[發明專利]酒店推薦方法、系統、電子設備和存儲介質

在審

• 申請號: 202010163650.3
• 申請日: 2020-03-10
• 公開（公告）號: CN111429204A
• 公開（公告）日: 2020-07-17
• 發明（設計）人: 楊曉燕;胡泓;郭寶坤;陳謙
• 申請（專利權）人: 攜程計算機技術（上海）有限公司
• 主分類號: G06Q30/06
• 分類號: G06Q30/06;G06Q50/12;G06Q30/02;G06F16/9535;G06F16/9537;G06K9/62
• 代理公司: 上海弼興律師事務所 31283
• 代理人: 薛琦;張冉

1.一種酒店推薦方法，其特征在于，包括：

根據多個待推薦酒店的酒店標識訓練轉換模型，所述轉換模型用于將所述酒店標識轉換成詞向量；

利用所述轉換模型將每個待推薦酒店的酒店標識轉換成待推薦酒店向量；

獲取目標用戶的歷史行為序列，所述歷史行為序列包括所述目標用戶歷史點擊的若干酒店的酒店標識；

利用所述轉換模型將所述歷史行為序列轉換成用戶行為向量，所述用戶行為向量與所述待推薦酒店向量的長度相同；

獲取所述用戶行為向量與每個待推薦酒店向量的目標相似度；

根據所述目標相似度向所述目標用戶推薦若干所述待推薦酒店。

2.如權利要求1所述的酒店推薦方法，其特征在于，在所述獲取所述用戶行為向量與每個待推薦酒店向量的目標相似度的步驟之前還包括：

以所述用戶行為向量以及所述待推薦酒店向量為輸入訓練文本匹配模型，所述文本匹配模型用于輸出所述用戶行為向量與所述歷史酒店向量的目標相似度；

所述獲取所述用戶行為向量與每個待推薦酒店向量的目標相似度的步驟包括：

利用所述文本匹配模型獲取所述用戶行為向量與每個待推薦酒店向量的目標相似度。

3.如權利要求2所述的酒店推薦方法，其特征在于，所述以所述用戶行為向量以及所述待推薦酒店向量為輸入訓練文本匹配模型的步驟包括：

獲取所述用戶行為向量與所述待推薦酒店向量的中間相似度；

以所述用戶行為向量、所述待推薦酒店向量以及所述中間相似度為輸入訓練文本匹配模型。

4.如權利要求1所述的酒店推薦方法，其特征在于，在所述獲取目標用戶的歷史行為序列的步驟之后還包括：

判斷所述歷史行為序列中酒店標識的數量是否大于預設閾值；

若是，則執行所述利用所述轉換模型將所述歷史行為序列轉換成用戶行為向量的步驟；

若否，則獲取所述目標用戶的用戶信息，并根據所述用戶信息向所述目標用戶推薦若干所述待推薦酒店，其中，所述用戶信息包括當前位置和/或價格偏好；

和/或，

所述利用所述轉換模型將所述歷史行為序列轉換成用戶行為向量的步驟包括：

利用所述轉換模型將所述歷史行為序列中每個酒店標識分別轉換成歷史酒店向量；

根據所述歷史行為序列對應的所有歷史酒店向量獲取用戶行為向量；

和/或，

所述轉換模型包括Skip-Gram模型；

和/或，

所述獲取所述用戶行為向量與每個待推薦酒店向量的目標相似度的步驟包括：

獲取所述用戶行為向量與每個待推薦酒店向量之間的向量距離；

根據所述向量距離確定所述目標相似度。

5.一種酒店推薦系統，其特征在于，包括：

第一訓練模塊，用于根據多個待推薦酒店的酒店標識訓練轉換模型，所述轉換模型用于將所述酒店標識轉換成詞向量；

第一轉換模塊，用于利用所述轉換模型將每個待推薦酒店的酒店標識轉換成待推薦酒店向量；

第一獲取模塊，用于獲取目標用戶的歷史行為序列，所述歷史行為序列包括所述目標用戶歷史點擊的若干酒店的酒店標識；

第二轉換模塊，用于利用所述轉換模型將所述歷史行為序列轉換成用戶行為向量，所述用戶行為向量與所述待推薦酒店向量的長度相同；

第二獲取模塊，用于獲取所述用戶行為向量與每個待推薦酒店向量的目標相似度；

第一推薦推薦模塊，用于根據所述目標相似度向所述目標用戶推薦若干所述待推薦酒店。

6.如權利要求5所述的酒店推薦系統，其特征在于，所述酒店推薦系統還包括：

第二訓練模塊，用于以所述用戶行為向量以及所述待推薦酒店向量為輸入訓練文本匹配模型，所述文本匹配模型用于輸出所述用戶行為向量與所述歷史酒店向量的目標相似度；

所述第二獲取模塊具體用于利用所述文本匹配模型獲取所述用戶行為向量與每個待推薦酒店向量的目標相似度。