会议室预订方法及装置制造方法及图纸

本发明专利技术公开了一种会议室预订方法及装置，可用于人工智能领域，其中方法包括：获得会议室预订信息，所述会议室预订信息包括：用户基本信息，会议室基本信息，用户查询信息，会议室使用情况信息；对所述会议室预订信息进行特征工程，确定会议室预订特征数据；将所述会议室预订特征数据输入预先建立的机器学习模型进行训练，所述机器学习模型是根据LightGBM算法和决策树预先建立的；利用训练好的机器学习模型，进行会议室预订。本发明专利技术可以进行会议室预订，提高会议预订效率，提升用户体验，满足用户会议预订需求。会议预订需求。会议预订需求。

【技术实现步骤摘要】
会议室预订方法及装置


[0001]本专利技术涉及人工智能领域，尤其涉及会议室预订方法及装置。

技术介绍

[0002]目前，企业、政府、学校等各种机构经常召开会议，会议室预订成为这些机构正常运转的重要组成部分。
[0003]现有的会议室预订系统是用户获取到会议需求后，通过在会议预订系统中输入搜索条件查询现有的空闲会议室，查看是否有满足条件的会议室，如果有则预订成功，如果没有则预订失败，会议召开可能因此耽搁，这种预订模式的弊端是对于如果中途有人取消预订或者如果有类似满足条件的会议室空闲，用户无法及时获得推荐，难以满足用户会议预订需求。
[0004]因此，亟需一种可以克服上述问题的会议室预订方案。

