CN105227971B - 一种酒店用电视的信息推荐方法及系统 - Google Patents
一种酒店用电视的信息推荐方法及系统 Download PDFInfo
- Publication number
- CN105227971B CN105227971B CN201510402089.9A CN201510402089A CN105227971B CN 105227971 B CN105227971 B CN 105227971B CN 201510402089 A CN201510402089 A CN 201510402089A CN 105227971 B CN105227971 B CN 105227971B
- Authority
- CN
- China
- Prior art keywords
- guest
- information
- label
- hotel
- primary
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
- H04N21/25—Management operations performed by the server for facilitating the content distribution or administrating data related to end-users or client devices, e.g. end-user or client device authentication, learning user preferences for recommending movies
- H04N21/258—Client or end-user data management, e.g. managing client capabilities, user preferences or demographics, processing of multiple end-users preferences to derive collaborative data
- H04N21/25866—Management of end-user data
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
- H04N21/25—Management operations performed by the server for facilitating the content distribution or administrating data related to end-users or client devices, e.g. end-user or client device authentication, learning user preferences for recommending movies
- H04N21/258—Client or end-user data management, e.g. managing client capabilities, user preferences or demographics, processing of multiple end-users preferences to derive collaborative data
- H04N21/25866—Management of end-user data
- H04N21/25891—Management of end-user data being end-user preferences
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
- H04N21/45—Management operations performed by the client for facilitating the reception of or the interaction with the content or administrating data related to the end-user or to the client device itself, e.g. learning user preferences for recommending movies, resolving scheduling conflicts
