酒店房型异常价格的预警方法、系统、设备和介质与流程

本发明涉及ota(onlinetravelagency，在线旅行社)平台的信息处理技术领域，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。

背景技术：

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。

技术实现要素：

本发明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。

本发明是通过下述技术方案来解决上述技术问题：

本发明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。

本发明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。

本发明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。

本发明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。

本发明的积极进步效果在于：

本发明通过采用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，本发明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为本发明实施例1的酒店房型异常价格的预警方法的流程图；

图2为本发明实施例1的步骤s105的流程图；

图3为本发明实施例2的酒店房型异常价格的预警系统的模块示意图；

图4为本发明实施例2的预测模块4的模块示意图；

图5为本发明实施例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发明，但并不因此将本发明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，则确定房型价格存在正常，不输出预警；

步骤s107、确定房型价格存在异常，并向预警平台输出高价预警或低价预警；

步骤s108、业务人员根据预警平台上展示的预警名单，联系酒店进行价格更改。

如图2所示，本实施例中，步骤s105具体包括以下步骤：

步骤s1051、获取待预测酒店数据特征；

步骤s1052、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；

本实施例中，预测酒店每个房型对应的酒店房型未来30个入住日的价格区间；

步骤s1053、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。

本实施例中，分位数取值为95％。每个房型对应的房型价格阈值范围为未来30个入住日价格阈值范围。

本实施例公开的酒店房型异常价格的预警方法，采用gbdt算法对所述酒店历史数据进行建模处理，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，对比现有技术通过人工排查的方式解决ota平台出现产品价格异常的情况，本发明能够提高处理效率，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。

实施例2

如图3所示，本实施例公开了一种ota平台的酒店房型异常价格的预警系统，包括第一获取模块1、建模模块2、第二获取模块3、训练模块4、预测模块5、判断模块6。

第一获取模块1用于获取酒店历史数据；

建模模块2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；

第二获取模块3用于获取所述酒店历史数据特征；

训练模块4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；

预测模块5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；

判断模块6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。

如图4所示，本实施例中预测模块5包括：

获取单元51，用于获取待预测酒店数据特征；

输入单元52，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53，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。

本实施例公开的ota平台的酒店房型异常价格的预警系统，采用gbdt算法对所述酒店历史数据进行建模处理，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，对比现有技术通过人工排查的方式解决ota平台出现产品价格异常的情况，本发明能够提高处理效率，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。

实施例3

图5为本发明实施例3提供的一种电子设备的结构示意图。所述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程序时实现实施例1所提供的ota平台的酒店房型异常价格的预警方法。图5显示的电子设备30仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。

如图5所示，电子设备30可以以通用计算设备的形式表现，例如其可以为服务器设备。电子设备30的组件可以包括但不限于：上述至少一个处理器31、上述至少一个存储器32、连接不同系统组件(包括存储器32和处理器31)的总线33。

总线33包括数据总线、地址总线和控制总线。

存储器32可以包括易失性存储器，例如随机存取存储器(ram)321和/或高速缓存存储器322，还可以进一步包括只读存储器(rom)323。

存储器32还可以包括具有一组(至少一个)程序模块324的程序/实用工具325，这样的程序模块324包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。

处理器31通过运行存储在存储器32中的计算机程序，从而执行各种功能应用以及数据处理，例如本发明实施例1所提供的ota平台的酒店房型异常价格的预警方法。

电子设备30也可以与一个或多个外部设备34(例如键盘、指向设备等)通信。这种通信可以通过输入/输出(i/o)接口35进行。并且，模型生成的设备30还可以通过网络适配器36与一个或者多个网络(例如局域网(lan)，广域网(wan)和/或公共网络，例如因特网)通信。如图所示，网络适配器36通过总线33与模型生成的设备30的其它模块通信。应当明白，尽管图中未示出，可以结合模型生成的设备30使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理器、外部磁盘驱动阵列、raid(磁盘阵列)系统、磁带驱动器以及数据备份存储系统等。

应当注意，尽管在上文详细描述中提及了电子设备的若干单元/模块或子单元/模块，但是这种划分仅仅是示例性的并非强制性的。实际上，根据本发明的实施方式，上文描述的两个或更多单元/模块的特征和功能可以在一个单元/模块中具体化。反之，上文描述的一个单元/模块的特征和功能可以进一步划分为由多个单元/模块来具体化。

实施例4

本实施例提供了一种计算机可读存储介质，其上存储有计算机程序，所述程序被处理器执行时实现实施例1所提供的ota平台的酒店房型异常价格的预警方法的步骤。

其中，可读存储介质可以采用的更具体可以包括但不限于：便携式盘、硬盘、随机存取存储器、只读存储器、可擦拭可编程只读存储器、光存储器件、磁存储器件或上述的任意合适的组合。

在可能的实施方式中，本发明还可以实现为一种程序产品的形式，其包括程序代码，当所述程序产品在终端设备上运行时，所述程序代码用于使所述终端设备执行实现实施例1所提供的ota平台的酒店房型异常价格的预警方法中的步骤。

其中，可以以一种或多种程序设计语言的任意组合来编写用于执行本发明的程序代码，所述程序代码可以完全地在用户设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户设备上部分在远程设备上执行或完全在远程设备上执行。

虽然以上描述了本发明的具体实施方式，但是本领域的技术人员应当理解，这仅是举例说明，本发明的保护范围是由所附权利要求书限定的。本领域的技术人员在不背离本发明的原理和实质的前提下，可以对这些实施方式做出多种变更或修改，但这些变更和修改均落入本发明的保护范围。