技术领域
[0001] 本公开涉及旅游产品领域，特别涉及用于提供酒店搜索结果的方法等。
相关背景技术
[0002] 目前，旅行服务平台上有许多酒店商家进行房间的售卖。而在用户访问旅行服务平台搜索酒店时，通常主要考虑用户的需求及其偏好的相关性来为用户推荐酒店，并没有考虑酒店商家的经营质量，从而造成一些经营质量不好的酒店商家得到了流量，但是并没有给用户构成好的购买体验。其次由于平台流量未与酒店商家的经营质量挂钩，造成一些酒店商家对其酒店的经营状态的维护并不是很及时，商家的维护意愿并不高，会间接影响用户购买。
[0003] 由此期望提供一种改进的提供酒店搜索结果的方法，其能为用户带来更好的服务体验。
具体实施方式
[0034] 下面将参照附图更详细地描述本公开的示例性实施方式。虽然附图中显示了本公开的示例性实施方式，然而应该理解，可以以各种形式实现本公开而不应被这里阐述的实施方式所限制。相反，提供这些实施方式是为了使本公开更加透彻和完整，并且能够将本公开的范围完整地传达给本领域的技术人员。
[0035] 先给出本公开涉及的一些术语的解释：
[0036] C端：指用户侧，用户会通过旅行服务平台(例如在某旅行服务平台的网站或应用程序上)进行酒店房间的预定；
[0037] 酒店流量：指C端用户访问旅行服务平台，对用户展示酒店时，有多少用户点击或者看过一酒店，称之为该酒店的流量；
[0038] 酒店的经营质量总分：指用来评估酒店的经营质量的总分数，例如可以是对酒店经营状况的一种综合评估。例如，酒店的经营质量总分可以包括从旅行服务平台的角度对酒店作为其酒店服务供应链，和/或从C端用户的角度对酒店作为酒店服务供应商，进行经营质量评价而给出的。例如，酒店的经营质量可以从包括酒店的开业状况、酒店的信息展示、酒店的供应状况、销售状况、对用户的售前和/或售后服务状况等的一个或多个方面来评估。例如，可以从经营质量的至少一个方面或至少一个方面的至少一个子项分别对酒店进行评估得到各自的评估分数，然后根据这些评估分数获得经营质量总分。
[0039] 如前所述，本公开发现，目前旅行服务平台的流量分发仅仅考虑用户的需求及其偏好的相关性，并没有考虑酒店商家的经营质量，从而造成一些经营质量不好的酒店商家得到了流量，但是并没有给用户构成好的购买体验。其次由于平台流量未与酒店商家的经营质量挂钩，造成一些酒店商家对其酒店的经营状态的维护并不是很及时，商家的维护意愿并不高，会间接影响用户购买。
[0040] 因此，本公开提出了一种新的方案，其在获得按照第一排序依据排序的第一酒店列表之后还可以将第一酒店列表分段并在每段中根据不同的第二排序依据来调整各酒店在该段中的排序位置。因此，能够根据不同的排序依据来对搜索请求相关的酒店进行二次排序而且将其对第一次排序的影响限制在一定范围内，从而能够得到更有利的酒店排序结果，能够为用户带来更好的服务体验。
[0041] 例如，可以根据酒店的经营质量总分调整各酒店在酒店搜索结果中的排序位置，从而能够为用户带来更好的服务体验。
[0042] 另外，根据本公开的方法还能够通过将酒店的经营质量与酒店流量相关联来促使酒店商家自主优化经营质量，使得用户可以享受更好的服务。酒店经营质量的优化可能带动C端酒店流量的增长，从而可能带来更多的用户，而C端流量的增长又可能促使酒店商家更加乐意进行经营质量的优化，从而进一步带来流量增长，形成正向循环。而且酒店经营质量越好，可能给用户带来越好的服务，而经营质量好的酒店得到更多的流量，例如在酒店搜索结果中排序更靠前，也让用户有更大的机会挑中更好的酒店，享受更好的服务。因此，能够利用C端酒店流量作为撬动酒店商家的工具，促使酒店商家自主优化经营质量，经营质量好的商家可能得到更多的流量，用户可以享受更好的服务。
[0043] 另外，在一些实施例中，根据本公开的方法将待推荐为酒店搜索结果的酒店列表分段，并在各段内根据酒店的经营质量总分来调整排序位置。相比于满足经营质量评估得分要求的加权或降权的简单调整方案(即当酒店的经营质量总分达到一定要求后，进行流量的加权，而不满足某一要求时进行流量的降权，但该种做法比较强硬地改变待推荐酒店列表与用户/搜索请求的相关性，效率不够好)，本公开的方案通过在待推荐酒店列表分段的基础上根据经营质量总分排序，在保证用户/搜索请求相关性的基础上进行酒店流量的调控，效果更好。
