概率分布函数训练方法、服务激励处理方法、装置及设备制造方法及图纸

本申请提供一种概率分布函数训练方法、服务激励处理方法、装置及设备，涉及互联网技术领域。该训练方法通过获取多个训练样本，根据多个训练样本和预设完单数量，计算各服务层级下训练样本的不同完单数提升的概率，使得根据各服务层级下训练样本的不同完单数提升的概率以及预设函数，训练获取各服务层级对应的概率分布函数时，由于基于各服务层级下的训练样本，因此，克服了现有技术中个体维度的完单数据比较稀疏的技术问题，且获取的是各服务层级下训练样本的不同完单数提升的概率为真实概率，进而根据该真实概率和预设函数训练获取的各服务层级对应的概率分布函数用于获取某激励设置参数下服务方的期望提升完单数时，可以更为准确。

【技术实现步骤摘要】
概率分布函数训练方法、服务激励处理方法、装置及设备
本申请涉及互联网
，特别涉及一种概率分布函数训练方法、服务激励处理方法、装置及设备。
技术介绍
随着互联网时代的快速发展，网约车的出现，不仅极大方便了人们的出行，更从某种程度上缓解了城市日常交通压力，提供了个性化用车服务。而为了实现业务目标的最大化，网约车服务平台会进行一些激励活动以鼓励网约车司机，并在活动开始前对司机在活动期间的完单提升情况进行预估。现有的预估方式，一般是使用常规机器学习或深度学习方法，在个体维度预测司机在无激励活动，和不同激励活动下的完单数量，再依据差分响应建模预测不同激励活动下的完单提升数量。但现有的预估方式，由于个体维度的完单数据比较稀疏，且因个体表现差异较大，根据个体维度特征预测司机完单数量不够准确。
技术实现思路
本申请的目的在于，针对上述现有技术中的不足，提供一种概率分布函数训练方法、服务激励处理方法、装置及设备，可以解决现有技术中根据个体维度特征预测服务方完单数量不够准确的技术问题。为实现上述目的，本申请实施例采用的技术方案如下：第一方面，本申请实施例提供了一种概率分布函数训练方法，包括：获取多个训练样本，其中，所述训练样本包括激励设置参数、服务方所属服务层级及不同激励设置参数下服务方的完单数量；根据多个所述训练样本和预设完单数量，计算各所述训练样本的完单提升数量；根据各所述训练样本完单提升数量和服务方所属服务层级，计算各服务层级下所述训练样本的不同完单数提升的概率；根据各服务层级下所述训练样本的不同完单数提升的概率以及预设函数，训练获取各服务层级对应的概率分布函数。可选地，上述根据各服务层级下所述训练样本的不同完单数提升的概率以及预设函数，训练获取各服务层级对应的概率分布函数，包括：根据各服务层级下所述训练样本的不同完单数提升的概率和所述预设函数，计算获取各服务层级下预设函数中的激励估计设置函数，所述预设函数包括激励设置参数、激励估计设置函数、以及完单提升变量；根据各服务层级下的所述预设函数和所述激励估计设置函数，训练获取各服务层级对应的概率分布函数。可选地，上述根据各服务层级下所述训练样本的不同完单数提升的概率和所述预设函数，计算获取各服务层级下预设函数中的激励估计设置函数，包括：根据预设拟合算法，获取各服务层级下各所述训练样本根据所述预设函数计算的不同完单数提升的估计概率与各服务层级下各所述训练样本的不同完单数提升的概率满足预设拟合条件时，所述预设函数中的激励估计设置函数。可选地，上述激励估计设置函数包括至少两个，每个所述激励估计设置函数包括所述激励设置参数，所述计算获取各服务层级下预设函数中的激励估计设置函数，包括：根据多个所述训练样本，训练获取多任务模型；根据所述多任务模型，拟合获取各所述激励估计设置函数中所述激励设置参数的系数；根据各所述激励设置参数和所述激励设置参数的系数，获取各所述激励估计设置函数。