- H04N21/466—Learning process for intelligent management, e.g. learning user preferences for recommending movies
- H04N21/4662—Learning process for intelligent management, e.g. learning user preferences for recommending movies characterized by learning algorithms
- H04N21/4665—Learning process for intelligent management, e.g. learning user preferences for recommending movies characterized by learning algorithms involving classification methods, e.g. Decision trees
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Computer Graphics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
一种酒店用电视的信息推荐方法及系统，包括：从第一信息源中获取当前用户的第一客人信息；从第一客人信息中提取客人属性信息和/或客人行为信息，生成当前用户的客人初级标签，将客人初级标签利用既定的客人模型进行聚类；根据聚类得到的聚类结果获得客人优化标签；根据客人优化标签在内容服务器中进行匹配，获取对应的目标服务推荐给当前用户。本发明还提供相应的系统。本发明通过客户端、PMS系统、第三方预订渠道系统等多途径获取当前客人的信息后进行统计分析，并根据分析得到的客人的兴趣特征推送相应的产品服务，从而使推荐的产品服务准确地契合客人的兴趣特征，使客人及时得到所需的服务信息，从而提高了信息获取的效率。
Description
技术领域
本发明涉及信息推荐领域，具体地，涉及一种酒店用电视的信息推荐方法及系统。
背景技术
随着智能电视的普及度越来越高，作为增值服务之一的推荐业务受到了越来越多运营商的青睐，比如通过对客人当前收视内容的辨别，可以精确的为客人推荐其相关感兴趣的节目，提升客人体验，并可据此发展新的利益增长点。
目前基于电视节目的推荐比较普遍，在酒店行业中，每间酒店均会在酒店房间内设置电视机和相应匹配的电视网络，目前的电视网络往往只是提供一些酒店自行制作的视频，来向客人介绍所在城市的风土人情，名胜景点之类的旅游信息。一般来说，这种推荐方式首先获取客人收看电视节目的习惯，服务器采集到客人的收看习惯后，进行相应的信息分析，再结合预置的EPG(电子节目菜单)对电视节目进行推荐，使客人收看到符合自身兴趣的电视节目。
但在酒店行业往往情况会不同，客人入住酒店房间后，所在的是一个全新的环境，需要获取大量的周边信息，单纯为客人推荐电视节目往往满足不了需要，客人还是需要花费时间查找需要的信息、熟悉环境，从而降低了信息获取的效率。
发明内容
针对现有技术中的缺陷，本发明的目的是提供一种酒店用电视的信息推荐方法及系统。
为达到上述目的，本发明所采用的技术方案如下：
一种酒店用电视的信息推荐方法，包括如下步骤：
从第一信息源中获取当前用户的第一客人信息，其中，第一客人信息包括客人标识信息，第一信息源是酒店的PMS系统；
从所述第一客人信息中提取客人属性信息和/或客人行为信息，生成当前用户的客人初级标签，将所述客人初级标签利用既定的客人模型进行聚类；
根据聚类得到的聚类结果获得客人优化标签；
根据所述客人优化标签在内容服务器中进行匹配，获取对应的目标服务推荐给所述当前用户。
还包括：
从第二信息源获取所述当前用户的第二客人信息；所述第二信息源包括如下任一种或两种：
-客户端；
-预订系统；
所述客人初级标签还包括从所述第二客人信息中获取的客人属性信息和/或客人行为信息生成的当前用户的客人初级标签。
所述从第二信息源获取所述当前用户的第二客人信息的方法包括：
向第二信息源发送调用指令，其中，所述调用指令包括所述客人标识信息；
接收第二信息源返回的与所述客人标识信息对应的第二客人信息。
所述客人初级标签包括所述客人属性信息和/或客人行为信息、通过分析所述客人属性信息和/或客人行为信息得到的客人特征中的任一个或任多个关键字信息。
将所述客人初级标签利用既定的客人模型进行聚类的方法包括：
将所述客人初级标签匹配于既定的客人模型中的目标类别；
将所述目标类别中的既定标签作为所述客人初级标签所对应的聚类结果。
