[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(qǐng)?zhí)枺?/td>: 201811489839.0
• 申請(qǐng)日: 2018-12-06
• 公開(kāi)（公告）號(hào): CN111292106A
• 公開(kāi)（公告）日: 2020-06-16
• 發(fā)明（設(shè)計(jì)）人: 薄琳
• 申請(qǐng)（專利權(quán)）人: 北京嘀嘀無(wú)限科技發(fā)展有限公司
• 主分類號(hào): G06Q30/02
• 分類號(hào): 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

本申請(qǐng)?zhí)峁┝艘环N業(yè)務(wù)需求影響因素確定方法以及裝置，其中，該方法包括：獲取待預(yù)測(cè)用戶在預(yù)設(shè)歷史時(shí)間段內(nèi)的多個(gè)訂單的訂單信息；根據(jù)所述多個(gè)訂單的訂單信息，構(gòu)建所述待預(yù)測(cè)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(gè)所述訂單分別對(duì)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(cè)模型，確定所述待預(yù)測(cè)用戶在未來(lái)預(yù)設(shè)時(shí)間段內(nèi)的業(yè)務(wù)需求的影響因素信息。本申請(qǐng)實(shí)施例能夠以更高的準(zhǔn)確率來(lái)確定待預(yù)測(cè)用戶在未來(lái)預(yù)設(shè)時(shí)間段內(nèi)的業(yè)務(wù)需求影響因素。

技術(shù)領(lǐng)域

本申請(qǐng)涉及機(jī)器學(xué)習(xí)技術(shù)領(lǐng)域，具體而言，涉及一種業(yè)務(wù)需求影響因素確定方法以及裝置。

背景技術(shù)

沉默用戶是指在某一時(shí)間段內(nèi)產(chǎn)生過(guò)針對(duì)某一服務(wù)的歷史行為數(shù)據(jù)，但在該時(shí)間段之后的另一時(shí)間段內(nèi)未產(chǎn)生過(guò)針對(duì)該服務(wù)的歷史行為數(shù)據(jù)的用戶，例如曾經(jīng)在某網(wǎng)約車(chē)平臺(tái)約過(guò)車(chē)，但在最近的一個(gè)月內(nèi)未在該網(wǎng)約車(chē)平臺(tái)約車(chē)的用戶，即為該網(wǎng)約車(chē)平臺(tái)的沉默用戶。

當(dāng)前存在著獲取用戶的沉默原因，以便更好地進(jìn)行資源配置，為用戶更好地提供服務(wù)的需求。在獲取用戶的沉默原因的時(shí)候，通常是基于統(tǒng)計(jì)量來(lái)獲取的，如用戶登錄次數(shù)、用戶在預(yù)設(shè)時(shí)間段內(nèi)的發(fā)單數(shù)量、用戶在預(yù)設(shè)時(shí)間段內(nèi)的冒泡數(shù)量等。這些統(tǒng)計(jì)量能夠在總體上表征用戶在一定時(shí)間段內(nèi)歷史行為的累積特征，但基于這些統(tǒng)計(jì)量確定的用戶的沉默原因還是存在預(yù)測(cè)準(zhǔn)確率較低的問(wèn)題。

發(fā)明內(nèi)容

有鑒于此，本申請(qǐng)實(shí)施例的目的在于提供一種業(yè)務(wù)需求影響因素確定方法以及裝置，能夠以更高的準(zhǔn)確率來(lái)確定待預(yù)測(cè)用戶在未來(lái)預(yù)設(shè)時(shí)間段內(nèi)的業(yè)務(wù)需求影響因素。

第一方面，提供一種業(yè)務(wù)需求影響因素確定方法，該方法包括：

獲取待預(yù)測(cè)用戶在預(yù)設(shè)歷史時(shí)間段內(nèi)的多個(gè)訂單的訂單信息；

根據(jù)所述多個(gè)訂單的訂單信息，構(gòu)建所述待預(yù)測(cè)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(gè)所述訂單分別對(duì)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(cè)模型，確定所述待預(yù)測(cè)用戶在未來(lái)預(yù)設(shè)時(shí)間段內(nèi)的業(yè)務(wù)需求的影響因素信息。

一種可選實(shí)施方式中，根據(jù)所述多個(gè)訂單的訂單信息，構(gòu)建所述待預(yù)測(cè)用戶的訂單特征向量序列，包括：

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

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

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

一種可選實(shí)施方式中，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(cè)模型，確定所述待預(yù)測(cè)用戶在未來(lái)預(yù)設(shè)時(shí)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(cè)模型中，獲取所述訂單特征向量序列對(duì)應(yīng)的預(yù)測(cè)結(jié)果；

基于所述訂單特征向量序列對(duì)應(yīng)的預(yù)測(cè)結(jié)果，各個(gè)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(gè)元素對(duì)應(yīng)的參考值，確定與每個(gè)所述訂單特征對(duì)應(yīng)的第二貢獻(xiàn)值；

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

一種可選實(shí)施方式中，所述基于所述第二貢獻(xiàn)值，確定所述待預(yù)測(cè)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(xiàn)值的大小，從所述訂單特征中確定至少一個(gè)目標(biāo)訂單特征；

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

一種可選實(shí)施方式中，影響因素分類包括：價(jià)格敏感、少車(chē)敏感、等候時(shí)間敏感、司機(jī)服務(wù)敏感、安全隱患敏感、車(chē)型車(chē)況敏感中一種或者多種。