[发明专利]酒店房型异常价格的预警方法、系统、设备和介质

说明书

本发明公开了一种酒店房型异常价格的预警方法、系统、设备和介质，OTA平台的酒店房型异常价格的预警方法包括以下步骤：通过采用GBDT算法对所述酒店历史数据进行建模处理，获取待训练的房型价格预测模型，根据预测模型获取酒店每个房型对应的房型价格阈值范围，判断OTA平台的每个房型的房型价格是否在对应房型的房型价格阈值范围内，若不在，则确定房型价格存在异常，并输出预警。本发明能够提高处理效率，避免异常的价格进入系统，造成赔付价差的损失和品牌形象的间接损失。

技术领域

本发明涉及OTA(Online Travel Agency，在线旅行社)平台的信息处理技术领域，特别涉及一种酒店房型异常价格的预警方法、系统、设备和介质。

背景技术

OTA给酒店展示售卖价格的平台，当酒店房型成功出售，也能取得一部分的佣金。由于录入OTA平台系统的酒店及供应商等推送的产品价格容易出现错误，导致OTA平台显示的产品价格存在异常，从而对用户的正常预订造成困扰。

现有OTA平台的酒店房型价格异常的识别方法及系统，给用户推送的酒店房型价格不准确，往往存在过高或过低的现象。当酒店房型价格过高，导致酒店房型无法售卖；当酒店房型价格过高，导致酒店供应商推翻之前确认过的订单。而且现有OTA平台的酒店房型价格异常的识别方法及系统对排查异常价格处理效率低，处理不及时。这样就可能会放过异常的价格进入系统，并最终出现在OTA平台外网展示，造成赔付价差的损失和品牌形象的间接损失。

发明内容

本发明解决的技术问题是为了克服现有OTA平台的酒店房型价格异常的识别方法及系统，给用户推送的酒店房型价格不准确，且处理效率低的缺陷，提供一种酒店房型异常价格的预警方法、系统、设备和介质。

本发明是通过下述技术方案来解决上述技术问题：

本发明提供了一种酒店房型异常价格的预警方法，所述酒店房型异常价格的预警方法包括：

获取酒店历史数据；

采用GBDT(Gradient Boosting Decision Tree，梯度提升树)算法对所述酒店历史数据进行建模处理，获取待训练的房型价格预测模型；

获取所述酒店历史数据特征；

将所述酒店历史数据特征输入至所述房型价格预测模型中，进行模型训练，以得到所述房型价格预测模型；

根据所述房型价格预测模型获取酒店每个房型对应的酒店房型预测价格区间，并根据所述酒店房型预测价格区间获取每个房型对应的房型价格阈值范围；

判断OTA平台的每个房型的房型价格是否在对应房型的所述房型价格阈值范围内，若不在，则确定房型价格存在异常，并输出预警。

较佳地，所述酒店历史数据特征包括入住酒店得日期信息、房型属性、历史酒店房型价格、竞争圈房价、酒店紧张度信息、已有入住产量信息。

较佳地，

根据所述房型价格预测模型获取酒店每个房型对应的房型价格阈值范围的步骤包括：

获取待预测酒店数据特征；

将所述待预测酒店数据特征输入至所述房型价格预测模型中，以得到所述待预测酒店每个房型对应的酒店房型预测价格区间；

基于所述待预测酒店每个房型对应的酒店房型预测价格区间，并结合所述待预测酒店每个房型对应的历史价格最值和均值，根据所述预测模型的分位数统计量和业务规则，得到所述待预测每个房型对应的房型价格阈值范围。

本发明还提供了一种酒店房型异常价格的预警系统，所述酒店房型异常价格的预警系统包括：

所述第一获取模块用于获取酒店历史数据；