CN108932555B - 一种锁定座位的方法及装置 - Google Patents
一种锁定座位的方法及装置 Download PDFInfo
- Publication number
- CN108932555B CN108932555B CN201710391061.9A CN201710391061A CN108932555B CN 108932555 B CN108932555 B CN 108932555B CN 201710391061 A CN201710391061 A CN 201710391061A CN 108932555 B CN108932555 B CN 108932555B
- Authority
- CN
- China
- Prior art keywords
- seat
- selling
- seats
- target
- cinema
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0605—Supply or demand aggregation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0607—Regulated
Abstract
本实施例提供的锁定座位的方法及装置,当检测到用户的未提交订单时,利用座位售卖预测算法,得到未提交订单中目标排期在当前预设时间段内的座位售卖预测数据,当座位售卖预测数据大于预设值时,获取目标影厅的优选座位表;从优选座位表中选择符合锁定条件的座位得到待锁定座位,最后锁定该待锁定座位。利用该方法能够实现在用户下单之前提前锁定一些用户潜在的订单座位,锁定这些座位之后,仅在当前在线票务平台上显示可以购买,在其它在线票务平台显示不可购买,从而提高了用户下单率,以及提高了用户购票体验。
Description
技术领域
本发明属于计算机技术领域,尤其涉及一种锁定座位的方法及装置。
背景技术
随着互联网技术发展,在线票务平台越来越多,在线票务平台已经成为观众观影购票的主要渠道。各个在线票务平台的票价相差不多、用户体验也相似,导致各个在线票务平台的差距逐渐缩小。
用户在通过在线票务系统购买电影票时,往往是用户在确定好影院、影厅、影片及座位之后,在线票务平台才对用户选定的座位进行锁座,锁座的目的是防止出现多个用户重复选择同一个座位的现象。由于用户购票具有随机性,经常出现当用户通过在线票务平台购买电影票时,已经没有好的排期或好的座位。
因此,如何提高用户下单率及购票体验,成为在线票务平台亟需解决的问题。
发明内容
有鉴于此,本发明的目的在于提供一种锁定座位的方法及装置,能够实现在用户下单之前预先锁定一些好的座位,以提高用户的下单率,以及提高用户体验。
第一方面,本申请提供一种锁定座位的方法,应用于在线票务系统中,包括:
利用座位售卖预测算法,获得目标排期在当前预设时间段内的座位售卖预测数据,所述目标排期包含用户在未提交订单中选择的目标影院、目标影厅和目标影片;所述座位售卖预测算法根据待选影院的历史订单数据训练得到;
当所述座位售卖预测数据大于预设值时,获取所述目标排期中的目标影厅对应的优选座位表;
从所述优选座位表中选择符合锁定条件的座位得到待锁定座位;
锁定所述待锁定座位。
可选地,所述方法还包括:
获取所述在线票务系统中的历史订单数据;
根据所述历史订单数据,按照各个影院对应的订单数量由高到低的顺序,选择前第一预设数量个影院作为所述待选影院,所述待选影院的订单数量均高于所述在线票务系统中除全部所述待选影院之外的其它影院的订单数量;
根据所述待选影院对应的历史订单数据,利用预设算法进行训练得到所述座位售卖预测算法。
可选地,所述利用座位售卖预测算法,获得目标排期在当前预设时间段内的座位售卖预测数据,包括:
利用所述座位售卖预测算法,获得每个所述待选影院的每个排期在当前预设时间段内的座位售卖预测数据;
从用户的未提交订单中获取所述目标影厅和所述目标影片;
从所述待选影院对应的座位售卖预测数据中,查询得到所述目标影院的目标影片在所述当前预设时间段内的座位售卖预测数据。
可选地,所述利用座位售卖预测算法,获得目标排期在当前预设时间段内的座位售卖预测数据,包括:
从用户的未提交订单中获取所述目标影厅和所述目标影片;
利用所述座位售卖预测算法,获得所述目标影厅的目标影片在所述当前预设时间段内的座位售卖预测数据。
可选地,所述方法还包括:
按照预设周期获取所述待选影院的实时座位信息,所述实时座位信息包括当前预设周期内每个所述待选影院中每个影厅的静态座位、不可售座位和不可售座位数量;
统计所述每个影厅的座位在统计周期内的售卖信息,所述售卖信息包括售卖次数或售卖先后顺序;
当所述售卖信息包括所述售卖次数时,根据所述售卖次数由多到少的顺序,选择前第二预设数量个座位,得到所述优选座位表,所述优选座位表中每个座位的售卖次数均高于所述影厅中除所述优选座位表包含的全部座位之外的其它座位的售卖次数;
当所述售卖信息包括所述售卖先后顺序时,根据所述售卖先后顺序选择前第二预设数量个座位,得到所述每个影厅的优选座位表,所述优选座位表中每个座位的售卖时间均早于所述影厅中除所述优选座位表包含的全部座位之外的其它座位的售卖时间。
可选地,所述方法还包括:
根据每个所述待选影院内每个影厅的静态座位分布图,确定可选座位;
按照预设周期获取所述每个影厅的实时座位信息,所述实时座位信息包括当前预设周期内所述每个影厅的静态座位、不可售座位、不可售座位数量;
统计所述每个影厅内所述可选座位在统计周期内的售卖信息,所述售卖信息包括售卖次数或售卖先后顺序;
当所述售卖信息包括所述售卖次数时,根据所述可选座位的售卖次数由多到少的顺序,选择前第二预设数量个所述可选座位得到所述优选座位表,所述优选座位表中每个座位的售卖次数均高于所述可选座位中除所述优选座位表包含的全部座位之外的其它座位的售卖次数;