将所述目标类别中的既定标签作为所述客人初级标签所对应的聚类结果的方法包括：
分别确定所述客人初级标签与每个所述目标类别的关联度，作为确定所述客人初级标签分别属于各目标类别的概率，记为概率A；
将所述目标类别中的每个既定标签匹配于所述目标类别的概率记为概率B；
根据所述概率A和所述概率B，分别确定各既定标签的权重值；
将各既定标签按权重值进行排序，将权重值排前的对应的既定标签作为所述客人初级标签的聚类结果。
所述目标服务是根据所述客人优化标签在内容服务器中进行匹配时，将客人优化标签作为关键词在搜索引擎中检索得到。
将客人优化标签作为关键词在搜索引擎中检索的方法包括：在搜索引擎中，内容服务器中各项服务内容按照既定的内容类别进行索引，形成基于不同内容类别的垂直引擎；在搜索时，分别将所述客人优化标签在各内容类别的垂直引擎中进行检索，分别得到对应的垂直搜索结果。
在搜索引擎的检索过程中：对于每一个内容类别，将该内容类别中的各个目标服务匹配于该内容类别的概率记为概率C；将客人优化标签与各个目标服务的匹配值分别乘以各个目标服务各自所对应的概率C得到乘积值，将最大乘积值所对应的目标服务确定为搜索结果。
将所述客人优化标签在各内容类别的垂直引擎中进行检索的方法包括：
将所述客人优化标签与内容服务器中各个内容类别的文本标签分别进行匹配；
所述文本标签是从对搜索引擎中的内容类别的服务内容所对应的文本进行语义分析得到。
所述语义分析具体是：将文本进行分词后统计，统计时对文本中不同的条目结构赋予不同的权重，结合权重根据语义结构判断各项服务内容对应的文本标签。
所述方法还包括：
获取当前用户所对应的客户端中各菜单栏目设置的结构顺序；
按照所述结构顺序向所述客户端依次发送与各菜单栏目对应的所述目标服务。
本发明还提供一种酒店用电视的信息推荐系统，包括如下装置：
第一获取装置：用于从第一信息源获取第一客人信息，其中，第一客人信息包括客人标识信息，第一信息源是酒店的PMS系统；
第三获取装置：用于根据第一客人信息获取客人优化标签；
第四获取装置：用于根据客人优化标签获取目标服务；
所述第三获取装置包括如下装置：
第五获取装置：用于从第一客人信息中获取客人属性信息和/或客人行为信息；
第一生成装置：用于根据客人属性信息和/或客人行为信息生成客人初级标签；
第一聚类装置：用于将客人初级标签利用客人模型进行聚类，得到聚类结果；
第一处理装置：用于根据聚类结果得到客人次级标签作为客人优化标签。
还包括第二获取装置，用于根据所述客人标识信息从第二信息源获取第二客人信息；对于同一客人，其第一客人信息与第二客人信息为不同信息；
所述第二信息源包括如下任一种或两种：
-客户端；
-预订系统；
所述第三获取装置：还包括根据第二客人信息获取客人优化标签；
所述第五获取装置：还包括从第二客人信息中获取客人属性信息和/或客人行为信息；
所述第二获取装置包括如下装置：
第一调用装置：用于向第二信息源发送调用指令，其中，所述调用指令包括所述客人标识信息；
第一接收装置：用于接收第二信息源根据调用指令返回的与客人标识信息对应的第二客人信息。
所述第二获取装置包括如下装置：
第二调用装置：用于向第二信息源发送调用指令，其中，所述调用指令包括客人标识信息；
第二接收装置：用于接收第二信息源根据调用指令返回的与客人标识信息匹配的第二客人信息；
所述匹配的第二客人信息包括：与调用指令中的客人标识信息相关联的其它客人标识信息所对应的客人信息。
所述第一生成装置包括如下装置：
第一分析装置：用于分析客人属性信息和/或客人行为信息得到客人特征；
第二处理装置：用于将客人属性信息、客人行为信息以及客人特征中的任一个或任多个信息作为客人初级标签。
所述第一聚类装置包括如下装置：
第一匹配装置：用于将客人初级标签匹配于客人模型中的一分类；
第三处理装置：用于将所述分类中的既定标签作为该客人初级标签所对应的次级标签；
第四处理装置：用于将所述次级标签作为聚类结果中的信息。
所述第一聚类装置包括如下装置：
第二匹配装置：用于将客人初级标签匹配于客人模型中的一分类；
第五处理装置：用于确定该客人初级标签与该分类的关联度，作为确定该客人初级标签属于该分类的概率，记为概率A；
第六处理装置：用于将该分类中的各个既定标签分别作为该客人初级标签所对应的次级标签；其中，在该分类中，每一个既定标签匹配于该分类的概率记为概率B；
第七处理装置：用于确定各个次级标签的权重值，其中，所述权重值等于概率A与概率B的乘积；
第八处理装置：用于将权重值由大到小排序，并将排序靠前的若干权重值对应的次级标签作为聚类结果中的信息。
所述第四获取装置包括如下装置：
