[發明專利]服務匹配模型的訓練方法、服務匹配方法、設備及介質

在審

• 申請號: 202010670525.1
• 申請日: 2020-07-13
• 公開（公告）號: CN111861178A
• 公開（公告）日: 2020-10-30
• 發明（設計）人: 洪輝婷;林宇澄;楊曉慶;龔平華
• 申請（專利權）人: 北京嘀嘀無限科技發展有限公司
• 主分類號: G06Q10/06
• 分類號: G06Q10/06;G06Q30/06;G06Q50/30;G06N3/04;G06N3/08
• 代理公司: 北京超成律師事務所 11646
• 代理人: 裴素英

本申請提供了一種服務匹配模型的訓練方法、服務匹配方法、設備及介質，涉及計算機模型技術領域。其中，該訓練方法通過獲取訓練數據集，訓練數據集包括多個訓練樣本數據；根據訓練數據集，構建多屬性異質圖，其中，多屬性異質圖中以服務提供方、服務提供方的至少一個服務提供方歷史訂單、服務提供方歷史訂單對應的服務請求方歷史訂單為頂點，以頂點之間的連線為邊，邊用于表示頂點之間的關系，進而可以基于多屬性異質圖充分利用各頂點與各邊之間的語義關系訓練獲取服務匹配模型，所獲取的服務匹配模型用于服務匹配時，可以提高匹配的準確度。

技術領域

本申請涉及計算機模型技術領域，具體而言，涉及一種服務匹配模型的訓練方法、服務匹配方法、設備及介質。

背景技術

“順風車”平臺是一個提升車輛利用率的應用平臺，其功能主要為幫助司機車主匹配到順路的乘客，即方便了乘客，也使司機能夠從中得到一定的報酬。其中，通過“順風車”平臺，乘客可以在“順風車”平臺上發布訂單需求；司機可以在“順風車”平臺上發布行程路線，并通過“順風車”平臺上瀏覽乘客發布的訂單需求，并邀請至少一個乘客訂單作為其行程路線的順路單。

現有的，為了給司機推薦與其行程路線盡可能匹配的候選乘客訂單，現有的訂單匹配算法一般是基于長特征建模的方案，即將與目標司機訂單和候選乘客訂單所有相關的特征組合成一個長向量，然后輸入到二分類模型中確定其是否匹配。

但現有的訂單匹配算法考慮的元素比較單一，其推薦的準確度較低。

發明內容

有鑒于此，本申請實施例的目的在于提供一種服務匹配模型的訓練方法、服務匹配方法、設備及介質，用于解決現有技術中存在的問題。

第一方面，本申請實施例提供一種服務匹配模型的訓練方法，包括：獲取訓練數據集，訓練數據集包括多個訓練樣本數據，每個訓練樣本數據包括：一個服務提供方的至少一個服務提供方歷史訂單、至少一個服務提供方歷史訂單對應的服務請求方歷史訂單，且服務請求方歷史訂單標注有是否被服務提供方所接收的標簽；

根據訓練數據集，構建多屬性異質圖，其中，多屬性異質圖中以服務提供方、服務提供方的至少一個服務提供方歷史訂單、服務提供方歷史訂單對應的服務請求方歷史訂單為頂點，以頂點之間的連線為邊，邊用于表示頂點之間的關系；

根據多屬性異質圖，訓練獲取服務匹配模型。

可選地，根據訓練數據集，構建多屬性異質圖，包括：將服務提供方、服務提供方的至少一個服務提供方歷史訂單、服務提供方歷史訂單對應的服務請求方歷史訂單作為頂點，以頂點之間的連線為邊，構建訂單異質圖；根據服務提供方的屬性信息、服務提供方的至少一個服務提供方歷史訂單的屬性信息、服務提供方歷史訂單對應的服務請求方訂單的屬性信息，添加邊屬性、頂點屬性，構建多屬性異質圖。

可選地，服務匹配模型包括至少一個卷積層和至少一個全連接層；根據多屬性異質圖，訓練獲取服務匹配模型，包括：將多屬性異質圖輸入卷積層，獲取多屬性異質圖中頂點對應的點嵌入向量和邊對應的邊嵌入向量；將多屬性異質圖中頂點對應的點嵌入向量和邊對應的邊嵌入向量輸入全連接層，訓練獲取服務匹配模型。

可選地，將多屬性異質圖輸入卷積層，獲取多屬性異質圖中頂點對應的點嵌入向量和邊對應的邊嵌入向量，包括：

將多屬性異質圖輸入卷積層，若卷積層非第一層卷積層，將頂點在上一卷積層中的點嵌入向量和頂點在當前卷積層中聚合得到的鄰接信息進行融合，得到頂點在當前卷積層中的點嵌入向量；若卷積層為第一層卷積層，根據頂點的屬性信息確定頂點在第一卷積層中的點嵌入向量；若卷積層非第一層卷積層，將邊在上一卷積層中的邊嵌入向量和邊在當前卷積層中聚合得到的鄰接信息進行融合，得到邊在當前卷積層中的邊嵌入向量；若卷積層為第一層卷積層，根據邊的屬性信息確定邊在第一卷積層中的邊嵌入向量。