【技术实现步骤摘要】
【国外来华专利技术】用于生成客户预约值的机器学习建模优先权本专利申请要求于2017年7月26日提交的美国申请序列号15/660,163的优先权的权益，其全部内容通过引用并入本文。
技术介绍
机器学习技术开始用于解决各种各样的技术问题，诸如欺诈预防和检测、医疗保健诊断和治疗、预测工业机器故障、预测运输行业问题等等。随着机器学习技术的进步，有机会利用机器学习技术来解决在线市场中的各种技术问题。附图说明附图中的各个附图仅图示出了本公开的示例实施例，并且不应被认为是对其范围的限制。图1是图示出了根据一些示例实施例的联网系统的框图。图2是图示出了根据一些示例实施例的预约(reservation)系统的框图。图3是图示出了根据一些示例实施例的机器学习建模系统的框图。图4是图示出了根据一些示例实施例的客户和列出项之间的边缘的二部图。图5是图示出了根据一些示例实施例的方法的各方面的流程图。图6是图示出了根据一些示例实施例的由模型生成的权重的表。图7是图示出了根据一些示例实施例的针对特定列出项的每
【技术保护点】
1.一种方法，包括：/n由服务器计算系统分析预订会话数据以生成针对多个预订会话中的每个预订会话的多个特征向量，其中所述多个预订会话中的每个预订会话至少包括第一列出项和第二列出项；/n由所述服务器计算系统生成训练数据，所述训练数据包括针对每个预订会话的所述多个特征向量、至少第一约束和至少第二约束，在所述至少第一约束中与针对已预订的列出项的特征向量相关联的预约值不小于实际预订值，在所述至少第二约束中与针对未预订的列出项的特征向量相关联的预约值大于所述未预订的列出项的所列值；/n由所述服务器计算系统使用所述训练数据来计算权重集，其中所述权重集中的每个权重是满足最多可能约束的最低权...
【技术特征摘要】
【国外来华专利技术】20170726 US 15/660,1631.一种方法，包括：
由服务器计算系统分析预订会话数据以生成针对多个预订会话中的每个预订会话的多个特征向量，其中所述多个预订会话中的每个预订会话至少包括第一列出项和第二列出项；
由所述服务器计算系统生成训练数据，所述训练数据包括针对每个预订会话的所述多个特征向量、至少第一约束和至少第二约束，在所述至少第一约束中与针对已预订的列出项的特征向量相关联的预约值不小于实际预订值，在所述至少第二约束中与针对未预订的列出项的特征向量相关联的预约值大于所述未预订的列出项的所列值；
由所述服务器计算系统使用所述训练数据来计算权重集，其中所述权重集中的每个权重是满足最多可能约束的最低权重，其中所述权重集包括与所述多个特征向量中的每个特征相关联的权重；以及
由所述服务器计算系统基于所述权重集和所述多个特征向量，针对多个列出项中的每个列出项并且针对多个日期中的每个日期，计算针对多个客户中的每个客户的预约值。
2.根据权利要求1所述的方法，其中第一预订是已预订的列出项，并且第二列出项是未预订的列出项。
3.根据权利要求2所述的方法，其中生成针对所述多个预订会话中的每个预订会话的多个特征向量包括：
生成针对所述已预订的列出项的特征向量；以及
生成针对至少一个未预订的列出项的特征向量。
4.根据权利要求1所述的方法，其中每个特征向量包括与至少一个群组相关的多个特征，所述多个特征包括：客户特征、夜间特征、列出项特征和管理者特征。
5.根据权利要求1所述的方法，其中基于所述权重集和所述多个特征向量针对多个列出项中的每个列出项并且针对多个日期中的每个日期计算针对多个用户中的每个用户的预约值包括：
执行所述权重和所述特征向量的线性组合。
6.根据权利要求1所述的方法，其中所述多个特征向量中的特征中的至少一个特征与非负约束相关联。
7.根据权利要求1所述的方法，其中在必须满足所述约束的情况下，所述权重集使用软化所述约束的松弛变量而被进一步计算。
8.根据权利要求1所述的方法，还包括：
将预订会话数据的快照存储在一个或多个数据存储库中。
9.根据权利要求1所述的方法，其中在分析所述预订会话数据之前，所述方法还包括：
由服务器计算系统捕获预订会话数据的快照，所述快照包括来自多个预订会话的预订会话数据。
10.根据权利要求1所述的方法，还包括：
基于针对特定日期的针对多个客户的所计算的所述预约值，生成针对特定列出项的需求曲线。
11.一种服务器计算机，包括：
至少一个处理器；以及
与所述至少一个处理器耦合的计算机可读介质，所述计算机可读介质包括存储在其上的指令，所述指令由所述至少一个处理器可执行以使所述服务器计算机执行操作，所述操作包括：
分析预订会话数据以生成针对多个预订会话中的每个预订会话的多个特征向量，其中所述多个预订会话中的每个预订会话至少包括第一列出项和第二列出项；
生成训练数据，所述训练数据包括针对每个预订会话的所述多个特征向量、至少第一约束和至少第二约束，在所述至少第...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。