[0044] 下面将结合附图来详细描述本公开的方案的至少部分实施例。
[0045] 图1示出了根据本公开至少一个实施例的用于提供酒店搜索结果的方法的示意性流程图。在本文中“多个”指的是两个以上，包括两个。
[0046] 如图1所示，在步骤S110中，根据酒店搜索请求的信息，获得第一酒店列表，其中所述第一酒店列表包括按第一排序依据依次排列的与所述酒店搜索请求相关的多个酒店。
[0047] 该酒店搜索请求可以是由用户在某旅行服务平台的网站或应用程序上发起的，因此酒店搜索请求的信息可以包括所述酒店搜索请求的内容、和/或发起所述酒店搜索请求的用户的用户信息等。该酒店搜索请求的内容可以包括用户在搜索框中输入的文本信息、用户当前定位、用户当前所在城市或所选城市、和/或用户在搜索页面设定的其他各种信息等。该用户的用户信息可以包括用户的各种历史信息(比如历史订单信息、历史搜索信息、历史浏览信息等)和/或用户的偏好等。应理解，上述的这些酒店搜索请求的信息(比如用户当前定位、用户当前所在城市或所选城市、用户的各种历史信息等)均为经用户授权或者经过各方充分授权的信息和数据，并且相关数据的收集、使用和处理需要遵守相关国家和地区的相关法律法规和标准，并提供有相应的操作入口，供用户选择授权或者拒绝。
[0048] 可以采用各种方式来确定与该酒店搜索请求相关的多个酒店，从而获得前述的第一酒店列表。
[0049] 例如，可以采用各种方式来确定各酒店的相关性分数，然后获得相关性分数排前N名的N个酒店，并且按照相关性分数从高到低排列所述N个酒店，从而形成所述第一酒店列表，其中各酒店的相关性分数至少是根据该酒店与所述酒店搜索请求的内容的相关性、和/或酒店与发起所述酒店搜索请求的用户的相关性而确定的，N为大于1的整数。所述的各酒店可以是旅行服务平台上的所有酒店，或者是某一集合内的酒店，例如可以根据城市、商圈、地理位置等信息先筛选出该集合。酒店与用户的相关性可以是根据用户信息(例如上述的各种用户信息)得到的。
[0050] 所述第一排序依据可以包括酒店的相关性分数，例如，在第一酒店列表中可以按照酒店的相关性分数从高到低地顺序排列所述多个酒店。
[0051] 然后，在步骤S120中，将所述第一酒店列表包括的所述多个酒店按照排序位置分成多个组，其中至少一个组包括连续排列的两个以上的酒店，然后在步骤S130中，在所述至少一个组中根据第二排序依据来调整其中所述两个以上的酒店在所述组中的排序位置，获得第二酒店列表。
[0052] 在一些情况下，按照预设的分组依据分成的所述多个组中，存在一个组中只有一个酒店的情况，而对于组内只包括一个酒店的组，无需再执行步骤S130中的调整排序位置的操作。
[0053] 在一些实施例中，所述多个组中的每个组中包括连续排列的一个或更多个酒店，这多个组在第一酒店列表中也是连续排列的，即任意相邻的两个组都是紧挨着的，所述多个组分别包括的酒店的总和即为所述第一酒店列表包括的所述多个酒店。在一些实施例中，按照排序位置从前到后或从后到前将第一酒店列表依次分成所述多个组。对于组内只包括一个酒店的组，无需再执行步骤S130中的调整排序位置的操作。
[0054] 在一些实施例中，在所述多个组中，各组分别包括的酒店数量可以相同或不同。
[0055] 在一些实施例中，对于所述多个组中的所有包括两个以上的酒店的组，都分别执行步骤S130，即在每个组中分别根据第二排序依据来调整其中的两个以上的酒店在该组中的排序位置。
[0056] 另外，在步骤S130中仅调整酒店在组内的排序位置，而不调整各组之间的排序位置。例如，将第一酒店列表按照排序位置从前到后依次分成第一组、第二组、第三组等，在经过步骤S130的调整之后，在获得的第二酒店列表中依然从前到后依次排列着第一组、第二组、第三组等，只是各组中的酒店的排序位置可能根据第二排序依据而有所调整。
