服务数据预测方法、装置、电子设备及存储介质制造方法及图纸

本申请提供了一种服务数据预测方法、装置、电子设备及存储介质，其中，该方法包括：获取服务提供方的特征信息；根据服务提供方的特征信息和预测模型，得到服务提供方的预测概率；根据预测概率以及预测概率与预测服务次数的映射关系，确定服务提供方在N天的预测服务次数。本方法通过服务提供方样本的特征信息及其N天的实际服务次数，训练预测模型，根据服务提供方的特征信息及训练好的预测模型，计算服务提供方的特征信息对应的预测概率，根据预测概率与预测服务次数的映射关系，确定服务提供方N天的预测服务次数。综合服务提供方样本的多种特征信息，结合服务提供方N天的实际服务次数进行服务数据预测，有效提高了服务数据预测的准确性。

Service data prediction methods, devices, electronic equipment and storage media

【技术实现步骤摘要】
服务数据预测方法、装置、电子设备及存储介质
本申请涉及计算机
，具体而言，涉及一种服务数据预测方法、装置、电子设备及存储介质。
技术介绍
随着互联网的迅速发展，各种服务类应用因能较好的满足用户的需求而得到广泛普及，例如：网约车服务、外卖服务等。对于服务平台而言，能够较为准确地预测服务提供方在完成首次服务之后一段时间内的服务次数，有助于服务平台对服务提供方更好的进行分类管理。现有技术中，对服务提供方完成首次服务后的一段时间内的服务次数的预测，是通过该服务提供方完成首次服务当天的一些显在行为特征来进行大致评判。但是，由于现有技术的预测方法，用来作为评判参考的依据相对较少，无法有效利用到司机的一些潜在行为属性和人群属性，导致其预测的准确度相对较低。
技术实现思路
有鉴于此，本申请实施例的目的在于提供一种服务数据预测方法、装置、电子设备及存储介质，用于解决现有技术中存在的预测评判依据较少的问题，达到提高服务数据预测准确性的效果。第一方面，本申请实施例提供了一种服务数据预测方法，该方法包括：获取服务提供方的特征信息；根据服务提供方的特征信息和预测模型，得到服务提供方的预测概率，预测模型为根据多个服务提供方样本的特征信息、及服务提供方样本的N天实际服务次数训练获取的，用于指示特征信息对应的预测概率；预测概率用于指示服务提供方N天内服务次数大于第一预设阈值的概率，N为大于0的整数；根据预测概率、以及预测概率与预测服务次数的映射关系，确定该服务提供方在N天的预测服务次数。可选地，上述根据服务提供方的特征信息和预测模型，得到服务提供方的预测概率之前，还包括：获取多个服务提供方样本的特征信息、及服务提供方样本的N天实际服务次数；根据多个服务提供方样本的特征信息、及服务提供方样本的N天实际服务次数，建立特征信息与N天实际服务次数的映射关系；根据特征信息与N天实际服务次数的映射关系，训练获取预测模型。可选地，根据特征信息与N天实际服务次数的映射关系，训练获取预测模型，包括：根据特征信息与N天实际服务次数的映射关系，将多个上述服务提供方样本的特征信息划分为第一类样本特征信息和第二类样本特征信息，其中，第一类样本特征信息中特征信息对应的N天实际服务次数大于或等于第二预设阈值、第二类样本特征信息中特征信息对应的N天实际服务次数小于所述第二预设阈值；根据第一类样本特征信息和第二类样本特征信息，训练获取上述预测模型。可选地，根据特征信息与N天实际服务次数的映射关系，训练获取预测模型之后，还包括：采用预测模型，获取各服务提供方样本的预测概率；根据各服务提供方样本的预测概率，对多个服务提供方样本进行排序；根据多个服务提供方样本的排序，将上述多个服务提供方样本划分为多个档位；根据每个档位中服务提供方样本的N天实际服务次数、以及预设规则，获取该每个档位对应的预测服务次数；根据每个档位对应的预测服务次数、每个档位所包含服务提供方样本的预测概率，获取预测概率与预测服务次数的映射关系。