CN111967750A - 一种车辆匹配方法、装置、终端及存储介质 - Google Patents
一种车辆匹配方法、装置、终端及存储介质 Download PDFInfo
- Publication number
- CN111967750A CN111967750A CN202010791628.3A CN202010791628A CN111967750A CN 111967750 A CN111967750 A CN 111967750A CN 202010791628 A CN202010791628 A CN 202010791628A CN 111967750 A CN111967750 A CN 111967750A
- Authority
- CN
- China
- Prior art keywords
- renting
- vehicle
- car
- user
- real
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 62
- 230000006399 behavior Effects 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 10
- 238000004891 communication Methods 0.000 claims description 8
- 238000012216 screening Methods 0.000 claims description 6
- 230000001502 supplementing effect Effects 0.000 claims description 4
- 239000013598 vector Substances 0.000 description 28
- 230000003287 optical effect Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000010276 construction Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000002650 habitual effect Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06315—Needs-based resource requirements planning or analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
- G06F16/367—Ontology
-
- 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
- G06Q30/0645—Rental transactions; Leasing transactions
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/40—Business processes related to the transportation industry
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Tourism & Hospitality (AREA)
- Entrepreneurship & Innovation (AREA)
- Finance (AREA)
- Development Economics (AREA)
- General Engineering & Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- Educational Administration (AREA)
- Life Sciences & Earth Sciences (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- Animal Behavior & Ethology (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明实施例公开了一种车辆匹配方法、装置、终端及存储介质。该方法包括：当接收到用户的实时租车需求时，基于预先构建的租车知识图谱对用户的实时租车需求进行调整，以确定实时租车需求未体现的且用户期望的其它维度的租车需求；基于调整后的租车需求，以及各可租车辆的车辆属性为用户匹配车辆。本发明实施例提供的技术方案，能够为租车用户推荐更符合其内心期望的车辆，提高了车辆匹配精度。
Description
技术领域
本发明实施例涉及知识图谱领域，尤其涉及一种车辆匹配方法、装置、终端及存储介质。
背景技术
在大多租车平台上，当用户有租车需求时，会发送租车请求，该租车请求通常包含如下信息：租车时间段、租车地点、价格预算以及期望车辆，租车平台会根据上述信息为所述用户匹配车辆，以使所述用户成功租到满意的车辆。
在现有技术中，常用的车辆匹配方法一般是顺序条件法+最低价格法，即先根据事先确认好的顺序通过一个个条件去筛选符合用户条件的车辆，然后在最终符合所有条件或符合条件最多的车辆中选择价格最低的车辆进行匹配。但由于上述条件并非能满足用户的完整需求，且事先确认好顺序的条件的优先级可能和用户期望的优先级不一致，所以很容易导致匹配到的车辆令用户不满意的情况发生。
综上，现有技术存在的问题至少包括：车辆匹配精度低，进而导致用户满意度及租车平台效率都较低，用户体验较差。
发明内容
有鉴于此，本发明实施例提供了一种车辆匹配方法、装置、终端及存储介质，以提高车辆匹配精度，为租车用户推荐符合其内心期望的车辆。
第一方面，本发明实施例提供了一种车辆匹配方法，包括：
当接收到用户的实时租车需求时，基于预先构建的租车知识图谱对所述用户的实时租车需求进行调整，以确定所述实时租车需求未体现的且所述用户期望的其它维度的租车需求；
基于调整后的租车需求，以及各可租车辆的车辆属性为所述用户匹配车辆。
可选的，所述当接收到用户的实时租车需求时，基于预先构建的租车知识图谱对所述用户的实时租车需求进行调整，包括：
若所述用户在所述租车知识图谱存在历史租车记录，则利用所述用户的历史租车记录记载的历史租车需求对所述实时租车需求进行调整；
若所述用户在所述租车知识图谱未存在历史租车记录，则基于所述实时租车需求从所述租车知识图谱确定与所述用户有过相同租车需求的历史用户，并利用所述历史用户的历史租车记录记载的历史租车需求对所述实时租车需求进行调整。
可选的，利用历史租车需求对所述实时租车需求进行调整，包括：
将历史租车需求中存在的需求属性、而在所述实时租车需求中不存在的需求属性补充至所述实时租车需求。
可选的，所述需求属性包括下述至少一种：租车用户、租车城市、取车地点、车辆颜色、车辆座位数、车辆型号、车辆配置、租车时间以及租车预算。
优选的，所述基于调整后的租车需求，以及各可租车辆的车辆属性为所述用户匹配车辆，包括：
分别确定调整后的租车需求对应的需求属性与各可租车辆的车辆属性之间的相似度；