[0057] 所述第二排序依据可以包括酒店的经营质量总分、和/或从经营质量的各方面或各方面的各子项分别对酒店进行评分得到的各分数(例如后面将结合图2详述的各分数)中的至少一个。例如，所述经营质量的各方面可以包括：新品状态、基础信息状况、房态、售卖结果或服务质量。例如，各子项可以包括：酒店房间的图片数量、酒店房间的图片质量、酒店基础信息的完整度、预定未来时段内特定房型房态良好度、预定未来时段内全部房型房态良好度、预定历史时段内间夜量在所属商圈内的排名、用户点评分、预定历史时段内可免费退改订单占比、预定历史时段内订单及时确认率、或预定历史时段内差评回复率。
[0058] 例如，所述第二排序依据可以为从新品状态的方面对酒店进行评分得到的分数。可以按照该从新品状态评分得到的分数从高到低的顺序重新排列组内的各酒店。例如，所述第二排序依据可以为经营质量总分。
[0059] 在一些实施例中，可以采用对第一酒店列表分段并且在各段内根据经营质量总分调整排序位置的方式。
[0060] 例如，可以在各组内按照经营质量总分从高到低重新排列各酒店。
[0061] 在由此获得的第二酒店列表中，各组间的位置没有改变，而仅是各组内的排序位置被调整，因此有效控制了排序位置调整的范围，例如，在根据经营质量总分调整排序位置时，只在局部(有限的相邻酒店之间)进行调整，不会发生整个酒店列表中的任意位置调整，而通常相邻位置的酒店比较相似或相关性比较接近，其排序位置的调换的影响不大，因此能够在保证相关性的基础上进行酒店流量的调控，效果更好。
[0062] 在如前所述取酒店相关性分数最高的前N个酒店形成第一酒店列表的示例中，上述的多个组可以是以该相关性分数的预定区间来划分的。因此，可以更精确地控制排序位置调整的范围，更好地保证酒店排序的相关性。
[0063] 例如，假设步骤S110中获得的第一酒店列表中的酒店的相关性分数依次为α1、α2、α3、α4、α5、……、αn，排序得分依此降低，可以根据相关性分数如下地对第一酒店列表进行分段，其中用各自的相关性分数分别指代各酒店：
[0064] ·α1，α2；
[0065] ·α3，α4，α5；
[0066] ·……
[0067] ·αn‑10，……，αn。
[0068] 例如，可以预先设定该相关性分数的多个区间，然后将落入同一相关性分数区间的酒店划分为同一段。
[0069] 然后，在各段内可以按照经营质量总分重新进行排序，例如按从高到低的顺序重新排列各酒店。
[0070] 例如，在前面的第一段中，α2代表的酒店的经营质量总分大于α1代表的酒店的经营质量总分，因此调整后α2代表的酒店排在α1代表的酒店前；另外，在前面的第二段中，α5代表的酒店的经营质量总分最高，α3代表的酒店次之，α4代表的酒店的经营质量总分最低，因此调整后的酒店排序为α5，α3，α4；后面的段类似调整，不再举例。因此，在第二酒店列表中，排序位置变为：α2，α1，α5，α3，α4，……
[0071] 可以用各种方式来确定上述分段的划分依据，即相关性分数的预定区间。例如，可以预设要划分的段数，然后将最高相关性分数α1与最低相关性分数αn之间均匀划分为预设段数个分数区间。或者，例如，可以预设区间大小，然后从最高相关性分数α1往下按照该预设区间大小来依次形成多个相关性分数的区间，直到该区间包含了最低相关性分数αn为止。或者，例如，可以根据经验或其他需求等预先设定固定的多个相关性分数的区间。本公开对此没有限制。
[0072] 通常酒店在搜索结果中的排序位置会影响用户浏览该酒店的概率，因此根据本公开的方法通过影响酒店排序位置的方式影响了酒店的流量。
[0073] 如前所述，由于本公开的方案并不是简单地将满足经营质量评估得分要求的酒店进行加权或降权，而是在待推荐酒店列表分段的基础上采用经营质量评估得分排序，因此能够在保证相关性的基础上进行酒店流量的调控，效果更好。
[0074] 可以在步骤S110、S120或S130中或者前述所有步骤之前，获得酒店的经营质量总分。
[0075] 例如，可以预先获得旅行服务平台上的所有酒店的经营质量总分，并且可以在该平台上将其呈现给酒店商家，以便促进商家自主优化自家酒店的经营质量。
[0076] 例如，可以从新品状态、基础信息状况、房态、售卖结果、服务质量中的至少一个方面，对酒店进行评分，然后根据所述至少一个方面的分数，获得酒店的经营质量总分。
[0077] 在上述五个方面中的一些方面中，还可以存在多个子项，从各个子项对酒店分别进行评分，然后再根据各子项的分数来得到该方面的分数。例如，可以通过对各子项的分数进行加权求和来得到该方面的分数。
