[發明專利]基于旅行社用戶的多維信息畫像的推薦方法

有效

• 申請號: 201811154106.1
• 申請日: 2018-09-30
• 公開（公告）號: CN109345348B
• 公開（公告）日: 2020-06-30
• 發明（設計）人: 劉德彬;陳瑋;黃遠江;劉建濤
• 申請（專利權）人: 重慶譽存大數據科技有限公司
• 主分類號: G06Q30/06
• 分類號: G06Q30/06;G06Q50/14
• 代理公司: 重慶智慧之源知識產權代理事務所(普通合伙) 50234
• 代理人: 孫方

本發明公開了一種基于旅行社用戶的多維信息畫像的推薦方法，包括如下步驟：獲取目標用戶的特征向量和用戶畫像信息；將用戶畫像信息和預先構建的用戶畫像群進行相似度比較，得到與該目標用戶相似度最高的相似用戶畫像群；計算目標用戶與相似用戶畫像群中每個樣本用戶之間的相似度，得到鄰居用戶；根據目標用戶與每個鄰居用戶之間的相似度、目標用戶對使用過的多個旅游產品的興趣度、每個鄰居用戶對其所使用過且未被目標用戶使用過的多個旅游產品的興趣度，計算并生成推薦產品列表。本發明融合協同過濾和內容推薦的方法，避免了現有技術推薦方法出現冷啟動問題，能夠為用戶精準推薦營銷產品，適用于數據量小、用戶和產品維度較多的情況。

技術領域

本發明屬于數據處理技術領域，具體涉及一種基于旅行社用戶的多維信息畫像的推薦方法。

背景技術

隨著大數據技術的發展與應用，越來越多企業和政府機構對精準定位某個人的特征的需求越來越大，在大數據項目整合的過程中最重要的就是針對不同類人的不同需求進行精準營銷和個性化解決方案。一方面用戶需要從大量的產品信息中篩選出自己感興趣的產品；另一方面企業需要通過產品的特征參數的修改精準地推銷出合適的產品給合適的用戶。目前常用的推薦算法有：基于內容的推薦、基于用戶行為的推薦、基于混合模型的推薦、基于標簽的推薦等幾種；對于產品量比較少，用戶量較多，需要進行精準匹配的運營模式中，這些常用的推薦方法就不是很實用。

發明內容

為了解決現有技術存在的上述問題，本發明目的在于提供一種基于旅行社用戶的多維信息畫像的推薦方法。

本發明所采用的技術方案為：

基于旅行社用戶的多維信息畫像的推薦方法，包括如下步驟：

獲取目標用戶原始數據；根據該原始數據對目標用戶的特征和標簽進行分析和提取，獲得目標用戶的特征向量和用戶畫像信息；

將目標用戶的用戶畫像信息和預先構建的用戶畫像群的中心點進行相似度比較，得到與該目標用戶相似度最高的相似用戶畫像群；

根據目標用戶的特征向量計算目標用戶與相似用戶畫像群中每個樣本用戶之間的相似度，得到與目標用戶相似度最高的多個鄰居用戶；

根據目標用戶與每個鄰居用戶之間的相似度、目標用戶對使用過的多個旅游產品的興趣度、每個鄰居用戶對其所使用過且未被目標用戶使用過的多個旅游產品的興趣度，計算得到目標用戶對候選產品的興趣度，生成針對該目標用戶的推薦產品列表。

進一步，所述目標用戶原始數據包括目標用戶基本信息和目標用戶旅游行為信息。

更進一步，所述用戶畫像群采用ROCK聚類算法構建。

更進一步，所述構建用戶畫像群包括如下步驟：

S201、獲取樣本用戶原始數據，根據該原始數據對樣本用戶的特征和標簽進行分析和提取，獲得樣本用戶的特征向量和用戶畫像信息；

S202、為樣本用戶每個標簽分配權重；

S203、設置需要聚類的簇的個數k和相似度閾值θ；

S204、根據樣本用戶的標簽向量，分別計算每兩個樣本用戶之間的相似度，生成相似度矩陣；

S205、根據相似度矩陣和相似度閾值θ，計算鄰居矩陣A；若兩個樣本用戶之間的相似度＝θ，則該兩個樣本用戶之間互為鄰居，取值1，否則，該兩個樣本用戶之間不互為鄰居，取值0；

S206、根據每兩個樣本用戶之間的共同鄰居數量計算鏈接矩陣；

S207、根據鏈接矩陣和樣本用戶的標簽向量，計算每兩個樣本用戶的相似性度量，將相似性度量最高的兩個樣本用戶合并；

S208、利用目標函數以獲得最優的聚類結果；