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 PDFInfo
- 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
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 10
- 238000004140 cleaning Methods 0.000 claims abstract description 23
- 238000000034 method Methods 0.000 claims description 34
- 238000004590 computer program Methods 0.000 claims description 15
- 238000004445 quantitative analysis Methods 0.000 claims description 14
- 238000004364 calculation method Methods 0.000 claims description 10
- 238000013473 artificial intelligence Methods 0.000 abstract description 5
- 238000005516 engineering process Methods 0.000 abstract description 4
- 230000006870 function Effects 0.000 description 14
- 238000004891 communication Methods 0.000 description 8
- 238000012545 processing Methods 0.000 description 6
- 238000001514 detection method Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 238000007726 management method Methods 0.000 description 5
- 239000000463 material Substances 0.000 description 3
- 230000006399 behavior Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 239000003814 drug Substances 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 208000034723 Amelia Diseases 0.000 description 1
- 208000006586 Ectromelia Diseases 0.000 description 1
- 206010024503 Limb reduction defect Diseases 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000474 nursing effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000000554 physical therapy Methods 0.000 description 1
- 238000012360 testing method 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
- G06Q10/02—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"
Definitions
- the present application relates to the field of artificial intelligence, and in particular to a quantitative analysis method, device, electronic equipment, and computer-readable storage medium for reservation services.
- Overbooking refers to a service provision model in which the sales volume (the number of appointments accepted) can be greater than the number of available services. It can be applied to online appointment services in industries such as medical cosmetology, dental care, genetic testing, traditional Chinese medicine nursing, and physical examination.
- the number of online reservation services is usually determined based on the acceptable number of different institutions or enterprises, but in actual business scenarios, the inventor realized that due to the uncertainty of user time, it is easy for users to make online reservations. Therefore, online reservation service can make full use of manpower and material resources through overbooking.
- the number of overbookings is not easy to control. Too many overbookings will cause a shortage of manpower and material resources, while overbooking
- the number of sales is small, but the effect of full utilization of manpower and material resources cannot be achieved. Therefore, how to determine the optimal number of reservation services is becoming more and more important.
- a method for quantitative analysis of reservation services including:
- the current reservation service quantity of the online reservation service is analyzed by using the decision model for the number of reservation services.
- the present application also provides a quantitative analysis device for reservation services, the device comprising:
- the data cleaning module is used to collect the historical data of the online reservation service, and perform data cleaning on the historical data to obtain the target data;
- a time dimension splitting module configured to split the target data according to the time dimension to obtain target data in multiple time periods
- a fulfillment rate calculation module configured to calculate the history of the online reservation service in each time period according to the number of reservation users and the number of visiting users in the target data of each time period in the plurality of time periods compliance rate;
- a revenue weight calculation module configured to calculate the historical revenue weight of the online reservation service in each time period
- a decision model building module configured to obtain the historical number of available reservation services of the online reservation service in each time period, and construct a Decision-making model for the number of reserved services
- the service quantity decision module is configured to analyze the current reservation service quantity of the online reservation service by using the reservation service quantity decision model according to the current reservation service quantity of the online reservation service.
- the present application also provides an electronic device, the electronic device comprising:
- the memory stores a computer program that can be executed by the at least one processor, and the computer program is executed by the at least one processor, so as to realize the method for analyzing the quantity of subscription services as follows:
- the current reservation service quantity of the online reservation service is analyzed by using the decision model for the number of reservation services.
- the present application also provides a computer-readable storage medium, at least one computer program is stored in the computer-readable storage medium, and the at least one computer program is executed by a processor in an electronic device to realize the reservation service as described below Quantitative analysis methods:
- the current reservation service quantity of the online reservation service is analyzed by using the decision model for the number of reservation services.
- FIG. 1 is a schematic flow diagram of a quantitative analysis method for reservation services provided by an embodiment of the present application
- FIG. 2 is a block diagram of a quantity analysis device for reservation services provided by an embodiment of the present application
- FIG. 3 is a schematic diagram of the internal structure of an electronic device implementing a quantitative analysis method for reservation services provided by an embodiment of the present application;
- An embodiment of the present application provides a method for analyzing the quantity of reservation services.
- the executor of the method for quantity analysis of reservation services includes but is not limited to at least one of electronic devices such as a server end and a terminal that can be configured to execute the method provided by the embodiment of the present application.
- the method for analyzing the quantity of reservation services can be executed by software or hardware installed on the terminal device or server device, and the software can be a block chain platform.
- the server includes, but is not limited to: a single server, a server cluster, a cloud server or a cloud server cluster, and the like.