[0078] 例如，所述基础信息状况可以包括如下子项中的至少一个：酒店房间的图片数量、酒店房间的图片质量、酒店基础信息的完整度；
[0079] 所述房态可以包括如下子项中的至少一个：预定未来时段内特定房型房态良好度、预定未来时段内全部房型房态良好度；
[0080] 所述服务质量可以包括如下子项中的至少一个：用户点评分、预定历史时段内可免费退改订单占比、预定历史时段内订单及时确认率、预定历史时段内差评回复率。
[0081] 另外，例如，所述售卖结果可以包括：预定历史时段内间夜量在所属商圈内的排名。
[0082] 在获得上述的至少一个方面的分数之后，可以采用各种方式来根据所述至少一个方面的分数获得酒店的经营质量总分。
[0083] 例如，可以利用训练好的机器学习模型来获得酒店的经营质量总分。由此，上述的经营质量总分的计算准则是隐藏的，能避免商家优化经营质量时的偏颇。
[0084] 另外，可以将经营质量总分与酒店的转化率(即从浏览到支付的转化率)相关联，例如通过预设的函数正相关，也就是说酒店的经营质量总分越高意味着酒店的转化率越高，这对于流量转化比较有利。由此，可以以酒店的转化率为目标来训练机器学习模型，即，在训练好之后，该机器学习模型可以根据输入(即前面获得的酒店在至少一个方面的分数)来预测该酒店的转化率，然后可以根据所预测的转化率获得该酒店的经营质量总分。例如通过预设的函数将所预测的转化率转换为经营质量总分。该函数可以通过各种方式或各种需求来预设。
[0085] 本公开对于上述的机器学习模型不做限制，其例如可以为GBDT(Gradient Boosting Decision Tree)模型，或者各种神经网络模型等。
[0086] 应理解，上述的酒店经营质量评估得分的各种细节仅为示例性的，而非限制性的，本公开并不限于此。
[0087] 下面以图2为例来讨论获得酒店的经营质量总分的一些具体实现方式。
[0088] 应理解，本公开并不限于图2所示的具体示例，而是可以根据需要对其进行各种适应性修改；例如，本公开的方案并不限于所例示的所有五个方面的所有子项，而是可以根据需要增减或更改某个或某些项目；或者，例如，本公开的方案并不限于采用以酒店的转化率为目标训练好的机器学习模型等的方式来获得最终的经营质量总分，还可以采用其他各种方式来获得最终的经营质量总分；等等。根据下面描述展示的本公开的思路，本领域技术人员可以容易地实现本公开的其他方案，其均包含在本公开的保护范围内。
[0089] 如图2所示，可以从如下五个方面对酒店的经营质量分别进行评估：新品状态、基础信息状况、房态、售卖结果、服务质量。各个方面可能包含多个不同的子项，从不同的维度对酒店的经营质量进行评估。
[0090] 一、新品状态：
[0091] 即，可以考虑酒店商家是否是一个新开的酒店，可以对新开的酒店进行基础得分的保障。新开的酒店的历史数据缺失可能导致在其他方面的得分偏低，因此可以通过这个方面的得分进行一定补偿。所述新品状态可以被视为酒店的开业状况的一个评价维度。
[0092] 例如，可以设置一个阈值，酒店的经营时间(开业时间)或在平台上的经营时间少于该阈值时可被认为是新开的酒店，从而被赋予一个基础得分。例如，在酒店的经营时间或在平台上的经营时间少于阈值的情况下，酒店在新品状态的分数(即图2中的“分数1”)被赋予一个正数(比如1)，而在酒店的经营时间或在平台上的经营时间不少于阈值的情况下，酒店在新品状态的分数被赋予零值(0)。
[0093] 二、基础信息状况：
[0094] 即商家在旅行服务平台上向用户展现的该酒店的基础信息的情况。所述基础信息状况可以被视为酒店的信息展示的一个评价维度。
[0095] 如图2所示可包括三个子项：酒店房间的图片数量、酒店房间的图片质量、以及酒店基础信息的完整度。
[0096] 可以从这三个子项分别对酒店进行评分，然后综合得到在基础信息状况方面的总分数，即图2中的“分数2”。
[0097] 例如，对于其中任一个子项，为了使得得分具备跃迁性，可以采用分段常数函数对各酒店进行评估得分，使产出分(即要评分的所有酒店的分数，其可以是预定范围内的全部酒店的分数，该预定范围也可以是全平台)的分布成倒金字塔形。所谓倒金字塔形指的是得分越高的酒店数量越少。