可选地，服务提供方样本的N天实际服务次数为该服务提供方样本在首次提供服务后N天的实际服务次数；服务提供方在N天的预测服务次数为该服务提供方在首次提供服务后N天的预测服务次数。可选地，根据每个上述档位中服务提供方样本的N天实际服务次数、以及预设规则，获取每个档位对应的预测服务次数，包括：在每个档位的多个上述服务提供方样本中获取预设排序的目标服务提供方样本；将目标服务提供方样本的实际服务次数作为该档位对应的预测服务次数。可选地，根据特征信息与N天实际服务次数的映射关系，将上述多个服务提供方样本的特征信息划分为第一类样本特征信息和第二类样本特征信息之前，还包括：对上述多个服务提供方样本的N天实际服务次数进行排序，获取预设排序的目标服务提供方样本；将目标服务提供方样本的N天实际服务次数作为第二预设阈值。可选地，根据预测概率、以及预测概率与预测服务次数的映射关系，确定服务提供方在N天的预测服务次数之后，还包括：统计获取该服务提供方在N天的实际服务次数；根据该服务提供方在N天的实际服务次数、以及该服务提供方在N天的预测服务次数，计算获取预测准确率。可选地，上述特征信息包括下述一项或多项：服务提供方的身份特征信息、注册特征信息、服务行为特征信息、终端特征信息、历史服务中服务请求方特征信息。第二方面，本申请实施例提供了一种服务数据预测装置，包括：获取模块、计算模块及确定模块。获取模块，用于获取服务提供方的特征信息；计算模块，用于根据服务提供方的特征信息和预测模型，得到服务提供方的预测概率，其中，预测模型为根据多个服务提供方样本的特征信息、及服务提供方样本的N天实际服务次数训练获取的，用于指示特征信息对应的预测概率；预测概率用于指示服务提供方N天内服务次数大于第一预设阈值的概率，N为大于0的整数；确定模块，用于根据预测概以及预测概率与预测服务次数的映射关系，确定服务提供方在N天的预测服务次数。可选地，该装置还包括建立模块和训练模块；上述获取模块，还用于获取多个上述服务提供方样本的特征信息、及服务提供方样本的N天实际服务次数；建立模块，用于根据该多个服务提供方样本的特征信息、及服务提供方样本的N天实际服务次数，建立特征信息与N天实际服务次数的映射关系；训练模块，用于根据特征信息与N天实际服务次数的映射关系，训练获取上述预测模型。可选地，训练模块，具体用于根据特征信息与N天实际服务次数的映射关系，将该多个服务提供方样本的特征信息划分为第一类样本特征信息和第二类样本特征信息，其中，第一类样本特征信息中特征信息对应的N天实际服务次数大于或等于第二预设阈值、第二类样本特征信息中特征信息对应的N天实际服务次数小于第二预设阈值；根据第一类样本特征信息和第二类样本特征信息，训练获取上述预测模型。可选地，计算模块，还用于采用预测模型，获取各服务提供方样本的预测概率；根据各服务提供方样本的预测概率，对该多个服务提供方样本进行排序；根据该多个服务提供方样本的排序，将该多个服务提供方样本划分为多个档位；根据每个档位中服务提供方样本的N天实际服务次数、以及预设规则，获取每个档位对应的预测服务次数；根据每个档位对应的预测服务次数、每个档位所包含服务提供方样本的预测概率，获取预测概率与预测服务次数的映射关系。可选地，服务提供方样本的N天实际服务次数为该服务提供方样本在首次提供服务后N天的实际服务次数；服务提供方在N天的预测服务次数为该服务提供方在首次提供服务后N天的预测服务次数。可选地，计算模块，具体用于在每个档位的多个服务提供方样本中获取预设排序的目标服务提供方样本；将目标服务提供方样本的实际服务次数作为该档位对应的预测服务次数。可选地，该装置还包括确定模块；上述获取模块，还用于对上述多个服务提供方样本的N天实际服务次数进行排序，获取预设排序的目标服务提供方样本；确定模块，用于将目标服务提供方样本的N天实际服务次数作为第二预设阈值本文档来自技高网...

