[發明專利]一種出行意愿的感知方法、裝置、終端及存儲介質

有效

• 申請號: 202010791316.2
• 申請日: 2020-08-07
• 公開（公告）號: CN111966897B
• 公開（公告）日: 2023-07-21
• 發明（設計）人: 羅欣;李斕;張瑞勃;雷笑雨
• 申請（專利權）人: 凹凸樂享（蘇州）信息科技有限公司
• 主分類號: G06F16/9535
• 分類號: G06F16/9535;G06Q10/04;G06Q30/0645;G06Q50/30;G06F18/214;G06F18/24
• 代理公司: 北京品源專利代理有限公司 11332
• 代理人: 孟金喆

本發明實施例公開了一種出行意愿的感知方法、裝置、終端及存儲介質。該方法包括：獲取目標用戶第一預設時間內的租車數據、第二預設時間內的行為數據，基于租車數據和行為數據，利用訓練的行為判別模型判斷用戶是否具有第一方向行為；于用戶具有第一方向行為時，獲取用戶的第三預設時間內的車輛瀏覽數據，利用訓練的行為強度感知模型和車輛瀏覽數據，預測用戶的行為強度；獲取用戶的第四預設時間內的車輛交互序列數據，基于車輛交互序列數據及行為強度，利用訓練的行為需求模型對用戶進行出行意愿的感知。能夠向用戶推薦符合出行意愿的車型，增強了用戶體驗，平臺也能據此優化整體的營銷策略，提高了共享平臺對用戶的租車需求的匹配效率。

技術領域

本發明實施例涉及深度學習領域，尤其涉及一種出行意愿的感知方法、裝置、終端及存儲介質。

背景技術

隨著用戶租車需求的增多，提供不同服務的各種租車交易平臺不斷出現。

在現有技術中，傳統的交易型平臺一般會通過歷史交易信息基于機器學習或深度學習的模型來進行回歸預測單個用戶后續的交易概率以及部分或整體平臺的交易規模。但這樣的方法多適用于高頻海量用戶的交易平臺場景，基于短期內用戶交易偏好不會輕易改變的假設來進行相關預測。但租車出行是一個低頻高單價的重決策鏈交易行為，大部分的用戶租車頻率在幾個月一次，且具體租車的行為意愿與不同時期的用車場景有很大關系。

現有技術存在的問題至少包括：如果不能很好的識別出用戶每次的租車出行意愿，只根據歷史交易信息進行車輛的匹配和推薦，不能對用戶租車意愿準確感知，會大大降低用戶體驗，降低共享平臺對用戶租車的需求匹配效率。

發明內容

有鑒于此，本發明實施例提供了一種出行意愿的感知方法、裝置、終端及存儲介質，向有較強意愿的用戶推薦符合其出行租車意愿的車型，增強了用戶體驗，平臺也能據此優化整體的營銷策略，提高了共享平臺對用戶租車需求的匹配效率。

第一方面，本發明實施例提供了一種出行意愿的感知方法，包括：

獲取目標用戶的第一預設時間內的租車數據、第二預設時間內的行為數據，基于所述第一預設時間內的租車數據和所述第二預設時間內的行為數據，利用預先訓練的行為判別模型判斷所述目標用戶是否具有第一方向行為；

于所述目標用戶具有所述第一方向行為時，獲取所述目標用戶的第三預設時間內的車輛瀏覽數據，利用預先訓練的行為強度感知模型和所述第三預設時間內的車輛瀏覽數據，預測所述目標用戶的行為強度；

獲取所述目標用戶的第四預設時間內的車輛交互序列數據，基于所述第四預設時間內的車輛交互序列數據及所述行為強度，利用預先訓練的行為需求模型對所述目標用戶進行出行意愿的感知。

可選的，所述行為判別模型訓練過程，包括：

獲取樣本用戶的行為判別模型訓練數據，其中所述行為判別模型訓練數據包括下述至少一項：歷史租車數據、歷史聊天數據和歷史頁面系列訪問數據；

提取所述歷史租車數據的歷史訂單特征；

提取所述歷史聊天數據中的車輛關鍵詞，基于所述車輛關鍵詞確定全連接的詞向量；

將所述歷史頁面系列訪問數據進行語句化得到頁面訪問語句，基于所述頁面訪問語句確定行為向量；

利用所述歷史訂單特征、所述詞向量、所述行為向量進行訓練得到二分類器，作為所述行為判別模型。

可選的，所述行為強度感知模型訓練過程，包括：

獲取樣本用戶的強度感知模型訓練數據，其中所述強度感知模型訓練數據包括下述至少一項：歷史停留時長數據、歷史車輛訪問數據和歷史頁面訪問數據；

利用所述強度感知模型訓練數據進行訓練得到二分類器，作為行為強度感知模型。