[0098] 以酒店房间的图片数量为例，假设某酒店提供的图片数量为n，通过分析其分布可以设定两个阈值a1和a2，并且如下地将其划分为3段，使得最终所有酒店在图片数量上的得分的分布成倒金字塔形：
[0101] ·a2≤n‑>5分
[0102] 也就是说，其采用的分段常数函数可以表示如下：
[0103]
[0104] 另外，可以先用某一方式对酒店房间的图片质量或酒店基础信息的完整度进行评估，得到一个评估数值，然后也可以用类似图片数量的分段方式根据该评估数值得到最终的分数。例如，可以用某个神经网络模型或预定规则对酒店房间的各图片进行质量评估，或者对例如酒店地址、电话等的基础信息是否填写完整进行评估，从而得到上述的评估数值。然后通过分析评估数值的分布可以设定两个阈值来将其划分为3段，每段得分分别为0、3或
5分，使得最终所有酒店在图片质量或酒店基础信息的完整度上的得分的分布成倒金字塔形。
[0105] 应理解，本公开上文及后续将例示的分段常数函数均仅为示例性的，而非限制性的，本公开并不限于此，例如还可以分为少于3段或多于3段，每段的分数也可以根据需要改变。
[0106] 三、房态：
[0107] 即，酒店房间未来的可售情况，例如可以用于评估酒店商家为平台预留的房间可售情况。所述房态可以被视为酒店的供应状况的一个评价维度。
[0108] 如图2所示可包括两个子项：特定房型房态良好度和全部房型房态良好度。
[0109] 可以从这两个子项分别对酒店进行评分，然后综合得到在房态方面的总分数，即“分数3”。
[0110] 特定房型可以包括销量好的一个或多个房型，例如，在过去一段时间内全部房型中销量最高的前一个或前几个房型。
[0111] 这些房态良好度都指的是预定未来时段内(例如未来28天内，可包括当天)的房态良好度。为了考虑用户的酒店预定偏好，可对近期的库存情况进行加权，从而得到如下公式来表示各房态良好度：
[0112]
[0113] 其中，i表示与当前时间(当天)的间隔天数，i＝0表示当天，i＝1表示第二天，以此类推；βi为权重，其可随i而变化。
[0114] 例如，考虑未来28天的房态，则n＝28，i越小权重βi越大，即βi为时间衰减函数，比如1/t，即βi＝1/(i+b)，其中b为一个非零常数。
[0115] 也就是说，预定未来时段内特定房型房态良好度、或预定未来时段内全部房型房态良好度是对该预定未来时段内的每一天的特定房型可售率或全部房型可售率进行加权求和得到的，其中每一天的权重随着与当前时间的时间间隔增大而衰减。
[0116] 如上所述得到酒店房态明细得分后，将其进行分段，其分段方式类似前述的图片数量，然后利用类似的分段常数函数对各酒店进行打分，使得最终产出的全部酒店在某房态良好度的分数的分布呈现倒金字塔形。
[0117] 四、售卖结果：
[0118] 即酒店的历史房间售卖情况，其可以用各种方式来衡量，其得分为图2所示的“分数4”。所述售卖结果可以被视为酒店的销售状况的一个评价维度。
[0119] 例如，考虑到商圈竞争因素，即同一个商圈的酒店瓜分同一份流量，因此售卖结果可用间夜量在商圈内的排名来衡量，其中间夜量(jy)＝入住房间数*入住天数，是酒店在某个时间段内房间出租量。例如，可以从酒店的间夜量在商圈排名角度进行分段函数划分，得到酒店在售卖结果方面的分数。
[0120] 该售卖结果可以考虑预定历史时段内(例如过去30天内，可包括当天)的售卖结果。例如，可以考虑预定历史时段内间夜量在所属商圈内的排名。
[0121] 另外，在一些情况下还考虑到近期的房间售卖更具价值，因此还可以加入时间衰减因素，即时间衰减函数。
[0122] 例如，预定历史时段内间夜量可计算如下：
[0123]
[0124] 其中，i表示与当前时间(当天)的间隔天数，i＝0表示当天，i＝1表示昨天，以此类推，此处i最大为30，即计算过去30天内的总间夜量；jyi为第i天的间夜量；βi为权重，其可随i而变化。例如，βi为时间衰减函数，比如1/t，即βi＝1/(i+b)，其中b为一个非零常数。
[0125] 也就是说，预定历史时段内间夜量是对所述预定历史时段内的每一天的间夜量进行加权求和得到的，其中每一天的权重随着与当前时间的时间间隔增大而衰减。
