[发明专利]OTA平台的酒店房型价格异常的识别方法及系统

说明书

本发明公开了一种OTA平台的酒店房型价格异常的识别方法及系统，所述识别方法包括：获取酒店历史数据；采用XGBoost算法对所述酒店历史数据进行建模处理，获取房型价格预测模型；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，并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。本发明能够快速高效地检测推送的房型价格是否异常，并阻止其进入系统及检测系统中存在的价格是否异常并删除之，避免异常价格影响客户体验，进而提升品牌形象；同时，减少了人工业务审核的量，提高了处理效率。

技术领域

本发明涉及OTA(Online Travel Agency，在线旅行社)平台的信息处理技术领域，特别涉及一种OTA平台的酒店房型价格异常的识别方法及系统。

背景技术

在OTA行业中，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，同时也会滋生出一批靠捡漏拿赔付的“羊毛党”。

为了解决该问题，现有的通常做法是通过OTA业务人员依据经验判定录入系统的价格是否异常，对于可能异常的价格询问酒店和供应商进行人工排查。但是，由于OTA平台的产品价格数量巨大，通过人工排查业务审核量大且处理效率很低；同时人工不可能检查每一条录入系统的价格，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。

发明内容

本发明要解决的技术问题是为了克服现有技术中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，存在处理效率很低且易造成放过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等缺陷，目的在于提供一种OTA平台的酒店房型价格异常的识别方法及系统。

本发明是通过下述技术方案来解决上述技术问题：

本发明提供一种OTA平台的酒店房型价格异常的识别方法，所述识别方法包括：

S1、获取酒店历史数据；

其中，所述酒店历史数据用于表征酒店中各个房型的历史价格；

S2、采用XGBoost算法(一种机器学习算法)对所述酒店历史数据进行建模处理，获取房型价格预测模型；

S3、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，并根据所述酒店房型预测价格获取每个房型对应的房型价格阈值范围；

S4、判断OTA平台的每个房型的酒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；

其中，每个房型的房型价格包括推送的未进入所述OTA平台的第一房型价格，或在所述OTA平台的酒店房型订单提交前，存储于所述OTA平台中的与所述酒店房型订单对应的第二房型价格。

较佳地，所述第一房型价格和所述第二房型价格均包括直签房型价格和/或直连房型价格；

所述直连房型价格包括落地的直连房型价格和非落地的直连房型价格；

其中，所述直签房型价格是指所述OTA平台通过与酒店签约合作确定的房型价格；

所述直连房型价格是指所述OTA平台与酒店系统直接连接，实时获取所述酒店系统中对应房型的房型价格；

所述落地的直连房型价格是指所述OTA平台与酒店系统直接连接，并将实时获取所述酒店系统中对应房型的房型价格存储在OTA平台的本地数据库中的房型价格；

所述非落地的直连房型价格是指所述OTA平台与酒店系统直接连接，并将实时获取所述酒店系统中对应房型的房型价格，且未存储在OTA平台的本地数据库中的房型价格。