[发明专利]OTA保留房可靠性的预测方法、模型训练方法及系统

权利要求书

1.一种用于OTA保留房可靠性预测的模型训练方法，其特征在于，包括以下步骤：

获取OTA网站中保留房的历史订单,所述历史订单包括历史房型编号及历史入住日期；

判断所述历史订单中所述保留房是否预定成功，若否，则将所述历史订单打标签为第一概率值，若是，则将所述历史订单打标签为第二概率值；

将打标签后的所述历史订单划分为训练集及测试集；

将训练集中的所述历史订单及对应标记的第一概率值或第二概率值输入至深度机器学习模型中进行训练；

将测试集中的所述历史订单输入至训练后的深度机器学习模型中以得到与每一所述历史订单对应的预测风险值；

判断所述预测风险值的评估指标是否达到评估阈值，若达到，则训练后的深度机器学习模型则为可靠性预测模型。

2.如权利要求1所述的模型训练方法，其特征在于，获取OTA网站中保留房的历史订单后的步骤后还包括：

从所述历史订单中提取特征数据，所述特征数据包括所述保留房对应房型的历史订单量数据、所述保留房所属酒店的保留房库存数据、所述保留房对应房型的价格数据、所述保留房所属酒店的酒店信息数据及所述保留房对应房型的日期数据；

将训练集中的所述历史订单输入至深度机器学习模型中进行训练的步骤包括：将训练集中的所述特征数据输入至深度机器学习模型中进行训练；

将测试集中的所述历史订单输入至训练后的深度机器学习模型的步骤包括：将测试集中的所述特征数据输入至训练后的深度机器学习模型；

和/或，

所述深度机器学习模型包括XGBoost模型；

和/或，

所述评估指标包括AUC指标。

3.一种OTA保留房可靠性的预测方法，其特征在于，所述预测方法包括：

获取保留房对应的房型编号及入住日期；

将所述保留房的房型编号及入住日期输入至利用权利要求1或2所述的模型训练方法训练出的所述可靠性预测模型以获取所述保留房的预测风险值；

判断所述预测风险值是否大于风险阈值，若大于，则确认所述房型的保留房不可靠。

4.如权利要求3所述的预测方法，其特征在于，

确认所述房型的保留房不可靠的步骤后还包括：

判断是否有用户已预定所述房型的保留房，若是，则通知所述保留房所属酒店确认所述保留房的订单，若否，则取消所述保留房对应房型的立即确认功能；

判断是否接收到所述保留房所属酒店的回复消息，若在预设回复时间未接收到回复消息或已接收回复消息但回复消息的内容为无法提供房间，则发送预定失败的消息至用户。

5.一种用于OTA保留房可靠性预测的模型训练系统，其特征在于，包括历史订单获取模块、历史预定判断模块、划分模块、训练模块、预测模块及评估指标判断模块；

所述历史订单获取模块用于获取OTA网站中保留房的历史订单,所述历史订单包括历史房型编号及历史入住日期；

所述历史预定判断模块用于判断所述历史订单中所述保留房是否预定成功，若否，则将所述历史订单打标签为第一概率值，若是，则将所述历史订单打标签为第二概率值；

所述划分模块用于将打标签后的所述历史订单划分为训练集及测试集；

所述训练模块用于将训练集中的所述历史订单及对应标记的第一概率值或第二概率值输入至深度机器学习模型中进行训练；

所述预测模块用于将测试集中的所述历史订单输入至训练后的深度机器学习模型中以得到与每一所述历史订单对应的预测风险值；

所述评估指标判断模块用于判断所述预测风险值的评估指标是否达到评估阈值，若达到，则训练后的深度机器学习模型则为可靠性预测模型。