[發明專利]車型推薦方法、存儲介質及系統

在審

• 申請號: 201911088219.0
• 申請日: 2019-11-08
• 公開（公告）號: CN111815006A
• 公開（公告）日: 2020-10-23
• 發明（設計）人: 羅文娟;侯帥鵬;王壯;林宇澄;楊曉慶;曹利鋒
• 申請（專利權）人: 北京嘀嘀無限科技發展有限公司
• 主分類號: G06Q10/02
• 分類號: G06Q10/02;G06Q30/06;G06Q50/30;G06K9/62
• 代理公司: 北京信諾創成知識產權代理有限公司 11728
• 代理人: 任萬玲

1.一種車型推薦方法，其特征在于，包括如下步驟：

響應于終端的登錄信息，獲取與所述終端對應的第一歷史訂單數據以及與終端所在位置對應的第二歷史訂單數據；

根據所述第一歷史訂單數據獲取多個車型中的每一車型的第一推薦權重值，根據所述第二歷史訂單數據獲取多個車型中的每一車型的第二推薦權重值；

根據多個車型中的每一車型的第一推薦權重值和第二推薦權重值得到多個車型中的每一車型的推薦指數；

根據所有車型的推薦指數得到推薦順序，并控制所述終端按照所述車型推薦順序顯示車型。

2.根據權利要求1所述的車型推薦方法，其特征在于，根據所述第一歷史訂單數據獲取多個車型中的每一車型的第一推薦權重值的步驟包括：

解析所述第一歷史訂單數據獲取所述終端在歷史時間段內多個車型中的每一車型的冒泡次數和完單次數；

根據多個車型中的每一車型在歷史時間段內的冒泡次數和完單次數得到多個車型中的每一車型的第一推薦權重值。

3.根據權利要求2所述的車型推薦方法，其特征在于，根據所述第一歷史訂單數據獲取多個車型中的每一車型的第一推薦權重值的步驟包括：

獲取歷史訂單數據和第一學習模型；

以歷史訂單數據中終端在多個車型中的每一車型的歷史冒泡次數和歷史完單次數作為輸入變量，以終端在多個車型中的每一車型的成單權重值作為輸出變量對第一學習模型進行訓練得到第一模型；其中，終端在多個車型中的每一車型的成單權重值根據終端在該車型的成單概率得到；

以所述終端在歷史時間段內在多個車型中的每一車型的冒泡次數和完單次數作為所述第一模型的輸入變量，根據所述第一模型的輸出結果得到多個車型中的每一車型的第一推薦權重值。

4.根據權利要求1所述的車型推薦方法，其特征在于，根據所述第一歷史訂單數據獲取多個車型中的每一車型的第一推薦權重值的步驟包括：

解析所述第一歷史訂單數據獲取所述終端的最近一次發單車型以及最近一次發單時間與當前時刻的時間差、最近一次取消單車型以及最近一次取消單時間與當前時刻的時間差和所述終端在設定時間段內冒泡次數和訂單取消次數；

根據所述終端的最近一次的發單車型以及最近一次發單時間與當前時刻的時間差、最近一次取消單車型以及最近一次取消單時間與當前時刻的時間差和所述終端在設定時間段內冒泡次數和訂單取消次數得到多個車型中的每一車型的第一推薦權重值。

5.根據權利要求4所述的車型推薦方法，其特征在于，根據所述第一歷史訂單數據獲取多個車型中的每一車型的第一推薦權重值的步驟包括：

獲取歷史訂單數據和第二學習模型；

以歷史訂單數據中的選定歷史時刻為基準，得到終端的歷史最近發單車型以及歷史最近發單時間與選定歷史時刻的時間差、歷史最近一次取消單車型以及歷史最近一次取消單時間與選定歷史時刻的時間差，以及所述終端在歷史設定時間段內冒泡次數和訂單取消次數作為輸入變量，以終端在多個車型中的每一車型的成單權重值作為輸出變量對第二學習模型進行訓練得到第二模型；其中，終端在多個車型中的每一車型的成單權重值根據終端在該車型的成單概率得到；

以所述終端最近一次的發單車型以及最近一次發單時間與當前時刻的時間差、最近一次取消單車型以及最近一次取消單時間與當前時刻的時間差作為第二模型的輸入變量，根據所述第二模型的輸出結果得到多個車型中的每一車型的第一推薦權重值。

6.根據權利要求1所述的車型推薦方法，其特征在于，根據所述第二歷史訂單數據獲取多個車型中的每一車型的第二推薦權重值的步驟包括：

解析所述第二歷史訂單數據獲取所述終端所在位置在歷史時間段內多個車型中的每一車型的冒泡次數和完單次數；

根據所述終端所在位置在在歷史時間段內多個車型中的每一車型的冒泡次數和完單次數得到多個車型中的每一車型的第二推薦權重值。