[發明專利]服務選擇預測方法、裝置、電子設備及存儲介質

在審

• 申請號: 201811486545.2
• 申請日: 2018-12-06
• 公開（公告）號: CN111369029A
• 公開（公告）日: 2020-07-03
• 發明（設計）人: 李云飛
• 申請（專利權）人: 北京嘀嘀無限科技發展有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06F40/284;G06Q50/30
• 代理公司: 北京超成律師事務所 11646
• 代理人: 鄧超

1.一種服務選擇預測方法，其特征在于，包括：

獲取待預測用戶的歷史出行記錄，所述歷史出行記錄中包括出行地址信息；

將每個所述出行地址信息進行分詞處理，生成所述待預測用戶的至少一個出行標簽；

基于所述待預測用戶的出行標簽，以及預先訓練的目標服務預測模型，得到所述待預測用戶選擇目標服務的概率。

2.根據權利要求1所述的方法，其特征在于，所述將每個所述出行地址信息進行分詞處理，生成所述待預測用戶的至少一個出行標簽，包括：

將每個所述出行地址信息進行分詞處理后，得到多個分詞特征；

若所述分詞特征有對應的屬性特征詞，將所述分詞特征與對應的所述屬性特征詞關聯后，得到所述出行標簽；

若所述分詞特征沒有對應的屬性特征詞，將所述分詞特征作為所述出行標簽。

3.根據權利要求1所述的方法，其特征在于，根據以下步驟訓練所述目標服務預測模型：

獲取待訓練用戶的歷史出行記錄，以及所述待訓練用戶選擇目標服務的真實結果；

將所述待訓練用戶的歷史出行記錄中的每個所述出行地址信息進行分詞處理，生成所述待訓練用戶的至少一個出行標簽；

將所述待訓練用戶的出行標簽作為模型輸入特征，將所述待訓練用戶選擇目標服務的真實結果作為模型輸出特征，訓練得到所述目標服務預測模型。

4.根據權利要求3所述的方法，其特征在于，所述方法還包括：

基于所述目標服務預測模型提取訓練權重小于預設權重閾值的非關鍵出行標簽；

將所述非關鍵出行標簽刪除后，得到更新后的模型輸入特征；

基于所述更新后的模型輸入特征和所述模型輸出特征，重新訓練得到更新后的目標服務預測模型。

5.根據權利要求3或4所述的方法，其特征在于，訓練得到所述目標服務預測模型之后，所述方法還包括：

基于測試用戶的歷史出行記錄以及所述測試用戶選擇目標服務的真實結果，確定所述目標服務預測模型的預測準確度；

若所述預測準確度小于設定準確度閾值，重新獲取新的待訓練用戶的歷史出行記錄，訓練所述目標服務預測模型，直至所述預測準確度大于或等于設定準確度閾值。

6.根據權利要求4所述的方法，其特征在于，所述基于測試用戶的歷史出行記錄以及所述測試用戶選擇目標服務的真實結果，確定所述目標服務預測模型的預測準確度，包括：

獲取測試用戶的歷史出行記錄，以及所述測試用戶選擇目標服務的真實結果；

將所述測試用戶的歷史出行記錄中的每個所述出行地址信息進行分詞處理，生成所述測試用戶的至少一個出行標簽；

將所述測試用戶的出行標簽輸入所述目標服務預測模型，得到所述測試用戶選擇目標服務的測試概率；

基于所述測試用戶選擇目標服務的測試概率、所述測試用戶選擇目標服務的真實結果以及所述測試用戶的個數，確定所述目標服務預測模型的預測準確度。

7.根據權利要求6所述的方法，其特征在于，所述基于所述測試用戶選擇目標服務的測試概率、所述測試用戶選擇目標服務的真實結果以及所述測試用戶的個數，確定所述目標服務預測模型的預測準確度，包括：

根據所述測試用戶選擇目標服務的測試概率與預設閾值，確定所述測試用戶選擇目標服務的測試結果；

根據所述測試用戶選擇目標服務的測試結果以及所述測試用戶選擇目標服務的真實結果，確定所述目標服務預測模型對所述測試用戶的測試準確個數；

基于所述測試準確個數以及所述測試用戶的個數，確定所述目標服務預測模型的預測準確度。

8.根據權利要求1所述的方法，其特征在于，所述得到所述待預測用戶選擇目標服務的概率之后，所述方法還包括：

判斷所述待預測用戶選擇目標服務的概率是否大于預設閾值；

若是，確定所述待預測用戶為選擇所述目標服務出行的潛在用戶。

9.根據權利要求1所述的方法，其特征在于，所述目標服務為租車服務。