服务匹配模型的训练方法、服务匹配方法、设备及介质组成比例

本申请提供了一种服务匹配模型的训练方法、服务匹配方法、设备及介质，涉及计算机模型技术领域。其中，该训练方法通过获取训练数据集，训练数据集包括多个训练样本数据；根据训练数据集，构建多属性异质图，其中，多属性异质图中以服务提供方、服务提供方的至少一个服务提供方历史订单、服务提供方历史订单对应的服务请求方历史订单为顶点，以顶点之间的连线为边，边用于表示顶点之间的关系，进而可以基于多属性异质图充分利用各顶点与各边之间的语义关系训练获取服务匹配模型，所获取的服务匹配模型用于服务匹配时，可以提高匹配的准确度。

【技术实现步骤摘要】
服务匹配模型的训练方法、服务匹配方法、设备及介质
本申请涉及计算机模型
，具体而言，涉及一种服务匹配模型的训练方法、服务匹配方法、设备及介质。
技术介绍
“顺风车”平台是一个提升车辆利用率的应用平台，其功能主要为帮助司机车主匹配到顺路的乘客，即方便了乘客，也使司机能够从中得到一定的报酬。其中，通过“顺风车”平台，乘客可以在“顺风车”平台上发布订单需求；司机可以在“顺风车”平台上发布行程路线，并通过“顺风车”平台上浏览乘客发布的订单需求，并邀请至少一个乘客订单作为其行程路线的顺路单。现有的，为了给司机推荐与其行程路线尽可能匹配的候选乘客订单，现有的订单匹配算法一般是基于长特征建模的方案，即将与目标司机订单和候选乘客订单所有相关的特征组合成一个长向量，然后输入到二分类模型中确定其是否匹配。但现有的订单匹配算法考虑的元素比较单一，其推荐的准确度较低。
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匹配模型的训练方法、服务匹配方法、设备及介质，用于解决现有技术中存在的问题。>第一方面，本申请实本文档来自技高网...

【技术保护点】
1.一种服务匹配模型的训练方法，其特征在于，包括：/n获取训练数据集，所述训练数据集包括多个训练样本数据，每个所述训练样本数据包括：一个服务提供方的至少一个服务提供方历史订单、至少一个所述服务提供方历史订单对应的服务请求方历史订单，且所述服务请求方历史订单标注有是否被所述服务提供方所接收的标签；/n根据所述训练数据集，构建多属性异质图，其中，所述多属性异质图中以所述服务提供方、所述服务提供方的至少一个服务提供方历史订单、所述服务提供方历史订单对应的服务请求方历史订单为顶点，以顶点之间的连线为边，所述边用于表示顶点之间的关系；/n根据所述多属性异质图，训练获取服务匹配模型。/n

【技术特征摘要】
1.一种服务匹配模型的训练方法，其特征在于，包括：
获取训练数据集，所述训练数据集包括多个训练样本数据，每个所述训练样本数据包括：一个服务提供方的至少一个服务提供方历史订单、至少一个所述服务提供方历史订单对应的服务请求方历史订单，且所述服务请求方历史订单标注有是否被所述服务提供方所接收的标签；
根据所述训练数据集，构建多属性异质图，其中，所述多属性异质图中以所述服务提供方、所述服务提供方的至少一个服务提供方历史订单、所述服务提供方历史订单对应的服务请求方历史订单为顶点，以顶点之间的连线为边，所述边用于表示顶点之间的关系；
根据所述多属性异质图，训练获取服务匹配模型。


2.根据权利要求1所述的方法，其特征在于，所述根据所述训练数据集，构建多属性异质图，包括：
将所述服务提供方、所述服务提供方的至少一个服务提供方历史订单、所述服务提供方历史订单对应的服务请求方历史订单作为顶点，以所述顶点之间的连线为边，构建订单异质图；
根据所述服务提供方的属性信息、所述服务提供方的至少一个服务提供方历史订单的属性信息、所述服务提供方历史订单对应的服务请求方订单的属性信息，添加边属性、顶点属性，构建所述多属性异质图。


3.根据权利要求2所述的方法，其特征在于，所述服务匹配模型包括至少一个卷积层和至少一个全连接层；所述根据所述多属性异质图，训练获取服务匹配模型，包括：
将所述多属性异质图输入所述卷积层，获取所述多属性异质图中所述顶点对应的点嵌入向量和所述边对应的边嵌入向量；
将所述多属性异质图中所述顶点对应的点嵌入向量和所述边对应的边嵌入向量输入所述全连接层，训练获取所述服务匹配模型。