当所述售卖信息包括所述售卖先后顺序时,根据所述可选座位的售卖先后顺序,选择前第二预设数量个所述可选座位得到所述优选座位表,所述优选座位表中每个座位的售卖时间均早于所述可选座位中除所述优选座位表包含的全部座位之外的其它座位的售卖时间。
第二方面,本申请提供一种锁定座位的装置,应用于在线票务系统中,包括:
座位售卖预测单元,用于利用座位售卖预测算法,获得目标排期在当前预设时间段内的座位售卖预测数据,所述目标排期包含用户在未提交订单中选择的目标影院、目标影厅和目标影片;所述座位售卖预测算法根据待选影院的历史订单数据训练得到;
优选座位获取单元,用于当所述座位售卖预测数据大于预设值时,获取所述目标排期中的目标影厅对应的优选座位表;
锁定座位确定单元,用于从所述优选座位表中选择符合锁定条件的座位得到待锁定座位;
锁座单元,用于锁定所述待锁定座位。
可选地,所述装置还包括:
历史数据获取单元,用于获取所述在线票务系统中的历史订单数据;
影院选取单元,用于根据所述历史订单数据,按照各个影院对应的订单数量由高到低的顺序,选择前第一预设数量个影院作为所述待选影院,所述待选影院的订单数量均高于所述在线票务系统中除全部所述待选影院之外的其它影院的订单数量;
训练单元,用于根据所述待选影院对应的历史订单数据,利用预设算法进行训练得到所述座位售卖预测算法。
可选地,所述座位售卖预测单元,包括:
第一预测子单元,用于利用所述座位售卖预测算法,获得每个所述待选影院的每个排期在当前预设时间段内的座位售卖预测数据;
第一目标排期确定子单元,用于从用户的未提交订单中获取所述目标影厅和所述目标影片;
查询子单元,用于从所述待选影院对应的座位售卖预测数据中,查询得到所述目标影院的目标影片在所述当前预设时间段内的座位售卖预测数据。
可选地,所述座位售卖预测单元,包括:
第二目标排期确定子单元,用于从用户的未提交订单中获取所述目标影厅和所述目标影片;
第二预测子单元,用于利用所述座位售卖预测算法,获得所述目标影厅的目标影片在所述当前预设时间段内的座位售卖预测数据。
可选地,所述装置还包括:
第一获取单元,用于按照预设周期获取所述待选影院的实时座位信息,所述实时座位信息包括当前预设周期内每个所述待选影院中每个影厅的静态座位、不可售座位和不可售座位数量;
第一统计单元,用于统计所述每个影厅的座位在统计周期内的售卖信息,所述售卖信息包括售卖次数或售卖先后顺序;
第一确定单元,用于当所述售卖信息包括所述售卖次数时,根据所述售卖次数由多到少的顺序,选择前第二预设数量个座位,得到所述优选座位表,所述优选座位表中每个座位的售卖次数均高于所述影厅中除所述优选座位表包含的全部座位之外的其它座位的售卖次数;
第二确定单元,用于当所述售卖信息包括所述售卖先后顺序时,根据所述售卖先后顺序选择前第二预设数量个座位,得到所述每个影厅的优选座位表,所述优选座位表中每个座位的售卖时间均早于所述影厅中除所述优选座位表包含的全部座位之外的其它座位的售卖时间。
可选地,所述装置还包括:
可选座位确定单元,用于根据每个所述待选影院内每个影厅的静态座位分布图,确定可选座位;
第二获取单元,用于按照预设周期获取所述每个影厅的实时座位信息,所述实时座位信息包括当前预设周期内所述每个影厅的静态座位、不可售座位、不可售座位数量;
第二统计单元,用于统计所述每个影厅内所述可选座位在统计周期内的售卖信息,所述售卖信息包括售卖次数或售卖先后顺序;
第三确定单元,用于当所述售卖信息包括所述售卖次数时,根据所述可选座位的售卖次数由多到少的顺序,选择前第二预设数量个所述可选座位得到所述优选座位表,所述优选座位表中每个座位的售卖次数均高于所述可选座位中除所述优选座位表包含的全部座位之外的其它座位的售卖次数;
第四确定单元,用于当所述售卖信息包括所述售卖先后顺序时,根据所述可选座位的售卖先后顺序,选择前第二预设数量个所述可选座位得到所述优选座位表,所述优选座位表中每个座位的售卖时间均早于所述可选座位中除所述优选座位表包含的全部座位之外的其它座位的售卖时间。
本实施例提供的锁定座位的方法,当检测到用户的未提交订单时,利用座位售卖预测算法,得到未提交订单中目标排期在当前预设时间段内的座位售卖预测数据,当座位售卖预测数据大于预设值时,获取目标影厅的优选座位表;从优选座位表中选择符合锁定条件的座位得到待锁定座位,最后锁定该待锁定座位。利用该方法能够实现在用户下单之前提前锁定一些用户潜在的订单座位,锁定这些座位之后,仅在当前在线票务平台上显示可以购买,在其它在线票务平台显示不可购买,从而提高了用户下单率,以及提高了用户购票体验。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1示出了本申请实施例一种锁定座位的方法流程图;
图2示出了本申请实施例另一种锁定座位的方法流程图;
图3示出了本申请实施例一种创建影厅优选座位表步骤的流程图;
图4示出了本申请实施例另一种创建影厅优选座位表步骤的流程图;
图5示出了本申请实施例一种锁定座位的装置框图;
图6示出了本申请实施例一种座位售卖预测单元的框图;
图7示出了本申请实施例另一种座位售卖预测单元的框图;
图8示出了本申请实施例另一种锁定座位的装置框图;
图9示出了本申请实施例又一种锁定座位的装置框图;
图10示出了本申请实施例再一种锁定座位的装置框图。
具体实施方式
本申请提供一种锁定座位的方法,当检测到用户的未提交订单时,预测用户选择的目标影厅在当前预设时间段内的座位售卖预测数据,该座位售卖预测数据是指目标影厅在当前预设时间段内的售票数量。当目标影厅的目标影片在当前预设时间段内的座位售卖预测数据大于预设值时,提前锁定目标影厅内定用户潜在的订单座位,促使用户下单,提高在线票务平台的下单率。
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
请参见图1,示出了本申请实施例一种锁定座位的方法流程图,该方法应用于服务器中,如图1所示,该方法可以包括以下步骤:
