[发明专利]酒店预订信息的处理方法、系统、电子设备及存储介质

说明书

本发明公开了一种酒店预订信息的处理方法、系统、电子设备及存储介质，该处理方法包括下列步骤：S1、当有酒店预订一房型的订单发生满房时，使用XGBoost模型预测与所述订单相同的母酒店、相同的入住日的其它房型发生满房的概率；S2、判断所述母酒店的所述其它房型发生满房的概率是否大于预设阈值，若是则进入步骤S3；S3、对所述房型进行关房操作。本发明利用机器学习的方法，当有订单发生满房时，实时触发XGBoost模型预测与该订单同母酒店同入住日的其他售卖房型发生满房的概率，当发生满房的概率大于预设阀值时，对相应入住日的售卖房型进行业务干预，以此降低酒店预订中连续满房发生的比例，改善用户的预订体验。

技术领域

本发明涉及在线预订服务领域，特别涉及一种酒店预订信息的处理方法、系统、电子设备及存储介质。

背景技术

在用户预订酒店的过程中，会由于酒店或供应商维护房态不及时、酒店超售等原因，发生订单确认前满房的服务缺陷，即用户在预订页面看到有房，但实际上酒店无房，在订单确认前才能反馈无房的状态给用户。满房服务缺陷的产生，不仅严重影响用户单次下单体验，而且从长期看会逐渐影响OTA平台的企业形象。如果用户两小时内连续两次下单，且两次订单的母酒店相同、入住日也相同，两次下单都遇到了满房而无法预订成功称作连续满房，用户遭遇连续满房给用户带来的不利影响将更为严重。目前尚无对连续满房的服务缺陷进行处理的好办法。

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无法处理连续满房的缺陷，提供一种降低酒店预订信息的处理方法、系统、电子设备及存储介质。

本发明是通过下述技术方案来解决上述技术问题：

本发明提供一种酒店预订信息的处理方法，所述处理方法包括以下步骤：

S1、当有酒店预订一房型的订单发生满房时，使用XGBoost模型预测与所述订单相同的母酒店、相同的入住日的其它房型发生满房的概率；

S2、判断所述母酒店的所述其它房型发生满房的概率是否大于预设阈值，若是则进入步骤S3；

S3、对所述房型进行关房操作。

较佳地，所述XGBoost模型基于母酒店维度、房型维度、入住日维度、城市商圈紧张度维度和当日房态操作维度进行构建；

所述XGBoost模型由若干个历史订单数据训练而得，所述历史订单数据包括所述母酒店维度、所述历史订单的提交日、所述历史订单的入住日、包括所述历史订单的提交日的第一时间窗内的订单发生满房的比例和包括所述历史订单的入住日的第二时间窗内的订单发生满房的比例。

较佳地，所述预设阈值范围为0.1至0.9。

较佳地，设置一定时任务，所述定时任务使用XGBoost模型预测目标概率，所述目标概率为所有母酒店的所有房型在预设周期内的每一日的发生满房的概率，所述预设周期包括当日和未来n日；

判断所述目标概率是否大于预设阈值，若是则对对应日的所述房型进行关房操作。

较佳地，n的数值为60。

本发明还提供一种酒店预订信息的处理系统，所述处理系统包括预测模块、判断模块和操作模块；

当有酒店预订一房型的订单发生满房时，所述预测模块用于使用XGBoost模型预测与所述订单相同的母酒店、相同的入住日的其它房型发生满房的概率；

所述判断模块用于判断所述母酒店的所述其它房型发生满房的概率是否大于预设阈值；

在母酒店的所述其它房型发生满房的概率大于预设阈值时，所述操作模块用于对所述房型进行关房操作。