可选地，上述激励设置参数包括下述一种或多种的组合：激励活动的开始时间和结束时间、激励活动期间内的城市参数、激励内容、激励内容下的完单要求。第二方面，本申请实施例提供了一种服务激励处理方法，包括：获取目标服务方的服务数据，所述服务数据包括：激励设置参数、服务层级；根据所述服务数据、以及概率分布函数，计算获取所述目标服务方的期望提升完单数。可选地，上述根据所述服务数据、以及概率分布函数，计算获取所述目标服务方的期望提升完单数之后，还包括：根据所述概率分布函数，获取所述目标服务方的期望提升完单数最大时，对应的激励设置参数。第三方面，本申请实施例提供了一种概率分布函数训练装置，包括：第一获取模块、第一计算模块、第二计算模块及训练获取模块；所述第一获取模块，用于获取多个训练样本，其中，所述训练样本包括激励设置参数、服务方所属服务层级及不同激励设置参数下服务方的完单数量；所述第一计算模块，用于根据多个所述训练样本和预设完单数量，计算各所述训练样本的完单提升数量；所述第二计算模块，用于根据各所述训练样本完单提升数量和服务方所属服务层级，计算各服务层级下所述训练样本的不同完单数提升的概率；所述训练获取模块，用于根据各服务层级下所述训练样本的不同完单数提升的概率以及预设函数，训练获取各服务层级对应的概率分布函数。可选地，上述训练获取模块，具体用于根据各服务层级下所述训练样本的不同完单数提升的概率和所述预设函数，计算获取各服务层级下预设函数中的激励估计设置函数，所述预设函数包括激励设置参数、激励估计设置函数、以及完单提升变量；根据各服务层级下的所述预设函数和所述激励估计设置函数，训练获取各服务层级对应的概率分布函数。可选地，上述训练获取模块，具体用于根据预设拟合算法，获取各服务层级下各所述训练样本根据所述预设函数计算的不同完单数提升的估计概率与各服务层级下各所述训练样本的不同完单数提升的概率满足预设拟合条件时，所述预设函数中的激励估计设置函数。可选地，激励估计设置函数包括至少两个，每个所述激励估计设置函数包括所述激励设置参数，上述训练获取模块，具体用于根据多个所述训练样本，训练获取多任务模型；根据所述多任务模型，拟合获取各所述激励估计设置函数中所述激励设置参数的系数；根据各所述激励设置参数和所述激励设置参数的系数，获取各所述激励估计设置函数。可选地，上述激励设置参数包括下述一种或多种的组合：激励活动的开始时间和结束时间、激励活动期间内的城市参数、激励内容、激励内容下的完单要求。第四方面，本申请实施例提供了一种服务激励处理装置，包括：第二获取模块和第三计算模块；所述第二获取模块，用于获取目标服务方的服务数据，所述服务数据包括：激励设置参数、服务层级；所述第三计算模块；用于根据所述服务数据、以及概率分布函数，计算获取所述目标服务方的期望提升完单数。可选地，上述装置还包括：第三获取模块，用于根据所述概率分布函数，获取所述目标服务方的期望提升完单数最大时，对应的激励设置参数。第五方面，本申请实施例提供了一种电子设备，包括：处理器、存储介质和总线，存储介质存储有处理器可执行的机器可读指令，当电子设备运行时，处理器与存储介质之间通过总线通信，处理器执行机器可读指令，以执行上述第一方面或第二方面方法的步骤。第六方面，本申请实施例提供了一种存储介质，存储介质上存储有计算机程序，计算机程序被处理器运行时执行上述第一方面或第二方面方法的步骤。本申请的有益效果是：本申请所提供的概率分布函数训练方法、服务激励处理方法、装置及设备中，该训练方法通过获取多个训练样本，其中，训练样本包括激励设置参数、服务方所属服务层级及不同激励设置参数下服务方的完单数量；根据多个训练样本和预设完单数量，计算各训练样本的完单提升数量，进而根据各训练样本完单提升本文档来自技高网...