S110,利用座位售卖预测算法,获得目标排期在当前预设时间段内的座位售卖预测数据。
所述目标排期是用户在在线票务系统中操作的未提交订单所包含的目标影院、目标影厅和目标影片。
座位售卖预测算法可以根据待选影院在第一预设时间段内的历史订单数据,利用预设算法训练得到。其中预设算法可以包括岭回归算法、泊松回归算法和神经网络算法;岭回归算法是一种专门用于共线性分析的有偏估计的回归方法。通过损失最小二乘法来防止过度拟合。泊松回归算法是一种随机事件的发生次数的预测,通过符合泊松分布来进行回归;神经网络算法是一种深度学习算法,通过深度学习一个适合的模型来预测售出的座位数量。
在本申请的一个实施例中,首先,利用座位售卖预测算法,按照预设时间段预测待选影院的每个排期在当前预设时间段内可能售出的座位数量,并存储到数据库中;然后,当用户在当前在线票务平台上选择目标影厅的目标影片后,从数据库中查询得到该目标排期在当前预设时间段内可能售出的座位数量。
在本申请的另一个实施例中,当用户在当前在线票务平台上选择目标排期(即,目标影院中目标影厅和目标影片)后,利用座位售卖预测算法,预测目标排期在当前时间段内可能售出的座位数量,即,得到目标影厅的目标影片在当前时间段内的座位售卖预测数据。该实施例在检测到用户的未提交订单后,才预测目标排期的座位售卖预测数据,这样,能够避免多余的预测行为,节省资源。
S120,当所述座位售卖预测数据大于预设值时,获取所述目标排期中的目标影厅对应的优选座位表。
当目标影厅的目标影片在当前预设时间段内的座位售卖预测数据大于设定值,则获取目标影厅对应的优选座位表。设定值可以根据实际需求自行设定,例如,0。
在本申请的一个实施例中,可以预先获取每个待选影院的每个影厅的优选座位表。然后,当确定出目标排期后,从每个影厅的优选座位表中查询得到目标排期对应影厅的优选座位表。
S130,从所述优选座位表中选择符合锁定条件的座位得到待锁定座位。
当检测到目标排期在当前预设时间段内的座位售卖预测数据大于预设值时,直接从目标影厅(即,该目标排期对应影厅)的优选座位表中选取符合锁定条件的座位,得到待锁定座位。
其中,锁定条件包括是否是可售座位、影院锁座限制条件等,例如,某些影院不允许锁座、某些影院规定了每天锁定座位的总数量,或者,锁定座位的总时长等。
实施查询目标影厅的不可售座位图,过滤掉已售出座位,并过滤掉不符合影院锁座限制条件的座位,得到待锁定座位。
S140,锁定待锁定座位。
锁定待锁定座位,就是将待锁定座位设定为已选座位,这样,其它在线票务平台就不能再锁定这些座位,这样,当前在线票务平台的用户就能够购买这些座位,从而提高了用户下单率。
本实施例提供的锁定座位的方法,当检测到用户的未提交订单时,利用座位售卖预测算法,得到未提交订单中目标排期在当前预设时间段内的座位售卖预测数据,当座位售卖预测数据大于预设值时,获取目标影厅的优选座位表;从优选座位表中选择符合锁定条件的座位得到待锁定座位,最后锁定该待锁定座位。利用该方法能够实现在用户下单之前提前锁定一些用户潜在的订单座位,锁定这些座位之后,仅在当前在线票务平台上显示可以购买,在其它在线票务平台显示不可购买,从而提高了用户下单率,以及提高了用户购票体验。
请参见图2,示出了本申请实施例另一种锁定座位的方法流程图,该方法在图1所示实施例的基础上还包括以下步骤:
S210,获取在线票务系统在第一预设时间段内的历史订单数据。
所述第一预设时间段可以根据实际需求自行设定,例如,30天,50天等。
历史订单数据可以包括订单号、订单类型、订单状态、订单创建时间、购票数量、座位状态、排期ID、城市编号、影片编号、影片名称、影片放映时间、影院编号、影院名称、影厅编号、影厅名称等信息。
S220,根据所述历史订单数据,按照各个影院对应的订单数量由高到低的顺序,选择前第一预设数量个影院作为待选影院。
待选影院的订单数量均高于在线票务系统中除全部待选影院之外的其它影院的订单数量。
待选影院是从在线票务系统中全部影院中选出的订单量由多到少排序中的前第一预设数量个影院。该第一预设数量可以根据实际需求自由设定,例如,选择根据订单数量由多到少排序后的第1~100个影院作为待选影院。
S230,根据待选影院对应的历史订单数据,利用预设算法进行训练得到座位售卖预测算法。
确定出待选影院后,以一条排期为一条数据建立待选影院的排期表,其中,每个排期数据包括影院编号、城市编号、分布图影厅编号、影院名称、城市名称、影厅名称、静态座位、座位数量、不可售座位和不可售座位数量。排期数据可以通过在线票务系统与影院之间的接口获得,即在线票务系统可以每间隔预设时间向各个影院请求每个影厅的不可售座位和不可售座位数据等信息。
从历史订单数据和排期表中,提取每一个待选影院内每一个影厅的属性,包括:影院编号、影厅编号、座位总数、厅属性(厅属性包括imax、3D、2D、3Dimax、大屏等)、已售出座位、上映影片类型、城市编号、影片放映时间和影片放映时长等信息。
通过redis存储系统存储所有影厅的数据,redis是一个key-value存储系统,将上述提取的每一个影厅属性存储为类似{key:value}的数据形式,例如,{cinemaID+hallID:x1,x2,x3,x4},其中,该实例中的cinemaID是影院编号哦,hallID是影厅编号,x1、x2、x3、x4是该影院和影厅对应的影厅属性。该步骤可以利用多机多线程的方式将影厅数据存储到redis存储系统中,从而提高存储速度。
从redis存储系统读取影厅数据,并将读取的数据输入到预设算法模型中进行训练,得到座位售卖预测算法。然后,利用训练得到的座位售卖预测算法预测目标排期在当前预设时间段内可能售出的座位数量。
所述当前预设时间段是指当前时刻对应的预设时间段,预设时间段可以根据实际需求自行设定,例如,30min。利用座位售卖预测算法预测当前时间开始的未来30min内目标影厅的目标影片可能会售出的座位数量(即,座位售卖预测数据)。
S240,获取每一个待选影厅的每一个影厅的优选座位表。
