出特征，训练得到所述目标服务预测模型。

4.根据权利要求3所述的方法，其特征在于，所述方法还包括：

基于所述目标服务预测模型提取训练权重小于预设权重阈值的非关键出行标签；

将所述非关键出行标签删除后，得到更新后的模型输入特征；

基于所述更新后的模型输入特征和所述模型输出特征，重新训练得到更新后的目标服务预测模型。

5.根据权利要求3或4所述的方法，其特征在于，训练得到所述目标服务预测模型之后，所述方法还包括：

基于测试用户的历史出行记录以及所述测试用户选择目标服务的真实结果，确定所述目标服务预测模型的预测准确度；

若所述预测准确度小于设定准确度阈值，重新获取新的待训练用户的历史出行记录，训练所述目标服务预测模型，直至所述预测准确度大于或等于设定准确度阈值。

6.根据权利要求4所述的方法，其特征在于，所述基于测试用户的历史出行记录以及所述测试用户选择目标服务的真实结果，确定所述目标服务预测模型的预测准确度，包括：

获取测试用户的历史出行记录，以及所述测试用户选择目标服务的真实结果；

将所述测试用户的历史出行记录中的每个所述出行地址信息进行分词处理，生成所述测试用户的至少一个出行标签；

将所述测试用户的出行标签输入所述目标服务预测模型，得到所述测试用户选择目标服务的测试概率；

基于所述测试用户选择目标服务的测试概率、所述测试用户选择目标服务的真实结果以及所述测试用户的个数，确定所述目标服务预测模型的预测准确度。

7.根据权利要求6所述的方法，其特征在于，所述基于所述测试用户选择目标服务的测试概率、所述测试用户选择目标服务的真实结果以及所述测试用户的个数，确定所述目标服务预测模型的预测准确度，包括：

根据所述测试用户选择目标服务的测试概率与预设阈值，确定所述测试用户选择目标服务的测试结果；

根据所述测试用户选择目标服务的测试结果以及所述测试用户选择目标服务的真实结果，确定所述目标服务预测模型对所述测试用户的测试准确个数；

基于所述测试准确个数以及所述测试用户的个数，确定所述目标服务预测模型的预测准确度。

8.根据权利要求1所述的方法，其特征在于，所述得到所述待预测用户选择目标服务的概率之后，所述方法还包括：

判断所述待预测用户选择目标服务的概率是否大于预设阈值；

若是，确定所述待预测用户为选择所述目标服务出行的潜在用户。

9.根据权利要求1所述的方法，其特征在于，所述目标服务为租车服务。