第一搜索装置：用于将客人优化标签作为关键词在搜索引擎中检索得到目标服务；
在所述搜索引擎中，各个目标服务按照既定的内容分类进行索引，形成基于不同内容分类的垂直引擎；在搜索时，分别将客人优化标签在匹配的内容分类的垂直引擎中进行检索，分别得到搜索结果。
所述第一搜索装置包括如下装置：
第三匹配装置：用于将客人优化标签与各个内容分类进行匹配；
第九处理装置：用于将匹配值最高的内容分类作为与该客人优化标签相匹配的内容分类。
所述第三匹配装置包括如下装置：
第四匹配装置：用于将客人优化标签与各个内容分类的文本标签分别进行匹配；
所述文本标签是对搜索引擎中的内容分类的服务内容所对应的文本进行语义分析得到。
所述第一搜索装置在搜索引擎的检索过程中：
对于每一个内容分类，将该内容分类中的各个目标服务匹配于该内容分类的概率记为概率C；
将客人优化标签与各个目标服务的匹配值分别乘以各个目标服务各自所对应的概率C，得到乘积值，将最大乘积值所对应的目标服务确定为搜索结果。
本系统还包括如下装置：
第六获取装置：用于向客人发送目标服务。
所述第六获取装置包括如下装置：
第七获取装置：用于获取客人的客户端中菜单栏目设置的先后顺序；
第一发送装置：用于按照先后顺序向客户端依次发送与各个菜单栏目对应的目标服务。
与现有技术相比，本发明具有如下的有益效果：
1、本发明采集酒店行业中的客人信息进行统计分析，并根据分析得到的客人的兴趣特征推送相应的产品服务，使客人及时得到所需的服务信息，从而提高了信息获取的效率。
2、本发明通过客户端、PMS系统、第三方预订渠道系统等多途径获取当前客人的客人信息，客人信息来源更加丰富，从而使推荐的产品服务准确地契合客人的兴趣特征。
3、本发明根据客户端对应的菜单设置顺序下发所述目标服务，契合了终端的操作顺序，使终端在网络状态不良的情况下也可及时地缓存从服务器端下发的服务信息，保证了客人的信息获取效率。
附图说明
通过阅读参照以下附图对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显：
图1为本发明所提供的方法一实施例的总体流程示意图；
图2为本发明所提供的系统一实施例的总体结构示意图。
具体实施方式
下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明，但不以任何形式限制本发明。应当指出的是，对本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变化和改进。这些都属于本发明的保护范围。
本发明基于酒店的电视机和网络提供了一种酒店用电视的信息推荐方法和系统，本发明采集酒店行业中的客人信息进行统计分析，并根据分析得到的客人的兴趣特征推送相应的产品服务，使客人及时得到所需的服务信息，从而提高了信息获取的效率；并且通过客户端、PMS系统、第三方预订渠道系统等多途径获取当前客人的客人信息，客人信息来源更加丰富，从而使推荐的产品服务准确地契合客人的兴趣特征，使客人及时得到所需的服务信息，从而提高了信息获取的效率。
图1所示，本发明所提供的酒店用电视的信息推荐方法一实施例总体流程，包括如下内容：
从第一信息源中获取当前用户的第一客人信息，其中，第一客人信息包括客人标识信息，所述第一信息源是酒店的PMS系统；
从所述第一客人信息中提取客人属性信息和/或客人行为信息，生成当前用户的客人初级标签，将所述客人初级标签利用既定的客人模型进行聚类；
根据聚类得到的聚类结果获得客人优化标签；
根据所述客人优化标签在内容服务器中进行匹配，获取对应的目标服务推荐给所述当前用户。
从第一信息源中获取当前用户的第一客人信息时，第一信息源为酒店的PMS系统，第一客人信息包括客人的日程信息和/或身份信息，并将客人的身份信息作为客人标识信息，其中，身份信息包括姓名、证件号、联系方式(例如手机号码、电子邮箱地址、微信号、QQ号等)。当前客人到酒店办理入住手续时，酒店的PMS系统将采集当前客人的第一客人信息，如当前客人的姓名、身份证号(护照号)、性别、入住时间、入住房间、入住天数、入住人数、联系方式，同行人的姓名、身份证号等。在客人已办理完毕入住手续，即表示客人已入住时，则触发整个信息推荐过程，根据当前客人的第一客人信息在内容服务器中进行匹配，将匹配出的推荐内容通过每间酒店的房间都安装的电视机显示推荐信息，根据当前客人的触发显示在当前客人所入住房间的电视机中。
从所述第一客人信息中提取客人属性信息和/或客人行为信息时，
步骤a:从第一客人信息中获取客人属性信息和/或客人行为信息；
步骤b：根据客人属性信息和/或客人行为信息生成客人初级标签；
