[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

本發明公開了一種估計酒店房型價值優勢的方法、模型訓練方法及系統。其中，模型訓練方法包括：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；針對第一房型和第二房型，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第一房型和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；根據房型樣本的標簽與二分類模型的輸出結果計算損失值，并在損失值達到預設閾值之前訓練機器學習模型與二分類模型。本發明不會造成對個別附加服務價值的高估，且方便使用通用的指標度量準確度。

技術領域

本發明涉及計算機信息技術領域，特別涉及一種用于估計酒店房型價值優勢的模型訓練方法及系統、一種估計酒店房型價值優勢的方法及系統、電子設備以及存儲介質。

背景技術

目前，在推薦算法領域，計算產品(被推薦的產品，例如酒店房型)所含附加服務(例如含早餐、免費取消、立即確認等)的價值采用的是基于統計學的方法，即對于某項附加服務例如含早餐，首先獲取用戶訂單對于該附加服務的溢價，例如早餐溢價＝含早餐的房型價格-不含早餐的房型價格，然后對溢價求平均值。使用上述方法計算產品所含附加服務的價值有以下幾個缺陷：

第一、當用戶訂購的房型同時包括多種附加服務時，單獨每項的溢價無法估算。如圖1所示，用戶訂購了一個含有立即確認和免費取消兩項附加服務(如圖1中的300所示)的房間368元，不含這兩項附加服務的同類型房間價格是359元，這兩項附加服務的總溢價是368-359＝9元。這時如果用統計的方法則難以拆分出立即確認和免費取消的單獨溢價，因此這樣的樣本只能被丟棄，造成數據浪費。由于統計的樣本偏離用戶預訂數據的真實分布，最終的統計結果也會產生偏差。

第二、只用含有附加服務的訂單進行計算會造成會附加服務價值的高估。例如10個用戶分別訂購了同類房型，其中3名用戶選擇了平均溢價為30元的含早餐的房型，另外7名用戶選擇了不含早餐的房型，這時如果估算一份早餐價值為30元是不準確的，因為在另外7名用戶看來，一份早餐的價值可能小于30元。

第三、沒有考慮個性化因素。一項附加服務價值多少錢與酒店的定價有關，也和用戶的消費能力有關，只有用戶最終接受了含附加服務的溢價房型，附加服務的價值才能得到體現。所以衡量每種附加服務的價值應該具體到每個用戶角度。

第四、準確性無法量化和評估。由于附加服務的價值是包含在訂單總價中，沒有直接的附加服務價值標簽可供利用，所以難以評估準確度的好壞。

第五、每種附加服務需單獨統計，計算效率低下。

發明內容

本發明要解決的技術問題是為了克服現有技術中的上述缺陷，提供一種用于估計酒店房型價值優勢的模型訓練方法及系統、一種估計酒店房型價值優勢的方法及系統、電子設備以及存儲介質。

本發明是通過下述技術方案來解決上述技術問題：

本發明的第一方面提供一種用于估計酒店房型價值優勢的模型訓練方法，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。