[0126] 如上所述得到预定历史时段内间夜量后，可计算其在所在商圈内的排名，然后可以例如下面所示地将排名进行分段，然后利用类似的分段常数函数对各酒店进行打分，使得最终产出的全部酒店在售卖结果方面的分数的分布呈现倒金字塔形：
[0127]
[0128] 五、服务质量：
[0129] 即评估酒店商家的服务情况。所述服务质量可以被视为酒店对用户的售前和/或售后服务状况的一个评价维度。
[0130] 如图2所示，可包括4个子项：用户点评分、可免费退改订单占比、订单及时确认率、差评回复率。
[0131] 可以从这4个子项分别对酒店进行评分，然后综合得到在服务质量方面的总分数，即“分数5”。
[0132] 用户点评分指的是用户对商家的点评分数。与前述的图片数量的分段方式类似，通过观察所有商家的点评分的分布设置阈值来对用户点评分进行分段，并采用分段常数函数给每段用户点评分的酒店赋予一个分数，使得最终所有酒店在用户点评分上的得分的分布呈现倒金字塔形。
[0133] 可免费退改订单占比可以是预定历史时段内可免费退改订单占比，例如分析近期一段时间t内，酒店所有订单中可以免费退改的订单的占比。与前述的图片数量的分段方式类似，通过观察所有商家的可免费退改订单占比的分布设置阈值来对可免费退改订单占比进行分段，并采用分段常数函数给每段可免费退改订单占比的酒店赋予一个分数，使得最终所有酒店在可免费退改订单占比上的得分的分布呈现倒金字塔形。
[0134] 订单及时确认率可以是预定历史时段内订单及时确认率，例如分析近期一段时间t内，酒店所有订单中商家及时确认(比如5分钟内确认)的订单的占比。与前述的图片数量的分段方式类似，通过观察所有商家的订单及时确认率的分布设置阈值来对订单及时确认率进行分段，并采用分段常数函数给每段订单及时确认率的酒店赋予一个分数，使得最终所有酒店在订单及时确认率上的得分的分布呈现倒金字塔形。
[0135] 差评回复率可以是预定历史时段内差评回复率，例如分析近期一段时间t内，在用户对酒店给出的所有差评中商家对差评回复的比率。与前述的图片数量的分段方式类似，通过观察所有商家的差评回复率的分布设置阈值来对差评回复率进行分段，并采用分段常数函数给每段差评回复率的酒店赋予一个分数，使得最终所有酒店在差评回复率上的得分的分布呈现倒金字塔形。
[0136] 在分别获得如上所述的5个方面的分数之后，如图2所示，可以将这5个分数输入训练好的机器学习模型，该机器学习模型由此输出其预测得到的酒店的从浏览到支付的转化率，然后利用预设的转换函数将该预测的转化率转换为酒店的经营质量总分。如前所述，本公开对于该机器学习模型不做限制，只要其是以上述5个方面的分数为输入并且以酒店的转化率为目标而训练得到的。
[0137] 图3示出了根据本公开至少一个实施例的为酒店商家呈现经营质量总分的示例性用户界面。
[0138] 例如，可以在酒店商家在旅行服务平台上对酒店进行管理的用户界面上呈现该经营质量总分，或者可以通过在该管理用的用户界面上提供一个入口来呈现该经营质量总分。
[0139] 如图3所示，酒店的经营质量总分可以用左上角的MCI(酒店竞争力指数)分值表示。
[0140] 在图3的用户界面中，示出了影响该经营质量总分的各个方面及其子项(如图中的“指标类型”和“指标名称”)及其得分情况，并且用图清楚明了地体现了各项的分数，方便酒店商家了解目前的经营质量评估状态。另外，在图3的用户界面中，还给出了各项的计算详情和优化指南，方便商家优化其经营质量总分。
[0141] 由此，根据本公开的方案在酒店的经营质量评估上因子可解释性高，因子得分准则对商家透明，但是总分的准则对商家隐藏，既使得商家有具体的优化目标，又不会失之偏颇。
[0142] 然后，回到图1，在前述的步骤S110到S130中获得第一酒店列表并通过调整排序位置而获得第二酒店列表之后，进行步骤S140，即提供所述第二酒店列表作为酒店搜索请求的结果。例如，将该第二酒店列表提供给用户，以供用户查看或选择。在用户通过某旅行服务平台的页面或应用程序发起酒店搜索请求的情况下，该第二酒店列表被提供给相应的结果显示页面，作为酒店搜索请求的结果呈现给用户。
[0143] 在一些情况下，本公开实施例的方法还可以由客户端设备与服务端设备协作完成。