步骤c：将客人初级标签利用客人模型进行聚类，得到聚类结果。
其中，客人模型是在服务器端既定存储的，本实施例中，通过在全网中的用户信息进行属性、行为、特征等信息的抽取，经统计后进行训练，得到客人模型。
进一步地，步骤b中，生成客人初级标签时，包括如下步骤：
分析客人属性信息和/或客人行为信息得到客人特征；
将客人属性信息、客人行为信息以及客人特征中的任一个或任多个信息作为客人初级标签。
综合客人特征中对应的优选词、客人属性信息和客人行为信息对应的关键词，根据权重大小进行排序，将排前的关键词/优选词作为当前客人的客人初级标签。
优选地，对每一个客人初级标签进行聚类时，执行如下步骤：
A：将所述客人初级标签匹配于既定的客人模型中的目标类别；
B：将所述目标类别中的既定标签作为所述客人初级标签所对应的聚类结果。
根据聚类结果得到客人次级标签作为客人优化标签时，
将聚类结果中的客人次级标签进行优化，将优化后的客人次级标签作为客人优化标签。
本发明对第一客人信息进行客人属性信息和客人行为信息的抽取，从而得到客人特征，将第一客人信息和客人特征作为该客人的初级标签，然后将客人的各个初级标签分别在既定的客人模型中的各个既定分类进行匹配，判断各个初级标签分别与各个分类的关联度，从而在客人模型中进行聚类打分，得到初级标签在客人模型中属于各分类的概率，并将最高概率的分类作为与对应初级标签匹配的分类。进一步地，再从分类中提取出既定的标签，得到该客人的客人优化标签。
根据所述客人优化标签在内容服务器中进行匹配时，将客人优化标签作为关键词在搜索引擎中检索得到目标服务。
在搜索引擎中，各项服务内容按照既定的内容分类进行索引，形成基于不同内容分类的垂直引擎；在搜索时，分别将客人优化标签在匹配的内容分类的垂直引擎中进行检索，分别得到搜索结果。
本实施例中，内容服务器以搜索引擎的形式为客人优化标签提供目标服务，以客人优化标签为关键字在搜索引擎中进行检索，将对应匹配的搜索结果作为目标服务。本搜索引擎中，上传的各项服务内容按既定的内容分类进行索引，各内容分类可在上传时直接指定，选取对应内容分类直接上传；根据索引的关键字对各项服务内容进行分类，从而形成基于不同内容分类对应的垂直引擎。
以客人优化标签为关键字在搜索引擎中进行检索时，分别将关键字所属的分类在各内容分类的垂直引擎中进行检索，分别得到各分类垂直引擎的垂直结果，经整合各分类的垂直结果、排序后进行筛选，整合时，可按各服务内容对应页面的PV/UV值、客人优化标签的命中率等多个维度进行整合，将预置数量的垂直结果分别作为目标服务返回。
本发明通过客户端获取当前客人的客人信息进行统计分析，并根据分析得到的客人的兴趣特征推送相应的产品服务，使客人及时得到所需的服务信息，且客人信息来源更加丰富，从而使推荐的产品服务准确地契合客人的兴趣特征，提高了信息获取的效率，契合了终端的操作顺序。
对应上述方法，如图2所示，本发明提供的酒店用电视的信息推荐系统的总体结构，包括如下装置：
第一获取装置：用于从第一信息源获取第一客人信息，其中，第一客人信息包括客人标识信息；
第二获取装置：用于根据客人标识信息，从第二信息源获取第二客人信息；
第三获取装置：用于根据第一客人信息和第二客人信息获取客人优化标签；
第四获取装置：用于根据客人优化标签获取目标服务；
第六获取装置：用于向客人发送目标服务。
具体的，第一信息源为酒店的PMS系统，第一客人信息包括客人的日程信息和/或身份信息。将其中客人的身份信息作为客人标识信息，其中，身份信息包括姓名、证件号、联系方式等。
第二信息源包括如下任一种或两种：
-客户端；
-预订系统(例如在线旅游网站)。
第二客人信息包括客户端和/或预订系统中的如下任一种或任多种信息：
-操作记录；
-浏览记录；
-预订信息。
进一步地，第二获取装置包括如下装置：
第二调用装置：用于向第二信息源发送调用指令，其中，调用指令包括客人标识信息；
第二接收装置：用于接收第二信息源根据调用指令返回的与客人标识信息匹配的第二客人信息；包括：与调用指令中的客人标识信息相关联的其它客人标识信息所对应的客人信息，相关联包括如下任一种或任多种关联关系：
-亲属；
-地域；
-社区；
-交通载具班次；
-绑定；
-子母账号。
进一步地，第三获取装置包括如下装置：
第五获取装置：用于从第一客人信息和第二客人信息中获取客人属性信息和/或客人行为信息；
第一生成装置：用于根据客人属性信息和/或客人行为信息生成客人初级标签；
第一聚类装置：用于将客人初级标签利用客人模型进行聚类，得到聚类结果；
第一处理装置：用于根据聚类结果得到客人次级标签作为客人优化标签。