根据排期表中每一条排期数据,统计每个影厅中的每个座位在统计周期内的售卖次数,该售卖次数用于计算每个影厅的黄金座位。统计周期可以根据实际需求设定,例如,一年、6个月、3个月等。
在本申请的一个实施例中,可以按照影厅的每个座位在统计周期内的售卖次数确定出优选座位表,如图3所示,创建影厅的优选座位表的一种方式包括:
S2411,按照预设周期获取每一个待选影院的实时座位信息。
每个影厅的实时座位信息可以通过在线票务平台与该影厅所在影院的接口进行通信获得,该实时座位信息包括待选影院中每个影厅的静图态座位、当前不可售座位和当前不可售座位数量等。
S2412,统计每个待选影院中每个影厅的座位在统计周期内的售卖信息。其中,该售卖信息包括售卖次数或售卖先后顺序。
根据排期表中的信息,统计每个影厅的每个座位在统计周期内的售卖次数,如果座位的售卖次数越多,则表明该座位的热度越高;反之,如果座位的售卖次数越少,则表明该座位的热度越低。
根据从影院获得的实时售卖信息,得到影厅内座位的售卖先后顺序,某个座位的售卖顺序越早,表明该座位热度越高,越受用户欢迎;反之,某个座位的售卖顺序越晚,表明该座位热度越低,越不受用户欢迎。
S2413,当售卖信息包括售卖次数时,根据售卖次数由多到少的顺序,选择前第二预设数量个座位得到所述每个影厅的优选座位表。
根据座位售卖次数由多到少的顺序,选择前第二预设数量个座位作为该影厅的优选座位表。优选座位表中每个座位的售卖次数均高于影厅中除优选座位表包含的全部座位之外的其它座位的售卖次数。例如,选择售卖次数排名第1-10的10个座位构成优选座位表。
S2414,当售卖信息包括所述售卖先后顺序时,根据所述售卖先后顺序选择前第二预设数量个座位,得到所述每个影厅的优选座位表。
优选座位表中每个座位的售卖时间均早于所述影厅中除所述优选座位表包含的全部座位之外的其它座位的售卖时间。例如,可以选择最早售卖出去的前10个座位构成优选座位表,即,选择按售卖时间由早到晚的顺序中第1-10个座位,得到优选座位表。
本实施例提供的获取影厅的优选座位表的方式,统计每个影厅内座位的售卖信息,按照售卖次数由多到少的顺序,或者,按照售卖时间由早到晚的顺序,选取排序靠前的第二预设数量个座位构成优选座位表。此种方式确定的优选座位更符合观众购买趋势。
在本申请实施例的另一个实施例中,如图4所示,创建影厅的优选座位表的另一种方式包括:
S2421,根据每一个所述待选影院内每一个影厅的静态座位分布图,确定可选座位。
获取每一个待选影院内每一个影厅的静态座位分布图,按照影厅的所有座位布局选择位于左右中线且靠后的8%数量的座位确定为可选座位。
S2422,按照预设周期获取所述每一个影厅的实时座位信息。
所述实时座位信息包括当前预设周期内每个影厅的静态座位、不可售座位、不可售座位数量。
S2423,统计每个影厅内所述可选座位在统计周期内的售卖信息。
所述售卖信息包括售卖次数或售卖先后顺序。
S2424,当所述售卖信息是售卖次数时,根据可选座位的售卖次数由多到少的顺序,选择前第二预设数量个可选座位得到优选座位表。
所述优选座位表所包含座位的售卖次数高于可选座位中除所述优选座位表包含的全部座位之外的其它座位的售卖次数。优选座位中售卖次数越多则表明该座位越好,按照座位的售卖次数由多到少的顺序,选择前第二预设数量个可选座位得到优选座位表。例如,选择售卖次数由高到低排序中的第1-10名的10个座位,构成优选座位表。
S2425,当所述售卖信息包括所述售卖先后顺序时,根据所述可选座位的售卖时间由早到晚的顺序,选择前第二预设数量个所述优选座位得到所述优选座位表。
所述优选座位表中每个座位的售卖时间均早于所述可选座位中除所述优选座位表包含的全部座位之外的其它座位的售卖时间。
本实施例中确定优选座位表的过程,首先根据座位的静态座位布局选择位置较好的可选座位,然后,根据座位的售卖信息从上一步确定出的可选座位选出最受观众欢迎的真正好座位,得到优选座位表。
对于前述的各方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本发明并不受所描述的动作顺序的限制,因为依据本发明,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作和模块并不一定是本发明所必须的。
相应于上述的锁定座位的方法实施例,本申请还提供了锁定座位的装置实施例。
请参见图5,示出了本申请实施例一种锁定座位的装置框图,该装置应用于在线票务系统中,如图5所示,该装置包括:座位售卖预测单元110、优选座位获取单元120、锁定座位确定单元130和锁座单元140。
座位售卖预测单元110,用于利用座位售卖预测算法,获得目标排期在当前预设时间段内的座位售卖预测数据。
所述目标排期包含用户在未提交订单中选择的目标影院、目标影厅和目标影片;所述座位售卖预测算法根据待选影院的历史订单数据训练得到。
在本申请的一个实施例中,首先,利用座位售卖预测算法,预测待选影院的每个排期可能售出的座位数量;然后,从数据库中查询得到该目标排期可能售出的座位数量。
如图6所示,该座位售卖预测单元110包括:第一预测子单元1111、第一目标排期确定子单元1112和查询子单元1113。
第一预测子单元1111,用于利用座位售卖预测算法,获得每个待选影院的每个排期在当前预设时间段内的座位售卖预测数据。
第一目标排期确定子单元1112,用于从用户的未提交订单中获取所述目标影厅和所述目标影片。
查询子单元1113,用于从所述待选影院对应的座位售卖预测数据中,查询得到所述目标影院的目标影片在所述当前预设时间段内的座位售卖预测数据。
在本申请的另一个实施例中,当确定目标排期后,才利用作为售卖预测算法预测该目标排期的座位售卖预测数据。如图7所示,该座位售卖预测单元110包括:第二目标排期确定子单元1121和第二预测子单元1122
第二目标排期确定子单元1121,用于从用户的未提交订单中获取所述目标影厅和所述目标影片。