- the server can be an independent server, or it can provide cloud services, cloud databases, cloud computing, cloud functions, cloud storage, network services, cloud communications, middleware services, domain name services, security services, content delivery network (Content Delivery) Network, CDN), and cloud servers for basic cloud computing services such as big data and artificial intelligence platforms.
- cloud services cloud databases, cloud computing, cloud functions, cloud storage, network services, cloud communications, middleware services, domain name services, security services, content delivery network (Content Delivery) Network, CDN), and cloud servers for basic cloud computing services such as big data and artificial intelligence platforms.
- the quantitative analysis method of the reservation service includes:
- S1. Collect historical data of the online reservation service, and perform data cleaning on the historical data to obtain target data.
- the online reservation service refers to the service of consulting and booking in advance through the network platform, such as hotel reservation service, traditional Chinese medicine physiotherapy reservation service and medical treatment reservation service, etc.
- the historical data includes service basic data, user data
- the service basic data refers to the product data of the online reservation service, such as service price, service time, service items and service objects, etc.
- the user data refers to the data that has consulted the online reservation service, such as User name, user appointment time, user visit data, user consumption data, etc.
- the historical data may contain a lot of useless data and/or repeated data. Therefore, the embodiments of the present application perform data cleaning on the historical data to reduce the data volume of the historical data and improve The processing speed of subsequent data.
- the performing data cleaning on the historical data to obtain the target data includes: performing a deduplication operation on the historical data, and detecting whether there are data missing values in the deduplicated historical data; If there is no data missing value, the historical data after deduplication is used as the target data; if there is data missing value, data filling is performed on the data missing value to obtain the target data.
- the deduplication operation on the historical data includes: calculating the similarity between any two data in the historical data, if the similarity is not greater than the preset similarity degree, then keep the two historical data at the same time, if the similarity is greater than the preset similarity, then delete any one of the two data.
- the preset similarity can be set to 0.9, or can be set according to actual business scenarios.
- the embodiment of the present application further includes: using a hash algorithm to convert the historical data into a corresponding hash value, so as to realize the calculation of the similarity of subsequent historical data.
- the following method is used to calculate the similarity between any two data in the historical data:
- d represents the similarity between any two data
- w 1j and w 2j represent the hash values corresponding to any two data.
- the detection of the missing data value can be realized by a detection function in a currently known data missing value detection tool, such as the missmap function detection function in the Amelia package tool.
- the data of the online reservation service in different time periods are obtained by splitting the target data according to the time dimension. Divide the target data into four dimensions.
- the splitting the target data according to the time dimension to obtain the target data of multiple time periods includes: obtaining the total data volume of the target data and each data in the target data
- the time stamp of each data in the target data is generated according to the total data amount and the collection time
- the target data of multiple time periods is generated according to the time stamp of each data.
- the generating the time stamp of each data in the target data according to the total data volume and the collection time includes: obtaining the sub-data volume of the target data within each collection time, and calculating The data proportion of each sub-data volume in the total data volume, and update the timestamp of each sub-data volume according to the data proportion, so as to obtain the time of each data in the target data stamp.
- the target data can be further split according to time, so that the user behavior of the online reservation service in different time periods can be understood in more detail, and the subsequent Accuracy in determining the optimal number of scheduled services.
- the number of reservation users refers to the number of users who submit reservation orders after consulting the online reservation service through the network platform
- the number of visiting users refers to the number of users who have consumed the online reservation service offline number of users. It should be noted that, in the embodiment of the present application, according to the number of reservation users and the number of visiting users in the target data of each time period in the plurality of time periods, the number of the online reservation service in each time period is calculated.
- the historical fulfillment rate Before the historical fulfillment rate in , it also includes: querying the historical fulfillment information of the user corresponding to the number of reserved users and the number of visiting users, and judging whether the user is a blacklisted user according to the historical fulfillment information, if the user is in If the user is blacklisted, delete the reservation and/or number of visits of the user, and if the user is not in the blacklist, then perform a reservation operation on the reservation and/or number of visits of the user.
- the historical performance information can be obtained by querying the user’s browsing records in the background database of the online reservation service, and the judgment of the blacklisted user can be set based on the number of historical performances of the user, as described If the number of historical performances of a user reaches ten times, the user is judged to be a blacklist user, which can also be set according to the actual business scenario.
- the following formula is used to calculate the historical fulfillment rate of the online reservation service in each time period:
- P represents the historical fulfillment rate
- M represents the number of reserved users
- N represents the number of visiting users.