【技术保护点】
1.一种概率分布函数训练方法，其特征在于，包括：/n获取多个训练样本，其中，所述训练样本包括激励设置参数、服务方所属服务层级及不同激励设置参数下服务方的完单数量；/n根据多个所述训练样本和预设完单数量，计算各所述训练样本的完单提升数量；/n根据各所述训练样本完单提升数量和服务方所属服务层级，计算各服务层级下所述训练样本的不同完单数提升的概率；/n根据各服务层级下所述训练样本的不同完单数提升的概率以及预设函数，训练获取各服务层级对应的概率分布函数。/n

【技术特征摘要】
1.一种概率分布函数训练方法，其特征在于，包括：
获取多个训练样本，其中，所述训练样本包括激励设置参数、服务方所属服务层级及不同激励设置参数下服务方的完单数量；
根据多个所述训练样本和预设完单数量，计算各所述训练样本的完单提升数量；
根据各所述训练样本完单提升数量和服务方所属服务层级，计算各服务层级下所述训练样本的不同完单数提升的概率；
根据各服务层级下所述训练样本的不同完单数提升的概率以及预设函数，训练获取各服务层级对应的概率分布函数。


2.根据权利要求1所述的方法，其特征在于，所述根据各服务层级下所述训练样本的不同完单数提升的概率以及预设函数，训练获取各服务层级对应的概率分布函数，包括：
根据各服务层级下所述训练样本的不同完单数提升的概率和所述预设函数，计算获取各服务层级下预设函数中的激励估计设置函数，所述预设函数包括激励设置参数、激励估计设置函数、以及完单提升变量；
根据各服务层级下的所述预设函数和所述激励估计设置函数，训练获取各服务层级对应的概率分布函数。


3.根据权利要求2所述的方法，其特征在于，所述根据各服务层级下所述训练样本的不同完单数提升的概率和所述预设函数，计算获取各服务层级下预设函数中的激励估计设置函数，包括：
根据预设拟合算法，获取各服务层级下各所述训练样本根据所述预设函数计算的不同完单数提升的估计概率与各服务层级下各所述训练样本的不同完单数提升的概率满足预设拟合条件时，所述预设函数中的激励估计设置函数。


4.根据权利要求2所述的方法，其特征在于，所述激励估计设置函数包括至少两个，每个所述激励估计设置函数包括所述激励设置参数，所述计算获取各服务层级下预设函数中的激励估计设置函数，包括：
根据多个所述训练样本，训练获取多任务模型；
根据所述多任务模型，拟合获取各所述激励估计设置函数中所述激励设置参数的系数；
根据各所述激励设置参数和所述激励设置参数的系数，获取各所述激励估计设置函数。


5.根据权利要求1-4任一项所述的方法，其特征在于，所述激励设置参数包括下述一种或多种的组合：激励活动的开始时间和结束时间、激励活动期间内的城市参数、激励内容、激励内容下的完单要求。


6.一种服务激励处理方法，其特征在于，包括：
获取目标服务方的服务数据，所述服务数据包括：激励设置参数、服务层级；
根据所述服务数据、以及概率分布函数，计算获取所述目标服务方的期望提升完单数。


7.根据权利要求6所述的方法，其特征在于，所述根据所述服务数据、以及概率分布函数，计算获取所述目标服务方的期望提升完单数之后，还包括：
根据所述概率分布函数，获取所述目标服务方的期望提升完单数最大时，对应的激励设置参数。


8.一种概率分布函数训练装置，其特征在于，包括：第一获取模块、第一计算模块、第二计算模块及训练获取模块；
所述第一获取模块，用于获取多个训练样本，其中，所...

【专利技术属性】
技术研发人员：方涵，王瑞，郄小虎，郭飞，
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