【技术保护点】
1.一种服务数据预测方法，其特征在于，所述方法包括：/n获取服务提供方的特征信息；/n根据所述服务提供方的特征信息和预测模型，得到所述服务提供方的预测概率，所述预测模型为根据多个服务提供方样本的特征信息、及所述服务提供方样本的N天实际服务次数训练获取的，用于指示特征信息对应的预测概率；所述预测概率用于指示所述服务提供方N天内服务次数大于第一预设阈值的概率，N为大于0的整数；/n根据所述预测概率、以及所述预测概率与预测服务次数的映射关系，确定所述服务提供方在N天的预测服务次数。/n

【技术特征摘要】
1.一种服务数据预测方法，其特征在于，所述方法包括：
获取服务提供方的特征信息；
根据所述服务提供方的特征信息和预测模型，得到所述服务提供方的预测概率，所述预测模型为根据多个服务提供方样本的特征信息、及所述服务提供方样本的N天实际服务次数训练获取的，用于指示特征信息对应的预测概率；所述预测概率用于指示所述服务提供方N天内服务次数大于第一预设阈值的概率，N为大于0的整数；
根据所述预测概率、以及所述预测概率与预测服务次数的映射关系，确定所述服务提供方在N天的预测服务次数。


2.根据权利要求1所述的方法，其特征在于，所述根据所述服务提供方的特征信息和预测模型，得到所述服务提供方的预测概率之前，还包括：
获取多个所述服务提供方样本的特征信息、及所述服务提供方样本的N天实际服务次数；
根据多个所述服务提供方样本的特征信息、及所述服务提供方样本的N天实际服务次数，建立特征信息与N天实际服务次数的映射关系；
根据所述特征信息与N天实际服务次数的映射关系，训练获取所述预测模型。


3.根据权利要求2所述的方法，其特征在于，所述根据所述特征信息与N天实际服务次数的映射关系，训练获取所述预测模型，包括：
根据所述特征信息与N天实际服务次数的映射关系，将多个所述服务提供方样本的特征信息划分为第一类样本特征信息和第二类样本特征信息，其中，所述第一类样本特征信息中特征信息对应的N天实际服务次数大于或等于第二预设阈值、所述第二类样本特征信息中特征信息对应的N天实际服务次数小于所述第二预设阈值；
根据所述第一类样本特征信息和所述第二类样本特征信息，训练获取所述预测模型。


4.根据权利要求3所述的方法，其特征在于，所述根据所述特征信息与N天实际服务次数的映射关系，训练获取所述预测模型之后，还包括：
采用所述预测模型，获取各所述服务提供方样本的预测概率；
根据各所述服务提供方样本的预测概率，对多个所述服务提供方样本进行排序；
根据多个所述服务提供方样本的排序，将多个所述服务提供方样本划分为多个档位；
根据每个所述档位中所述服务提供方样本的N天实际服务次数、以及预设规则，获取每个所述档位对应的预测服务次数；
根据每个所述档位对应的预测服务次数、每个所述档位所包含服务提供方样本的预测概率，获取所述预测概率与所述预测服务次数的映射关系。


5.根据权利要求1-4任一项所述的方法，其特征在于，所述服务提供方样本的N天实际服务次数为所述服务提供方样本在首次提供服务后N天的实际服务次数；
所述服务提供方在N天的预测服务次数为所述服务提供方在首次提供服务后N天的预测服务次数。


6.根据权利要求4所述的方法，其特征在于，所述根据每个所述档位中所述服务提供方样本的N天实际服务次数、以及预设规则，获取每个所述档位对应的预测服务次数，包括：
在每个所述档位的多个所述服务提供方样本中获取预设排序的目标服务提供方样本；
将所述目标服务提供方样本的实际服务次数作为所述档位对应的预测服务次数。


7.根据权利要求3或4所述的方法，其特征在于，所述根据所述特征信息与N天实际服务次数的映射关系，将多个所述服务提供方样本的特征信息划分为第一类样本特征信息和第二类样本特征信息之前，还包括：
对多个所述服务提供方样本的N天实际服务次数进行排序，获取预设排序的目标服务提供方样本；
将所述目标服务提供方样本的N天实际服务次数作为所述第二预设阈值。


8.根据权利要求3或4所述的方法，其特征在于，所述根据所述预测概率、以及预测概率与预测服务次数的映射关系，确定所述服务提供方在N天的预测服务次数之后，还包括：
统计获取所述服务提供方在N天的实际服务次数；
根据所述服务提供方在N天的实际服务次数、以及所述服务提供方在N天的预测服务次数，计算获取预测准确率。


9.根据权利要求1所述的方法，其特征在于，所述特征信息包括下述一项或多项：服务提供方的身份特征信息、注册特征信息、服务行为特征信息、终端特征信息、历史服务中服务请求方特征信息。


10.一种服务数据预测装置，其特征在于...

【专利技术属性】
技术研发人员：路劲，郄小虎，李奘，
申请(专利权)人：北京嘀嘀无限科技发展有限公司，
类型：发明
国别省市：北京;11