[發明專利]估計酒店房型價值優勢的方法、模型訓練方法及系統

在審

• 申請號: 202010411900.0
• 申請日: 2020-05-15
• 公開（公告）號: CN111598619A
• 公開（公告）日: 2020-08-28
• 發明（設計）人: 張港;郭寶坤;吉聰睿
• 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;G06N3/08;G06N3/02;G06K9/62
• 代理公司: 上海弼興律師事務所 31283
• 代理人: 薛琦;張冉

1.一種用于估計酒店房型價值優勢的模型訓練方法，其特征在于，包括：

根據酒店歷史訂單中用戶預訂第一房型或第二房型的情況對房型樣本添加不同的標簽，其中，所述房型樣本包括類型相同的第一房型和第二房型，所述第一房型包括的附加服務多于所述第二房型，且所述第一房型的價格高于所述第二房型的價格；

針對所述第一房型和所述第二房型，分別提取對應房型包括的各個附加服務的特征并輸入機器學習模型，得到對應房型的各個附加服務的價值；

根據房間基礎價值、各種附加服務的價值以及房型售賣價格分別計算所述第一房型和所述第二房型的價值優勢，并將兩個價值優勢之間的差值輸入二分類模型；

根據所述房型樣本的標簽與所述二分類模型的輸出結果計算損失值，并在所述損失值達到預設閾值之前訓練所述機器學習模型與所述二分類模型。

2.如權利要求1所述的方法，其特征在于，所述根據房間基礎價值、各種附加服務的價值以及房型售賣價格分別計算所述第一房型和所述第二房型的價值優勢的步驟，具體包括：

將房間基礎價值加上第一房型包括的各種附加服務的價值，再減去所述第一房型的售賣價格，得到所述第一房型的價值優勢；

將房間基礎價值加上第二房型包括的各種附加服務的價值，再減去所述第二房型的售賣價格，得到所述第二房型的價值優勢。

3.如權利要求1所述的方法，其特征在于，所述提取對應房型包括的各個附加服務的特征的步驟，具體包括：從多個維度提取對應房型包括各個附加服務的特征，其中，不同的附加服務對應不同的維度。

4.如權利要求1所述的方法，其特征在于，所述機器學習模型為全連接神經網絡模型。

5.如權利要求1-4中任一項所述的方法，其特征在于，所述類型包括：大床房、標準間、套房和商務間；和/或，

所述附加服務包括：含早餐、立即確認、免費取消。

6.一種用于估計酒店房型價值優勢的模型訓練系統，其特征在于，包括：

標簽添加模塊，用于根據酒店歷史訂單中用戶預訂第一房型或第二房型的情況對房型樣本添加不同的標簽，其中，所述房型樣本包括類型相同的第一房型和第二房型，所述第一房型包括的附加服務多于所述第二房型，且所述第一房型的價格高于所述第二房型的價格；

服務價值估計模塊，用于針對所述第一房型和所述第二房型，分別提取對應房型包括的各個附加服務的特征并輸入機器學習模型，得到對應房型的各個附加服務的價值；

價值優勢估計模塊，用于根據房間基礎價值、各種附加服務的價值以及房型售賣價格分別計算所述第一房型和所述第二房型的價值優勢，并將兩個價值優勢之間的差值輸入二分類模型；

收斂判斷模塊，用于根據所述房型樣本的標簽與所述二分類模型的輸出結果計算損失值，并在所述損失值達到預設閾值之前訓練所述機器學習模型與所述二分類模型。

7.如權利要求6所述的系統，其特征在于，所述價值優勢估計模塊具體用于將房間基礎價值加上第一房型包括的各種附加服務的價值，再減去所述第一房型的售賣價格，得到所述第一房型的價值優勢；以及將房間基礎價值加上第二房型包括的各種附加服務的價值，再減去所述第二房型的售賣價格，得到所述第二房型的價值優勢。

8.如權利要求6所述的系統，其特征在于，所述服務價值估計模塊具體用于從多個維度提取對應房型包括各個附加服務的特征，其中，不同的附加服務對應不同的維度。

9.如權利要求6所述的系統，其特征在于，所述機器學習模型為全連接神經網絡模型。

10.如權利要求6-9中任一項所述的系統，其特征在于，所述類型包括：大床房、標準間、套房和商務間；和/或，

所述附加服務包括：含早餐、立即確認、免費取消。