- the number of reserved users and the number of visiting users can be queried through a query statement, and the query statement can be an SQL statement.
- this application calculates the historical revenue weight of the online reservation service in each time period to determine the decision factors of the subsequent decision-making model to ensure the decision-making accuracy of the decision-making model.
- the calculation of the historical revenue weight of the online reservation service in each time period includes: querying the service revenue and service revenue of the online reservation service in each time period Loss, according to the service income, calculate the marginal income of the online reservation service in each time period, and calculate the marginal loss and additional cost of the online reservation service in each time period according to the service loss , after summarizing the marginal income, marginal loss and additional cost, it is used as the historical income weight of the online reservation service in each time period.
- the service income and service loss are determined based on the service items and service prices of different online reservation services.
- the online reservation service is a hotel reservation service
- its service item is hotel room reservation
- the service income and service loss can be determined based on the number of hotel room reservations and the number of occupants of the hotel room.
- the marginal income refers to the income converted by new users who subscribe to the online reservation service for consumption
- the marginal loss refers to the loss converted by users who reserve the online reservation service but do not consume.
- Loss refers to the loss of equipment caused by not consuming the online reservation service mentioned in the reservation.
- the historical revenue weight can also be stored in a block chain node.
- the number of online reservation services should not be greater than the actual number of reservations.
- the number of hotel rooms that can be reserved online should not be greater than the number of actual hotel occupancy. Therefore, in this embodiment of the present application, the maximum number of reservable services in each time period of the online reservation service is determined by obtaining the historical number of reservable services of the online reservation service in each time period.
- the historical number of service reservations can also be obtained through the above query statement.
- the embodiment of this application constructs a reservation service through the historical available reservation number, the historical fulfillment rate and the historical revenue weight
- the quantity decision-making model uses intelligent decision-making to determine the optimal number of reservations for the subsequent online reservation service to ensure the maximum rate of return for the online reservation service.
- S represents the optimal number of reservations for the online reservation service
- N represents the number of services that can be reserved in history
- ⁇ represents the marginal revenue in the historical revenue weight
- ⁇ represents the marginal loss in the historical revenue weight
- ⁇ represents the historical revenue weight in the The additional cost of
- ⁇ represents the historical fulfillment rate.
- the number of currently available services that can be reserved refers to the number of remaining idle services of the online reserved service, which is generated based on different business scenarios.
- the input of the current number of services that can be reserved for the online reserved service To the reservation service quantity decision model, that is, replace the historical reservation service quantity in the reservation service quantity decision model with the current reservation service quantity, so as to output the current reservation service quantity of the online reservation service, which can be determined
- the optimal quantity of the current reservation service of the online reservation service guarantees the current maximum rate of return of the online reservation service.
- the application first collects the historical data of the online reservation service, and performs data cleaning and time dimension splitting on the historical data to obtain the target data of multiple time periods, which can reduce the historical data. data volume, improve the processing speed of subsequent data, and further split the historical data according to time, so as to understand the user behavior of the online reservation service in different time periods in more detail, and then improve the The accuracy of the determination of the optimal number of reservation services is being carried out in the follow-up; secondly, the embodiment of the present application calculates the historical fulfillment rate and historical revenue weight of the online reservation service in each time period, and obtains the The number of historical reservation services for online reservation services is used to build a decision-making model for the number of reservation services.
- the optimal number of current reservation services for online reservation services described in the intelligent decision tree can be used to reduce the cancellation of online reservation services due to user uncertainties.
- the loss caused by the online booking service is guaranteed to be maximized. Therefore, a method for analyzing the quantity of reserved services proposed in the embodiment of the present application can intelligently determine the optimal number of reserved services.
- FIG. 2 it is a functional block diagram of the quantitative analysis device for the reservation service of the present application.
- the quantity analysis device 100 for the subscription service described in this application can be installed in an electronic device.
- the quantity analysis device for reservation service may include a data cleaning module 101, a time dimension splitting module 102, a fulfillment rate calculation module 103, a revenue weight calculation module 104, a decision model building module 105, and a service quantity decision module 106.
- the module described in this application can also be called a unit, which refers to a series of computer program segments that can be executed by the processor of the electronic device and can complete fixed functions, and are stored in the memory of the electronic device.
