[发明专利]一种旅客行程状态确定方法、装置及服务器

权利要求书

1.一种旅客行程状态确定方法，其特征在于，包括：

获取目标旅客第一预设时间段内的行程序列和预设偏好信息，其中，所述行程序列中包括多个航段数据，所述目标旅客为行程未预定完成的旅客；

根据所述行程序列中的各所述航段数据，确定所述目标旅客对应的机场序列，其中，所述机场序列中包括多个机场标识，且各所述机场标识按照航班时间的先后顺序排列；

调用预训练的行程状态确定模型，所述行程状态确定模型以机场序列和预设偏好信息为训练样本，以行程状态为标签，训练基于注意力机制的神经网络得到，其中，所述行程状态包括结束状态和非结束状态；

将所述目标旅客的机场序列和所述目标旅客的预设偏好信息输入所述行程状态确定模型，确定所述目标旅客的行程状态。

2.根据权利要求1所述的旅客行程状态确定方法，其特征在于，训练所述行程状态确定模型的过程包括：

获取多个旅客在第二预设时间段内的机场序列样本和各所述旅客对应的预设偏好信息，其中，所述机场序列样本中包括多个机场标识，且各所述机场标识按照航班时间的先后顺序排列，所述预设偏好信息中包括多个预设偏好参量；

针对每一所述机场序列样本，基于注意力机制，生成各所述机场标识对应的权重向量；

针对每一所述旅客的预设偏好信息，基于注意力机制，生成各所述预设偏好参量对应的权重向量；

针对每一所述机场序列样本，按照预设拼接规则，对各所述机场标识对应的权重向量以及各所述预设偏好参量对应的权重向量进行拼接，得到与每一所述机场序列样本对应的输入向量；

分别确定神经网络对各所述输入向量的输出结果，到所述行程状态之间的误差，得到各所述机场序列样本相对应的误差；

以各所述机场序列样本相对应的误差处于预设范围内为训练目标，调整所述神经网络的参数，得到行程状态确定模型。

3.根据权利要求2所述的旅客行程状态确定方法，其特征在于，还包括：

针对每一所述机场序列样本，基于注意力机制，生成该机场序列样本中首个机场标识对应的局部权重向量，得到第一局部权重向量；

针对每一所述机场序列样本，基于注意力机制，生成该机场序列样本中最后一个机场标识对应的局部权重向量，得到第二局部权重向量。

4.根据权利要求3所述的旅客行程状态确定方法，其特征在于，所述针对每一所述机场序列样本，按照预设拼接规则，对各所述机场标识对应的权重向量以及各所述预设偏好参量对应的权重向量进行拼接，得到与每一所述机场序列样本对应的输入向量，包括：

针对每一所述机场序列样本，按照预设拼接规则，对各所述机场标识对应的权重向量、各所述预设偏好参量对应的权重向量、所述第一局部权重向量，以及所述第二局部权重向量进行拼接，得到与每一所述机场序列样本对应的输入向量。

5.根据权利要求1所述的旅客行程状态确定方法，其特征在于，所述获取目标旅客第一预设时间段内的行程序列，包括：

获取目标旅客在第一预设时间段内的旅客订座记录PNR信息；

按照预设数据筛选规则筛选所述PNR信息，得到筛选后的PNR信息；

以航段为单位划分所述筛选后的PNR信息，得到所述目标旅客在所述第一预设时间段内的行程序列。

6.根据权利要求1所述的旅客行程状态确定方法，其特征在于，所述根据所述行程序列中的各所述航段数据，确定所述目标旅客对应的机场序列，包括：

获取所述行程序列中，各所述航段数据中的航班时间；

提取各所述航段数据中的机场标识，并按照所述航班时间的先后顺序排列所述机场标识，得到所述目标旅客对应的机场序列。

7.根据权利要求1-6任一项所述的旅客行程状态确定方法，其特征在于，还包括：

若所述目标旅客的行程状态为所述非结束状态，推送预设推送信息。