用于预测酒店销量的方法和计算机程序产品与流程

本公开涉及旅游产品领域，特别涉及用于预测酒店销量的方法和计算机程序产品等。

背景技术：

1、目前，在平台进行大促活动或者正逢节假日时，很多酒店的销量会凸增，而且还可能供不应求。此时为了满足平台用户的需求，期望尽量保证酒店房间有充足的库存。因此希望能挖掘出有高销潜力的酒店，从而扩大房源。

2、由此期望提供一种改进的预测酒店销量的方法。

技术实现思路

1、本公开要解决的一个技术问题是提供一种的改进的预测酒店销量的方法，其无需历史销量数据就能较好地预测酒店销量。

2、根据本公开的第一个方面，提供了一种用于预测酒店销量的方法，包括：构建表示酒店与其周围的特定地点和/或空间区域之间的时空关系的图；根据所述图获得表征所述酒店的相应时空关系的特征；以及根据所述特征预测所述酒店高销的概率。

3、可选地，所构建的图包括以下中的至少一个：表示所述酒店所属的预定区域范围内的按预定规则划分得到的各个空间区域之间的距离的第一图，表示所述酒店所属的预定区域范围内的按预定规则划分得到的各个空间区域与特定地点之间的邻近关系的第二图，表示所述酒店所属的预定区域范围内的按预定规则划分得到的各个空间区域与热门的特定地点之间的结构关系的第三图，表示所述酒店与其相似酒店之间的相似关系的第四图。

4、可选地，所述第一图是以酒店所属的预定区域范围内的按预定规则划分得到的各个第一尺寸空间区域以及将所述各个第一尺寸空间区域进一步划分得到的各个第二尺寸空间区域为节点来构造的具有两个层次的图，其中所述第一图的第一层次以各个第一尺寸空间区域为节点且以各个第一尺寸空间区域之间的距离为边，所述第一图的第二层次以各个第二尺寸空间区域为节点且以各个第二尺寸空间区域之间的距离为边，并且在所述第一尺寸空间区域的节点与所述第二尺寸空间区域的节点之间还存在包含关系边。

5、可选地，所述第二图是以酒店所属的预定区域范围内的按预定规则划分得到的各个第一尺寸空间区域、将所述各个第一尺寸空间区域进一步划分得到的各个第二尺寸空间区域、以及特定类别的兴趣点为节点来构造的具有两个层次的图，其中所述第二图的第一层次以各个第一尺寸空间区域和所述特定类别的兴趣点为节点且在相互邻近的第一尺寸空间区域与所述特定类别的兴趣点之间存在边，所述第二图的第二层次以各个第二尺寸空间区域和所述特定类别的兴趣点为节点且在相互邻近的第二尺寸空间区域与所述特定类别的兴趣点之间存在边，并且在所述第一尺寸空间区域的节点与所述第二尺寸空间区域的节点之间还存在包含关系边。

6、可选地，所述第三图具有三层树结构，其中所述三层树结构的根节点为酒店所处的第一尺寸空间区域，其第二层的节点为将酒店所处的第一尺寸空间区域进一步划分得到的各个第二尺寸空间区域，其第三层的节点为要预测的月份的前k个热门的特定类别的兴趣点，并且在第二层的各节点与第三层的各节点之间还存在表示第二层的节点到第三层的节点的距离、能否地铁到达及地铁到达时间的链接关系。