4.根据权利要求3所述的方法，其特征在于，所述将所述多属性异质图输入所述卷积层，获取所述多属性异质图中所述顶点对应的点嵌入向量和所述边对应的边嵌入向量，包括：
将多属性异质图输入所述卷积层，若所述卷积层非第一层卷积层，将所述顶点在上一卷积层中的点嵌入向量和所述顶点在当前卷积层中聚合得到的邻接信息进行融合，得到所述顶点在当前卷积层中的点嵌入向量；若所述卷积层为第一层卷积层，根据所述顶点的属性信息确定所述顶点在第一卷积层中的点嵌入向量；
若所述卷积层非第一层卷积层，将所述边在上一卷积层中的边嵌入向量和所述边在当前卷积层中聚合得到的邻接信息进行融合，得到所述边在当前卷积层中的边嵌入向量；若所述卷积层为第一层卷积层，根据所述边的属性信息确定所述边在第一卷积层中的边嵌入向量。


5.根据权利要求4所述的方法，其特征在于，所述将所述顶点在上一卷积层中的点嵌入向量和所述顶点在当前卷积层中聚合得到的邻接信息进行融合之前，所述方法还包括：
将每个所述顶点分别作为头顶点和尾顶点，获取每个所述顶点对应的尾顶点和头顶点；
计算每个所述顶点对应的拼接信息，所述拼接信息包括尾顶点属性信息，边属性信息以及头顶点属性信息；
将每个所述顶点对应的拼接信息映射到预设维度空间，融合获取每个所述顶点在当前卷积层中聚合得到的邻接信息。


6.根据权利要求4所述的方法，其特征在于，所述将所述边在上一卷积层中的边嵌入向量和所述边在当前卷积层中聚合得到的邻接信息进行融合之前，所述方法还包括：
获取每个所述边对应的头顶点和尾顶点；
根据每个所述边对应的头顶点和尾顶点分别计算每个所述边对应的拼接信息，所述拼接信息包括尾顶点属性信息，边属性信息以及头顶点属性信息；
将每个所述边对应的拼接信息映射到预设维度空间，融合获取每个所述边在当前卷积层中聚合得到的邻接信息。


7.一种服务匹配方法，其特征在于，包括：
获取待匹配的服务提供方订单对应的多属性异质图，其中，所述多属性异质图中的顶点包括：待匹配的服务提供方订单、待匹配的服务提供方订单对应的服务提供方、待匹配的服务提供方订单的历史服务提供方订单、所述历史服务提供方订单对应的历史服务请求方订单以及待匹配的服务提供方订单对应的候选服务请求方订单，以顶点之间的连线为边，所述边用于表示顶点之间的关系；
将所述待匹配的服务提供方订单对应的多属性异质图输入服务匹配模型，输出与所述待匹配的服务提供方订单匹配的服务请求方订单；
其中，所述服务匹配模型由训练数据集训练获取，所述训练数据集包括多个训练样本数据，每个所述训练样本数据包括：一个样本服务提供方的至少一个样本服务提供方历史订单、至少一个所述样本服务提供方历史订单对应的样本服务请求方历史订单，且所述样本服务请求方历史订单标注有是否被所述样本服务提供方所接收的标签。


8.根据权利要求7所述的方法，其特征在于，所述获取待匹配的服务提供方订单对应的多属性异质图，包括：
根据所述待匹配的服务提供方订单，获取待匹配的服务提供方订单对应的服务提供方、待匹配的服务提供方订单的历史服务提供方订单、所述历史服务提供方订单对应的历史服务请求方订单以及待匹配的服务提供方订单对应的候选服务请求方订单；
根据所述待匹配的服务提供方订单、待匹配的服务提供方订单对应的服务提供方、待匹配的服务提供方订单的历史服务提供方订单、所述历史服务提供方订单对应的历史服务请求方订单以及待匹配的服务提供方订单对应的候选服务请求方订单，构建所述待匹配的服务提供方订单对应的多属性异质图。


9.根据权利要求8所述的方法，其特征在于，所述将所述待匹配的服务提...

【专利技术属性】
技术研发人员：洪辉婷，林宇澄，杨晓庆，龚平华，
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