[發(fā)明專利]一種業(yè)務(wù)需求影響因素確定方法以及裝置

在審

• 申請?zhí)枺?/td>: 201811489839.0
• 申請日: 2018-12-06
• 公開（公告）號: CN111292106A
• 公開（公告）日: 2020-06-16
• 發(fā)明（設(shè)計）人: 薄琳
• 申請（專利權(quán)）人: 北京嘀嘀無限科技發(fā)展有限公司
• 主分類號: G06Q30/02
• 分類號: G06Q30/02;G06N3/04;G06N3/08;G06K9/62
• 代理公司: 北京超成律師事務(wù)所 11646
• 代理人: 鄧超

1.一種業(yè)務(wù)需求影響因素確定方法，其特征在于，該方法包括：

獲取待預(yù)測用戶在預(yù)設(shè)歷史時間段內(nèi)的多個訂單的訂單信息；

根據(jù)所述多個訂單的訂單信息，構(gòu)建所述待預(yù)測用戶的訂單特征向量序列，所述訂單特征向量序列中包括與每個所述訂單分別對應(yīng)的訂單特征向量；

基于所述訂單特征向量序列和預(yù)先訓(xùn)練的預(yù)測模型，確定所述待預(yù)測用戶在未來預(yù)設(shè)時間段內(nèi)的業(yè)務(wù)需求的影響因素信息。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，根據(jù)所述多個訂單的訂單信息，構(gòu)建所述待預(yù)測用戶的訂單特征向量序列，包括：

針對每個所述訂單，根據(jù)該訂單的訂單信息，確定該訂單在多個訂單特征下的特征值；

根據(jù)該訂單在多個訂單特征下的特征值，構(gòu)建與該訂單對應(yīng)的訂單特征向量；

根據(jù)所述多個所述訂單分別對應(yīng)的訂單特征向量，按照訂單生成時間的先后順序構(gòu)建所述訂單特征向量序列。

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述基于所述訂單特征向量序列和預(yù)先訓(xùn)練的預(yù)測模型，確定所述待預(yù)測用戶在未來預(yù)設(shè)時間段內(nèi)的業(yè)務(wù)需求的影響因素信息，包括：

將所述訂單特征向量序列輸入所述預(yù)測模型中，獲取所述訂單特征向量序列對應(yīng)的預(yù)測結(jié)果；

基于所述訂單特征向量序列對應(yīng)的預(yù)測結(jié)果，各個所述特征向量序列中的元素以及所述特征向量序列中的各個元素對應(yīng)的參考值，確定與每個所述訂單特征對應(yīng)的第二貢獻值；

基于所述第二貢獻值，確定所述待預(yù)測用戶在訂單特征維度的影響因素信息。

4.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述基于所述第二貢獻值，確定所述待預(yù)測用戶在訂單特征維度的影響因素信息，包括：

根據(jù)所述第二貢獻值的大小，從所述訂單特征中確定至少一個目標訂單特征；

基于所述目標訂單特征對應(yīng)的影響因素分類，確定所述待預(yù)測用戶在訂單特征維度的影響因素信息。

5.根據(jù)權(quán)利要求4所述的方法，其特征在于，影響因素分類包括：價格敏感、少車敏感、等候時間敏感、司機服務(wù)敏感、安全隱患敏感、車型車況敏感中一種或者多種。

6.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述第二貢獻值IntegratedGrads_i(x)滿足下述公式：

其中，x_i表示訂單特征向量中的第i個元素；x′_i表示訂單特征向量中的第i個元素對應(yīng)的參考值；F表示所述預(yù)測模型對應(yīng)的預(yù)測函數(shù)；x′表示由各個訂單特征的參考值構(gòu)成的特征向量；x表示訂單特征向量序列中的訂單特征向量。

7.根據(jù)權(quán)利要求1所述的方法，其特征在于，獲取待預(yù)測用戶在預(yù)設(shè)歷史時間段內(nèi)的多個訂單的訂單信息之后，還包括：

根據(jù)所述待預(yù)測用戶的用戶信息，構(gòu)建所述待預(yù)測用戶的用戶特征向量；

所述基于所述訂單特征向量序列和預(yù)先訓(xùn)練的預(yù)測模型，確定所述待預(yù)測用戶在未來預(yù)設(shè)時間段內(nèi)的業(yè)務(wù)需求的影響因素信息，包括：

基于所述訂單特征向量序列、所述用戶特征向量輸入以及所述預(yù)先訓(xùn)練的預(yù)測模型中，確定所述待預(yù)測用戶在未來預(yù)設(shè)時間段內(nèi)的業(yè)務(wù)需求的影響因素信息。

8.根據(jù)權(quán)利要求7所述的方法，其特征在于，所述基于所述訂單特征向量序列、所述用戶特征向量輸入以及所述預(yù)先訓(xùn)練的預(yù)測模型中，確定所述待預(yù)測用戶在未來預(yù)設(shè)時間段內(nèi)的業(yè)務(wù)需求的影響因素信息，包括：

將所述訂單特征向量序列以及所述用戶特征向量輸入至所述預(yù)先訓(xùn)練的預(yù)測模型中，從所述預(yù)測模型的目標網(wǎng)絡(luò)層獲取與各個所述訂單特征向量對應(yīng)的注意力分配權(quán)重，將各個所述注意力分配權(quán)重作為各個所述訂單特征向量對應(yīng)的訂單對所述待預(yù)測用戶沉默的第一貢獻值；

基于所述第一貢獻值，確定所述待預(yù)測用戶在訂單維度的影響因素信息。