7、可选地，所述第四图为以包含所述酒店及其相似酒店的一个酒店组内的各个酒店为节点构造的图，其中在彼此相似的节点之间存在表示其相似分数的边。

8、可选地，基于多种特定类别的兴趣点分别构造多个第二图，并且根据所述多个第二图来分别获得多个表征酒店在所述预定区域范围内的语义关系的特征。

9、可选地，基于多种特定类别的兴趣点分别构造多个第三图，并且根据所述多个第三图来分别获得多个表征酒店在所述预定区域范围内的结构关系的特征。

10、可选地，在所述第四图中，按照预定规则根据距离、服务等级和价格确定所述酒店的相似酒店及其相似分数。

11、可选地，酒店所属的所述预定区域范围为酒店所属的商圈范围。

12、可选地，利用训练好的预测模型中的第一部分来获得表征所述酒店的相应时空关系的所述特征，并且利用所述预测模型中的第二部分来预测所述概率。

13、可选地，所述第一部分包括以下中的至少一个：距离位置关系表征模块，被配置为根据所述第一图获得表征酒店在所述预定区域范围内的距离位置关系的特征，语义关系表征模块，被配置为根据所述第二图获得表征酒店在所述预定区域范围内的语义关系的特征，结构关系表征模块，被配置为根据所述第三图获得表征酒店在所述预定区域范围内的结构关系的特征，相似酒店组表征模块，被配置为根据所述第四图获得表征所述酒店的相似酒店的特征。

14、可选地，所述第二部分包括拼接层、多层感知机和输出层，其中：所述拼接层还接收所述酒店的基础属性特征，并且将所述基础属性特征与所述第一部分获得的表征所述酒店的相应时空关系的所述特征拼接，得到拼接特征；所述多层感知机接收所述拼接特征，并且输出所述酒店的综合表征特征；所述输出层接收所述酒店的综合表征特征，并且输出所述酒店高销的概率。

15、可选地，所述酒店的基础属性特征包括酒店静态特征、酒店统计特征、酒店所属空间区域的静态特征、和/或酒店所属空间区域的统计特征。

16、可选地，所述预测模型的第一部分还包括热门地点的时空表征模块，其分别获得表征各个月份的在酒店所属的预定区域范围内的前n个热门地点的综合特征，并且融合要预测的月份及其前后预定个月份的所述综合特征，从而获得表征要预测的月份的前n个热门地点及其演进的特征。

17、可选地，所述热门地点的时空表征模块通过多层感知机和池化处理将各个月份的所述前n个热门地点各自的特征结合成为所述综合特征，然后将所述要预测的月份及其前后1个月的所述综合特征融合成为第一融合特征，将所述要预测的月份及其前后2个月的所述综合特征融合成为第二融合特征，并且将所述要预测的月份的综合特征、所述第一融合特征和所述第二融合特征融合成为所述表征要预测的月份的前n个热门地点及其演进的特征。

18、可选地，所述预测模型是利用一致性学习方式由教师模型指导其学习而得到的学生模型，其中所述教师模型被配置为根据酒店的基础属性特征、销量统计特征和时空关系特征预测所述酒店高销的概率。

19、可选地，所述教师模型与所述预测模型具有相同的输出层，其用于接收酒店的综合表征特征并且输出酒店高销的概率；所述预测模型是使用第一损失函数、第二损失函数和第三损失函数的加权求和结果来训练的，其中所述第一损失函数表征所述预测模型预测的所述酒店高销的概率与真实标签值之间的差距，所述第二损失函数表征所述预测模型预测的所述酒店高销的概率与所述教师模型预测的所述酒店高销的概率之间的差距，并且所述第三损失函数表征所述预测模型获得的酒店的综合表征特征与所述教师模型获得的酒店的综合表征特征之间的相似度。

20、根据本公开的第二个方面，提供了一种计算设备，包括：处理器；以及存储器，其上存储有可执行代码，当可执行代码被处理器执行时，使处理器执行如上述第一方面所述的方法。

21、根据本公开的第三个方面，提供了一种计算机程序产品，包括可执行代码，当所述可执行代码被电子设备的处理器执行时，使所述处理器执行如上述第一方面所述的方法。

22、根据本公开的第四个方面，提供了一种非暂时性机器可读存储介质，其上存储有可执行代码，当可执行代码被电子设备的处理器执行时，使处理器执行如上述第一方面所述的方法。

23、由此，利用根据本公开的方法，无需历史销量数据就能根据酒店的时空关系来准确预测酒店销量。