第二预测子单元1122,用于利用所述座位售卖预测算法,获得所述目标影厅的目标影片在所述当前预设时间段内的座位售卖预测数据。
该座位售卖预测单元在检测到用户的未提交订单后,才预测目标排期的座位售卖预测数据,这样,能够避免多余的预测行为,节省资源。
优选座位获取单元120,用于当所述座位售卖预测数据大于预设值时,获取所述目标排期中的目标影厅对应的优选座位表。
当目标影厅的目标影片在当前预设时间段内的座位售卖预测数据大于设定值,则获取目标影厅对应的优选座位表。设定值可以根据实际需求自行设定,例如,0。
在本申请的一个实施例中,可以预先获取每个待选影院的每个影厅的优选座位表。然后,当确定出目标排期后,从每个影厅的优选座位表中查询得到目标排期对应影厅的优选座位表。
锁定座位确定单元130,用于从所述优选座位表中选择符合锁定条件的座位得到待锁定座位。
当检测到目标排期在当前预设时间段内的座位售卖预测数据大于预设值时,直接从目标影厅(即,该目标排期对应影厅)的优选座位表中选取符合锁定条件的座位,得到待锁定座位。
其中,锁定条件包括是否是可售座位、影院锁座限制条件等,例如,某些影院不允许锁座、某些影院规定了每天锁定座位的总数量,或者,锁定座位的总时长等。
实施查询目标影厅的不可售座位图,过滤掉已售出座位,并过滤掉不符合影院锁座限制条件的座位,得到待锁定座位。
锁座单元140,用于锁定所述待锁定座位。
锁定待锁定座位,就是将待锁定座位设定为已选座位,这样,其它在线票务平台就不能再锁定这些座位,这样,当前在线票务平台的用户就能够购买这些座位,从而提高了用户下单率。
本实施例提供的锁定座位的装置,当检测到用户的未提交订单时,利用座位售卖预测算法,得到未提交订单中目标排期在当前预设时间段内的座位售卖预测数据,当座位售卖预测数据大于预设值时,获取目标影厅的优选座位表;从优选座位表中选择符合锁定条件的座位得到待锁定座位,最后锁定该待锁定座位。利用该装置能够实现在用户下单之前提前锁定一些用户潜在的订单座位,锁定这些座位之后,仅在当前在线票务平台上显示可以购买,在其它在线票务平台显示不可购买,从而提高了用户下单率,以及提高了用户购票体验。
请参见图8,示出了本申请实施例另一种锁定座位的装置框图,该装置在图5所示实施例的基础上还包括:历史数据获取单元210、影院选取单元220和训练单元230。
历史数据获取单210,用于获取在线票务系统的历史订单数据。
可以选取在线票务系统在第一预设时间段内的历史订单数据,第一预设时间段可以根据实际需求自行设定,例如,30天,50天等。
历史订单数据可以包括订单号、订单类型、订单状态、订单创建时间、购票数量、座位状态、排期ID、城市编号、影片编号、影片名称、影片放映时间、影院编号、影院名称、影厅编号、影厅名称等信息。
影院选取单元220,用于根据历史订单数据,按照各个影院对应的订单数量由高到低的顺序,选择前第一预设数量个影院作为所述待选影院。
所述待选影院的订单数量均高于所述在线票务系统中除全部所述待选影院之外的其它影院的订单数量。
待选影院是从在线票务系统中全部影院中选出的订单量由多到少排序中的前第一预设数量个影院。该第一预设数量可以根据实际需求自由设定,例如,选择根据订单数量由多到少排序后的第1~100个影院作为待选影院。
训练单元230,用于根据所述待选影院对应的历史订单数据,利用预设算法进行训练得到所述座位售卖预测算法。
座位售卖预测算法可以根据待选影院在第一预设时间段内的历史订单数据,利用预设算法训练得到。其中预设算法可以包括岭回归算法、泊松回归算法和神经网络算法;岭回归算法是一种专门用于共线性分析的有偏估计的回归方法。通过损失最小二乘法来防止过度拟合。泊松回归算法是一种随机事件的发生次数的预测,通过符合泊松分布来进行回归;神经网络算法是一种深度学习算法,通过深度学习一个适合的模型来预测售出的座位数量。
本实施例提供的锁定座位的装置,利用历史订单数据对预设算法进行训练,得到座位售卖预测算法,然后,利用训练得到的座位售卖预测算法预测目标排期在当前预设时间段内可能售出的座位数量,即座位售卖预测数据。当该座位售卖预测数据大于预设值时,认为该目标排期的热度较高,则获取目标影厅的优选座位表;从优选座位表中选择符合锁定条件的座位得到待锁定座位,最后锁定该待锁定座位。利用该装置能够实现在用户下单之前提前锁定一些用户潜在的订单座位,锁定这些座位之后,仅在当前在线票务平台上显示可以购买,在其它在线票务平台显示不可购买,从而提高了用户下单率,以及提高了用户购票体验。
请参见图9,示出了本申请实施例又一种锁定座位的装置框图,本实施例着重介绍获取目标影厅对应的优选座位表的内容。
如图9所示,该装置在图5所示实施例的基础上还包括:第一获取单元310、第一统计单元320、第一确定单元330和第二确定单元340。
第一获取单元310,用于按照预设周期获取所述待选影院的实时座位信息。
每个影厅的实时座位信息可以通过在线票务平台与该影厅所在影院的接口进行通信获得,该实时座位信息包括当前预设周期内每个所述待选影院中每个影厅的静态座位、不可售座位和不可售座位数量。
第一统计单元320,用于统计所述每个影厅的座位在统计周期内的售卖信息,所述售卖信息包括售卖次数或售卖先后顺序。
根据排期表中的信息,统计每个影厅的每个座位在统计周期内的售卖次数,如果座位的售卖次数越多,则表明该座位的热度越高;反之,如果座位的售卖次数越少,则表明该座位的热度越低。
根据从影院获得的实时售卖信息,得到影厅内座位的售卖先后顺序,某个座位的售卖顺序越早,表明该座位热度越高,越受用户欢迎;反之,某个座位的售卖顺序越晚,表明该座位热度越低,越不受用户欢迎。
第一确定单元330,用于当所述售卖信息包括所述售卖次数时,根据所述售卖次数由多到少的顺序,选择前第二预设数量个座位,得到所述优选座位表。
所述优选座位表中每个座位的售卖次数均高于所述影厅中除所述优选座位表包含的全部座位之外的其它座位的售卖次数。例如,选择售卖次数排名第1-10的10个座位构成优选座位表。