技术实现思路

[0005]本专利技术实施例提供一种会议室预订方法，用以进行会议室预订，提高会议预订效率，提升用户体验，满足用户会议预订需求，该方法包括：
[0006]获得会议室预订信息，所述会议室预订信息包括：用户基本信息，会议室基本信息，用户查询信息，会议室使用情况信息；
[0007]对所述会议室预订信息进行特征工程，确定会议室预订特征数据；
[0008]将所述会议室预订特征数据输入预先建立的机器学习模型进行训练，所述机器学习模型是根据LightGBM算法和决策树预先建立的；
[0009]利用训练好的机器学习模型，进行会议室预订。
[0010]本专利技术实施例提供一种会议室预订装置，用以进行会议室预订，提高会议预订效率，提升用户体验，满足用户会议预订需求，该装置包括：
[0011]信息获得模块，用于获得会议室预订信息，所述会议室预订信息包括：用户基本信息，会议室基本信息，用户查询信息，会议室使用情况信息；
[0012]特征确定模块，用于对所述会议室预订信息进行特征工程，确定会议室预订特征数据；
[0013]模型训练模块，用于将所述会议室预订特征数据输入预先建立的机器学习模型进行训练，所述机器学习模型是根据LightGBM算法和决策树预先建立的；
[0014]会议室预订模块，用于利用训练好的机器学习模型，进行会议室预订。
[0015]本专利技术实施例还提供一种计算机设备，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上述会议室预订方法。
[0016]本专利技术实施例还提供一种计算机可读存储介质，所述计算机可读存储介质存储有执行上述会议室预订方法的计算机程序。
[0017]本专利技术实施例通过获得会议室预订信息，所述会议室预订信息包括：用户基本信息，会议室基本信息，用户查询信息，会议室使用情况信息；对所述会议室预订信息进行特征工程，确定会议室预订特征数据；将所述会议室预订特征数据输入预先建立的机器学习模型进行训练，所述机器学习模型是根据LightGBM算法和决策树预先建立的；利用训练好的机器学习模型，进行会议室预订。本专利技术实施例通过分析会议室预订信息，运用机器学习模型分析用户的预订需求，从而利用训练好的机器学习模型根据会议室情况为用户推荐可以预订的会议室，从而提高会议预订效率，提升用户体验。
附图说明
[0018]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。在附图中：
[0019]图1为本专利技术实施例中会议室预订方法示意图；
[0020]图2为本专利技术实施例中对会议室预订信息进行特征工程方法示意图；
[0021]图3为本专利技术实施例中机器学习模型训练方法示意图；
[0022]图4为本专利技术实施例中会议室预订装置结构图；
[0023]图5是本专利技术实施例的计算机设备结构示意图。
具体实施方式
[0024]为使本专利技术实施例的目的、技术方案和优点更加清楚明白，下面结合附图对本专利技术实施例做进一步详细说明。在此，本专利技术的示意性实施例及其说明用于解释本专利技术，但并不作为对本专利技术的限定。
[0025]首先，对本专利技术实施例中的技术名词进行介绍：
[0026]GBDT(Gradient Boosting Decision Tree)是机器学习中一个长盛不衰的模型，其主要思想是利用弱分类器(决策树)迭代训练以得到最优模型，该模型具有训练效果好、不易过拟合等优点。
[0027]LightGBM(Light Gradient Boosting Machine)是一个实现GBDT算法的框架，支持高效率的并行训练，并且具有以下优点：更快的训练速度、更低的内存消耗、更好的准确率、分布式支持，可以快速处理海量数据并且十分易用。
[0028]如前所述，目前机器学习已经人工智能发展的核心部分，通过研究计算机模拟或实现人类的学习行为，从而获取相应的知识和技能，重新组织已有的知识结构，进而不断改善自身性能，提高效率。现在机器学习已经运用在诸多领域，比如购物网站通过学习用户的行为习惯以及历史浏览记录推荐用户感兴趣的物品进行精准营销，今日头条、google、百度等通过学习用户浏览习惯，推送用户感兴趣的内容。传统的会议室预订系统根据需求输入查询条件查询现有空闲的会议室，如果有符合条件的会议室就提交预订；另外也有智能会议室预订系统通过红外、人脸、语言识别等方式学习会议室预订以及使用情况，根据学习到的内容进行会议室预订分配以及提醒等。现有的会议室预订系统是用户获取到会议需求后，通过在会议预订系统中输入搜索条件查询现有的空闲会议室，查看是否有满足条件的
会议室，如果有则预订成功，如果没有则预订失败，会议召开可能因此耽搁，这种预订模式的弊端是对于如果中途有人取消预订或者如果有类似满足条件的会议室空闲，用户无法及时获得推荐，并且无法通过用户的行为特征以及预订习惯获得会议室预订推荐，从而满足会议预订需求。
[0029]为了进行会议室预订，提高会议预订效率，提升用户体验，满足用户会议预订需求，本专利技术实施例提供一种会议室预订方法，如图1所示，该方法可以包括：
[0030]步骤101、获得会议室预订信息，所述会议室预订信息包括：用户基本信息，会议室基本信息，用户查询信息，会议室使用情况信息；
[0031]步骤102、对所述会议室预订信息进行特征工程，确定会议室预订特征数据；
[0032]步骤103、将所述会议室预订特征数据输入预先建立的机器学习模型进行训练，所述机器学习模型是根据LightGBM算法和决策树预先建立的；
[0033]步骤104、利用训练好的机器学习模型，进行会议室预订。
[0034]由图1所示可以得知，本专利技术实施例通过获得会议室预订信息，所述会议室预订信息包括：用户基本信息，会议室基本信息，用户查询信息，会议室使用情况信息；对所述会议室预订信息进行特征工程，确定会议室预订特征数据；将所述会议室预订特征本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种会议室预订方法，其特征在于，包括：获得会议室预订信息，所述会议室预订信息包括：用户基本信息，会议室基本信息，用户查询信息，会议室使用情况信息；对所述会议室预订信息进行特征工程，确定会议室预订特征数据；将所述会议室预订特征数据输入预先建立的机器学习模型进行训练，所述机器学习模型是根据LightGBM算法和决策树预先建立的；利用训练好的机器学习模型，进行会议室预订。2.如权利要求1所述的会议室预订方法，其特征在于，用户基本信息包括：用户名信息，用户性别信息，用户年龄信息，用户工位信息，用户所属部门信息，用户所属团队信息，用户职位信息；会议室基本信息包括：会议室名称信息，会议室位置信息，会议室可用性信息，会议室容纳人数信息；用户查询信息包括：用户查询次数信息；会议室使用情况信息包括：会议室预订开始时间，会议室预订结束时间，会议室使用完成度信息。3.如权利要求1所述的会议室预订方法，其特征在于，对所述会议室预订信息进行特征工程，确定会议室预订特征数据，包括：对所述会议室预订信息进行属性分割结合处理；对属性分割结合处理的会议室预订信息，利用主成分分析算法进行特征提取；利用皮尔森相关系数算法对提取的特征进行特征选择，确定会议室预订特征数据。4.如权利要求1所述的会议室预订方法，其特征在于，将所述会议室预订特征数据输入预先建立的机器学习模型进行训练，包括：利用LightGBM算法对会议室预订特征数据进行类别特征切分处理，确定TopK特征信息，其中，LightGBM算法采用约束条件的正则化处理；根据所述TopK特征信息，利用投票算法筛选出最优分割点特征；根据筛选出的最优分割点特征，进行机器学习模型的训练。5.一种会议室预订装置，其特征在于，包括：信息获得模块，用于获得会议室预订信息，所述会议室预订信息包括：用户基本信息，会议室基本信息，用户查询信息，会...

【专利技术属性】
技术研发人员：许瑞辉，
申请(专利权)人：中国银行股份有限公司，
类型：发明
国别省市：