[發明專利]酒店房型異常價格的預警方法、系統、設備和介質

在審

• 申請號: 202010112141.8
• 申請日: 2020-02-24
• 公開（公告）號: CN111340541A
• 公開（公告）日: 2020-06-26
• 發明（設計）人: 黎建輝;胡泓
• 申請（專利權）人: 攜程計算機技術（上海）有限公司
• 主分類號: G06Q30/02
• 分類號: G06Q30/02;G06Q30/06;G06Q50/12
• 代理公司: 上海弼興律師事務所 31283
• 代理人: 薛琦;張冉

本發明公開了一種酒店房型異常價格的預警方法、系統、設備和介質，OTA平臺的酒店房型異常價格的預警方法包括以下步驟：通過采用GBDT算法對所述酒店歷史數據進行建模處理，獲取待訓練的房型價格預測模型，根據預測模型獲取酒店每個房型對應的房型價格閾值范圍，判斷OTA平臺的每個房型的房型價格是否在對應房型的房型價格閾值范圍內，若不在，則確定房型價格存在異常，并輸出預警。本發明能夠提高處理效率，避免異常的價格進入系統，造成賠付價差的損失和品牌形象的間接損失。

技術領域

本發明涉及OTA(Online Travel Agency，在線旅行社)平臺的信息處理技術領域，特別涉及一種酒店房型異常價格的預警方法、系統、設備和介質。

背景技術

OTA給酒店展示售賣價格的平臺，當酒店房型成功出售，也能取得一部分的傭金。由于錄入OTA平臺系統的酒店及供應商等推送的產品價格容易出現錯誤，導致OTA平臺顯示的產品價格存在異常，從而對用戶的正常預訂造成困擾。

現有OTA平臺的酒店房型價格異常的識別方法及系統，給用戶推送的酒店房型價格不準確，往往存在過高或過低的現象。當酒店房型價格過高，導致酒店房型無法售賣；當酒店房型價格過高，導致酒店供應商推翻之前確認過的訂單。而且現有OTA平臺的酒店房型價格異常的識別方法及系統對排查異常價格處理效率低，處理不及時。這樣就可能會放過異常的價格進入系統，并最終出現在OTA平臺外網展示，造成賠付價差的損失和品牌形象的間接損失。

發明內容

本發明解決的技術問題是為了克服現有OTA平臺的酒店房型價格異常的識別方法及系統，給用戶推送的酒店房型價格不準確，且處理效率低的缺陷，提供一種酒店房型異常價格的預警方法、系統、設備和介質。

本發明是通過下述技術方案來解決上述技術問題：

本發明提供了一種酒店房型異常價格的預警方法，所述酒店房型異常價格的預警方法包括：

獲取酒店歷史數據；

采用GBDT(Gradient Boosting Decision Tree，梯度提升樹)算法對所述酒店歷史數據進行建模處理，獲取待訓練的房型價格預測模型；

獲取所述酒店歷史數據特征；

將所述酒店歷史數據特征輸入至所述房型價格預測模型中，進行模型訓練，以得到所述房型價格預測模型；

根據所述房型價格預測模型獲取酒店每個房型對應的酒店房型預測價格區間，并根據所述酒店房型預測價格區間獲取每個房型對應的房型價格閾值范圍；

判斷OTA平臺的每個房型的房型價格是否在對應房型的所述房型價格閾值范圍內，若不在，則確定房型價格存在異常，并輸出預警。

較佳地，所述酒店歷史數據特征包括入住酒店得日期信息、房型屬性、歷史酒店房型價格、競爭圈房價、酒店緊張度信息、已有入住產量信息。

較佳地，

根據所述房型價格預測模型獲取酒店每個房型對應的房型價格閾值范圍的步驟包括：

獲取待預測酒店數據特征；

將所述待預測酒店數據特征輸入至所述房型價格預測模型中，以得到所述待預測酒店每個房型對應的酒店房型預測價格區間；

基于所述待預測酒店每個房型對應的酒店房型預測價格區間，并結合所述待預測酒店每個房型對應的歷史價格最值和均值，根據所述預測模型的分位數統計量和業務規則，得到所述待預測每個房型對應的房型價格閾值范圍。

本發明還提供了一種酒店房型異常價格的預警系統，所述酒店房型異常價格的預警系統包括：

所述第一獲取模塊用于獲取酒店歷史數據；