[0144] 由此，在一些实施例中，本公开的方法还包括：经由客户端设备，接收所述酒店搜索请求并将所述酒店搜索请求的信息传输给服务端设备；经由所述服务端设备，将作为所述酒店搜索请求的结果的所述第二酒店列表传输给所述客户端设备；以及在所述客户端设备上呈现所述第二酒店列表。另外，例如，可以由该服务端设备来执行前面结合图1‑图2描述的各种操作，从而获得酒店搜索请求的结果，即第二酒店列表。
[0145] 图4示例性示出了在前述的应用场景下的根据本公开实施例的提供酒店搜索结果的方法的示意性流程图。
[0146] 如图4所示，在步骤S41中，用户可以在其使用的客户端设备上安装的某旅行服务平台的应用程序的用户界面上，搜索某地的酒店。该客户端设备可以为例如手机等移动智能设备，或者例如电脑等终端设备。由此该客户端设备接收到该酒店搜索请求，并将该酒店搜索请求的信息传输给服务端设备。该服务端设备是为该应用程序提供后台服务的设备。然后，在步骤S42中，该服务端设备可以执行前述各实施例的方法以获得该酒店搜索请求的结果，并将其返回给客户端设备。然后，在步骤S43中，在客户端设备上的该应用程序的用户界面上为用户呈现所收到的结果，即第二酒店列表，以供用户选择。
[0147] 另外，除了结合图1所述的各种实施例方法之外，在一些其他实施例中，根据本公开的方法可以包括：
[0148] 根据酒店搜索请求的信息，获得与所述酒店搜索请求相关的多个酒店；
[0149] 根据所述多个酒店各自的第一评价分数来确定所述多个酒店的排序位置，从而形成酒店列表，所述酒店列表包括按所确定的排序位置依次排列的所述多个酒店；以及[0150] 提供所述酒店列表作为所述酒店搜索请求的结果。
[0151] 例如，可以仅按照所述第一评价分数从高到低的顺序来排列所述多个酒店。
[0152] 例如，前述的第一评价分数可以包括从经营质量的各方面或各方面的各子项分别对酒店进行评分得到的各分数中的至少一个。
[0153] 例如，第一评价分数可以是从新品状态对酒店进行评分得到的分数，比如前面结合图1和图2(图2中的“分数1”)所述的。
[0154] 例如，第一评价分数可以是从基础信息状况、房态、售卖结果或服务质量的方面对酒店进行评分得到的分数，比如前面结合图1和图2(图2中的“分数2/分数3/分数4/分数5”)所述的。
[0155] 例如，第一评价分数可以是从酒店房间的图片数量、酒店房间的图片质量、酒店基础信息的完整度、预定未来时段内特定房型房态良好度、预定未来时段内全部房型房态良好度、预定历史时段内间夜量在所属商圈内的排名、用户点评分、预定历史时段内可免费退改订单占比、预定历史时段内订单及时确认率、或预定历史时段内差评回复率的项目对酒店进行评分得到的分数，比如前面结合图1和图2所述的。
[0156] 另外，在一些其他实施例中，根据本公开的方法可以包括：
[0157] 根据酒店搜索请求的信息，获得与所述酒店搜索请求相关的多个酒店；
[0158] 根据所述多个酒店各自的从新品状态进行评分得到的分数来确定所述多个酒店的排序位置，从而形成酒店列表，所述酒店列表包括按所确定的排序位置依次排列的所述多个酒店；以及
[0159] 提供所述酒店列表作为所述酒店搜索请求的结果。
[0160] 例如，可以仅按照所述从新品状态进行评分得到的分数从高到低的顺序来排列所述多个酒店。
[0161] 例如，从新品状态进行评分得到的分数可以是前面结合图1和图2(图2中的“分数1”)所述的。
[0162] 另外，在一些其他实施例中，根据本公开的方法可以包括：
[0163] 根据酒店搜索请求的信息，获得第一酒店列表，其中所述第一酒店列表包括按第一排序依据依次排列的与所述酒店搜索请求相关的多个酒店；
[0164] 将所述第一酒店列表包括的所述多个酒店按照排序位置分成多个组，其中至少一个组包括连续排列的两个以上的酒店；
[0165] 在所述至少一个组中根据酒店各自的从新品状态进行评分得到的分数来调整其中所述两个以上的酒店在所述组中的排序位置，获得第二酒店列表；以及
[0166] 提供所述第二酒店列表作为所述酒店搜索请求的结果。
[0167] 例如，在所述至少一个组中可以仅按照所述从新品状态进行评分得到的分数从高到低的顺序来重新排列其中的所述两个以上的酒店。
