-
公开(公告)号：CN111614844A
公开(公告)日：2020-09-01
申请号：CN202010435369.0
申请日：2020-05-21
Applicant: 携程计算机技术(上海)有限公司
Abstract: 本发明公开了一种呼叫中心排班的方法、系统、设备及介质，其中呼叫中心排班的方法包括以下步骤：获取呼叫中心的客服人员的原始班表和预设周期内每个时段的需求人数；计算每个时段该排班模式下的匹配度；从匹配度中筛选出最大值，将最大值对应的时段作为贪心法搜索初始点的目标时段，将目标时段对应的排班班次作为目标排班班次；调整目标排班班次的人数，结合预设的约束条件，获取可存在的所有排班模式，计算各排班模式下的平均匹配度；从平均匹配度中筛选出最小值对应的排班模式作为优化排班表。解决了人工对呼叫中心客服人员排班耗费时间的缺陷，提高了排班效率。
-
公开(公告)号：CN111445271A
公开(公告)日：2020-07-24
申请号：CN202010245356.7
申请日：2020-03-31
Applicant: 携程计算机技术(上海)有限公司
Abstract: 本发明公开了一种模型生成方法、作弊酒店的预测方法、系统、设备和介质，模型生成方法包括以下步骤：获取若干条酒店的历史点评，基于所述历史点评构建模型数据；基于所述模型数据构建离散特征；基于所述模型数据构建低维稠密特征；将所述离散特征和所述低维稠密特征输入至Wide&Deep模型中进行训练，以得到虚假点评概率预测模型。本发明能够对作弊酒店进行预测，进一步提高虚假点评的识别信心水准。
-
公开(公告)号：CN111353851A
公开(公告)日：2020-06-30
申请号：CN202010125893.8
申请日：2020-02-27
Applicant: 携程计算机技术(上海)有限公司
Abstract: 本发明提供一种酒店排序推荐方法、装置、电子设备、存储介质，酒店排序推荐方法包括：接收酒店筛选项；根据所述酒店筛选项，筛选候选酒店；采集候选酒店的酒店图片；获取候选酒店的酒店图片的图片评分，所述酒店图片的图片评分通过如下步骤获取：将候选酒店的酒店图片输入一经训练的酒店图片评分模型；获取所述经训练的酒店图片评分模型输出的评分；以及根据所述经训练的酒店图片评分模型输出的评分获取候选酒店的酒店图片的图片评分；根据候选酒店的酒店图片的图片评分对候选酒店进行排序。本发明提供的酒店排序推荐方法及装置实现酒店排序推荐。
-
公开(公告)号：CN111343345A
公开(公告)日：2020-06-26
申请号：CN202010130323.8
申请日：2020-02-28
Applicant: 携程计算机技术(上海)有限公司
IPC: H04M3/42
Abstract: 本发明公开了一种针对酒店订单的外呼电话的管理方法、系统、电子设备和介质，其中针对酒店订单的外呼电话的管理方法，包括以下步骤：获取酒店订单对应的酒店的所有电话号码的历史外呼数据；基于历史外呼数据识别出所有的有效外呼；基于历史外呼数据统计每个电话号码对应的有效外呼的次数和对应的总外呼的次数；基于有效外呼的次数和总外呼的次数计算每个电话号码的外呼成功率；按照外呼成功率从高到低的顺序对酒店的所有电话号码进行排序，以得到针对酒店的所有电话号码的外呼顺序。本发明通过针对酒店电话号码按照外呼成功率进行排序，为工作人员处理酒店订单时选择酒店的哪个电话号码先进行外呼提供了较准确的参考，提供了便利。
-
公开(公告)号：CN111222658A
公开(公告)日：2020-06-02
申请号：CN202010041197.9
申请日：2020-01-15
Applicant: 携程计算机技术(上海)有限公司
Abstract: 本发明公开了一种基于LSTM模型的酒店间夜量预测方法、系统、设备及介质，其中基于LSTM模型的酒店间夜量的预测方法，包括以下步骤：获取酒店在预设时间段内的非节假日历史间夜量数据；根据间夜量数据构造滑窗提取特征数据；将特征数据按照预设规则转换成预设的数据格式输入LSTM模型进行训练，得到具有酒店间夜量预测能力的第一模型；将待预测的非节假日历史间夜量数据输入第一模型中，输出预测结果，根据预测结果对酒店间夜量进行审核。本发明实现了较为准确的预估未来一段时间待审核的酒店间夜量变化，解决了夜间或者节假日的酒店预定量超期激增的问题。
-
Patent Agency Ranking
公开(公告)号：CN111127109A
公开(公告)日：2020-05-08
申请号：CN201911376422.8
申请日：2019-12-27
Applicant: 携程计算机技术(上海)有限公司
