[發明專利]機票預訂的動態調整方法、系統、設備及存儲介質

在審

• 申請號: 202210107720.2
• 申請日: 2022-01-28
• 公開（公告）號: CN114511122A
• 公開（公告）日: 2022-05-17
• 發明（設計）人: 劉秉川;舒陳玉
• 申請（專利權）人: 攜程旅游網絡技術（上海）有限公司
• 主分類號: G06Q10/02
• 分類號: G06Q10/02;G06Q10/06;G06Q50/30
• 代理公司: 上海隆天律師事務所 31282
• 代理人: 鐘宗

1.一種機票預訂的動態調整方法，其特征在于，包括以下步驟：

S110、通過決策樹進行機票數據的特征提取，剪除細分的節點以獲得影響可訂和訂位的N個特征作為重要特征，N為預設值；

S120、基于上一個時間窗口的歷史數據基于算法模型獲得禁售實體；

S130、對于每個禁售實體基于過去的若干連續時間窗口中的禁售次數獲得禁售時長；

S140、當禁售實體的通過率pass小于禁售閾值，則進入禁售；反之，則不進入禁售；

S150、通過去重歸并的算法獲得唯一的禁售實體。

2.根據權利要求1所述的機票預訂的動態調整方法，其特征在于，所述步驟S110中，所述重要特征包括行程類型、出發城市、出發國家、艙位銷售地，訂位數據倉，出票票臺中的至少一種。

3.根據權利要求1所述的機票預訂的動態調整方法，其特征在于，所述步驟S120中，包括以下步驟：

S121、算法學習上一個時間窗口的歷史數據，構造模型，應用到當前時間窗口；

S122、選擇時間窗口t，每個時間窗口等長，長度為r；

S123、選擇一個階段f，可訂階段或訂位階段，基于N個特征維度作為數據列，在預設時間范圍內該階段的數據作為數據行M，構成數據矩陣，訓練模型；

S124、循環i＝0:N-1，執行每一輪level i：

S125、在第i輪，選擇i個特征，對于個特征，基于上述數據矩陣，聚合N個特征維度，分別計算總量和通過率，生成由(N-i)個明確特征和i個虛化特征構成的禁售實體。

4.根據權利要求3所述的機票預訂的動態調整方法，其特征在于，所述步驟S122中，隨著所述時間窗口的長度r的減小，所述模型的精度增加；

所述步驟S124中，包括：i＝0輪是最細粒度，當所述i＝0輪特征下，通過率低于設定閾值，則對所述數據對象添加禁售標記。

5.根據權利要求1所述的機票預訂的動態調整方法，其特征在于，所述步驟S130中，包括以下步驟：

S131、獲得每一個所述禁售實體，在過去的T個連續時間窗口中的禁售狀態，定義狀態st＝0,則不禁售；st＝1，則禁售，t的取值范圍是1到T；

S132、定義懲罰因子計算歷史窗口期中該實體被標記為禁售的次數；

S133、定義獎勵因子表示歷史窗口期中該實體被連續標記為不禁售的最長長度的比例，其中，L表示歷史時間窗口從t＝1開始，st＝0可連續的最大長度；

S134、獲得禁售時長d＝(1-pass)*r*(1+max{p-b,0})。

6.根據權利要求4所述的機票預訂的動態調整方法，其特征在于，所述步驟S140中，包括以下步驟：

S141、基于混淆矩陣中真實情況和模型預測情況交叉，獲得到真陰性，假陰性，假陽性和真陽性4種情況，其中，陰性對應模型不執行禁售，陽性對應模型執行禁售，真對應模型預測結果和實際情況一致，假對應模型預測結果和實際情況不一致；

S142、定義改善率為實際攔截的且進入禁售的占比，即TN/All；

S143、定義誤禁率為實際通過的但進入禁售的占比，即FN/All；

S144、根據預設步徑間隔遍歷所有禁售閾值，計算得到閾值下改善率與誤禁率的曲線；

S145、計算改善的邊際效用和誤禁的邊際成本，找到改善率大且誤禁率小的禁售閾值，認為是最有價值的禁售閾值；

S146、將所述改善率大且誤禁率小的禁售閾值作為最細粒度禁售閾值，其余各個Level的禁售閾值按所述改善率大且誤禁率小的禁售閾值/N均勻步徑衰減。

7.根據權利要求1所述的機票預訂的動態調整方法，其特征在于，所述步驟S150中，當高Level禁售消息包含低Level禁售消息時，去除低Level禁售消息，僅保留高Level禁售消息。