将相似度达到阈值的车辆确定为候选车辆；
结合历史用户对各所述候选车辆的满意度，以及各所述候选车辆租出所带来的收益比例对所述候选车辆进行筛选，确定出与所述实时租车需求匹配的目标推荐车辆。
可选的，基于历史租车用户在租车平台的租车行为数据确定各租车需求所对应的期望车辆；
根据各租车需求所对应的期望车辆建立需求实体、需求属性、车辆实体以及车辆属性之间关系的租车知识图谱。
可选的，所述历史租车用户在租车平台的租车行为数据包括下述至少一种：
在租车平台的访问数据、与客服的聊天数据、与车主的沟通数据、对所租车辆的评论数据、历史租车订单数据、用户搜索数据以及用户历史出险数据。
第二方面，本发明实施例还提供了一种车辆匹配装置，包括：
租车需求调整模块，用于当接收到用户的实时租车需求时，基于预先构建的租车知识图谱对所述用户的实时租车需求进行调整，以确定所述实时租车需求未体现的且所述用户期望的其它维度的租车需求；
车辆匹配模块，用于基于调整后的租车需求，以及各可租车辆的车辆属性为所述用户匹配车辆。
第三方面，本发明实施例还提供了一种终端，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如本申请任意实施例提供的车辆匹配方法。
第四方面，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如本申请任意实施例提供的车辆匹配方法。
本发明实施例提供的一种车辆匹配方法，通过基于预先构建的租车知识图谱对用户的实时租车需求进行调整，以确定实时租车需求未体现的且用户期望的其它维度的租车需求；然后基于调整后的租车需求，以及各可租车辆的车辆属性为用户匹配车辆的技术手段，实现了为租车用户推荐更符合其内心期望的车辆的目的，提高了车辆匹配精度。
附图说明
图1是本发明实施例一提供的一种车辆匹配方法的流程示意图；
图2是本发明实施例一涉及的一种构建租车知识图谱的流程示意图；
图3是本发明实施例二提供的一种车辆匹配方法的流程示意图；
图4是本发明实施例三提供的一种车辆匹配装置的结构框图；
图5是本发明实施例四提供的一种终端的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，以下将参照本发明实施例中的附图，通过实施方式清楚、完整地描述本发明的技术方案，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。下述各实施例中，每个实施例中同时提供了可选特征和示例，实施例中记载的各个特征可进行组合，形成多个可选方案，不应将每个编号的实施例仅视为一个技术方案。
实施例一
图1是本发明实施例一提供的一种车辆匹配方法的流程示意图，本实施例提供的车辆匹配方法可适用于租车平台，具体是根据用户输入的租车需求为其匹配合适车辆的情况。该方法可以由本发明实施例提供的车辆匹配装置来执行，且该车辆匹配装置可配置于本发明实施例提供的终端中，例如可配置于计算机设备中，也可配置于手机终端中，在此不作具体限制。
如图1所示，车辆匹配方法，具体包括如下步骤：
S110、当接收到用户的实时租车需求时，基于预先构建的租车知识图谱对用户的实时租车需求进行调整，以确定实时租车需求未体现的且用户期望的其它维度的租车需求。
其中，用户的实时租车需求可以包含用户此次租车的基本要求，示例性的，实时租车需求可以包括车辆颜色需求、车辆座位需求以及车辆价格需求等。例如所述实时租车需求具体为“张三想花500元租一辆红色的四座轿车”。
所述预先构建的租车知识图谱具体是基于历史租车用户的租车数据构建，旨在挖掘各维度租车需求在用户内心的优先级，以完善用户未表达出的租车需求。例如用户的租车需求为500元的红色四座车，该租车需求包括三个维度的租车需求，分别是500元、红色、四座车，假如不存在一辆同时满足这三个维度条件的可租车辆，则需要对所述三个维度的租车需求进行优先级排序，例如首先确定满足500元的可租车辆，然后再从满足500元的可租车辆中挑选红色的车，最终确定的满足500元、红色的可租车辆可能不是四座车，相当于舍弃了“四座车”的租车需求，但是用户期望的各维度租车需求的优先级究竟是什么样，系统并无法获知，这就导致最终给用户匹配的车辆并不能令用户非常满足，存在匹配精度低的问题。针对该问题，本实施例提供的车辆匹配方法包括，基于历史租车用户的租车数据构建租车知识图谱，所述租车知识图谱可反映不同租车需求的用户其内心各维度租车需求的优先级，以及用户未表达出的租车需求。
参见图2所示的一种构建租车知识图谱的流程示意图，示例性的，基于历史租车用户的租车数据预先构建租车知识图谱，包括：
基于历史租车用户在租车平台的租车行为数据确定各租车需求所对应的期望车辆；
根据各租车需求所对应的期望车辆建立需求实体、需求属性、车辆实体以及车辆属性之间关系的租车知识图谱。
其中，所述历史租车用户在租车平台的租车行为数据包括下述至少一种：
在租车平台的访问数据、与客服的聊天数据、与车主的沟通数据、对所租车辆的评论数据、历史租车订单数据、用户搜索数据以及用户历史出险数据。
具体的，基于租车平台获取车辆的历史订单数据、车辆历史出险数据、车辆的历史访问数据等结构化数据。其中，所述车辆的历史订单数据可以是车辆历史订单中租车的价钱，所述车辆的历史访问数据可以是在最近几天内用户访问某一辆车详情页的次数等数据。本发明实施例对获取的租车平台的结构化数据的内容不作具体限制。同时还获取用户驾驶行为数据、车辆照片等非结构化数据，示例性的，所述用户驾驶行为数据可以是传感器采集的用户以往租车时加速、控制油门等习惯性驾驶行为数据，本发明实施例对获取平台的非结构化数据的内容不作具体限制。
根据上述的不同用户的结构数据和非结构数据可以确定不同用户的真实租车需求以及每一个租车需求对应的符合要求的所有可租车辆。将用户访问数据、IM聊天数据、驾驶行为数据等非结构数据和历史订单、搜索条件等结构化数据，通过向量表示和/或符号表示的方法，抽取出租车需求下具体每个租车需求实体的属性。示例性的，表示某租车需求的租车需求实体的“红色”这一属性时，用向量[1,0,0,0,0,0,0,0,0,0]表示，“白色”用[0,1,0,0,0,0,0,0,0,0]表示，“黑色”用[0,0,0,1,0,0,0,0,0,0]表示，蓝色用[0,0,0,0,0,0,0,0,0,1]表示，也可以用独立热词(One-Hot)的方式表示，本发明实施例对向量表示和/或符号表示属性的方法不作具体限制。而基于车辆的评论、车主沟通信息、车辆照片等非结构数据和历史订单、历史访问等车辆的数据抽取出可租车辆中对应的每辆可租车辆实体的属性，同样用上述向量和/或符号的方法来表示。
通过上述向量表示和/或符号表示方法，抽取出租车需求实体和可租车辆实体，以及二者对应的租车需求属性、可租车辆属性之间的关系，根据上述租车需求实体、可租车辆实体以及所有属性通过图数据库构建租车领域知识图谱。
确定各租车需求所对应的可租车辆，便于对租车需求实体和可租车辆实体进行知识抽取，进一步构建租车知识图谱。
可选的，所述历史租车用户在租车平台的租车行为数据包括下述至少一种：
在租车平台的访问数据、与客服的聊天数据、与车主的沟通数据、对所租车辆的评论数据、历史租车订单数据、用户搜索数据以及用户历史出险数据。
示例性的，在租车平台的访问数据可以是用户看了什么颜色车辆的图片、什么车型的图片等，通过用户在与客服的聊天记录可以获取一些用户感兴趣的车辆所具有的属性，如果用户与客服聊天时提到“租一辆经济型的车一般需要多少钱”，通过聊天数据就可以获取用户的租车需求有经济型车，用户搜索数据可以是用户搜索的车的类型、几人坐的、租车价钱、历史出险情况等，车辆评论数据可以是用户租完车之后对该车辆的舒适度、驾驶感觉等车辆性能、驾驶经历的评价，用户历史出险记录可以是该车辆所有的历史租户的出险记录统计，本发明实施例对历史租车用户在租车平台的租车行为数据的内容不作具体限制。
获取多样的历史租车用户在租车平台的租车行为数据，便于对租车知识图谱中实体属性的抽取。
在所述预先构建的租车知识图谱中众多用户的历史租车需求以租车需求实体的形式体现。当服务器接收到当前用户的实时租车需求时，在预先构建的租车知识图谱中确定包含所述实时租车需求的目标历史租车需求实体，并将所述租车知识图谱中所述目标历史租车需求实体对应的属性作为所述实时租车需求的属性。具体的，在预先构建的租车知识图谱中确定所述实时租车需求对应的实时租车需求实体的位置，并根据该实时租车需求实体包含的基本租车要求确定该实时租车需求实体的原有属性，根据租车知识图谱，在实时租车需求实体的原有属性基础上对该实时租车需求实体的属性进行调整，确定更多可能符合该用户期望的原租车需求实体未包含的租车知识图谱中历史租车需求实体的属性，对于该实时租车需求实体对应的实时租车需求来说就是在原始的基本要求的基础上确定了更多可能符合该用户租车意愿的其他租车要求，即对用户的实时租车需求进行了调整，新添加的租车需求包含了用户实际租车期望的更多维度。
示例性的，假设用户的实时租车需求是租一辆费用200元的可坐4人的车，通过租车知识图谱确定，具有所述实时租车需求的用户通常还想租一辆加入租车平台时间为2年以上的红色的车，则将加入租车平台时间为2年以上、红色以属性的形式补充到所述实时租车需求实体的属性中，即该用户的实时租车需求被调整为租一辆费用200元、可坐4人、加入租车平台2年以上、红色的车。可见，通过租车知识图谱的查找，挖掘了两个用户未表达出的租车需求，即“加入租车平台时间为2年以上”和“红色”。通过丰富用户的租车需求，为匹配到让用户满意的可租车辆提供了匹配条件。如果不对所述用户的实时租车需求进行调整，系统可能会为所述用户匹配可坐4人、价钱为200元的车，这样就可能把加入租车平台2年以下的白色、黑色等车辆推荐给用户，而实际上所述用户对入住平台2年以下的车并不是很信任，而且更喜欢红色的车。因此，通过对所述用户的实时租车需求进行调整，可以满足用户未体现在实时租车需求中更多维度的租车期望，进而提高了车辆的匹配精度，使所推荐的车辆更能让用户满意。
S120、基于调整后的租车需求，以及各可租车辆的车辆属性为用户匹配车辆。
由实时租车需求实体对应调整之后的用户实时租车需求，实时租车需求实体包含用户此次租车的基本需求的属性以及根据租车知识图谱调整的可以体现该用户更多租车期望的属性。根据该实时租车需求实体的所有属性与租车知识图谱中所有车辆实体的属性进行匹配，通过属性匹配来确定对应的可租车辆实体，进而实现该实时租车需求与可租车辆匹配，也就实现了根据调整后的租车需求为用户匹配更加符合用户租车意愿的车辆。
本发明实施例提供的一种车辆匹配方法，首先围绕用车场景构建租车领域知识图谱(CR-DKG)，相比传统的汽车等行业知识图谱单一以车型作为实体构建，本发明实施例的方案中抽象了租车需求和可租车辆两个实体类型，基于租车用户的访问、IM聊天、驾驶行为等非结构数据和历史订单、搜索条件等结构化数据，通过向量表示和符号表示的方法，抽取出租车需求类型下具体每个需求实体的属性；而基于车辆的评论、车主沟通信息、车辆照片等非结构数据和历史订单、历史出险情况、历史访问等结构化数据抽取出可租车辆类型下具体每辆可租车辆实体的属性；并由此进行实体属性间的关系提取。比传统的逻辑条件和车辆基本属性描述有了更加全面和完整的描述。而后使用基于语义的匹配模型(semantic-based matching models)，通过MLP多层感知机方法得到对应需求实体和车辆实体和关键属性关系的三元组概率。系统可以设置概率阈值(TOP N％，或概率值>＝X)，筛选得到符合阈值条件的租车需求和匹配的可租车辆，比单纯的取价格最低的车辆更能够平衡不同时期的用户需求的复杂情况，从而提升最终的匹配精准度。
实施例二
图3是本发明实施例二提供的一种车辆匹配方法的流程示意图，本实施例在上述实施例的基础上对实时租车需求未体现的且用户期望的其它维度的租车需求的确定过程以及对为用户进行车辆匹配的过程进行了细化。本发明实施例与上述实施例提供的车辆匹配方法属于同一发明构思，未详尽描述的技术细节可参见上述施例，且具备相同的技术效果。
如图3所示，车辆匹配方法，具体包括如下步骤：
S310、当接收到用户的实时租车需求时，若所述用户在租车知识图谱存在历史租车记录，则利用所述用户的历史租车记录记载的历史租车需求对所述实时租车需求进行调整。
当接收到用户输入的实时租车需求时，确定所述用户在租车平台是否有过历史租车行为，如果用户在租车平台租过车，那么该用户的历史租车记录可能会包含在预先构建的租车知识图谱中，也就是说该用户的历史租车需求实体在租车知识图谱中存在。此时，当接收到用户的实时租车需求时，根据该用户的历史租车需求实体的属性对用户的实时租车需求对应的实时租车需求实体的属性进行调整，也就是将用户的历史租车需求和实时租车需求进行了结合，从更多维度对用户的租车需求进行了考虑。调整之后，使用户的实时租车需求不仅包含当前的基本租车要求，还包含了用户历史租车需求、但是未在实时租车需求中体现的其他租车需求，而租车知识图谱中所述用户的历史租车需求可能体现了所述用户更期望的租车要求，这是因为知识图谱的构建除了结合用户输入的租车需求之外，还参考了用户在租车平台与客服的聊天记录、与车主的聊天记录、车辆访问信息等，因此基于用户的上述与租车需求没有直接关系的信息可挖掘更多的表征用户内心的租车需求的信息，使得租车知识图谱中记录的所述用户的历史租车需求更能体现所述用户更多的、更期望的租车要求。
示例性的，若根据用户在租车平台的历史访问数据、IM聊天数据等确定的该用户对红色的、6人坐、经济型车感兴趣，而且该用户之前还租过出险记录为0的200元的车，那么该用户的历史租车需求在租车需求图谱中对应的历史租车实体的属性实际上包括红色、6人坐、出险记录为0、200元以及经济型。若用户的实时租车需求是300元的红色车辆，通过利用租车知识图谱中所述用户的历史租车需求实体的属性对所述实时租车需求进行调整，调整后的租车需求既包括历史租车需求，又包括用户当前输入的实时租车需求。调整后的租车需求具体为：300元、红色车辆、6人坐、经济型车、出险记录为0。可以理解的是，若用户当前输入的实时租车需求的个别属性与知识图谱中所述用户的历史租车需求实体对应的属性有冲突，则以用户当前输入的为准，因为用户的租车需求也可能是动态变化的。例如用户当前输入的实时租车需求表示其想要租一辆6座车，而知识图谱中记录的所述用户的租车需求实体对应的属性为4座车，此时应以6座车为准，而不利用4座车去替换6座车。
S320、若用户在租车知识图谱未存在历史租车记录，则基于实时租车需求从租车知识图谱确定与用户有过相同租车需求的历史用户，并利用历史用户的历史租车记录记载的历史租车需求对实时租车需求进行调整。
当用户第一次租车时，则该用户并没有历史租车记录，也就是说租车知识图谱并没有该用户的历史租车需求对应的历史租车需求实体，此时根据用户的实时租车需求包含的租车要求基于租车知识图谱，匹配与该用户具有相同租车需求的历史租车需求，将匹配的历史租车需求实体的属性与该用户的实时租车需求对应的实时租车需求实体的属性进行结合，即实现了对第一次租车的该用户的实时租车需求的调整。
示例性的，第一次租车的某用户的实时租车需求为租一辆4人座的白色经济型车，通过对租车知识图谱中的历史租车需求进行匹配，匹配到某历史租车需求实体的属性是4人座、租金200元、经济型车，则该历史租车需求是租一辆4人座的、租金为200的经济型车，根据该历史租车需求来对该用户的实时租车需求进行调整，调整之后该用户的实时租车需求为组一辆4人坐的、价值200元的白色经济型车。
可选的，利用历史租车需求对所述实时租车需求进行调整，包括：
将历史租车需求中存在的需求属性、而在所述实时租车需求中不存在的需求属性补充至所述实时租车需求。
若该用户不是第一次租车，则在租车知识图谱中的存在该用户的历史租车需求对应的历史租车需求实体，则将该用户的历史租车需求实体的属性补充至实时租车需求实体的属性中，即基于该老用户的历史租车需求对实时租车需求进行了补充；若该用户是第一次租车，则将与该用户的实时租车需求相似的其他用户的历史租车需求对应的历史租车需求实体的属性补充至用户的实时租车需求实体中，通过租车知识图谱中其他用户的历史租车需求对该第一次租车的用户的实时租车需求进行补充。
根据不同情况为用户补充实时租车需求，可以充分从多维度对用户的实时租车需求进行考虑，从而为用户匹配更符合用户期望的车辆。
可选的，所述需求属性包括下述至少一种：租车用户、租车城市、取车地点、车辆颜色、车辆座位数、车辆型号、车辆配置、租车时间以及租车预算。
用户的租车需求属性体现用户对所租车辆的具体要求，需求属性中的租车用户可以是以用户ID的形式体现的，需求属性还可以是对所租车辆和车辆的本身各方面详情相关的车辆颜色、车辆座位数、车辆型号、车辆配置等，也可以是从用户角度考虑的租车城市、取车地点、租车花费、可租时间等，本发明实施例对用户租车需求对应的租车需求实体的属性不作具体限制。
确定租车需求属性便于后续为用户更好的匹配车辆。
S330、分别确定调整后的租车需求对应的需求属性与各可租车辆的车辆属性之间的相似度。
对用户的实时租车需求进行调整之后，对应的实时租车需求实体的属性也相应的调整了，添加了用户的其他可能期望的租车需求对应的属性。用户的租车需求实体的属性和车辆实体的属性均以向量和/或符号的形式表示，为了实现对用户的实时租车需求与可租车辆匹配，需要对用户的实时租车需求对应的实时租车需求实体的属性与可租车辆的车辆实体的属性进行匹配，可以通过计算属性向量的相似度来实现。示例性的，用户实时租车需求实体的颜色属性对应的白色用向量表示为[0,1,0,0,0,0,0,0,0,0]，某白色车辆A对应的车辆实体的颜色属性也表示为[0,1,0,0,0,0,0,0,0,0]，另一红色车辆B对应的车辆实体的颜色属性表示[1,0,0,0,0,0,0,0,0,0]，可以利用欧几里得距离计算公式来确定属性向量的距离，距离越小表明相似度越大，此处，该实时租车需求实体的颜色属性向量与车辆A的颜色属性向量的距离公式为：
以相同的方法计算该实时租车需求实体的颜色属性与车辆B的颜色属性的相似度，通过计算可以得到结果为
该实时租车需求实体的属性向量与车辆A的属性向量距离较近，说明相似度较高，这也与实际情况相符，用户的实时租车需求就是想租一辆白色的车。
S340、将相似度达到阈值的车辆确定为候选车辆。
用户的实时租车需求的租车要求对应在实时租车需求实体的属性中，以多维和/或高纬向量的形式表示，对于一个实时租车需求实体来说，其所有属性可以以一个列向量的形式表示，列向量的每一个向量值可以是一个数字，也可以是一个行向量，取决于实时租车需求实体的不同属性的向量表示方式，本发明实施例对实时租车需求实体的属性向量的表示方式不作具体限制。可租车辆对应的可租车辆实体的属性也以相同维度的向量表示，分别计算实时租车需求实体的属性向量与所有可租车辆实体的属性向量的距离d，向量间的相似度
s∈[0,1]，对所有计算得到的相似度值与预先设定的阈值进行比较，大于阈值说明向量相似度符合预设要求，也就是实时租车需求与可租车辆达到匹配要求，将车辆实体的属性向量与实时租车需求实体的属性向量的相似度大于阈值的所有可租车辆实体对应的可租车辆确定为候选车辆。
示例性的，可以利用多层感知器(Multilayer Perceptron，MLP)的原理实现上述步骤，将调整后的实时租车需求对应的实时租车需求实体的属性向量与租车知识图谱中所有车辆实体的属性向量输入MLP，设置一个或多个隐含层，利用前馈神经网络(BackPropagation，BP)训练并调整参数，输出租车需求与可租车辆匹配概率，例如输出为[0.6,0.2,0.7,0.3,0.4,0.8,0.75,0.3,0.45,0.9]，表明用户的实时租车需求与10辆车辆匹配概率分别为0.6、0.2、0.7、0.3、0.4、0.8、0.75、0.3、0.45、0.9，而预先设置的阈值为0.75，则表明有3辆车符合可租车辆的标准，它们与用户的实时租车需求匹配概率分别为0.8、0.75、0.9，这3辆车即为该用户的实时租车需求确定的候选车。
S350、结合历史用户对各候选车辆的满意度，以及各候选车辆租出所带来的收益比例对候选车辆进行筛选，确定出与实时租车需求匹配的目标推荐车辆。
从平台统计数据中获取所有候选车辆的用户满意度，预估若用户租用候选车辆分别可以给平台带来的收益，并对所有收益进行归一化评分，按照设定的车辆满意度和平台收益的计算比例m：p分别对候选车辆进行评分，车辆评分＝车辆满意度*m+车辆收益归一化评分*p，将评分结果最高的车辆作为与实时租车需求匹配的目标推荐车辆推荐给用户，本发明实时例对平台收益的归一化评分方式及车辆满意度和平台收益的评分计算比例均不作具体限制。
示例性的，A车的用户满意度为75％，若用户租用该车平台收益为200元，B车的用户满意度为82％，若用户租用该车平台收益为260元，C车的用户满意度为70％，若用户租用该车平台收益为240元，A的平台收益评分可以计算为200/max(200,260,240)＝0.7692，B车、C车以同样的方法计算，得到的平台收益分值分别为1、0.9231，此段时间平台设置的用户满意度、平台收益计算比例为70％、30％，则A车的最终评分为：FA＝75％*70％+0.7692*30％＝0.75577，B车的最终评分为FB＝82％*70％+1*30％＝0.874，C车的最终评分为FC＝70％*70％+0.9231*30％＝0.76692，则FB＞FC＞FA，因此将B车推荐给用户。
本发明实施例提供的一种车辆匹配方法，若用户在租车知识图谱存在历史租车记录，则利用用户的历史租车记录记载的历史租车需求对实时租车需求进行调整；若用户在租车知识图谱未存在历史租车记录，则基于实时租车需求从租车知识图谱确定与用户有过相同租车需求的历史用户，并利用历史用户的历史租车记录记载的历史租车需求对实时租车需求进行调整；分别确定调整后的租车需求对应的需求属性与各可租车辆的车辆属性之间的相似度；将相似度达到阈值的车辆确定为候选车辆；结合历史用户对各候选车辆的满意度，以及各所述候选车辆租出所带来的收益比例对候选车辆进行筛选，确定出与实时租车需求匹配的目标推荐车辆。更加细化了实时租车需求未体现的且用户期望的其它维度的租车需求的确定过程和为用户进行车辆匹配的过程。
实施例三
图4是本发明实施例三提供的一种车辆匹配装置的结构框图，本实施例可适用于租车平台根据用户输入租车需求为其匹配合适车辆的情况。应用车辆匹配装置可以实现本发明任一实施例所提供的车辆匹配方法。如图4所示，车辆匹配装置，包括：
租车需求调整模块410，用于当接收到用户的实时租车需求时，基于预先构建的租车知识图谱对用户的实时租车需求进行调整，以确定实时租车需求未体现的且用户期望的其它维度的租车需求；
车辆匹配模块420，用于基于调整后的租车需求，以及各可租车辆的车辆属性为用户匹配车辆。
可选的，租车需求调整模块410，包括：
第一调整单元，用于若所述用户在所述租车知识图谱存在历史租车记录，则利用所述用户的历史租车记录记载的历史租车需求对所述实时租车需求进行调整；
第二调整单元，用于若所述用户在所述租车知识图谱未存在历史租车记录，则基于所述实时租车需求从所述租车知识图谱确定与所述用户有过相同租车需求的历史用户，并利用所述历史用户的历史租车记录记载的历史租车需求对所述实时租车需求进行调整。
可选的，所述第一调整单元或者所述第二调整单元具体用于：
将历史租车需求中存在的需求属性、而在所述实时租车需求中不存在的需求属性补充至所述实时租车需求。
可选的，所述需求属性包括下述至少一种：租车用户、租车城市、取车地点、车辆颜色、车辆座位数、车辆型号、车辆配置、租车时间以及租车预算。
优选的，车辆匹配模块320，包括：
相似度确定单元，用于分别确定调整后的租车需求对应的需求属性与各可租车辆的车辆属性之间的相似度；
候选车辆确定单元，用于将相似度达到阈值的车辆确定为候选车辆；
推荐车辆确定单元，用于结合历史用户对各所述候选车辆的满意度，以及各所述候选车辆租出所带来的收益比例对所述候选车辆进行筛选，确定出与所述实时租车需求匹配的目标推荐车辆。
可选的，所述车辆匹配装置还包括：
期望车辆确定模块，用于基于历史租车用户在租车平台的租车行为数据确定各租车需求所对应的期望车辆；
租车知识图谱构建模块，用于根据各租车需求所对应的期望车辆建立需求实体、需求属性、车辆实体以及车辆属性之间关系的租车知识图谱。
可选的，所述历史租车用户在租车平台的租车行为数据包括下述至少一种：
在租车平台的访问数据、与客服的聊天数据、与车主的沟通数据、对所租车辆的评论数据、历史租车订单数据、用户搜索数据以及用户历史出险数据。
本发明实施例提供的一种车辆匹配装置，通过基于预先构建的租车知识图谱对用户的实时租车需求进行调整，以确定实时租车需求未体现的且用户期望的其它维度的租车需求；然后基于调整后的租车需求，以及各可租车辆的车辆属性为用户匹配车辆的技术手段，实现了为租车用户推荐更符合其内心期望的车辆的目的，提高了车辆匹配精度。
本发明实施例所提供的车辆匹配装置可执行本发明任一实施例所提供的车辆匹配方法，具备执行方法相应的功能模块和有益效果。未详尽描述的技术细节，可参见本发明任一实施例所提供的车辆匹配方法。
实施例四
图5是本发明实施例四提供的一种终端的结构示意图。图5示出了适于用来实现本发明任一实施方式的示例性终端12的框图。图5显示的终端12仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。设备12典型的是安装应用的手终端。
如图5所示，终端12以通用计算设备的形式表现。终端12的组件可以包括但不限于：一个或者多个处理器或者处理单元16，存储器28，连接不同组件(包括存储器28和处理单元16)的总线18。
总线18表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(Industry StandardArchitecture，ISA)总线，微通道体系结构(Micro Channel Architecture，MCA)总线，增强型ISA总线、视频电子标准协会(Video Electronics Standards Association，VESA)局域总线以及外围组件互连(Peripheral Component Interconnect，PCI)总线。
终端12典型地包括多种计算机可读介质。这些介质可以是任何能够被终端12访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。
存储器28可以包括易失性存储器形式的计算机装置可读介质，例如随机存取存储器(Random Access Memory，RAM)30和/或高速缓存存储器32。终端12可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机存储介质。仅作为举例，存储系统34可以用于读写不可移动的、非易失性磁介质(图5未显示，通常称为“硬盘驱动器”)。尽管图5中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例如只读光盘(Compact Disc-Read Only Memory，CD-ROM)、数字视盘(Digital Video Disc-Read Only Memory，DVD-ROM)或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线18相连。存储器28可以包括至少一个程序产品40，该程序产品40具有一组程序模块42，这些程序模块被配置以执行本发明各实施例的功能。程序产品40，可以存储在例如存储器28中，这样的程序模块42包括但不限于一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42通常执行本发明所描述的实施例中的功能和/或方法。
终端12也可以与一个或多个外部设备14(例如键盘、鼠标、摄像头等和显示器)通信，还可与一个或者多个使得用户能与该终端12交互的设备通信，和/或与使得该终端12能与一个或多个其它计算设备进行通信的任何设备(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口22进行。并且，终端12还可以通过网络适配器20与一个或者多个网络(例如局域网(Local Area Network，LAN)，广域网Wide Area Network，WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器20通过总线18与终端12的其它模块通信。应当明白，尽管图5中未示出，可以结合终端12使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、磁盘阵列(RedundantArrays of Independent Disks，RAID)装置、磁带驱动器以及数据备份存储装置等。
处理器16通过运行存储在存储器28中的程序，从而执行各种功能应用以及数据处理，例如实现本发明上述实施例所提供的车辆匹配方法，该方法包括：
当接收到用户的实时租车需求时，基于预先构建的租车知识图谱对用户的实时租车需求进行调整，以确定实时租车需求未体现的且用户期望的其它维度的租车需求；
基于调整后的租车需求，以及各可租车辆的车辆属性为用户匹配车辆。
当然，本领域技术人员可以理解，处理器还可以实现本发明任一实施例所提供的车辆匹配方法。
实施例五
本发明实施例五还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本申请任意实施例提供的车辆匹配方法，该方法包括：
当接收到用户的实时租车需求时，基于预先构建的租车知识图谱对用户的实时租车需求进行调整，以确定实时租车需求未体现的且用户期望的其它维度的租车需求；
基于调整后的租车需求，以及各可租车辆的车辆属性为用户匹配车辆。
当然，本发明实施例所提供的一种计算机可读存储介质，其上存储的计算机程序不限于如上的方法指令，还可以执行本发明任一实施例所提供的车辆匹配方法。
本发明实施例的计算机存储介质，可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是但不限于电、磁、光、电磁、红外线、或半导体的装置、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行装置、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行装置、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、电线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明指令的计算机程序代码，程序设计语言包括面向对象的程序设计语言诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络包括局域网(LAN)或广域网(WAN)连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。
Claims (10)
1.一种车辆匹配方法，其特征在于，包括：
当接收到用户的实时租车需求时，基于预先构建的租车知识图谱对所述用户的实时租车需求进行调整，以确定所述实时租车需求未体现的且所述用户期望的其它维度的租车需求；
基于调整后的租车需求，以及各可租车辆的车辆属性为所述用户匹配车辆。
2.根据权利要求1所述的方法，其特征在于，所述当接收到用户的实时租车需求时，基于预先构建的租车知识图谱对所述用户的实时租车需求进行调整，包括：
若所述用户在所述租车知识图谱存在历史租车记录，则利用所述用户的历史租车记录记载的历史租车需求对所述实时租车需求进行调整；
若所述用户在所述租车知识图谱未存在历史租车记录，则基于所述实时租车需求从所述租车知识图谱确定与所述用户有过相同租车需求的历史用户，并利用所述历史用户的历史租车记录记载的历史租车需求对所述实时租车需求进行调整。
3.根据权利要求2所述的方法，其特征在于，利用历史租车需求对所述实时租车需求进行调整，包括：
将历史租车需求中存在的需求属性、而在所述实时租车需求中不存在的需求属性补充至所述实时租车需求。
4.根据权利要求3所述的方法，其特征在于，所述需求属性包括下述至少一种：租车用户、租车城市、取车地点、车辆颜色、车辆座位数、车辆型号、车辆配置、租车时间以及租车预算。
5.根据权利要求1-4任一项所述的方法，其特征在于，所述基于调整后的租车需求，以及各可租车辆的车辆属性为所述用户匹配车辆，包括：
分别确定调整后的租车需求对应的需求属性与各可租车辆的车辆属性之间的相似度；
将相似度达到阈值的车辆确定为候选车辆；
结合历史用户对各所述候选车辆的满意度，以及各所述候选车辆租出所带来的收益比例对所述候选车辆进行筛选，确定出与所述实时租车需求匹配的目标推荐车辆。
6.根据权利要求1-4任一项所述的方法，其特征在于，还包括：
基于历史租车用户在租车平台的租车行为数据确定各租车需求所对应的期望车辆；
根据各租车需求所对应的期望车辆建立需求实体、需求属性、车辆实体以及车辆属性之间关系的租车知识图谱。
7.根据权利要求6所述的方法，其特征在于，所述历史租车用户在租车平台的租车行为数据包括下述至少一种：
在租车平台的访问数据、与客服的聊天数据、与车主的沟通数据、对所租车辆的评论数据、历史租车订单数据、用户搜索数据以及用户历史出险数据。
8.一种车辆匹配装置，其特征在于，包括：
租车需求调整模块，用于当接收到用户的实时租车需求时，基于预先构建的租车知识图谱对所述用户的实时租车需求进行调整，以确定所述实时租车需求未体现的且所述用户期望的其它维度的租车需求；
车辆匹配模块，用于基于调整后的租车需求，以及各可租车辆的车辆属性为所述用户匹配车辆。
9.一种终端，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-7中任一所述的车辆匹配方法。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-7中任一所述的车辆匹配方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010791628.3A CN111967750B (zh) | 2020-08-07 | 一种车辆匹配方法、装置、终端及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010791628.3A CN111967750B (zh) | 2020-08-07 | 一种车辆匹配方法、装置、终端及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111967750A true CN111967750A (zh) | 2020-11-20 |
| CN111967750B CN111967750B (zh) | 2024-10-22 |
Family
ID=
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112561657A (zh) * | 2020-12-23 | 2021-03-26 | 上海新共赢信息科技有限公司 | 一种车辆信息处理方法、装置、电子设备以及存储介质 |
| CN113327336A (zh) * | 2021-06-03 | 2021-08-31 | 厦门科拓通讯技术股份有限公司 | 人车关系的识别方法、装置和电子设备 |
| CN114495364A (zh) * | 2022-01-25 | 2022-05-13 | 北京悟空出行科技有限公司 | 自助租车方法、装置、电子设备和可读存储介质 |
| CN114638565A (zh) * | 2020-12-16 | 2022-06-17 | 南京福佑在线电子商务有限公司 | 订单分配方法、装置及电子设备 |
Citations (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106327409A (zh) * | 2015-07-02 | 2017-01-11 | 上海享纷享信息技术有限公司 | 汽车租赁系统 |
| CN106355391A (zh) * | 2015-07-16 | 2017-01-25 | 阿里巴巴集团控股有限公司 | 一种业务处理方法及装置 |
| CN107424044A (zh) * | 2017-06-23 | 2017-12-01 | 深圳市盛路物联通讯技术有限公司 | 一种车辆租赁方法及装置 |
| CN108288214A (zh) * | 2018-01-15 | 2018-07-17 | 阿里巴巴集团控股有限公司 | 一种用车服务推荐方法、装置以及设备 |
| CN108320208A (zh) * | 2017-12-22 | 2018-07-24 | 金瓜子科技发展（北京）有限公司 | 车辆推荐方法及装置 |
| CN109191235A (zh) * | 2018-08-02 | 2019-01-11 | 平安科技（深圳）有限公司 | 一种婚车租赁方法、装置、计算机设备及存储介质 |
| CN109598539A (zh) * | 2018-11-08 | 2019-04-09 | 斑马网络技术有限公司 | 汽车租赁定价方法及设备 |
| CN109816206A (zh) * | 2018-12-25 | 2019-05-28 | 深圳市元征科技股份有限公司 | 一种车辆推荐方法及装置 |
| CN109886778A (zh) * | 2019-01-29 | 2019-06-14 | 上海华程西南国际旅行社有限公司 | 机票的搭售产品的推荐方法及系统 |
| US20190304010A1 (en) * | 2018-04-02 | 2019-10-03 | Toyota Jidosha Kabushiki Kaisha | Information processing device, non-transitory storage medium, and information processing method |
| CN110457589A (zh) * | 2019-08-19 | 2019-11-15 | 上海新共赢信息科技有限公司 | 一种车辆推荐方法、装置、设备及存储介质 |
| CN110458663A (zh) * | 2019-08-06 | 2019-11-15 | 上海新共赢信息科技有限公司 | 一种车辆推荐方法、装置、设备及存储介质 |
| CN110807049A (zh) * | 2019-10-23 | 2020-02-18 | 上海能塔智能科技有限公司 | 试驾车型推荐方法及装置、计算机可读存储介质 |
| WO2020041981A1 (zh) * | 2018-08-28 | 2020-03-05 | 深圳市元征科技股份有限公司 | 诊断设备租赁方法、服务器及存储介质 |
| CN111476399A (zh) * | 2020-03-08 | 2020-07-31 | 云南电网有限责任公司 | 一种现货交易机制下售电公司购电方法及系统 |
| CN111489233A (zh) * | 2020-03-23 | 2020-08-04 | 上海博泰悦臻电子设备制造有限公司 | 车辆推荐方法及系统 |
Patent Citations (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106327409A (zh) * | 2015-07-02 | 2017-01-11 | 上海享纷享信息技术有限公司 | 汽车租赁系统 |
| CN106355391A (zh) * | 2015-07-16 | 2017-01-25 | 阿里巴巴集团控股有限公司 | 一种业务处理方法及装置 |
| CN107424044A (zh) * | 2017-06-23 | 2017-12-01 | 深圳市盛路物联通讯技术有限公司 | 一种车辆租赁方法及装置 |
| CN108320208A (zh) * | 2017-12-22 | 2018-07-24 | 金瓜子科技发展（北京）有限公司 | 车辆推荐方法及装置 |
| CN108288214A (zh) * | 2018-01-15 | 2018-07-17 | 阿里巴巴集团控股有限公司 | 一种用车服务推荐方法、装置以及设备 |
| US20190304010A1 (en) * | 2018-04-02 | 2019-10-03 | Toyota Jidosha Kabushiki Kaisha | Information processing device, non-transitory storage medium, and information processing method |
| CN109191235A (zh) * | 2018-08-02 | 2019-01-11 | 平安科技（深圳）有限公司 | 一种婚车租赁方法、装置、计算机设备及存储介质 |
| WO2020041981A1 (zh) * | 2018-08-28 | 2020-03-05 | 深圳市元征科技股份有限公司 | 诊断设备租赁方法、服务器及存储介质 |
| CN109598539A (zh) * | 2018-11-08 | 2019-04-09 | 斑马网络技术有限公司 | 汽车租赁定价方法及设备 |
| CN109816206A (zh) * | 2018-12-25 | 2019-05-28 | 深圳市元征科技股份有限公司 | 一种车辆推荐方法及装置 |
| CN109886778A (zh) * | 2019-01-29 | 2019-06-14 | 上海华程西南国际旅行社有限公司 | 机票的搭售产品的推荐方法及系统 |
| CN110458663A (zh) * | 2019-08-06 | 2019-11-15 | 上海新共赢信息科技有限公司 | 一种车辆推荐方法、装置、设备及存储介质 |
| CN110457589A (zh) * | 2019-08-19 | 2019-11-15 | 上海新共赢信息科技有限公司 | 一种车辆推荐方法、装置、设备及存储介质 |
| CN110807049A (zh) * | 2019-10-23 | 2020-02-18 | 上海能塔智能科技有限公司 | 试驾车型推荐方法及装置、计算机可读存储介质 |
| CN111476399A (zh) * | 2020-03-08 | 2020-07-31 | 云南电网有限责任公司 | 一种现货交易机制下售电公司购电方法及系统 |
| CN111489233A (zh) * | 2020-03-23 | 2020-08-04 | 上海博泰悦臻电子设备制造有限公司 | 车辆推荐方法及系统 |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114638565A (zh) * | 2020-12-16 | 2022-06-17 | 南京福佑在线电子商务有限公司 | 订单分配方法、装置及电子设备 |
| CN112561657A (zh) * | 2020-12-23 | 2021-03-26 | 上海新共赢信息科技有限公司 | 一种车辆信息处理方法、装置、电子设备以及存储介质 |
| CN112561657B (zh) * | 2020-12-23 | 2024-01-09 | 上海乐享似锦科技股份有限公司 | 一种车辆信息处理方法、装置、电子设备以及存储介质 |
| CN113327336A (zh) * | 2021-06-03 | 2021-08-31 | 厦门科拓通讯技术股份有限公司 | 人车关系的识别方法、装置和电子设备 |
| CN114495364A (zh) * | 2022-01-25 | 2022-05-13 | 北京悟空出行科技有限公司 | 自助租车方法、装置、电子设备和可读存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102582513B1 (ko) | 자동 내비게이션을 용이하게 하기 위한 웹 페이지 분석 | |
| US11367281B2 (en) | Systems and methods for augmented reality navigation | |
| CN107797984B (zh) | 智能交互方法、设备及存储介质 | |
| US20190332937A1 (en) | Recurrent neural network architectures which provide text describing images | |
| CN102870114B (zh) | 项目选择装置和项目选择方法 | |
| CN112292674A (zh) | 为助理系统处理多模态用户输入 | |
| CN111602147A (zh) | 基于非局部神经网络的机器学习模型 | |
| US20150161529A1 (en) | Identifying Related Events for Event Ticket Network Systems | |
| US20200356781A1 (en) | Method and apparatus for performing categorised matching of videos, and selection engine | |
| US20100017391A1 (en) | Polarity estimation system, information delivery system, polarity estimation method, polarity estimation program and evaluation polarity estimatiom program | |
| US20100250366A1 (en) | Merge real-world and virtual markers | |
| US20210126806A1 (en) | Method for recognizing and utilizing user face based on profile picture in chatroom created using group album | |
| CN114219971B (zh) | 一种数据处理方法、设备以及计算机可读存储介质 | |
| CN107644053A (zh) | 通知的场境信息 | |
| CN111523030B (zh) | 报盘信息推荐方法、装置及计算机可读存储介质 | |
| CN112861474B (zh) | 一种信息标注方法、装置、设备及计算机可读存储介质 | |
| CN114677402A (zh) | 海报文本布局、海报生成方法及相关装置 | |
| CN117956232A (zh) | 一种视频推荐方法及装置 | |
| CN117668199A (zh) | 一种智能客服问答预测及推荐对话生成方法及装置 | |
| CN117290605A (zh) | 一种车载智能场景推荐方法、装置、设备和介质 | |
| CN111967750B (zh) | 一种车辆匹配方法、装置、终端及存储介质 | |
| CN117271787A (zh) | 知识库构建、智能客服实现与知识问答方法、设备及介质 | |
| CN111967750A (zh) | 一种车辆匹配方法、装置、终端及存储介质 | |
| CN116611891A (zh) | 内容信息的推荐方法、装置、服务器及存储介质 | |
| CN113011919B (zh) | 识别兴趣对象的方法及装置、推荐方法、介质、电子设备 |
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 | ||
| CB02 | Change of applicant information |
Address after: Room 587, building 3, 333 Hongqiao Road, Xuhui District, Shanghai 200030 Applicant after: Shanghai Lexiang Sijin Technology Co.,Ltd. Address before: Room 587, building 3, 333 Hongqiao Road, Xuhui District, Shanghai 200030 Applicant before: Shanghai xinwin Information Technology Co.,Ltd. |
|
| CB02 | Change of applicant information | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20230329 Address after: 2406, Building 1, Tongji Science and Technology Plaza, No. 2 Hushan Road, Changshu High and New Technology Industrial Development Zone, Suzhou City, Jiangsu Province, 215500 Applicant after: Concavoconvex Lexiang (Suzhou) Information Technology Co.,Ltd. Address before: Room 587, building 3, 333 Hongqiao Road, Xuhui District, Shanghai 200030 Applicant before: Shanghai Lexiang Sijin Technology Co.,Ltd. |
|
| TA01 | Transfer of patent application right | ||
| GR01 | Patent grant |