Abstract: 本发明公开了一种用于出行数据预测的模型训练方法、模型训练系统、不同城市热度值的预测方法、预测系统、电子设备及存储介质，模型训练方法包括：获取关于多个目标城市的历史出行数据；提取特征数据；将特征数据划分为训练集及预测集；将训练集中的特征数据输入至深度机器学习模型中进行训练；将预测集中的特征数据进行预测以得到预测出行数据；判断预测出行数据与真实出行数据的相对误差是否小于误差阈值，若是，训练后的深度机器学习模型为出行数据预测模型。本发明利用历史出行数据，对深度机器学习模型训练以得到出行数据预测模型，从而可以对不同城市在未来的出行数据预测模型进行预测，进一步也为市场热度的预测提供了判断基础。
-
公开(公告)号：CN111078881A
公开(公告)日：2020-04-28
申请号：CN201911280917.0
申请日：2019-12-09
Applicant: 携程计算机技术(上海)有限公司
IPC: G06F16/35 , G06F40/289 , G06F40/30 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种细粒度情感分析方法、系统、电子设备和存储介质。方法包括：利用加入Attention机制的Bi-LSTM训练多标签的粒度分类模型，所述粒度分类模型用于对文本所涉及的粒度进行分类；利用门控神经网络训练多分类的情感分类模型，所述情感分类模型用于对所述文本所涉及的粒度的情感偏向进行分类；在对待分析文本进行细粒度情感分析时，先利用所述粒度分类模型分出所述待分析文本所涉及的粒度，然后利用所述情感分类模型分出所述待分析文本所涉及的粒度的情感偏向，再然后将分类结果汇总得到对所述待分析文本的细粒度情感分析结果。本发明采用层级分类的方案总共只需两个模型，大大降低了训练模型的工程量及预测耗时。
-
公开(公告)号：CN111062903A
公开(公告)日：2020-04-24
申请号：CN201911240499.2
申请日：2019-12-06
Applicant: 携程计算机技术(上海)有限公司
Abstract: 本发明公开了一种图像水印的自动处理方法、系统、电子设备及存储介质，自动处理方法包括第一模型训练方法，包括获取合成图像；获取与合成图像对应的不包含水印的原始背景图像；将合成图像及原始背景图像划分为训练集及预测集；将训练集中的图像至第一机器学习模型中进行训练；将预测集中的图像至训练后的机器学习模型中预测水印的概率以及水印预测位置；判断预测集的预测结果的准确率及召回率是否达到检测准确阈值及检测召回阈值，若达到，则第一模型训练完成。本发明中的自动处理方法可以自动检测图像是否包含水印，以及水印具体位置，不仅避免了人工寻找、涂抹水印的低效性，也避免直接将图像输入而使得图像发生篡改，去除效率低的缺陷。
-
公开(公告)号：CN110930022A
公开(公告)日：2020-03-27
申请号：CN201911142094.5
申请日：2019-11-20
Applicant: 携程计算机技术(上海)有限公司
Abstract: 本发明公开了一种酒店静态信息的检测方法、系统、电子设备及存储介质，检测方法包括：获取用户对酒店的第一反馈信息，第一反馈信息包括用户对酒店的点评信息；将第一反馈信息输入至静态信息预测模型以获取包括酒店静态信息的第二反馈信息，静态信息预测模型基于历史反馈信息对机器学习模型训练后得到，历史反馈信息包括用户对酒店的历史点评信息；获取酒店提供的酒店静态信息；判断第二反馈信息中酒店静态信息的内容与酒店所提供的酒店静态信息的内容是否一致，若不一致，则核实不一致的静态信息。本发明可以使酒店提供的错误的静态信息得到及时纠正，提升酒店静态信息的准确性，提高用户的入住体验，减少用户的投诉量，提升OTA品牌形象。
-
公开(公告)号：CN110851605A
公开(公告)日：2020-02-28
申请号：CN201911110656.8
申请日：2019-11-14
Applicant: 携程计算机技术(上海)有限公司
Abstract: 本发明公开了一种OTA酒店的图文信息匹配的检测方法、系统、介质及电子设备，所述检测方法包括如下步骤：获取所述OTA酒店的待检测图像，所述待检测图像包括房间图像以及设施图像；提取所述待检测图像的特征信息；获取所述待检测图像对应的待检测文本信息，所述待检测文本信息包括房型描述信息、设施描述信息以及点评信息的一种或多种；对所述待检测文本信息进行聚类，以得到聚类后的待检测文本关键词；根据所述待检测图像的特征信息与所述待检测文本关键词是否一致来确定图文信息是否匹配。本发明技术方案可以有效节省运营维护成本，保证图像和文本信息展示的准确性，有效提升了OTA场景下用户的服务体验。
-
-
-
-
-
-
-
-
-
Search Results
929
records
(took 0.063 seconds)
