酒店房型异常价格的预警方法、系统、设备和介质技术方案

本发明专利技术公开了一种酒店房型异常价格的预警方法、系统、设备和介质，OTA平台的酒店房型异常价格的预警方法包括以下步骤：通过采用GBDT算法对所述酒店历史数据进行建模处理，获取待训练的房型价格预测模型，根据预测模型获取酒店每个房型对应的房型价格阈值范围，判断OTA平台的每个房型的房型价格是否在对应房型的房型价格阈值范围内，若不在，则确定房型价格存在异常，并输出预警。本发明专利技术能够提高处理效率，避免异常的价格进入系统，造成赔付价差的损失和品牌形象的间接损失。

Early warning method, system, equipment and medium of abnormal price of hotel room type

【技术实现步骤摘要】
酒店房型异常价格的预警方法、系统、设备和介质
本专利技术涉及OTA(OnlineTravelAgency，在线旅行社)平台的信息处理
，特别涉及一种酒店房型异常价格的预警方法、系统、设备和介质。
技术介绍
OTA给酒店展示售卖价格的平台，当酒店房型成功出售，也能取得一部分的佣金。由于录入OTA平台系统的酒店及供应商等推送的产品价格容易出现错误，导致OTA平台显示的产品价格存在异常，从而对用户的正常预订造成困扰。现有OTA平台的酒店房型价格异常的识别方法及系统，给用户推送的酒店房型价格不准确，往往存在过高或过低的现象。当酒店房型价格过高，导致酒店房型无法售卖；当酒店房型价格过高，导致酒店供应商推翻之前确认过的订单。而且现有OTA平台的酒店房型价格异常的识别方法及系统对排查异常价格处理效率低，处理不及时。这样就可能会放过异常的价格进入系统，并最终出现在OTA平台外网展示，造成赔付价差的损失和品牌形象的间接损失。
技术实现思路
本专利技术解决的技术问题是为了克服现有OTA平台的酒店房型价格异常的识别方法及系统，给用户推送的酒店房型价格不准确，且处理效率低的缺陷，提供一种酒店房型异常价格的预警方法、系统、设备和介质。本专利技术是通过下述技术方案来解决上述技术问题：本专利技术提供了一种酒店房型异常价格的预警方法，所述酒店房型异常价格的预警方法包括：获取酒店历史数据；采用GBDT(GradientBoostingDecisionTree，梯度提升树)算法对所述酒店历史数据进行建模处理，获取待训练的房型价格预测模型；获取所述酒店历史数据特征；将所述酒店历史数据特征输入至所述房型价格预测模型中，进行模型训练，以得到所述房型价格预测模型；根据所述房型价格预测模型获取酒店每个房型对应的酒店房型预测价格区间，并根据所述酒店房型预测价格区间获取每个房型对应的房型价格阈值范围；判断OTA平台的每个房型的房型价格是否在对应房型的所述房型价格阈值范围内，若不在，则确定房型价格存在异常，并输出预警。较佳地，所述酒店历史数据特征包括入住酒店得日期信息、房型属性、历史酒店房型价格、竞争圈房价、酒店紧张度信息、已有入住产量信息。较佳地，根据所述房型价格预测模型获取酒店每个房型对应的房型价格阈值范围的步骤包括：获取待预测酒店数据特征；将所述待预测酒店数据特征输入至所述房型价格预测模型中，以得到所述待预测酒店每个房型对应的酒店房型预测价格区间；基于所述待预测酒店每个房型对应的酒店房型预测价格区间，并结合所述待预测酒店每个房型对应的历史价格最值和均值，根据所述预测模型的分位数统计量和业务规则，得到所述待预测每个房型对应的房型价格阈值范围。本专利技术还提供了一种酒店房型异常价格的预警系统，所述酒店房型异常价格的预警系统包括：所述第一获取模块用于获取酒店历史数据；所述建模模块用于采用GBDT算法对所述酒店历史数据进行建模处理，获取待训练的房型价格预测模型；所述第二获取模块用于获取所述酒店历史数据特征；所述训练模块用于将所述酒店历史数据特征输入至所述房型价格预测模型中，进行模型训练，以得到所述房型价格预测模型；所述预测模块用于根据所述房型价格预测模型获取酒店每个房型对应的房型价格阈值范围；所述判断模块用于判断OTA平台的每个房型的房型价格是否在对应房型的所述房型价格阈值范围内，若不在，则确定房型价格存在异常，并输出预警。较佳地，所述酒店历史数据特征包括入住酒店得日期信息、房型属性、历史酒店房型价格、竞争圈房价、酒店紧张度信息、已有入住产量信息。较佳地，预测模块包括：获取单元，用于获取待预测酒店数据特征；输入单元，用于将所述待预测酒店数据特征输入至所述房型价格预测模型中，以得到所述待预测酒店每个房型对应的酒店房型预测价格区间；预测单元，基于所述待预测酒店每个房型对应的酒店房型预测价格区间，并结合所述待预测酒店每个房型对应的历史价格最值和均值，根据所述预测模型的分位数统计量和业务规则，得到所述待预测每个房型对应的房型价格阈值范围。本专利技术还提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现前述的酒店房型异常价格的预警方法。本专利技术还提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现前述的酒店房型异常价格的预警方法的步骤。本专利技术的积极进步效果在于：本专利技术通过采用GBDT算法对所述酒店历史数据进行建模处理，获取待训练的房型价格预测模型，根据预测模型获取酒店每个房型对应的酒店房型预测房型价格阈值范围，判断OTA平台的每个房型的房型价格是否在对应房型的房型价格阈值范围内，若不在，则确定房型价格存在异常，并输出预警，对比现有OTA平台的酒店房型价格异常的识别方法及系统，给用户推送的酒店房型价格不准确，且处理效率低的情况，本专利技术能够提高推送的酒店房型价格不准确性，和处理异常价格排查的效率。附图说明图1为本专利技术实施例1的酒店房型异常价格的预警方法的流程图；图2为本专利技术实施例1的步骤S105的流程图；图3为本专利技术实施例2的酒店房型异常价格的预警系统的模块示意图；图4为本专利技术实施例2的预测模块4的模块示意图；图5为本专利技术实施例3的电子设备的结构示意图。具体实施方式下面通过实施例的方式进一步说明本专利技术，但并不因此将本专利技术限制在所述的实施例范围之中。实施例1如图1所示，本实施例公开了一种酒店房型异常价格的预警方法，包括以下步骤：步骤S101、获取酒店历史数据；步骤S102、采用GBDT算法对所述酒店历史数据进行建模处理，获取待训练的房型价格预测模型；步骤S103、获取所述酒店历史数据特征；步骤S104、将所述酒店历史数据特征输入至所述房型价格预测模型中，进行模型训练，以得到所述房型价格预测模型；本实施例中，酒店历史数据特征包括入住酒店得日期信息、房型属性、历史酒店房型价格、竞争圈房价、酒店紧张度信息、已有入住产量信息。日期信息包括入住是否为节假日、周末、星级。房型属性包括房型是大床房、标准间、对应酒店星级、点评分、房型面积、是否含早、支付方式。历史价包括过去30天、60天成交房价均值、中位数、最大值、最小值。竞争圈房价包括同星级商圈酒店历史房价信息。紧张度信息包括总房间数、满房数等。已有入住日产量信息包括过去一段时间下单未来入住日的间夜量信息。步骤S105、根据所述房型价格预测模型获取酒店每个房型对应的酒店房型预测价格区间，并根据所述酒店房型预测价格区间获取每个房型对应的房型价格阈值范围；步骤S106、判断OTA平台的每个房型的房型价格是否在对应房型的所述房型价格阈值范围内，若否，则执行步骤S107，若是，则确定房型价本文档来自技高网...