[0168] 例如，从新品状态进行评分得到的分数可以是前面结合图1和图2(图2中的“分数1”)所述的。
[0169] 图5示出了根据本公开至少一实施例的可用于实现上述用于提供酒店搜索结果的方法的计算设备的结构示意图。
[0170] 参见图5，计算设备500包括存储器510和处理器520。
[0171] 处理器520可以是一个多核的处理器，也可以包含多个处理器。在一些实施例中，处理器520可以包含一个通用的主处理器以及一个或多个特殊的协处理器，例如图形处理器(GPU)、数字信号处理器(DSP)等等。在一些实施例中，处理器520可以使用定制的电路实现，例如特定用途集成电路(ASIC，Application Specific Integrated Circuit)或者现场可编程逻辑门阵列(FPGA，Field Programmable Gate Arrays)。
[0172] 存储器510可以包括各种类型的存储单元，例如系统内存、只读存储器(ROM)，和永久存储装置。其中，ROM可以存储处理器520或者计算机的其他模块需要的静态数据或者指令。永久存储装置可以是可读写的存储装置。永久存储装置可以是即使计算机断电后也不会失去存储的指令和数据的非易失性存储设备。在一些实施方式中，永久性存储装置采用大容量存储装置(例如磁或光盘、闪存)作为永久存储装置。另外一些实施方式中，永久性存储装置可以是可移除的存储设备(例如软盘、光驱)。系统内存可以是可读写存储设备或者易失性可读写存储设备，例如动态随机访问内存。系统内存可以存储一些或者所有处理器在运行时需要的指令和数据。此外，存储器510可以包括任意计算机可读存储媒介的组合，包括各种类型的半导体存储芯片(DRAM，SRAM，SDRAM，闪存，可编程只读存储器)，磁盘和/或光盘也可以采用。在一些实施方式中，存储器510可以包括可读和/或写的可移除的存储设备，例如激光唱片(CD)、只读数字多功能光盘(例如DVD‑ROM，双层DVD‑ROM)、只读蓝光光盘、超密度光盘、闪存卡(例如SD卡、min SD卡、Micro‑SD卡等等)、磁性软盘等等。计算机可读存储媒介不包含载波和通过无线或有线传输的瞬间电子信号。
[0173] 存储器510上存储有可执行代码，当可执行代码被处理器520处理时，可以使处理器520执行上文述及的用于提供酒店搜索结果的方法。
[0174] 需要说明的是，本申请所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等)，均为经用户授权或者经过各方充分授权的信息和数据，并且相关数据的收集、使用和处理需要遵守相关国家和地区的相关法律法规和标准，并提供有相应的操作入口，供用户选择授权或者拒绝。
[0175] 此外，根据本公开的方法还可以实现为一种计算机程序或计算机程序产品，该计算机程序或计算机程序产品包括用于执行本公开的上述方法中限定的上述各步骤的计算机程序代码指令。
[0176] 或者，本公开还可以实施为一种非暂时性机器可读存储介质(或计算机可读存储介质、或机器可读存储介质)，其上存储有可执行代码(或计算机程序、或计算机指令代码)，当所述可执行代码(或计算机程序、或计算机指令代码)被电子设备(或计算设备、服务器等)的处理器执行时，使所述处理器执行根据本公开的上述方法的各个步骤。
[0177] 本领域技术人员还将明白的是，结合这里的公开所描述的各种示例性逻辑块、模块、电路和算法步骤可以被实现为电子硬件、计算机软件或两者的组合。
[0178] 附图中的流程图和框图显示了根据本公开的多个实施例的系统和方法的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标记的功能也可以以不同于附图中所标记的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
[0179] 以上已经描述了本公开的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术的改进，或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。