其中，第一生成装置包括如下装置：
第一分析装置：用于分析客人属性信息和/或客人行为信息得到客人特征；
第二处理装置：用于将客人属性信息、客人行为信息以及客人特征中的任一个或任多个信息作为客人初级标签。
其中，第一聚类装置通过所包含的如下装置对每一个客人初级标签执行处理：
第二匹配装置：用于将该客人初级标签匹配于客人模型中的一目标类别；
第五处理装置：用于确定该客人初级标签与客人模型中该目标类别的关联度，作为该客人初级标签属于该目标类别的概率，记为概率A；
第六处理装置：用于将该目标类别中的各个既定标签分别作为该客人初级标签所对应的次级标签；其中，在该目标类别中，每一个既定标签匹配于该目标类别的概率记为概率B；
第七处理装置：用于确定各个次级标签的权重值，该权重值等于概率A与概率B的乘积；
第八处理装置：用于将权重值由大到小排序中靠前的若干权重值对应的次级标签作为聚类结果中的信息。
进一步地，第四获取装置包括如下装置：
第一搜索装置：用于将客人优化标签作为关键词在搜索引擎中检索得到目标服务。
在搜索引擎中，各个目标服务按照既定的内容分类进行索引，形成基于不同内容分类的垂直引擎；在搜索时，分别将客人优化标签在匹配的内容分类的垂直引擎中进行检索，分别得到搜索结果。
第一搜索装置通过如下所包含的装置得到客人优化标签匹配的内容分类：
第三匹配装置：用于将客人优化标签与各个内容分类进行匹配；
第九处理装置：用于将匹配值最高的内容分类作为与该客人优化标签相匹配的内容分类。
其中，所述第三匹配装置包括如下装置：
第四匹配装置：用于将客人优化标签与各个内容分类的文本标签分别进行匹配；
其中，对搜索引擎中的内容分类的服务内容所对应的文本进行语义分析，得到与内容分类对应的文本标签。
在搜索引擎的检索过程中：对于每一个内容分类，将该内容分类中的各个目标服务匹配于该内容分类的概率记为概率C；将客人优化标签与各个目标服务的匹配值分别乘以各个目标服务各自所对应的概率C得到乘积值，将最大乘积值所对应的目标服务确定为搜索结果。
进一步地，第六获取装置包括如下装置：
第七获取装置：用于获取客人的客户端中菜单栏目设置的先后顺序；
第一发送装置：用于按照先后顺序向客户端依次发送与各个菜单栏目对应的目标服务。
第一发送装置向客人的客户端发送设定数量的目标服务。
在一个变化例中，第二获取装置包括如下装置：
第一调用装置：用于向第二信息源发送调用指令，其中，调用指令包括客人标识信息；
第一接收装置：用于接收第二信息源根据调用指令返回的与客人标识信息对应的第二客人信息。
在一个变化例中，第一聚类装置通过所包含的如下装置对每一个客人初级标签执行处理：
第一匹配装置：用于将该客人初级标签匹配于客人模型中的一分类；
第三处理装置：用于将该分类中的既定标签作为该客人初级标签所对应客人的次级标签；
第四处理装置：用于将次级标签作为聚类结果中的信息。
本发明所提供的酒店用电视的信息推荐系统，通过本发明所提供的酒店用电视的信息推荐方法来实现，本发明所提供的酒店用电视的信息推荐方法一实施例包括如下步骤：
步骤S1：从第一信息源中获取当前用户的第一客人信息，其中，第一客人信息包括客人标识信息，所述第一信息源是酒店的PMS系统；
步骤S2：从第二信息源获取所述当前用户的第二客人信息；所述第二信息源包括客户端和/或网络站点；
步骤S3：从所述第一客人信息和所述第二客人信息中提取客人属性信息和/或客人行为信息，生成当前用户的客人初级标签，将所述客人初级标签利用既定的客人模型进行聚类；
步骤S4：根据聚类得到的聚类结果获得客人优化标签；
步骤S5：根据所述客人优化标签在内容服务器中进行匹配，获取对应的目标服务推荐给所述当前用户。
其中，步骤S1中，第一信息源为酒店的PMS系统，第一客人信息包括客人的日程信息和/或身份信息，并将客人的身份信息作为客人标识信息，其中，身份信息包括姓名、证件号、联系方式(例如手机号码、电子邮箱地址、微信号、QQ号等)。当前客人到酒店办理入住手续时，酒店的PMS系统将采集当前客人的第一客人信息，如当前客人的姓名、身份证号(护照号)、性别、入住时间、入住房间、入住天数、入住人数、联系方式，同行人的姓名、身份证号等。在客人已办理完毕入住手续，即表示客人已入住时，则触发整个信息推荐过程，根据当前客人的第一客人信息在内容服务器中进行匹配，将匹配出的推荐内容通过每间酒店的房间都安装的电视机显示推荐信息，根据当前客人的触发显示在当前客人所入住房间的电视机中。