- each module/unit is as follows:
- the data cleaning module 101 is used to collect historical data of online reservation services, and perform data cleaning on the historical data to obtain target data;
- the time dimension splitting module 102 is configured to split the target data according to the time dimension to obtain target data of multiple time periods;
- the fulfillment rate calculation module 103 is configured to calculate the number of reservation users and the number of visiting users in the target data of each time period in the plurality of time periods, and calculate the time period of the online reservation service in each time period. historical fulfillment rate within ;
- the revenue weight calculation module 104 is configured to calculate the historical revenue weight of the online reservation service in each time period
- the decision model construction module 105 is used to obtain the historical number of available reservation services of the online reservation service in each time period, according to the historical number of available reservations, the historical fulfillment rate and the historical revenue Weight, build a decision-making model for the number of reservation services;
- the service quantity decision module 106 is configured to analyze the current reservation service quantity of the online reservation service by using the reservation service quantity decision model according to the current reservation service quantity of the online reservation service.
- the modules in the reservation service quantity analysis device 100 in the embodiment of the present application use the same technical means as the above-mentioned reservation service quantity analysis method described in FIG. 1 , and can generate The same technical effect will not be repeated here.
- FIG. 3 it is a schematic structural diagram of an electronic device 1 implementing the quantitative analysis method of reservation service in the present application.
- the electronic device 1 may include a processor 10, a memory 11, a communication bus 12, and a communication interface 13, and may also include a computer program stored in the memory 11 and operable on the processor 10, such as a reservation service Quantitative analysis program.
- the processor 10 may be composed of integrated circuits in some embodiments, for example, may be composed of a single packaged integrated circuit, or may be composed of multiple integrated circuits with the same function or different functions packaged, including one or A combination of multiple central processing units (Central Processing unit, CPU), microprocessors, digital processing chips, graphics processors and various control chips, etc.
- the processor 10 is the control core (Control Unit) of the electronic device 1, and uses various interfaces and lines to connect the various components of the entire electronic device 1, and runs or executes programs or modules stored in the memory 11 ( For example, execute the quantity analysis program of reservation service, etc.), and call the data stored in the memory 11 to execute various functions of the electronic device 1 and process data.
- Control Unit Control Unit
- the memory 11 includes at least one type of readable storage medium, and the readable storage medium includes flash memory, mobile hard disk, multimedia card, card type memory (for example: SD or DX memory, etc.), magnetic memory, magnetic disk, optical disk, etc. , the computer-readable storage medium may be non-volatile or volatile.
- the storage 11 may be an internal storage unit of the electronic device 1 in some embodiments, such as a mobile hard disk of the electronic device 1 .
- the memory 11 can also be an external storage device of the electronic device 1 in other embodiments, such as a plug-in mobile hard disk equipped on the electronic device 1, a smart memory card (Smart Media Card, SMC), a secure digital (Secure Digital , SD) card, flash memory card (Flash Card), etc.
- the memory 11 may also include both an internal storage unit of the electronic device 1 and an external storage device.
- the memory 11 can not only be used to store application software and various data installed in the electronic device 1 , such as the code of the quantity analysis program of the reservation service, but also can be used to temporarily store the data that has been output or will be output.
- the communication bus 12 may be a peripheral component interconnect (PCI for short) bus or an extended industry standard architecture (EISA for short) bus or the like.
- PCI peripheral component interconnect
- EISA extended industry standard architecture
- the bus can be divided into address bus, data bus, control bus and so on.
- the bus is configured to realize connection and communication between the memory 11 and at least one processor 10 and the like.
- the communication interface 13 is used for communication between the electronic device 1 and other devices, including a network interface and an employee interface.
- the network interface may include a wired interface and/or a wireless interface (such as a WI-FI interface, a Bluetooth interface, etc.), which are generally used to establish a communication connection between the electronic device 1 and other electronic devices 1 .
- the employee interface may be a display (Display) or an input unit (such as a keyboard (Keyboard)).
- the employee interface may also be a standard wired interface or a wireless interface.
- the display may be an LED display, a liquid crystal display, a touch-sensitive liquid crystal display, an OLED (Organic Light-Emitting Diode, organic light-emitting diode) touch device, and the like.
- the display may also be appropriately called a display screen or a display unit, and is used for displaying information processed in the electronic device 1 and for displaying a visualized employee interface.
- Figure 3 only shows an electronic device 1 with components, and those skilled in the art can understand that the structure shown in Figure 3 does not constitute a limitation to the electronic device 1, and may include fewer or more components than those shown in the illustration. components, or combinations of certain components, or different arrangements of components.
- the electronic device 1 can also include a power supply (such as a battery) for supplying power to various components.
- the power supply can be logically connected to the at least one processor 10 through a power management device, so that the power supply can be controlled by power management.