【技术保护点】
1.一种酒店房型异常价格的预警方法，其特征在于，所述预警方法包括：/n获取酒店历史数据；/n采用GBDT算法对所述酒店历史数据进行建模处理，获取待训练的房型价格预测模型；/n获取所述酒店历史数据特征；/n将所述酒店历史数据特征输入至所述房型价格预测模型中，进行模型训练，以得到所述房型价格预测模型；/n根据所述房型价格预测模型获取酒店每个房型对应的房型价格阈值范围；/n判断OTA平台的每个房型的房型价格是否在对应房型的所述房型价格阈值范围内，若不在，则确定房型价格存在异常，并输出预警。/n

【技术特征摘要】
1.一种酒店房型异常价格的预警方法，其特征在于，所述预警方法包括：
获取酒店历史数据；
采用GBDT算法对所述酒店历史数据进行建模处理，获取待训练的房型价格预测模型；
获取所述酒店历史数据特征；
将所述酒店历史数据特征输入至所述房型价格预测模型中，进行模型训练，以得到所述房型价格预测模型；
根据所述房型价格预测模型获取酒店每个房型对应的房型价格阈值范围；
判断OTA平台的每个房型的房型价格是否在对应房型的所述房型价格阈值范围内，若不在，则确定房型价格存在异常，并输出预警。


2.如权利要求1所述酒店房型异常价格的预警方法，其特征在于，所述酒店历史数据特征包括入住酒店得日期信息、房型属性、历史酒店房型价格、竞争圈房价、酒店紧张度信息、已有入住产量信息。


3.如权利要求1所述酒店房型异常价格的预警方法，其特征在于，所述根据所述房型价格预测模型获取酒店每个房型对应的房型价格阈值范围的步骤包括：
获取待预测酒店数据特征；
将所述待预测酒店数据特征输入至所述房型价格预测模型中，以得到所述待预测酒店每个房型对应的酒店房型预测价格区间；
基于所述待预测酒店每个房型对应的酒店房型预测价格区间，并结合所述待预测酒店每个房型对应的历史价格最值和均值，根据所述预测模型的分位数统计量和业务规则，得到所述待预测每个房型对应的房型价格阈值范围。


4.一种酒店房型异常价格的预警系统，其特征在于，所述预警系统包括第一获取模块、建模模块、第二获取模块、训练模块、预测模块、判断模块；
所述第一获取模块用于获取酒店历史数据；
所述建模模块用于采用GBDT算法对所述酒店历史数据进行建模处理，获取待训...

【专利技术属性】
技术研发人员：黎建辉，胡泓，
申请(专利权)人：携程计算机技术上海有限公司，
类型：发明
国别省市：上海;31