第二确定单元340,用于当所述售卖信息包括所述售卖先后顺序时,根据所述售卖先后顺序选择前第二预设数量个座位,得到所述每个影厅的优选座位表。
所述优选座位表中每个座位的售卖时间均早于所述影厅中除所述优选座位表包含的全部座位之外的其它座位的售卖时间。
例如,可以选择最早售卖出去的前10个座位构成优选座位表,即,选择按售卖时间由早到晚的顺序中第1-10个座位,得到优选座位表。
本实施例提供的锁定座位的装置,统计每个影厅内座位的售卖信息,按照售卖次数由多到少的顺序,或者,按照售卖时间由早到晚的顺序,选取排序靠前的第二预设数量个座位构成优选座位表。此种方式确定的优选座位更符合观众购买趋势。然后,从优选座位表中选择符合锁定条件的座位得到待锁定座位,最后锁定该待锁定座位。利用该方法能够实现在用户下单之前提前锁定一些用户潜在的订单座位,锁定这些座位之后,仅在当前在线票务平台上显示可以购买,在其它在线票务平台显示不可购买,从而提高了用户下单率,以及提高了用户购票体验。
请参见图10,示出了本申请实施例再一种锁定座位的装置框图,该实施例着重介绍另一种获取优选座位表的过程。
如图10所示,该装置在图5所示实施例的基础上还包括:可选座位确定单元410、第二获取单元420、第二统计单元430、第三确定单元440和第四确定单元450。
可选座位确定单元410,用于根据每个所述待选影院内每个影厅的静态座位分布图,确定可选座位。
获取每一个待选影院内每一个影厅的静态座位分布图,按照影厅的所有座位布局选择位于左右中线且靠后的8%数量的座位确定为可选座位。
第二获取单元420,按照预设周期获取所述每个影厅的实时座位信息;
所述实时座位信息包括当前预设周期内所述每个影厅的静态座位、不可售座位、不可售座位数量。
第二统计单元430,用于统计所述每个影厅内所述可选座位在统计周期内的售卖信息,所述售卖信息包括售卖次数或售卖先后顺序。
第三确定单元440,用于当所述售卖信息包括所述售卖次数时,根据所述可选座位的售卖次数由多到少的顺序,选择前第二预设数量个所述可选座位得到所述优选座位表。
所述优选座位表中每个座位的售卖次数均高于所述可选座位中除所述优选座位表包含的全部座位之外的其它座位的售卖次数。
所述优选座位表所包含座位的售卖次数高于可选座位中除所述优选座位表包含的全部座位之外的其它座位的售卖次数。优选座位中售卖次数越多则表明该座位越好,按照座位的售卖次数由多到少的顺序,选择前第二预设数量个可选座位得到优选座位表。例如,选择售卖次数由高到低排序中的第1-10名的10个座位,构成优选座位表。
第四确定单元450,当所述售卖信息包括所述售卖先后顺序时,根据所述可选座位的售卖先后顺序,选择前第二预设数量个所述可选座位得到所述优选座位表,所述优选座位表中每个座位的售卖时间均早于所述可选座位中除所述优选座位表包含的全部座位之外的其它座位的售卖时间。
所述优选座位表中每个座位的售卖时间均早于所述可选座位中除所述优选座位表包含的全部座位之外的其它座位的售卖时间。
本实施例提供的锁定座位的装置,首先根据座位的静态座位布局选择位置较好的可选座位,然后,根据座位的售卖信息从上一步确定出的可选座位选出最受观众欢迎的真正好座位,得到优选座位表。然后,从优选座位表中选择符合锁定条件的座位得到待锁定座位,最后锁定该待锁定座位。利用该方法能够实现在用户下单之前提前锁定一些用户潜在的订单座位,锁定这些座位之后,仅在当前在线票务平台上显示可以购买,在其它在线票务平台显示不可购买,从而提高了用户下单率,以及提高了用户购票体验。
需要说明的是,本说明书中的各个实施例均采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似的部分互相参见即可。对于装置类实施例而言,由于其与方法实施例基本相似,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
最后,还需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
对所公开的实施例的上述说明,使本领域技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (8)
1.一种锁定座位的方法,应用于在线票务系统中,其特征在于,包括:
利用座位售卖预测算法,获得目标排期在当前预设时间段内的座位售卖预测数据,所述目标排期包含用户在未提交订单中选择的目标影院、目标影厅和目标影片;所述座位售卖预测算法根据待选影院的历史订单数据训练得到;
当所述座位售卖预测数据大于预设值时,获取所述目标排期中的目标影厅对应的优选座位表;
从所述优选座位表中选择符合锁定条件的座位得到待锁定座位;
锁定所述待锁定座位;
所述座位售卖预测算法具体是:
获取所述在线票务系统中的历史订单数据;
根据所述历史订单数据,按照各个影院对应的订单数量由高到低的顺序,选择前第一预设数量个影院作为所述待选影院,所述待选影院的订单数量均高于所述在线票务系统中除全部所述待选影院之外的其它影院的订单数量;
根据所述待选影院对应的历史订单数据,利用预设算法进行训练得到所述座位售卖预测算法。
2.根据权利要求1所述的方法,其特征在于,所述利用座位售卖预测算法,获得目标排期在当前预设时间段内的座位售卖预测数据,包括:
利用所述座位售卖预测算法,获得每个所述待选影院的每个排期在当前预设时间段内的座位售卖预测数据;
从用户的未提交订单中获取所述目标影厅和所述目标影片;
从所述待选影院对应的座位售卖预测数据中,查询得到所述目标影院的目标影片在所述当前预设时间段内的座位售卖预测数据。
3.根据权利要求1所述的方法,其特征在于,所述利用座位售卖预测算法,获得目标排期在当前预设时间段内的座位售卖预测数据,包括:
从用户的未提交订单中获取所述目标影厅和所述目标影片;
利用所述座位售卖预测算法,获得所述目标影厅的目标影片在所述当前预设时间段内的座位售卖预测数据。