- the device implements functions such as charge management, discharge management, and power consumption management.
- the power supply may also include one or more DC or AC power supplies, recharging devices, power failure detection circuits, power converters or inverters, power status indicators and other arbitrary components.
- the electronic device 1 may also include various sensors, bluetooth modules, Wi-Fi modules, etc., which will not be repeated here.
- the quantity analysis program of the reservation service stored in the memory 11 in the electronic device 1 is a combination of multiple computer programs. When running in the processor 10, it can realize:
- the current reservation service quantity of the online reservation service is analyzed by using the decision model for the number of reservation services.
- the integrated modules/units of the electronic device 1 are realized in the form of software function units and sold or used as independent products, they can be stored in a non-volatile computer-readable storage medium.
- the computer-readable storage medium may be volatile or non-volatile.
- the computer-readable medium may include: any entity or device capable of carrying the computer program code, a recording medium, a U disk, a removable hard disk, a magnetic disk, an optical disk, a computer memory, a read-only memory (ROM, Read-Only Memory).
- the present application also provides a computer-readable storage medium, the readable storage medium stores a computer program, and when the computer program is executed by the processor of the electronic device 1, it can realize:
- the current reservation service quantity of the online reservation service is analyzed by using the decision model for the number of reservation services.
- modules described as separate components may or may not be physically separated, and the components shown as modules may or may not be physical units, that is, they may be located in one place, or may be distributed to multiple network units. Part or all of the modules can be selected according to actual needs to achieve the purpose of the solution of this embodiment.
- each functional module in each embodiment of the present application may be integrated into one processing unit, each unit may exist separately physically, or two or more units may be integrated into one unit.
- the above-mentioned integrated units can be implemented in the form of hardware, or in the form of hardware plus software function modules.
- Blockchain essentially a decentralized database, is a series of data blocks associated with each other using cryptographic methods. Each data block contains a batch of network transaction information, which is used to verify its Validity of information (anti-counterfeiting) and generation of the next block.
- the blockchain can include the underlying platform of the blockchain, the platform product service layer, and the application service layer.
- AI artificial intelligence
- digital computers or machines controlled by digital computers to simulate, extend and expand human intelligence, perceive the environment, acquire knowledge and use knowledge to obtain the best results.
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Quality & Reliability (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Data Mining & Analysis (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Databases & Information Systems (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Game Theory and Decision Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
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
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。
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。
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。
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。
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：
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：
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：
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)
- 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。
- 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。
- 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。
- 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。
- 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：
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。 - 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。
- 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。
- 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。
- 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。
- 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。
- 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。
- 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。
- 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：
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。 - [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。 - [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。 - 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。
- 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。
- 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。
- 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：
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。 - 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。
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111148141.4 | 2021-09-29 | ||
| 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 |
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)
| 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)
| 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)
| 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)
| 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 |
-
2021
- 2021-09-29 CN CN202111148141.4A patent/CN113807553A/zh active Pending
-
2022
- 2022-04-20 WO PCT/CN2022/087790 patent/WO2023050779A1/zh unknown
Patent Citations (5)
| 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)
| 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)
| 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 | |
| CN112445854B (zh) | 多源业务数据实时处理方法、装置、终端及存储介质 | |
| WO2019056710A1 (zh) | 供应商推荐方法、装置及计算机可读存储介质 | |
| 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 | |
| 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 | |
| WO2023029509A1 (zh) | 动态服务发布方法、装置、电子设备及存储介质 | |
| CN113051480A (zh) | 资源推送方法、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 | |
| CN114612194A (zh) | 产品推荐方法、装置、电子设备及存储介质 | |
| CN114840531B (zh) | 基于血缘关系的数据模型重构方法、装置、设备及介质 | |
| 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 | |
| US11645344B2 (en) | Entity mapping based on incongruent entity data | |
| WO2021164361A1 (zh) | Kpi优化方法、装置、设备及介质 | |
| CN115729687A (zh) | 任务调度方法、装置、计算机设备、存储介质 | |
| WO2022160443A1 (zh) | 谱系挖掘方法、装置、电子设备及计算机可读存储介质 | |
| CN111652741B (zh) | 用户偏好分析方法、装置及可读存储介质 | |
| CN114238777A (zh) | 基于行为分析的负反馈流量分配方法、装置、设备及介质 | |
| 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 | |
| CN100373340C (zh) | 分布计算机系统管理方法 | |
| CN114036174B (zh) | 数据更新方法、装置、设备及存储介质 |
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 |
|
| NENP | Non-entry into the national phase |
Ref country code: DE |