[发明专利]用于时间期满清单利用预测的基于回归树压缩的特征向量机的方法

摘要

本公开包括用于时间期满清单中的利用预测的回归树修改的特征向量机器学习模型的系统。在线计算系统接收用于列表的特征向量并且将特征向量和经修改的特征向量输入到需求函数中以生成需求估计。系统将需求估计输入到似然度模型来生成请求似然度的集合，每个请求似然度表示时间期满清单将在测试价格和测试期满时间的集合中的每一个处接收交易请求的似然度。系统还基于训练数据的集合而训练回归树模型，其包括来自集合的请求似然度和测试价格和用来生成被用于生成请求似然度的需求估计的测试期满时间段中的每一个。

主权项

1.一种计算机执行的方法，包括：在在线计算系统处接收用于主题列表的特征向量，所述主题列表包括可用于由所述在线计算系统的多个客户端中的一个客户端预订的时间期满清单，所述特征向量包括所述列表的多个特征，包括指示所述时间期满清单的当前价格的价格特征，以及指示直到所述时间期满清单期满的持续时间的当前的直到期满时间段特征；将所述特征向量输入到需求函数中以生成需求估计，所述需求估计是所述时间期满清单将在所述时间期满清单期满之前从所述客户端中的一个客户端接收交易请求的似然度的表示；在测试到期满时间的集合中的每个测试到期满时间处，生成大于或小于所述时间期满清单的所述当前价格的测试价格的集合；针对所述测试价格和所述测试到期满时间的每个组合，向所述需求函数中输入所述特征向量的修改版本，所述修改版本利用所述测试价格替换所述当前价格，并且利用所述测试到期满时间替换所述当前的直到期满时间段，以生成测试需求估计；生成需求估计的集合，其包括基于所述测试价格和所述测试到期满时间而被生成的所述测试需求估计，以及基于所述当前价格和所述当前的直到期满时间段而被生成的所述需求估计；将所述需求估计的集合输入到似然度模型中，以生成请求似然度的集合，每个请求似然度表示所述时间期满清单将在所述测试价格和所述测试到期满时间中的每一个处接收交易请求的似然度；以及基于训练数据的集合来训练回归树模型，所述集合中的每个训练数据点包括来自所述集合的所述请求似然度中的一个请求似然度，以及用于生成被用于生成所述一个请求似然度的所述需求估计的所述测试价格和所述测试到期满时间段。