[發明專利]一種匹配用戶特征的個性化旅游信息篩選方法

有效

• 申請號: 201510326174.1
• 申請日: 2015-06-15
• 公開（公告）號: CN104965883B
• 公開（公告）日: 2018-08-14
• 發明（設計）人: 馮文龍;黃夢醒;段玉聰
• 申請（專利權）人: 海南大學
• 主分類號: G06F17/30
• 分類號: G06F17/30
• 代理公司: 北京科億知識產權代理事務所(普通合伙) 11350
• 代理人: 趙蕊紅

本發明提供了一種匹配用戶特征的個性化旅游信息篩選方法，包括個性化需求建模和映射規則建模。個性化需求建模包括實體需求建模和線路需求建模；其中，實體需求建模中采用兩層粒度分類方法對所述實體需求參數進行分類處理；線路需求建模中采用三層粒度分類方法對所有線路需求進行分類處理。映射規則建模包括映射算法和推薦算法。本發明針對旅游行業總體用戶數量多、總體歷史數據量豐富和單個用戶數據量小等特性，設計了一種匹配用戶特征的個性化算法：用戶登錄系統后，不必輸入任何參數，能夠根據用戶角色特征主動推薦給用戶最需要的旅游服務，滿足用戶個性化需求，為用戶節省大量時間。

技術領域

本發明屬于旅游信息服務領域，具體涉及一種匹配用戶特征的個性化旅游信息篩選方法。

背景技術

目前，大多數旅游企業都提供了各種信息服務，游客可以通過這些服務獲取相關旅游信息如景點、旅游路線和報價等。但是這些服務是由企業設置的，更多的是從企業的角度出發，忽略了用戶的主體地位，推薦的信息服務千篇一律，往往不能反映用戶的個性化需求。

目前用于旅游信息篩選的個性化算法跟應用場景緊密相關，個性化算法主要有以下幾類：

(1)基于內容的推薦算法

基于內容的信息推薦方法的理論依據主要來自于信息檢索和信息過濾，根據用戶過去的歷史數據來向用戶推薦用戶沒有接觸過的推薦項。該算法運用用戶以往對項目的偏好興趣建立用戶特征，并對項目內容進行分析，評估項目與用戶興趣之間的相關性，進而判斷并找出用戶可能感興趣的項目推薦給用戶。該算法廣泛應用圖書系統個性化推薦服務，其缺點也很明顯：要求用戶歷史數據豐富；不適合新用戶。

(2)基于協同過濾的推薦算法

基于協同過濾的推薦算法根據用戶對項目的評分矩陣計算用戶的相似性，找出用戶的最近鄰居，從而根據最近鄰居的喜好做出未知項的評分預測。該算法存在的缺點是：要求用戶歷史數據豐富；對新加入的項目不能進行準確推薦。

(3)基于關聯規則推薦算法

基于關聯規則推薦算法主要應用于電子商務活動，通過發現不同商品在銷售過程中的相關性，判斷顧客潛在的購買意向，從而向用戶推薦。這種算法的主要缺點是：規則的建立和邏輯合理性是一個相當復雜的過程。

除了這幾種個性化推薦算法外，還有基于知識的推薦算法、基于效用的推薦算法等。這些算法各有優缺點，但是都不適合旅游行業，這是由于旅游行業自身特性決定的。與圖書管理系統、電子商務系統比較，旅游信息系統的特征主要有：一是是整體歷史數據量大，用戶規模大，一些主流的旅游信息系統用戶數量已達數十萬，旅游信息十分巨大；二是單個用戶的歷史數量較少，有統計顯示，目前旅游信息系統注冊用戶平均兩年進行一次旅游活動。因此，傳統的從單個用戶歷史數據根據邏輯規則獲取單個用戶的個性化需求方式不能適應旅游服務，特別是對那些新加入的用戶更是如此。

發明內容

本發明目的之一在于克服現有技術的缺陷，提供一種能夠滿足用戶個性化需求，為用戶節省大量時間的匹配用戶特征的個性化旅游信息篩選方法。

本發明提供的一種匹配用戶特征的個性化旅游信息篩選方法，包括個性化需求建模和映射規則建模，所述個性化需求建模包括如下步驟：

步驟S100：構建實體需求參數數值模型；

步驟S200：采用兩層粒度分類方法對所述實體需求參數進行分類處理，并將該分類處理結果加入到實體需求集S₁中；

步驟S300：采用三層粒度分類方法對所有線路需求進行分類處理，并將該分類處理結果加入到線路需求集S₂中，將實體需求集S₁和線路需求集S₂結合在一起，構成個性化需求集S；

所述映射規則建模包括如下步驟：