System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本公开的示例实施例总体涉及计算机领域,特别地涉及一种用于转化预测的方法、装置、设备、计算机可读存储介质和计算机程序产品。
技术介绍
1、在很多应用场景下,存在各类服务需求要处理,而且在不同时间和区域等会存在供需不平衡。例如,在共享出行领域,服务需求指的是乘客的出行需求以及司机对出行需求的服务。共享出行的供需不平衡性会直接影响出行市场效率。平台可以通过激励策略来调节市场的供需不平衡性,但是还需要考虑成本因素。对于共享出行平台而言,期望调节用车的乘客与服务乘客的司机之间的供需平衡。
技术实现思路
1、在本公开的第一方面,提供了一种用于转化预测的方法。该方法包括:获得与待处理的目标服务需求中的目标对象相关联的特征信息以及候选激励方案,候选激励方案指示在处理目标服务需求时为目标对象提供的激励资源;利用经训练的第一机器学习模型,基于特征信息,确定在不应用候选激励方案的情况下目标对象在目标服务需求中执行转化行为的基础转化概率;利用经训练的第二机器学习模型,基于特征信息,确定在应用候选激励方案的情况下目标对象在目标服务需求中执行转化行为的转化概率提升值;以及基于基础转化概率和转化概率提升值,确定在应用候选激励方案的情况下目标对象在目标服务需求中执行转化行为的转化概率。
2、在本公开的第二方面,提供了一种用于转化预测的装置。该装置包括:获得模块,被配置为获得与待处理的目标服务需求中的目标对象相关联的特征信息以及候选激励方案,所述候选激励方案指示在处理所述目标服务需求时为所述目标对象提供
3、在本公开的第三方面,提供了一种电子设备。该设备包括至少一个处理单元;以及至少一个存储器,至少一个存储器被耦合到至少一个处理单元并且存储用于由至少一个处理单元执行的指令。指令在由至少一个处理单元执行时使设备执行第一方面的方法。
4、在本公开的第四方面,提供了一种计算机可读存储介质。该计算机可读存储介质上存储有计算机程序,计算机程序可由处理器执行以实现第一方面的方法。
5、在本公开的第五方面,提供了一种计算机程序产品。该计算机程序产品包括计算机可执行指令,计算机可执行指令在被处理器执行时实现第一方面的方法。
6、应当理解,本
技术实现思路
部分中所描述的内容并非旨在限定本公开的实施例的关键特征或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的描述而变得容易理解。
【技术保护点】
1.一种用于转化预测的方法,包括:
2.根据权利要求1所述的方法,其中所述候选激励方案包括在利用多个处理类别来处理所述目标服务需求时分别为所述目标对象提供的多个激励资源的组合。
3. 根据权利要求2所述的方法,其中所述第二机器学习模型包括与所述多个处理类别分别相对应的多个子模型,并且其中确定在应用所述候选激励方案的情况下所述目标对象在所述目标服务需求中执行所述转化行为的转化概率提升值包括:
4.根据权利要求1所述的方法,其中确定在应用所述候选激励方案的情况下所述目标对象在所述目标服务需求中执行所述转化行为的转化概率提升值包括:
5.根据权利要求4所述的方法,其中所述映射函数被配置为将所述中间特征表示映射为正的权重值。
6.根据权利要求1所述的方法,其中所述第一机器学习模型和所述第二机器学习模型利用多个训练样本来训练,所述多个训练样本包括样本对象的样本特征信息,所述样本对象的转化标签,所述转化标签指示在处理所述样本对象的服务需求时未应用激励方案的真实转化状况、或者应用激励方案的真实转化状况。
7.根据权利要求6
8.根据权利要求6所述的方法,其中所述第一机器学习模型和所述第二机器学习模型的所述训练基于以下损失函数:
9. 根据权利要求8所述的方法,其中所述转化概率的预测误差包括:
10.根据权利要求1所述的方法,其中所述目标服务需求包括出行需求,所述目标对象包括发起所述出行需求的乘客或接受所述出行需求的司机;并且
11.根据权利要求10所述的方法,其中所述候选激励方案包括在利用一个或多个出行方式来处理所述出行需求时分别为所述乘客或司机提供的多个激励资源的组合。
12.根据权利要求10所述的方法,其中与所述目标对象相关联的特征信息包括以下至少一项:
13.一种用于转化预测的装置,包括:
14.一种电子设备,包括:
15.一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序可由处理器执行以实现根据权利要求1至12中任一项所述的方法。
16.一种计算机程序产品,包括计算机可执行指令,其中所述计算机可执行指令在被处理器执行时实现根据权利要求1至12中任一项所述的方法。
...【技术特征摘要】
1.一种用于转化预测的方法,包括:
2.根据权利要求1所述的方法,其中所述候选激励方案包括在利用多个处理类别来处理所述目标服务需求时分别为所述目标对象提供的多个激励资源的组合。
3. 根据权利要求2所述的方法,其中所述第二机器学习模型包括与所述多个处理类别分别相对应的多个子模型,并且其中确定在应用所述候选激励方案的情况下所述目标对象在所述目标服务需求中执行所述转化行为的转化概率提升值包括:
4.根据权利要求1所述的方法,其中确定在应用所述候选激励方案的情况下所述目标对象在所述目标服务需求中执行所述转化行为的转化概率提升值包括:
5.根据权利要求4所述的方法,其中所述映射函数被配置为将所述中间特征表示映射为正的权重值。
6.根据权利要求1所述的方法,其中所述第一机器学习模型和所述第二机器学习模型利用多个训练样本来训练,所述多个训练样本包括样本对象的样本特征信息,所述样本对象的转化标签,所述转化标签指示在处理所述样本对象的服务需求时未应用激励方案的真实转化状况、或者应用激励方案的真实转化状况。
7.根据权利要求6所述的方法,其中所述第一机器学习模型和...
【专利技术属性】
技术研发人员:於喆,夏驰,曹绍升,周霖,
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:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。