[發(fā)明專利]OTA酒店的個性化推薦方法及系統(tǒng)

在審

• 申請?zhí)枺?/td>: 201710132054.7
• 申請日: 2017-03-07
• 公開（公告）號: CN106709767A
• 公開（公告）日: 2017-05-24
• 發(fā)明（設(shè)計(jì)）人: 陳冬露;王剛;姚慧;趙華
• 申請（專利權(quán)）人: 攜程計(jì)算機(jī)技術(shù)（上海）有限公司
• 主分類號: G06Q30/02
• 分類號: G06Q30/02;G06Q50/12
• 代理公司: 上海弼興律師事務(wù)所31283
• 代理人: 薛琦,張冉

1.一種OTA酒店的個性化推薦方法，其特征在于，包括以下步驟：

S₁、獲取訪問OTA網(wǎng)站酒店頁面的用戶的歷史信息；

S₂、判斷用戶是否有歷史訂單數(shù)據(jù)，若有，則執(zhí)行步驟S₃，若沒有，則判斷用戶是否有歷史瀏覽數(shù)據(jù)，若是，則執(zhí)行步驟S₄，若否，則執(zhí)行步驟S₅；

S₃、基于用戶的歷史訂單數(shù)據(jù)和歷史瀏覽數(shù)據(jù)，預(yù)測用戶偏好的酒店的酒店得分，按照酒店得分從高到低的順序向用戶推薦酒店；

S₄、基于用戶的歷史瀏覽數(shù)據(jù)，預(yù)測用戶偏好的酒店的酒店得分，按照酒店得分從高到低的順序向用戶推薦酒店；

S₅、基于酒店靜態(tài)數(shù)據(jù)，預(yù)測用戶偏好的酒店的酒店得分，按照酒店得分從高到低的順序向用戶推薦酒店。

2.如權(quán)利要求1所述的OTA網(wǎng)站的個性化推薦方法，其特征在于，步驟S₃包括：

S₃₁、采用LFM模型算法獲取用戶對酒店的偏好得分，并將所述偏好得分作為第一輸入變量；

S₃₂、通過數(shù)據(jù)分析獲取至少一個第二輸入變量；

S₃₃、將所述第一輸入變量及所述至少一個第二輸入變量作為分類模型的輸入，利用分類模型，得到酒店得分；

S₃₄、按照酒店得分從高到低的順序向用戶推薦酒店。

3.如權(quán)利要求2所述的OTA網(wǎng)站的個性化推薦方法，其特征在于，所述至少一個第二輸入變量包括：用戶瀏覽酒店的次數(shù)、用戶瀏覽酒店的session數(shù)、用戶瀏覽酒店的天數(shù)、酒店的點(diǎn)評分、酒店近期的產(chǎn)量在酒店所在城市的排名與酒店所在城市總酒店數(shù)的百分比。

4.如權(quán)利要求1所述的OTA網(wǎng)站的個性化推薦方法，其特征在于，步驟S₄包括：

S₄₁、獲取用戶在OTA網(wǎng)站酒店頁面選擇的城市；

S₄₂、查詢用戶瀏覽酒店的次數(shù)P₁、用戶瀏覽酒店的session數(shù)P₂、用戶瀏覽酒店的天數(shù)P₃、酒店的點(diǎn)評分P₄、酒店近期的產(chǎn)量在酒店所在城市的排名與酒店所在城市總酒店數(shù)的百分比P₅；

S₄₃、按照如下公式計(jì)算酒店得分：

Score＝B₁P₁+B₂P₂+B₃P₄+B₄P₄+B₅P₅；

其中B₁、B₂、B₃、B₄、B₅分別為0.011、0.046、0.071、0.039、0.397；

S₄₄、按照酒店得分從高到低的順序向用戶推薦酒店。

5.如權(quán)利要求1所述的OTA網(wǎng)站的個性化推薦方法，其特征在于，步驟S₅包括：

S₅₁、獲取用戶在OTA網(wǎng)站酒店頁面選擇的城市；

S₅₂、計(jì)算點(diǎn)評分在3分以上的該城市過去3個月的酒店產(chǎn)量；

S₅₃、按照酒店產(chǎn)量從高到低的順序向用戶推薦酒店。