4.根据权利要求1所述的方法,其特征在于,所述方法还包括:
按照预设周期获取所述待选影院的实时座位信息,所述实时座位信息包括当前预设周期内每个所述待选影院中每个影厅的静态座位、不可售座位和不可售座位数量;
统计所述每个影厅的座位在统计周期内的售卖信息,所述售卖信息包括售卖次数或售卖先后顺序;
当所述售卖信息包括所述售卖次数时,根据所述售卖次数由多到少的顺序,选择前第二预设数量个座位,得到所述优选座位表,所述优选座位表中每个座位的售卖次数均高于所述影厅中除所述优选座位表包含的全部座位之外的其它座位的售卖次数;
当所述售卖信息包括所述售卖先后顺序时,根据所述售卖先后顺序选择前第二预设数量个座位,得到所述每个影厅的优选座位表,所述优选座位表中每个座位的售卖时间均早于所述影厅中除所述优选座位表包含的全部座位之外的其它座位的售卖时间。
5.根据权利要求1所述的方法,其特征在于,所述方法还包括:
根据每个所述待选影院内每个影厅的静态座位分布图,确定可选座位;
按照预设周期获取所述每个影厅的实时座位信息,所述实时座位信息包括当前预设周期内所述每个影厅的静态座位、不可售座位、不可售座位数量;
统计所述每个影厅内所述可选座位在统计周期内的售卖信息,所述售卖信息包括售卖次数或售卖先后顺序;
当所述售卖信息包括所述售卖次数时,根据所述可选座位的售卖次数由多到少的顺序,选择前第二预设数量个所述可选座位得到所述优选座位表,所述优选座位表中每个座位的售卖次数均高于所述可选座位中除所述优选座位表包含的全部座位之外的其它座位的售卖次数;
当所述售卖信息包括所述售卖先后顺序时,根据所述可选座位的售卖先后顺序,选择前第二预设数量个所述可选座位得到所述优选座位表,所述优选座位表中每个座位的售卖时间均早于所述可选座位中除所述优选座位表包含的全部座位之外的其它座位的售卖时间。
6.一种锁定座位的装置,应用于在线票务系统中,其特征在于,包括:
座位售卖预测单元,用于利用座位售卖预测算法,获得目标排期在当前预设时间段内的座位售卖预测数据,所述目标排期包含用户在未提交订单中选择的目标影院、目标影厅和目标影片;所述座位售卖预测算法根据待选影院的历史订单数据训练得到;
优选座位获取单元,用于当所述座位售卖预测数据大于预设值时,获取所述目标排期中的目标影厅对应的优选座位表;
锁定座位确定单元,用于从所述优选座位表中选择符合锁定条件的座位得到待锁定座位;
锁座单元,用于锁定所述待锁定座位;
历史数据获取单元,用于获取所述在线票务系统中的历史订单数据;
影院选取单元,用于根据所述历史订单数据,按照各个影院对应的订单数量由高到低的顺序,选择前第一预设数量个影院作为所述待选影院,所述待选影院的订单数量均高于所述在线票务系统中除全部所述待选影院之外的其它影院的订单数量;
训练单元,用于根据所述待选影院对应的历史订单数据,利用预设算法进行训练得到所述座位售卖预测算法。
7.根据权利要求6所述的装置,其特征在于,所述座位售卖预测单元,包括:
第一预测子单元,用于利用所述座位售卖预测算法,获得每个所述待选影院的每个排期在当前预设时间段内的座位售卖预测数据;
第一目标排期确定子单元,用于从用户的未提交订单中获取所述目标影厅和所述目标影片;
查询子单元,用于从所述待选影院对应的座位售卖预测数据中,查询得到所述目标影院的目标影片在所述当前预设时间段内的座位售卖预测数据。
8.根据权利要求6所述的装置,其特征在于,所述座位售卖预测单元,包括:
第二目标排期确定子单元,用于从用户的未提交订单中获取所述目标影厅和所述目标影片;
第二预测子单元,用于利用所述座位售卖预测算法,获得所述目标影厅的目标影片在所述当前预设时间段内的座位售卖预测数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710391061.9A CN108932555B (zh) | 2017-05-27 | 2017-05-27 | 一种锁定座位的方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710391061.9A CN108932555B (zh) | 2017-05-27 | 2017-05-27 | 一种锁定座位的方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108932555A CN108932555A (zh) | 2018-12-04 |
CN108932555B true CN108932555B (zh) | 2021-10-29 |
Family
ID=64450854
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710391061.9A Active CN108932555B (zh) | 2017-05-27 | 2017-05-27 | 一种锁定座位的方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108932555B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110322384B (zh) * | 2019-07-10 | 2023-06-30 | 中国民航信息网络股份有限公司 | 座位图数据处理方法及系统 |
CN113468438A (zh) * | 2020-03-31 | 2021-10-01 | 北京沃东天骏信息技术有限公司 | 一种位置推荐方法、装置、设备及存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103390246A (zh) * | 2013-07-30 | 2013-11-13 | 武汉大学 | 一种用于应对高并发的在线售票方法 |
CN105184639A (zh) * | 2015-09-28 | 2015-12-23 | 北京奇虎科技有限公司 | 浏览器进行电子购票的方法和浏览器装置 |
