[发明专利]航班推送方法及装置

权利要求书

1.一种航班推送方法，其特征在于，包括：

扫描各个航班的座位信息，并基于各个所述航班的座位信息，判断各个所述航班中是否存在库存航班，所述库存航班为存在未出售座位的航班；

若各个所述航班中存在库存航班，则获取所述库存航班的航班信息，并基于所述航班信息，生成所述库存航班对应的航班特征数据；

获取预先存储的各个用户的用户ID，并在预先设置的数据库中查询与每个所述用户ID对应的用户特征数据；

将所述航班特征数据及各个所述用户特征数据输入预先训练完成的神经网络模型中，获得所述神经网络模型输出的所述库存航班与每个所述用户分别对应的匹配值；

确定满足预设阈值的各个匹配值，并将满足所述预设阈值的每个所述匹配值对应的用户设定为目标用户；

获取所述库存航班的航班活动信息，并向各个所述目标用户推送所述库存航班的航班活动信息。

2.根据权利要求1所述的方法，其特征在于，所述基于所述航班信息，生成所述库存航班对应的航班特征数据，包括：

获取所述航班信息中所述库存航班对应的出发地、目的地及出发时间；

获取预先设置的所述出发地及目的地对应的航线标识号；

基于所述出发时间，确定所述库存航班的出行季节、第一日期类型和第二日期类型，所述第一日期类型为节假日或非节假日，所述第二日期类型为周末或非周末；

获取所述出行季节对应的季节标识号、所述第一日期类型对应的第一日期标识号，及所述第二日期类型对应的第二日期标识号；

基于所述航线标识号、季节标识号、第一日期标识号及第二日期标识号，生成所述库存航班对应的航班特征数据。

3.根据权利要求1所述的方法，其特征在于，训练所述神经网络模型的过程，包括：

获取预先设置的训练数据集，及所述训练数据集中每个训练数据对应的训练标签，每个所述训练数据为用于模型训练的用户特征数据及航班特征数据组成的组合数据；

将所述训练数据集中的各个训练数据依次输入所述神经网络模型，通过所述神经网络模型的多个训练层对各个所述训练数据进行训练，直至获得所述神经网络模型中最后一个训练层输出的训练结果满足预设的训练条件时，结束对所述神经网络模型的训练；所述神经网络模型的各个训练层分别为输入层、嵌入层、特征交互层和输出层；

其中，将所述训练数据集中的各个训练数据依次输入所述神经网络模型时，获取当前输入所述神经网络模型的训练数据的当前训练结果；基于所述训练数据对应的训练标签，计算所述当前训练结果对应的损失值；判断所述损失值是否满足预设的训练条件；若不满足，则基于所述损失值及预先设置的梯度下降算法，更新所述神经网络模型中的各个模型参数，并继续对所述神经网络模型进行训练；若满足，则结束对所述神经网络模型的训练。

4.根据权利要求3所述的方法，其特征在于，所述将所述训练数据集中的各个训练数据依次输入所述神经网络模型，通过所述神经网络模型的多个训练层对各个所述训练数据进行训练，包括：

将所述训练数据集中的各个训练数据依次输入所述神经网络模型的输入层，触发所述输入层应用预先设置的独热编码one-hot，将各个所述训练数据转换成特征向量；

将每个所述训练数据对应的特征向量依次输入所述神经网络模型的嵌入层，触发所述嵌入层将各个所述特征向量依次转换成稠密向量；

将每个所述训练数据对应的稠密向量依次输入所述神经网络模型的特征交互层，触发所述特征交互层应用预先设置的DNN算法、FM算法和Multi-Head Attention算法，计算每个所述稠密向量对应的训练数据中用户特征数据和航班特征数据之间的交互关系，获得所述特征交互层中输出的每个所述训练数据对应的第一参数值、第二参数值及第三参数值；

将各个所述训练数据对应的第一参数值、第二参数值及第三参数值，依次输入所述神经网络模型的输出层，触发所述输出层对每个所述训练数据对应的第一参数值、第二参数值及所述第三参数值进行最终处理，输出各个所述训练数据对应的训练结果。