[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

说明书

本发明公开了一种用于OTA保留房可靠性预测的模型训练方法、训练系统、预测方法、预测系统、电子设备及存储介质，模型训练方法包括：获取保留房的历史订单；判断历史订单中保留房是否预定成功，并根据判断结果对历史订单打标签；将打标签后的历史订单划分为训练集及测试集；将训练集输入至深度机器学习模型中训练；将测试集输入至训练后的深度机器学习模型中以得到预测风险值；判断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，本发明可以提前预测到保留房的可靠程度，可以寻找到可靠程度低、发生服务缺陷风险高的保留房提前做好防范措施，从而实现减少服务缺陷、提升用户体验的目的。

技术领域

本发明涉及计算机信息技术领域，特别涉及一种用于OTA保留房可靠性预测的模型训练方法、训练系统、OTA保留房可靠性的预测方法、预测系统、电子设备及存储介质。

背景技术

OTA(在线旅行代理)行业中存在一种被称为“保留房”的商品，具体来说，OTA和酒店签署合作协议，双方约定酒店提供一定数量的房间，也称为售卖资源，在约定的时间内，若有用户通过OTA下单预订这些房间，满足约定中的各项条件，那么酒店应当确保还有剩余房间可以提供给用户，即所谓的“保留”给OTA。区别于其他用户预订后需要酒店人工确认的售卖资源，对于保留房来说，一般情况下都是有剩余房间的，无需酒店方人工确认，所以OTA可以对用户承诺“立即确认”，即用户下单后可以立即通知用户预订成功，无需通知酒店，用户也无需等待确认，这样做可以大大改善用户体验，缩短预订流程。

然而在运营过程中发现，存在少部分保留房资源并不可靠。这里说的可靠，是指符合上述特征，用户下单后可以立即确认，不会产生服务缺陷。所谓服务缺陷是指确认用户预订成功后，酒店突然告知没有剩余房间、要求涨价等诸如此类的原因，不得不推翻此订单，在此情况下只能通知用户预订不成功。此类事件会引发用户投诉，OTA要因耽误用户行程对用户进行赔付，对OTA造成一定损失。而保留房资源只要还在售卖，用户一下单便立即确认，此时如果保留房不可靠，就会发生上述服务缺陷。

发明内容

本发明要解决的技术问题是为了克服现有技术中由于保留房的不可靠性导致用户订单不能确认而使用户体验差的缺陷，提供一种可以及时预测保留房的可靠性，以提升用户的订房体验度的OTA保留房可靠性的用于OTA保留房可靠性预测的模型训练方法、训练系统、OTA保留房可靠性的预测方法、预测系统、电子设备及存储介质。

本发明是通过下述技术方案来解决上述技术问题：

本发明提供了一种用于OTA保留房可靠性预测的模型训练方法，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所述可靠性预测模型。

较佳地，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；