[发明专利]用于生成个性化目的地推荐的系统和方法

说明书

提供了用于生成训练后的目的地预测模型的方法和系统。该方法可以包括获取对应于多个用户的多个历史订单，并确定与该多个历史订单相关联的多个第一特征和多个第二特征。该方法还可以包括通过关联多个第二特征来基于多个第一特征和多组交叉特征来确定多个变换特征。该方法还可以包括获取初步目的地预测模型并训练初步目的地预测模型以基于多个变换特征和多组交叉特征来获取训练后的目的地预测模型。

技术领域

本申请涉及用于提供目的地推荐的系统和方法，具体地，涉及一种使用目的地预测模型生成个性化目的地推荐的系统和方法。

背景技术

线上到线下服务，如在线出租车服务在人们的日常生活中越来越受欢迎。通常，服务请求者(例如，乘客)可以通过在安装在他或她的智能手机中的线上到线下服务提供应用(例如，Didi App)中输入目的地来发起线上到线下请求。服务提供者(例如，司机)可以接受线上到线下请求并且驾载服务请求者到他或她的目的地。每次当他或她发起线上到线下请求时，服务请求者可能必须在线上到线下服务提供应用程序中手动输入目的地。这可能既耗时又不方便。因此，亟需一种系统和方法可以为服务请求者生成个性化目的地推荐。

发明内容

根据本申请的一个方面，提供了一种方法。所述方法可以在计算装置上实现，所述计算装置具有至少一个储存装置，所述储存装置用于存储生成训练后的目的地预测模型的一组指令，以及至少一个与所述至少一个储存装置通信的处理器。所述方法可以包括，所述至少一个处理器获取与多个用户对应的多个历史订单。所述多个用户中的每一个用户对应于所述多个历史订单中的至少一个历史订单。所述方法可以进一步包括，所述至少一个处理器确定与所述多个历史订单相关联的多个第一特征和与所述多个历史订单相关联的多个第二特征。所述方法可以进一步包括，所述至少一个处理器基于所述多个第一特征使用基于统计的技术确定多个变换特征和通过关联所述多个第二特征来确定多组交叉特征。所述多组交叉特征中的每一组与所述多个用户中的一个相关联，并且基于对应的至少一个历史订单来确定。所述方法可以进一步包括，所述至少一个处理器获取初步目的地预测模型，和通过至少一个处理器训练所述初步目的地预测模型，以使用线性分类器基于所述多个变换特征和所述多组交叉特征获取训练后的目的地预测模型。

在一些实施例中，所述多个第一特征是稀疏特征和所述多个第二特征是稠密特征。

在一些实施例中，所述方法进一步包括获取当前用户的信息，和根据所述当前用户的信息和所述目的地预测模型来确定当前用户的候选目的地。

在一些实施例中，所述当前用户的信息包括当前用户的用户标识(ID)和当前位置。

在一些实施例中，所述方法可以进一步包括获取与所述多个历史订单对应的真实目的地。所述方法可以进一步包括生成多个正训练样本和多个负训练样本。所述多个正训练样本中的每一个正训练样本具有与所述真实目的地相同的目的地、变换特征和一组交叉特征。所述多个负训练样本中的每一个负训练样本与所述真实目的地有不同的目的地、变换特征和一组交叉特征。所述处理器可以基于所述多个正训练样本和所述多个负训练样本训练目的地预测模型。

在一些实施例中，所述多个变换特征包括以下中的至少一个：所述多个历史订单中的起始位置和目的地之间的距离、时间点、时间长度、多个历史订单中每个位置的访问频率、或选择多个历史订单中每个位置作为真实目的地的概率。

在一些实施例中，所述多组交叉特征中的每一组与对应用户的一个用户ID和对应于与所述用户相关联的所述至少一个历史订单中的至少一个目的地ID相关联。

在一些实施例中，确定所述交叉特征中的每一组包括：确定对应用户的一个用户ID；确定对应于与用户相关联的至少一个历史订单的至少一个目的地ID；和将用户ID与用户的至少一个目的地ID相关联以生成一组交叉特征。

在一些实施例中，所述基于统计的技术包括梯度提升决策树模型(GBDT)、随机森林模型(RF)或Xgboost模型中的至少一个。