[發明專利]一種基于旅客信任度的智能旅館推薦方法

在審

• 申請號: 201711471333.2
• 申請日: 2017-12-29
• 公開（公告）號: CN108416607A
• 公開（公告）日: 2018-08-17
• 發明（設計）人: 王保云;苗棟晨;顧孫炎
• 申請（專利權）人: 南京郵電大學
• 主分類號: G06Q30/02
• 分類號: G06Q30/02;G06Q50/12;G06F17/30;G06F17/27
• 代理公司: 南京經緯專利商標代理有限公司 32200
• 代理人: 劉莎

本發明公開了一種基于旅客信任度的智能旅館推薦方法，其實現步驟為：采集旅客消費數據；從旅客評論中提取特征情感詞對，合并同類特征，量化各特征的分數；建立旅客?偏好評分矩陣，計算旅客偏好相似度；根據旅客活躍度和旅客評論有效率，計算旅客可靠度；計算旅客間的信任度；基于旅客間信任度通過加權評價值為旅館打分；推薦前N個旅館。本發明不僅解決了旅客住宿偏好難于獲取的問題，還能夠將熱門旅館和值得信賴的旅客所消費的旅館優先推薦。

技術領域

本發明涉及一種基于旅客信任度的智能旅館推薦方法，屬于推薦系統領域。

背景技術

隨著居民消費水平的提高和旅游行業的快速發展，旅游消費與互聯網應用結合的迫切程 度遠超預期。旅館環境、交通位置、服務態度等因素都是選擇旅館的重要依據，但鱗次櫛比 的旅館讓人眼花繚亂，旅客需要花費大量的時間才能找到合適的旅館。這種瀏覽大量無關的 信息的過程無疑會使淹沒在信息過載問題中的旅客不斷流失。為了解決這些問題，旅館O2O 應運而生。在線上端，通過個性化推薦系統為旅客提供完全個性化的決策支持和信息服務。

在推薦系統領域，應用最廣泛的是協同過濾推薦。協同過濾算法主要有三種：基于用戶 (User-based)的協同過濾、基于項目(Item-based)的協同過濾和基于模型(Model-based)的協同過 濾。基于用戶的協同過濾算法先使用統計技術尋找與目標用戶有相同喜好的鄰居用戶，然后 根據目標用戶的鄰居的喜好產生向目標用戶的推薦。基于項目的協同過濾算法根據所有用戶 對項目或者信息的評價，發現項目和項目之間的相似度，然后根據旅客的歷史偏好信息將類 似的項目推薦給該旅客；基于模型的協同過濾算法就是基于樣本的旅客喜好信息，訓練一個 推薦模型，然后根據實時的旅客喜好信息進行預測推薦。

發明內容

針對現有技術中忽略旅客之間信任度的技術缺陷，本發明提供一種基于旅客信任度的智 能旅館推薦方法，不僅解決了旅客住宿偏好難于獲取的問題，還能夠將熱門旅館和值得信賴 的旅客所消費的旅館優先推薦。

本發明為解決上述技術問題采用以下技術方案：

本發明提供一種基于旅客信任度的智能旅館推薦方法，包括如下步驟：

步驟1：采集旅客消費數據；

步驟2：從旅客評論中提取特征情感詞對，合并相似特征詞，量化各特征的分數；

步驟3：建立旅客-偏好評分矩陣，計算旅客偏好相似度；

步驟4：根據旅客活躍度和旅客評論有效率，計算旅客可靠度；

步驟5：計算旅客間的信任度；

步驟6：基于步驟5計算的旅客間信任度，通過加權評價值為旅館打分；

步驟7：根據步驟6中的打分結果，推薦分數較高的前N個旅館。

作為本發明的進一步優化方案，步驟1中的旅客消費數據包括旅客、旅館、旅客評分、 旅客評論、評論贊成數、評論反對數、登錄操作記錄。

作為本發明的進一步優化方案，步驟2中從旅客評論中提取特征情感詞對，具體為：

1)利用LTP對旅客評論進行分詞、詞性標注和依存句法分析，得到評論的詞性標簽和 語法關系；

2)若某單詞的關系類型為HED且詞性為形容詞，則該單詞為特征修飾詞；

3)尋找與步驟2)中的特征修飾詞關系為SBV的詞語，若其詞性為名詞，則該詞語為該特征修飾詞對應的特征屬性詞；

4)步驟2)中的特征修飾詞與其對應的特征屬性詞構成了特征情感詞對，從旅客評論中 提取特征情感詞對。

作為本發明的進一步優化方案，步驟2中合并相似特征詞，具體為：