CN105260781A (zh) * | 2015-09-22 | 2016-01-20 | 百度在线网络技术(北京)有限公司 | 电影在线选座的方法和装置 |
CN106408102A (zh) * | 2016-09-26 | 2017-02-15 | 成都至爱生活科技有限公司 | 一种为酒店客人提供智能服务的管理系统 |
-
2017
- 2017-05-27 CN CN201710391061.9A patent/CN108932555B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103390246A (zh) * | 2013-07-30 | 2013-11-13 | 武汉大学 | 一种用于应对高并发的在线售票方法 |
CN105260781A (zh) * | 2015-09-22 | 2016-01-20 | 百度在线网络技术(北京)有限公司 | 电影在线选座的方法和装置 |
CN105184639A (zh) * | 2015-09-28 | 2015-12-23 | 北京奇虎科技有限公司 | 浏览器进行电子购票的方法和浏览器装置 |
CN106408102A (zh) * | 2016-09-26 | 2017-02-15 | 成都至爱生活科技有限公司 | 一种为酒店客人提供智能服务的管理系统 |
Also Published As
Publication number | Publication date |
---|---|
CN108932555A (zh) | 2018-12-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Marshall et al. | A forecasting system for movie attendance | |
US20170286875A1 (en) | Seat information providing method and device | |
US20140258042A1 (en) | System and Method for Facilitating Real Estate Transactions | |
WO2018036307A1 (zh) | 推送信息订单的信息处理方法、分配方法、装置及存储介质 | |
US20160021507A1 (en) | System and method for providing in real-time substantially accurate wait-times at different locations | |
US10942931B2 (en) | Automated database record activation using predictive modeling of database access | |
US20170109776A1 (en) | System and method for generation of dynamically priced discount offers for perishable inventory to vendor-selected customer segments | |
US10607160B2 (en) | Unique accommodation search improvement founded in listing booking conversion | |
US10990909B2 (en) | Predicting resource availability based on user profile data | |
CN108932555B (zh) | 一种锁定座位的方法及装置 | |
US20190279096A1 (en) | Making resource-constrained sequential recommendations | |
JP6795090B2 (ja) | 行動選択学習装置、行動選択学習プログラム、行動選択学習方法及び行動選択学習システム | |
CN109523322A (zh) | 一种众筹式电影放映方法,设备以及计算机可读介质 | |
CN109474699A (zh) | 商业设施信息推荐方法、装置、计算机设备及存储介质 | |
JP6023104B2 (ja) | 配信装置、配信方法、配信プログラム、施設装置及び配信システム | |
JP6038839B2 (ja) | 算出装置、算出方法及び算出プログラム | |
WO2019112840A1 (en) | Live event ticket pricing engine and services | |
JP6033810B2 (ja) | 決定装置、決定方法及び決定プログラム | |
CN110866175A (zh) | 信息推荐方法、装置及电子设备 | |
JP7165516B2 (ja) | スケジュール提案装置、スケジュール提案方法、及びスケジュール提案システム | |
JP6076941B2 (ja) | 集約装置、集約方法及び集約プログラム | |
US20180357572A1 (en) | Contiguous Event Seating Across Temporal Ticketing Intervals | |
CN108932629A (zh) | 一种锁定座位的方法及装置 | |
JP7372760B2 (ja) | 情報処理装置、情報処理方法および情報処理プログラム | |
JP6021844B2 (ja) | サーバ装置、予測方法及び予測プログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |