WO2023050779A1 - 预约服务的数量分析方法、装置、设备及存储介质 - Google Patents

预约服务的数量分析方法、装置、设备及存储介质 Download PDF

Info

Publication number
WO2023050779A1
WO2023050779A1 PCT/CN2022/087790 CN2022087790W WO2023050779A1 WO 2023050779 A1 WO2023050779 A1 WO 2023050779A1 CN 2022087790 W CN2022087790 W CN 2022087790W WO 2023050779 A1 WO2023050779 A1 WO 2023050779A1
Authority
WO
WIPO (PCT)
Prior art keywords
data
historical
reservation service
service
target data
Prior art date
Application number
PCT/CN2022/087790
Other languages
English (en)
French (fr)
Inventor
朱铮
Original Assignee
康键信息技术（深圳）有限公司
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 康键信息技术（深圳）有限公司 filed Critical 康键信息技术（深圳）有限公司
Publication of WO2023050779A1 publication Critical patent/WO2023050779A1/zh

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
    • G06Q10/02—Reservations, e.g. for tickets, services or events
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/21—Design, administration or maintenance of databases
    • G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • 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"

Abstract

本申请涉及人工智能领域，揭露一种预约服务的数量分析方法，包括：对线上预约服务的历史数据进行采集、数据清洗及时间维度拆分，得到多个时间段的目标数据；根据每个时间段目标数据的预约用户数量和到访用户数量，计算每个时间段线上预约服务的历史履约率和历史收益权重；获取每个时间段线上预约服务的历史可预约服务数量，根据历史可用预约数量、历史履约率及历史收益权重，构建预约服务数量决策模型；将线上预约服务的当前可预约服务数量输入至预约决策服务模型，以输出线上预约服务的当前预约服务数量。此外，本申请还涉及数字医疗技术，所述线上预约服务可以是医疗服务可存储区块链。本申请可以智能决策预约服务的最优预约数量。

Description

预约服务的数量分析方法、装置、设备及存储介质
本申请要求于2021年09月29日提交中国专利局、申请号为202111148141.4，发明名称为“预约服务的数量分析方法、装置、设备及存储介质”的中国专利申请的优先权，其全部内容通过引用结合在本申请中。
技术领域
本申请涉及人工智能领域，尤其涉及一种预约服务的数量分析方法、装置、电子设备及计算机可读存储介质。
背景技术
超售是指销售数量(接受预约数量)可以大于可提供服务数量的一种服务提供模式，其可以应用在如医疗美容、牙齿护理、基因检测、中医护理及体检等行业的线上预约服务。目前，线上预约服务的数量通常是基于不同机构或企业的可接受数量进行确定，但是在实际业务场景中，发明人意识到由于用户时间的不确定性，很容易会出现用户线上预约，线下却未履约的现象，因此，线上预约服务可以通过超售实现人力物力的充分利用，但是，超售的数量不容易控制，超售数量过多，会造成人力物力的紧张，而超售数量较少，却达不到人力物力的充分利用的效果，因此如何确定预约服务的最优数量显得愈发重要。
发明内容
本申请提供的一种预约服务的数量分析方法，包括：
采集线上预约服务的历史数据，并对所述历史数据进行数据清洗，得到目标数据；
将所述目标数据按照时间维度进行拆分，得到多个时间段的目标数据；
根据所述多个时间段中每个时间段的目标数据中的预约用户数量和到访用户数量，计算所述线上预约服务在所述每个时间段内的历史履约率；
计算所述线上预约服务在所述每个时间段内的历史收益权重；
获取所述线上预约服务在所述每个时间段内的历史可预约服务数量，根据所述历史可用预约数量、所述历史履约率以及所述历史收益权重，构建预约服务数量决策模型；
根据所述线上预约服务的当前可预约服务数量，利用所述预约服务数量决策模型，分析所述线上预约服务的当前预约服务数量。
本申请还提供一种预约服务的数量分析装置，所述装置包括：
数据清洗模块，用于采集线上预约服务的历史数据，并对所述历史数据进行数据清洗，得到目标数据；
时间维度拆分模块，用于将所述目标数据按照时间维度进行拆分，得到多个时间段的目标数据；
履约率计算模块，用于根据所述多个时间段中每个时间段的目标数据中的预约用户数量和到访用户数量，计算所述线上预约服务在所述每个时间段内的历史履约率；
收益权重计算模块，用于计算所述线上预约服务在所述每个时间段内的历史收益权重；
决策模型构建模块，用于获取所述线上预约服务在所述每个时间段内的历史可预约服务数量，根据所述历史可用预约数量、所述历史履约率以及所述历史收益权重，构建预约服务数量决策模型；
服务数量决策模块，用于根据所述线上预约服务的当前可预约服务数量，利用所述预约服务数量决策模型，分析所述线上预约服务的当前预约服务数量。
本申请还提供一种电子设备，所述电子设备包括：
至少一个处理器；以及，
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以实现如下所述的预约服务的数量分析方法：
采集线上预约服务的历史数据，并对所述历史数据进行数据清洗，得到目标数据；
将所述目标数据按照时间维度进行拆分，得到多个时间段的目标数据；
根据所述多个时间段中每个时间段的目标数据中的预约用户数量和到访用户数量，计算所述线上预约服务在所述每个时间段内的历史履约率；
计算所述线上预约服务在所述每个时间段内的历史收益权重；
获取所述线上预约服务在所述每个时间段内的历史可预约服务数量，根据所述历史可用预约数量、所述历史履约率以及所述历史收益权重，构建预约服务数量决策模型；
根据所述线上预约服务的当前可预约服务数量，利用所述预约服务数量决策模型，分析所述线上预约服务的当前预约服务数量。
本申请还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一个计算机程序，所述至少一个计算机程序被电子设备中的处理器执行以实现如下所述的预约服务的数量分析方法：
采集线上预约服务的历史数据，并对所述历史数据进行数据清洗，得到目标数据；
将所述目标数据按照时间维度进行拆分，得到多个时间段的目标数据；
根据所述多个时间段中每个时间段的目标数据中的预约用户数量和到访用户数量，计算所述线上预约服务在所述每个时间段内的历史履约率；
计算所述线上预约服务在所述每个时间段内的历史收益权重；
获取所述线上预约服务在所述每个时间段内的历史可预约服务数量，根据所述历史可用预约数量、所述历史履约率以及所述历史收益权重，构建预约服务数量决策模型；
根据所述线上预约服务的当前可预约服务数量，利用所述预约服务数量决策模型，分析所述线上预约服务的当前预约服务数量。
附图说明
图1为本申请一实施例提供的预约服务的数量分析方法的流程示意图；
图2为本申请一实施例提供的预约服务的数量分析装置的模块示意图；
图3为本申请一实施例提供的实现预约服务的数量分析方法的电子设备的内部结构示意图；
本申请目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
本申请实施例提供一种预约服务的数量分析方法。所述预约服务的数量分析方法的执行主体包括但不限于服务端、终端等能够被配置为执行本申请实施例提供的该方法的电子设备中的至少一种。换言之，所述预约服务的数量分析方法可以由安装在终端设备或服务端设备的软件或硬件来执行，所述软件可以是区块链平台。所述服务端包括但不限于：单台服务器、服务器集群、云端服务器或云端服务器集群等。所述服务器可以是独立的服务器，也可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(Content Delivery Network，CDN)、以及大数据和人工智能平台等基础云计算服务的云服务器。
参照图1所示，为本申请一实施例提供的预约服务的数量分析方法的流程示意图。在 本申请实施例中，所述预约服务的数量分析方法包括：
S1、采集线上预约服务的历史数据，并对所述历史数据进行数据清洗，得到目标数据。
本申请实施例中，所述线上预约服务是指通过网络平台进行提前咨询预订的服务，如酒店预订服务、中医理疗预订服务以及医疗预订服务等，所述历史数据包括服务基础数据、用户数据，所述服务基础数据是指所述线上预约服务的产品数据，如服务价格、服务时间、服务项目以及服务对象等，所述用户数据是指咨询过所述线上预约服务的数据，如用户姓名、用户预约时间、用户到访数据以及用户消费数据等。
进一步地，应该了解，在所述历史数据中会包含许多无用数据和/或重复数据，因此，本申请实施例通过对所述历史数据进行数据清洗，以减少所述历史数据的数据量，提高后续数据的处理速度。
作为本申请的一个实施例，所述对所述历史数据进行数据清洗，得到目标数据包括：对所述历史数据进行去重操作，并检测去重后的所述历史数据是否存在数据缺失值；若不存在数据缺失值，则将去重后的所述历史数据作为目标数据；若存在数据缺失值，则对所述数据缺失值进行数据填充，得到目标数据。
进一步地，作为本申请的其中一个实施例，所述对所述历史数据进行去重操作，包括：计算所述历史数据中任意两个数据的相似度，若所述相似度不大于预设相似度，则同时保留所述两个历史数据，若所述相似度大于预设相似度，则删除所述两个数据中任意一个数据。其中，所述预设相似度可以设置为0.9，也可以根据实际业务场景设置。
需要说明的是，本申请实施例在计算所述历史数据的相似度之前，还包括：利用hash算法将所述历史数据转换成对应hash值，以实现后续历史数据相似度的计算。
一个可选实施例中，利用下述方法计算所述历史数据中任意两个数据的相似度：
Figure PCTCN2022087790-appb-000001
其中，d表示任意两个数据的相似度，w 1j和w 2j表示任意两个数据对应的hash值。
进一步地，作为本申请的其中一个实施例，所述数据缺失值的检测可以通过当前已知的数据缺失值检测工具中的检测函数实现，如Amelia package工具中的missmap function检测函数实现。
S2、将所述目标数据按照时间维度进行拆分，得到多个时间段的目标数据。
本申请实施例通过将所述目标数据按照时间维度进行拆分，以获取所述线上预约服务在不同时间段的数据，如所述目标数据为近一年内的历史数据，则可以按照季度拆分为四个维度的目标数据。
作为本申请的一个实施例，所述将所述目标数据按照时间维度进行拆分，得到多个时间段的目标数据包括：获取所述目标数据的总数据量和所述目标数据中每个数据的采集时间，根据所述总数据量和所述采集时间，生成所述目标数据中每个数据的时间戳，根据所述每个数据的时间戳，生成多个时间段的目标数据。
其中，所述根据所述总数据量和所述采集时间，生成所述目标数据中每个数据的时间戳，包括：获取在每个所述采集时间内所述目标数据的分数据量，计算每个所述分数据量在所述总数据量中的数据占比，根据所述数据占比，更新每个所述分数据量的时间戳，以获取所述目标数据中每个数据的时间戳。
基于所述时间维度的划分，可以将所述目标数据按照时间进行更进一步的拆分，从而可以更加详细的了解到所述线上预约服务在不同时间段内的用户行为，进而可以提高后续在进行预约服务最优数量确定的准确性。
S3、根据所述多个时间段中每个时间段的目标数据中的预约用户数量和到访用户数量，计算所述线上预约服务在所述每个时间段内的历史履约率。
应该了解，在实际业务场景中，由于用户的时间不确定性或预约服务的不稳定性，会 出现用户预约了服务，却没有实际进行消费服务的现象，因此，本申请实施例通过根据所述多个时间段中每个时间段的目标数据中的预约用户数量和到访用户数量，计算所述线上预约服务在所述每个时间段内的历史履约率，以作为后续构建决策模型的一个决策因子，保障所述决策模型的决策准确率，其中，所述决策模型用于决策所述线上预约服务的最优预约数量，保障服务产品的最大收益率。
本申请实施例中，所述预约用户数量是指通过网络平台咨询所述线上预约服务后提交预约订单的用户数量，所述到访用户数量是指在线下已经消费过所述线上预约服务的用户数量。需要说明的是，本申请实施例在根据所述多个时间段中每个时间段的目标数据中的预约用户数量和到访用户数量，计算所述线上预约服务在所述每个时间段内的历史履约率之前，还包括：查询所述预约用户数量和到访用户数量对应用户的历史履约信息，根据所述历史履约信息，判断所述用户是否处于黑名单用户，若所述用户处于黑名单用户，则对所述用户的预约和/或到访数量进行删除操作，若所述用户不处于黑名单用户，则对所述用户的预约和/或到访数量进行保留操作。其中，所述历史履约信息可以通过查询所述用户在所述线上预约服务的后台数据库中浏览记录获取，所述黑名单用户的判断可以基于所述用户的历史履约数量进去设置，如所述用户的历史履约数量达到十次，则判断该用户为黑名单用户，其也可以根据实际业务场景设置。
进一步地，本申请的一个可选实施例中，利用下述公式计算所述线上预约服务在所述每个时间段内的历史履约率：
Figure PCTCN2022087790-appb-000002
其中，P表示历史履约率，M表示预约用户数量，N表示到访用户数量。
需要说明的是，所述预约用户数量和到访用户数量可以通过查询语句进行查询，所述查询语句可以为SQL语句。
S4、计算所述线上预约服务在所述每个时间段内的历史收益权重。
应该了解，在所述到访用户数量低于所述预约用户数据量时，即所述历史履约率不等于1的时候，会造成所述线上预约服务处于空置的状态，从而会带来一定的服务成本，因此，本申请通过计算所述线上预约服务在所述每个时间段内的历史收益权重，以确定后续决策模型的决策因子，保障所述决策模型的决策准确率。
作为本申请的一个实施例，所述计算所述线上预约服务在所述每个时间段内的历史收益权重，包括：查询所述线上预约服务在每个时间段内的服务收益和服务损失，根据所述服务收益，计算所述线上预约服务在每个时间段内的边际收益，根据所述服务损失，计算所述线上预约服务在每个时间段内的边际损失和额外成本，将所述边际收益、边际损失以及额外成本汇总后，作为在每个时间段内所述线上预约服务的历史收益权重。
其中，所述服务收益和服务损失基于不同线上预约服务的服务项目和服务价格确定，例如，所述线上预约服务为酒店预订服务，其服务项目为酒店房间的预订，则所述服务收益和服务损失可以根据酒店房间的预订人数和酒店房间的入住人数进行确定。所述边际收益是指预约所述线上预约服务进行消费的新增用户所转换的收益，所述边际损失是指预约所述线上预约服务未进行消费的用户所转换的损失，所述边际损失是指预约所述线上预约服务未进行消费所带来的设备损失。
进一步，为保障所述历史收益权重的隐私性和安全性，所述历史收益权重还可存储于一区块链节点中。
S5、获取所述线上预约服务在所述每个时间段内的历史可预约服务数量，根据所述历史可用预约数量、所述历史履约率以及所述历史收益权重，构建预约服务数量决策模型。
应该了解，在实际业务场景中，所述线上预约服务的数量应该不大于实际可预约数量，如对于酒店房间预订服务，线上可预约的酒店房间数量应当不大于实际酒店可入住的数量，因此本申请实施例通过获取所述线上预约服务在所述每个时间段内的历史可预约服务数 量，以确定所述线上预约服务在每个时间段内最大可约数量，可选的，所述历史可预约服务数量也可以通过上述查询语句得到。
进一步应该了解的是，由于预约服务处于网络平台进行线上交易，在实际业务场景中，所述预约服务也可以通过线下进行交易，若是直接将所述线上预约服务的可用预约数量进行全部开放，很可能会出线下没有可用的服务现象，从而会带来一定的损失，因此，本申请实施例通过所述历史可用预约数量、所述历史履约率以及所述历史收益权重，构建预约服务数量决策模型，以智能决策出后续所述线上预约服务的最佳预约数量，保障所述线上预约服务的最大收益率。
进一步地，本申请一可选实施例中，利用下述公式构建预约服务数量决策模型：
Figure PCTCN2022087790-appb-000003
其中，S表示所述线上预约服务的最佳预约数量，N表示历史可预约服务数量，ω表示历史收益权重中的边际收益，ρ表示历史收益权重中的边际损失，φ表示历史收益权重中的额外成本，σ表示历史履约率。
S6、根据所述线上预约服务的当前可预约服务数量，利用所述预约服务数量决策模型，分析所述线上预约服务的当前预约服务数量。
本申请实施例中，所述当前可预约服务数量是指所述线上预约服务的剩余空闲服务数量，其基于不同业务场景产生，所述将所述线上预约服务的当前可预约服务数量输入至所述预约服务数量决策模型，即将所述预约服务数量决策模型中的历史可预约服务数量替换为所述当前可预约服务数量，以输出所述线上预约服务的当前预约服务数量，可以确定所述线上预约服务的当前预约服务的最优数量，保障所述线上预约服务的当前最大收益率。
可以看出，本申请首先通过采集所述线上预约服务的历史数据，并对所述历史数据进行数据清洗和时间维度拆分，得到多个时间段的目标数据，可以减少所述历史数据的数据量，提高后续数据的处理速度，并将所述历史数据按照时间进行更进一步的拆分，从而可以更加详细的了解到所述线上预约服务在不同时间段内的用户行为，进而可以提高后续在进行预约服务最优数量确定的准确性；其次，本申请实施例通过计算每个时间段内的所述线上预约服务的历史履约率和历史收益权重，并获取每个时间段所述线上预约服务的历史可预约服务数量，以构建预约服务数量决策模型，可以智能决策树所述线上预约服务的当前预约服务的最优数量，减少因用户不确定因素导致线上预约服务取消带来的损失，保障线上预约服务的收益最大化。因此，本申请实施例提出的一种预约服务的数量分析方法可以智能决策预约服务的最优预约数量。
如图2所示，是本申请预约服务的数量分析装置的功能模块图。
本申请所述预约服务的数量分析装置100可以安装于电子设备中。根据实现的功能，所述预约服务的数量分析装置可以包括数据数据清洗模块101、时间维度拆分模块102、履约率计算模块103、收益权重计算模块104、决策模型构建模块105以及服务数量决策模块106。本申请所述模块也可以称之为单元，是指一种能够被电子设备的处理器所执行，并且能够完成固定功能的一系列计算机程序段，其存储在电子设备的存储器中。
在本实施例中，关于各模块/单元的功能如下：
所述数据数据清洗模块101，用于采集线上预约服务的历史数据，并对所述历史数据进行数据清洗，得到目标数据；
所述时间维度拆分模块102，用于将所述目标数据按照时间维度进行拆分，得到多个时间段的目标数据；
所述履约率计算模块103，用于根据所述多个时间段中每个时间段的目标数据中的预 约用户数量和到访用户数量，计算所述线上预约服务在所述每个时间段内的历史履约率；
所述收益权重计算模块104，用于计算所述线上预约服务在所述每个时间段内的历史收益权重；
所述决策模型构建模块105，用于获取所述线上预约服务在所述每个时间段内的历史可预约服务数量，根据所述历史可用预约数量、所述历史履约率以及所述历史收益权重，构建预约服务数量决策模型；
所述服务数量决策模块106，用于根据所述线上预约服务的当前可预约服务数量，利用所述预约服务数量决策模型，分析所述线上预约服务的当前预约服务数量。
详细地，本申请实施例中所述预约服务的数量分析装置100中的所述各模块在使用时采用与上述的图1中所述的预约服务的数量分析方法一样的技术手段，并能够产生相同的技术效果，这里不再赘述。
如图3所示，是本申请实现预约服务的数量分析方法的电子设备1的结构示意图。
所述电子设备1可以包括处理器10、存储器11、通信总线12以及通信接口13，还可以包括存储在所述存储器11中并可在所述处理器10上运行的计算机程序，如预约服务的数量分析程序。
其中，所述处理器10在一些实施例中可以由集成电路组成，例如可以由单个封装的集成电路所组成，也可以是由多个相同功能或不同功能封装的集成电路所组成，包括一个或者多个中央处理器(Central Processing unit，CPU)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器10是所述电子设备1的控制核心(Control Unit)，利用各种接口和线路连接整个电子设备1的各个部件，通过运行或执行存储在所述存储器11内的程序或者模块(例如执行预约服务的数量分析程序等)，以及调用存储在所述存储器11内的数据，以执行电子设备1的各种功能和处理数据。
所述存储器11至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器(例如：SD或DX存储器等)、磁性存储器、磁盘、光盘等，所述计算机可读存储介质可以是非易失性的，也可以是易失性的。所述存储器11在一些实施例中可以是电子设备1的内部存储单元，例如该电子设备1的移动硬盘。所述存储器11在另一些实施例中也可以是电子设备1的外部存储设备，例如电子设备1上配备的插接式移动硬盘、智能存储卡(Smart Media Card，SMC)、安全数字(Secure Digital，SD)卡、闪存卡(Flash Card)等。进一步地，所述存储器11还可以既包括电子设备1的内部存储单元也包括外部存储设备。所述存储器11不仅可以用于存储安装于电子设备1的应用软件及各类数据，例如预约服务的数量分析程序的代码等，还可以用于暂时地存储已经输出或者将要输出的数据。
所述通信总线12可以是外设部件互连标准(peripheral component interconnect，简称PCI)总线或扩展工业标准结构(extended industry standard architecture，简称EISA)总线等。该总线可以分为地址总线、数据总线、控制总线等。所述总线被设置为实现所述存储器11以及至少一个处理器10等之间的连接通信。
所述通信接口13用于上述电子设备1与其他设备之间的通信，包括网络接口和员工接口。可选地，所述网络接口可以包括有线接口和/或无线接口(如WI-FI接口、蓝牙接口等)，通常用于在该电子设备1与其他电子设备1之间建立通信连接。所述员工接口可以是显示器(Display)、输入单元(比如键盘(Keyboard))，可选地，员工接口还可以是标准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode，有机发光二极管)触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在电子设备1中处理的信息以及用于显示可视化的员工界面。
图3仅示出了具有部件的电子设备1，本领域技术人员可以理解的是，图3示出的结构并不构成对所述电子设备1的限定，可以包括比图示更少或者更多的部件，或者组合某些部件，或者不同的部件布置。
例如，尽管未示出，所述电子设备1还可以包括给各个部件供电的电源(比如电池)，优选地，电源可以通过电源管理装置与所述至少一个处理器10逻辑相连，从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备1还可以包括多种传感器、蓝牙模块、Wi-Fi模块等，在此不再赘述。
应该了解，所述实施例仅为说明之用，在专利申请范围上并不受此结构的限制。
所述电子设备1中的所述存储器11存储的预约服务的数量分析程序是多个计算机程序的组合，在所述处理器10中运行时，可以实现：
采集线上预约服务的历史数据，并对所述历史数据进行数据清洗，得到目标数据；
将所述目标数据按照时间维度进行拆分，得到多个时间段的目标数据；
根据所述多个时间段中每个时间段的目标数据中的预约用户数量和到访用户数量，计算所述线上预约服务在所述每个时间段内的历史履约率；
计算所述线上预约服务在所述每个时间段内的历史收益权重；
获取所述线上预约服务在所述每个时间段内的历史可预约服务数量，根据所述历史可用预约数量、所述历史履约率以及所述历史收益权重，构建预约服务数量决策模型；
根据所述线上预约服务的当前可预约服务数量，利用所述预约服务数量决策模型，分析所述线上预约服务的当前预约服务数量。
具体地，所述处理器10对上述计算机程序的具体实现方法可参考图1对应实施例中相关步骤的描述，在此不赘述。
进一步地，所述电子设备1集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个非易失性计算机可读取存储介质中。所述计算机可读存储介质可以是易失性的，也可以是非易失性的。例如，所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)。
本申请还提供一种计算机可读存储介质，所述可读存储介质存储有计算机程序，所述计算机程序在被电子设备1的处理器所执行时，可以实现：
采集线上预约服务的历史数据，并对所述历史数据进行数据清洗，得到目标数据；
将所述目标数据按照时间维度进行拆分，得到多个时间段的目标数据；
根据所述多个时间段中每个时间段的目标数据中的预约用户数量和到访用户数量，计算所述线上预约服务在所述每个时间段内的历史履约率；
计算所述线上预约服务在所述每个时间段内的历史收益权重；
获取所述线上预约服务在所述每个时间段内的历史可预约服务数量，根据所述历史可用预约数量、所述历史履约率以及所述历史收益权重，构建预约服务数量决策模型；
根据所述线上预约服务的当前可预约服务数量，利用所述预约服务数量决策模型，分析所述线上预约服务的当前预约服务数量。
在本申请所提供的几个实施例中，应该理解到，所揭露的设备，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言，显然本申请不限于上述示范性实施例的细节，而且在不背离本申请的精神或基本特征的情况下，能够以其他的具体形式实现本申请。
因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本申请的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本申请内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
本申请所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain)，本质上是一个去中心化的数据库，是一串使用密码学方法相关联产生的数据块，每一个数据块中包含了一批次网络交易的信息，用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
本申请实施例可以基于人工智能技术对相关的数据进行获取和处理。其中，人工智能(Artificial Intelligence，AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。系统权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第二等词语用来表示名称，而并不表示任何特定的顺序。
最后应说明的是，以上实施例仅用以说明本申请的技术方案而非限制，尽管参照较佳实施例对本申请进行了详细说明，本领域的普通技术人员应当理解，可以对本申请的技术方案进行修改或等同替换，而不脱离本申请技术方案的精神和范围。

Claims (20)

  1. 一种预约服务的数量分析方法，其中，所述方法包括：
    采集线上预约服务的历史数据，并对所述历史数据进行数据清洗，得到目标数据；
    将所述目标数据按照时间维度进行拆分，得到多个时间段的目标数据；
    根据所述多个时间段中每个时间段的目标数据中的预约用户数量和到访用户数量，计算所述线上预约服务在所述每个时间段内的历史履约率；
    计算所述线上预约服务在所述每个时间段内的历史收益权重；
    获取所述线上预约服务在所述每个时间段内的历史可预约服务数量，根据所述历史可用预约数量、所述历史履约率以及所述历史收益权重，构建预约服务数量决策模型；
    根据所述线上预约服务的当前可预约服务数量，利用所述预约服务数量决策模型，分析所述线上预约服务的当前预约服务数量。
  2. 如权利要求1所述的预约服务的数量分析方法，其中，所述将所述目标数据按照时间维度进行拆分，得到多个时间段的目标数据，包括：
    获取所述目标数据的总数据量和所述目标数据中每个数据的采集时间；
    根据所述总数据量和所述采集时间，生成所述目标数据中每个数据的时间戳；
    根据所述每个数据的时间戳，生成多个时间段的目标数据。
  3. 如权利要求2所述的预约服务的数量分析方法，其中，所述根据所述总数据量和所述采集时间，生成所述目标数据中每个数据的时间戳，包括：
    获取每个所述采集时间内所述目标数据的分数据量，计算每个所述分数据量在所述总数据量中的数据占比；
    根据所述数据占比，更新每个所述分数据量的时间戳，以获取所述目标数据中每个数据的时间戳。
  4. 如权利要求1所述的预约服务的数量分析方法，其中，所述计算所述线上预约服务在所述每个时间段内的历史收益权重，包括：
    查询所述线上预约服务在每个时间段内的服务收益和服务损失；
    根据所述服务收益，计算所述线上预约服务在每个时间段内的边际收益；
    根据所述服务损失，计算所述线上预约服务在每个时间段内的边际损失和额外成本；
    将所述边际收益、所述边际损失以及所述额外成本汇总后，作为在每个时间段内所述线上预约服务的历史收益权重。
  5. 如权利要求4所述的预约服务的数量分析方法，其中，所述预约服务数量决策模型，包括：
    Figure PCTCN2022087790-appb-100001
    其中，S表示所述线上预约服务的最佳预约数量，N表示历史可预约服务数量，ω表示历史收益权重中的边际收益，ρ表示历史收益权重中的边际损失，φ表示历史收益权重中的额外成本，σ表示历史履约率。
  6. 如权利要求1所述的预约服务的数量分析方法，其中，所述对所述历史数据进行数据清洗，得到目标数据包括：
    对所述历史数据进行去重操作，并检测去重后的所述历史数据是否存在数据缺失值；
    若不存在数据缺失值，则将去重后的所述历史数据作为目标数据；
    若存在数据缺失值，则对所述数据缺失值进行数据填充，得到目标数据。
  7. 如权利要求6所述的预约服务的数量分析方法，其中，所述对所述历史数据进行去重操作，包括：
    计算所述历史数据中任意两个数据的相似度；
    若所述相似度不大于预设相似度，则同时保留所述两个历史数据；
    若所述相似度大于预设相似度，则删除所述两个数据中任意一个数据。
  8. 一种预约服务的数量分析装置，其中，所述装置包括：
    数据清洗模块，用于采集线上预约服务的历史数据，并对所述历史数据进行数据清洗，得到目标数据；
    时间维度拆分模块，用于将所述目标数据按照时间维度进行拆分，得到多个时间段的目标数据；
    履约率计算模块，用于根据所述多个时间段中每个时间段的目标数据中的预约用户数量和到访用户数量，计算所述线上预约服务在所述每个时间段内的历史履约率；
    收益权重计算模块，用于计算所述线上预约服务在所述每个时间段内的历史收益权重；
    决策模型构建模块，用于获取所述线上预约服务在所述每个时间段内的历史可预约服务数量，根据所述历史可用预约数量、所述历史履约率以及所述历史收益权重，构建预约服务数量决策模型；
    服务数量决策模块，用于根据所述线上预约服务的当前可预约服务数量，利用所述预约服务数量决策模型，分析所述线上预约服务的当前预约服务数量。
  9. 一种电子设备，其中，所述电子设备包括：
    至少一个处理器；以及，
    与所述至少一个处理器通信连接的存储器；其中，
    所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行如下所述的预约服务的数量分析方法：
    采集线上预约服务的历史数据，并对所述历史数据进行数据清洗，得到目标数据；
    将所述目标数据按照时间维度进行拆分，得到多个时间段的目标数据；
    根据所述多个时间段中每个时间段的目标数据中的预约用户数量和到访用户数量，计算所述线上预约服务在所述每个时间段内的历史履约率；
    计算所述线上预约服务在所述每个时间段内的历史收益权重；
    获取所述线上预约服务在所述每个时间段内的历史可预约服务数量，根据所述历史可用预约数量、所述历史履约率以及所述历史收益权重，构建预约服务数量决策模型；
    根据所述线上预约服务的当前可预约服务数量，利用所述预约服务数量决策模型，分析所述线上预约服务的当前预约服务数量。
  10. 如权利要求9所述的电子设备，其中，所述将所述目标数据按照时间维度进行拆分，得到多个时间段的目标数据，包括：
    获取所述目标数据的总数据量和所述目标数据中每个数据的采集时间；
    根据所述总数据量和所述采集时间，生成所述目标数据中每个数据的时间戳；
    根据所述每个数据的时间戳，生成多个时间段的目标数据。
  11. 如权利要求10所述的电子设备，其中，所述根据所述总数据量和所述采集时间，生成所述目标数据中每个数据的时间戳，包括：
    获取每个所述采集时间内所述目标数据的分数据量，计算每个所述分数据量在所述总数据量中的数据占比；
    根据所述数据占比，更新每个所述分数据量的时间戳，以获取所述目标数据中每个数据的时间戳。
  12. 如权利要求9所述的电子设备，其中，所述计算所述线上预约服务在所述每个时间段内的历史收益权重，包括：
    查询所述线上预约服务在每个时间段内的服务收益和服务损失；
    根据所述服务收益，计算所述线上预约服务在每个时间段内的边际收益；
    根据所述服务损失，计算所述线上预约服务在每个时间段内的边际损失和额外成本；
    将所述边际收益、所述边际损失以及所述额外成本汇总后，作为在每个时间段内所述线上预约服务的历史收益权重。
  13. 如权利要求12所述的电子设备，其中，所述预约服务数量决策模型，包括：
    Figure PCTCN2022087790-appb-100002
    其中，S表示所述线上预约服务的最佳预约数量，N表示历史可预约服务数量，ω表示历史收益权重中的边际收益，ρ表示历史收益权重中的边际损失，φ表示历史收益权重中的额外成本，σ表示历史履约率。
  14. [根据细则26改正11.07.2022]
    如权利要求9所述的电子设备，其中，所述对所述历史数据进行数据清洗，得到目标数据包括：
    对所述历史数据进行去重操作，并检测去重后的所述历史数据是否存在数据缺失值；
    若不存在数据缺失值，则将去重后的所述历史数据作为目标数据；
    若存在数据缺失值，则对所述数据缺失值进行数据填充，得到目标数据。
  15. [根据细则26改正11.07.2022]
    一种计算机可读存储介质，存储有计算机程序，其中，所述计算机程序被处理器执行时实现如下所述的预约服务的数量分析方法：
    采集线上预约服务的历史数据，并对所述历史数据进行数据清洗，得到目标数据；
    将所述目标数据按照时间维度进行拆分，得到多个时间段的目标数据；
    根据所述多个时间段中每个时间段的目标数据中的预约用户数量和到访用户数量，计算所述线上预约服务在所述每个时间段内的历史履约率；
    计算所述线上预约服务在所述每个时间段内的历史收益权重；
    获取所述线上预约服务在所述每个时间段内的历史可预约服务数量，根据所述历史可用预约数量、所述历史履约率以及所述历史收益权重，构建预约服务数量决策模型；
    根据所述线上预约服务的当前可预约服务数量，利用所述预约服务数量决策模型，分析所述线上预约服务的当前预约服务数量。
  16. 如权利要求15所述的计算机可读存储介质，其中，所述将所述目标数据按照时间维度进行拆分，得到多个时间段的目标数据，包括：
    获取所述目标数据的总数据量和所述目标数据中每个数据的采集时间；
    根据所述总数据量和所述采集时间，生成所述目标数据中每个数据的时间戳；
    根据所述每个数据的时间戳，生成多个时间段的目标数据。
  17. 如权利要求16所述的计算机可读存储介质，其中，所述根据所述总数据量和所述采集时间，生成所述目标数据中每个数据的时间戳，包括：
    获取每个所述采集时间内所述目标数据的分数据量，计算每个所述分数据量在所述总数据量中的数据占比；
    根据所述数据占比，更新每个所述分数据量的时间戳，以获取所述目标数据中每个数据的时间戳。
  18. 如权利要求15所述的计算机可读存储介质，其中，所述计算所述线上预约服务在所述每个时间段内的历史收益权重，包括：
    查询所述线上预约服务在每个时间段内的服务收益和服务损失；
    根据所述服务收益，计算所述线上预约服务在每个时间段内的边际收益；
    根据所述服务损失，计算所述线上预约服务在每个时间段内的边际损失和额外成本；
    将所述边际收益、所述边际损失以及所述额外成本汇总后，作为在每个时间段内所述线上预约服务的历史收益权重。
  19. 如权利要求18所述的计算机可读存储介质，其中，所述预约服务数量决策模型，包括：
    Figure PCTCN2022087790-appb-100003
    其中，S表示所述线上预约服务的最佳预约数量，N表示历史可预约服务数量，ω表示历史收益权重中的边际收益，ρ表示历史收益权重中的边际损失，φ表示历史收益权重中的额外成本，σ表示历史履约率。
  20. 如权利要求15所述的计算机可读存储介质，其中，所述对所述历史数据进行数据清洗，得到目标数据包括：
    对所述历史数据进行去重操作，并检测去重后的所述历史数据是否存在数据缺失值；
    若不存在数据缺失值，则将去重后的所述历史数据作为目标数据；
    若存在数据缺失值，则对所述数据缺失值进行数据填充，得到目标数据。
PCT/CN2022/087790 2021-09-29 2022-04-20 预约服务的数量分析方法、装置、设备及存储介质 WO2023050779A1 (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN202111148141.4A CN113807553A (zh) 2021-09-29 2021-09-29 预约服务的数量分析方法、装置、设备及存储介质
CN202111148141.4 2021-09-29

Publications (1)

Publication Number Publication Date
WO2023050779A1 true WO2023050779A1 (zh) 2023-04-06

Family

ID=78897002

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/CN2022/087790 WO2023050779A1 (zh) 2021-09-29 2022-04-20 预约服务的数量分析方法、装置、设备及存储介质

Country Status (2)

Country Link
CN (1) CN113807553A (zh)
WO (1) WO2023050779A1 (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117576822A (zh) * 2023-11-20 2024-02-20 上海徽视科技集团有限公司 基于互联网平台的排队叫号引导系统

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113807553A (zh) * 2021-09-29 2021-12-17 康键信息技术（深圳）有限公司 预约服务的数量分析方法、装置、设备及存储介质
CN114283932B (zh) * 2022-03-03 2022-06-10 四川大学华西医院 医疗资源管理方法、装置、电子设备以及存储介质
CN115879581B (zh) * 2023-01-17 2023-12-08 北京交通发展研究院 资源管理方法、装置、系统、电子设备及存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120029954A1 (en) * 2010-07-28 2012-02-02 Amadeus S.A.S. Method and apparatus using current fares for seating availability determination
CN110363312A (zh) * 2019-06-19 2019-10-22 北京大米科技有限公司 一种约课方法、装置、存储介质及服务器
CN111598425A (zh) * 2020-05-08 2020-08-28 拉扎斯网络科技（上海）有限公司 一种订单流控方法及装置
CN112862197A (zh) * 2021-02-19 2021-05-28 招商银行股份有限公司 网点智能放号方法、装置、设备及存储介质
CN113807553A (zh) * 2021-09-29 2021-12-17 康键信息技术（深圳）有限公司 预约服务的数量分析方法、装置、设备及存储介质

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112668743A (zh) * 2020-12-28 2021-04-16 上海领健信息技术有限公司 预约时间的智能推荐方法、装置、存储介质及终端

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120029954A1 (en) * 2010-07-28 2012-02-02 Amadeus S.A.S. Method and apparatus using current fares for seating availability determination
CN110363312A (zh) * 2019-06-19 2019-10-22 北京大米科技有限公司 一种约课方法、装置、存储介质及服务器
CN111598425A (zh) * 2020-05-08 2020-08-28 拉扎斯网络科技（上海）有限公司 一种订单流控方法及装置
CN112862197A (zh) * 2021-02-19 2021-05-28 招商银行股份有限公司 网点智能放号方法、装置、设备及存储介质
CN113807553A (zh) * 2021-09-29 2021-12-17 康键信息技术（深圳）有限公司 预约服务的数量分析方法、装置、设备及存储介质

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
CAO, PINGPING ET AL.: "STUDY ON OUTPATIENT APPOINTMENT POLICY BASED ON MARKOV PROCESS", JOURNAL OF SYSTEMS SCIENCE AND MATHEMATICAL SCIENCES, vol. 36, no. 5, 31 May 2016 (2016-05-31), pages 736 - 748, XP009545090, ISSN: 1000-0577, DOI: 10.12341/jssms12785 *
LIANG, FENG ET AL.: "Capacity Control Method of Outpatient Appointments Based on Revenue Management Theory", OPERATIONS RESEARCH AND MANAGEMENT SCIENCE, vol. 29, no. 3, 25 March 2020 (2020-03-25), pages 142 - 148, XP009545089, ISSN: 1007-3221, DOI: 10.12005/orms.2020.0073 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117576822A (zh) * 2023-11-20 2024-02-20 上海徽视科技集团有限公司 基于互联网平台的排队叫号引导系统
CN117576822B (zh) * 2023-11-20 2024-04-30 上海徽视科技集团有限公司 基于互联网平台的排队叫号引导系统

Also Published As

Publication number Publication date
CN113807553A (zh) 2021-12-17

Similar Documents

Publication Publication Date Title
WO2023050779A1 (zh) 预约服务的数量分析方法、装置、设备及存储介质
CN110163474A (zh) 一种任务分配的方法及设备
WO2019056710A1 (zh) 供应商推荐方法、装置及计算机可读存储介质
CN107256443A (zh) 基于业务和数据集成的线损实时计算方法
CN108090225A (zh) 数据库实例的运行方法、装置、系统及计算机可读存储介质
CN112445854A (zh) 多源业务数据实时处理方法、装置、终端及存储介质
JP5841240B2 (ja) 繰り返されるサーチリクエストを最適化する改良された予約システムのための方法及びシステム
WO2021208695A1 (zh) 目标物推荐方法、装置、电子设备及计算机可读存储介质
CN107533676A (zh) 固定分配内容选择基础设施中的响应延迟减少
CN113051480A (zh) 资源推送方法、装置、电子设备及存储介质
WO2023029509A1 (zh) 动态服务发布方法、装置、电子设备及存储介质
CN111694844A (zh) 基于配置算法的企业运行数据分析方法、装置及电子设备
CN111310032A (zh) 资源推荐方法、装置、计算机设备及可读存储介质
CN109615172A (zh) 一种处理考核数据的方法及终端
CN113868528A (zh) 资讯推荐方法、装置、电子设备及可读存储介质
WO2021151305A1 (zh) 基于缺失数据的样本分析方法、装置、电子设备及介质
US11645344B2 (en) Entity mapping based on incongruent entity data
CN115729687A (zh) 任务调度方法、装置、计算机设备、存储介质
CN111652741B (zh) 用户偏好分析方法、装置及可读存储介质
CN113743791A (zh) 一种业务工单的业务考评方法、装置、电子设备和介质
CN111143328A (zh) 一种敏捷商业智能数据构建方法、系统、设备、存储介质
CN114399293B (zh) 信息提醒方法、装置、设备及存储介质
CN100373340C (zh) 分布计算机系统管理方法
WO2022160443A1 (zh) 谱系挖掘方法、装置、电子设备及计算机可读存储介质
CN115409581A (zh) 基于用户行为配置化的产品推荐方法、装置、设备及介质

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 22874178

Country of ref document: EP

Kind code of ref document: A1