步骤S2中，第二信息源包括多种信息源：客户端、网络站点，其中，客户端可以是酒店客房内的客户端，也可以是客人私人的客户端；网络站点可以是OTA(Online TravelAgent，是在线旅游社)站点，也可以是与OTA站点合作的第三方站点，OTA站点和/或第三方站点在当前客人进行操作时，通过网站日志记录的客人的浏览信息和操作信息，作为第二客人信息。
第二客人信息包括客户端和/或网络站点中的多种信息：操作记录、浏览记录、预订信息。例如，客人在酒店的智能电视客户端上进行操作和浏览，则可以采集该智能电视客户端对应的操作日志和/或浏览日志，提取操作日志和/或浏览日志中对应的日志内容，并对日志内容进行分析，将分析提取得到的关键字作为第二客人信息，具体地，第二客人信息可以是通过分别记录客人查看的智能电视中各页面和对应的停留时间、触发的各菜单选项和对应的菜单条目，分别统计各页面和对应的停留时间、各菜单条目的操作频率，提取菜单选项下排名靠前页面中的页面内容和页面停留时间与内容，并按页面内容中各组成部分(标题、副标题、正文)的权值统计关键词，将关键词作为第二客人信息。
又例如，客人在OTA站点或与OTA站点合作的第三方站点中进行访问和操作，可以从OTA站点或第三方站点的服务器获取访问日志、操作日志，从中获取浏览信息和操作信息，并对浏览信息和操作信息对应的页面内容进行分析统计，根据分析统计的结果提取得到关键字作为第二客人信息以表征客人的喜爱偏好。网络站点还可以是饭店订座系统、票务订购系统、电影订票系统、出租车预定系统、其它PMS系统等等可以获得更多客人信息的站点系统。
再例如，还可以从当前客人的智能手机中提取上网记录和各APP的使用记录，提取出浏览地址及网页页面内容及其关键词，当前客人使用APP进行的订单预定、下载、操作APP时产生的日志等，从APP和移动浏览器的服务器中获取对应的日志信息，经分析后提取关键字作为第二客人信息。
优选地，酒店客户端包括设置在每间酒店的房间内的智能电视机，智能电视机与客人的智能手机通过二维码或验证码等方式进行关联，当客人通过智能手机遥控智能电视时，服务器通过智能电视机接收到的智能手机发出的遥控指令读取当前客人对应的操作日志和/或浏览日志，根据当前客人在遥控电视时的操作记录和浏览记录，结合操作记录和浏览记录分析当前客人的兴趣，将操作记录和浏览记录中对应的页面内容进行分析统计，根据分析统计对应的关键字作为第二客人信息。同样的，可以分别统计手机APP中各页面和对应的停留时间、各操作菜单条目的操作频率、客人输入的文本内容等，根据各文本内容统计关键词，将关键词作为第二客人信息。
当从酒店客房内的酒店客户端、PMS系统、网络站点、智能手机等中的一个或多个分别采集得到的当前客人对应的第一客人信息和第二客人信息后，对第一客人信息和第二客人信息分别进行信息转换，整合为统一格式的客人信息，从而可以获得全面的客人信息，以提高针对该客人推荐应用服务的准确率。
如一个“三十九岁的美国人”的客人从携程网预订了北京某酒店的入住，在酒店办理入住手续后，实时提取该客人在包括携程网在内的OTA网站和百度旅游等第三方站点中的访问日志，获取最近一段时间该客人在OTA站点中浏览的北京旅游攻略、爱好的餐厅等信息，根据网络站点的操作记录和浏览记录中对应的页面内容进行分析统计，根据分析统计对应的关键字作为第二客人信息。进一步地，还可以提取该客人手机在特定类型APP的访问日志，如其入住过什么样的酒店、叫过哪种类型的外卖等等，根据访问日志对应的文本内容进行分析统计，根据分析统计对应的关键字作为第二客人信息；还可以获取其在其他酒店中的PMS信息，如他以前在酒店订购过什么样的服务等，根据PMS信息对应的文本内容进行分析统计，根据分析统计对应的关键字作为第二客人信息；再进一步地，还可以从多个第二信息源联合获取当前客人的第二客人信息，如从网络站点中的票务网站提取该客人在票务销售网站进行演出的订票信息，得到该演出的日期和地点，还可以从智能手机中出租车APP获取该客人在什么日期和时间、到哪个目的地下车，途中经过哪些人文经典等等信息，根据对应的文本内容进行分析统计，根据分析统计对应的关键字作为第二客人信息。将这些客人信息整合为统一格式，全面获取了当前客人的客人信息。
进一步地，步骤S2还可包括如下步骤：
步骤S2.1B：向第二信息源发送调用指令，其中，所述调用指令包括从第一信息源中获取的当前客人的客人标识信息；
步骤S2.2B：根据调用指令，由第二信息源返回与客人标识信息匹配的第二客人信息，第二客人信息包括：与调用指令中的客人标识信息相关联的其它客人标识信息所对应的客人信息。相关联包括以下多种关联关系：
-亲属；
-地域；
-社区；
-交通载具班次；
-绑定；
-子母账号。
其中，通过客人标识信息(例如护照号码)可以唯一确定当前客人的身份信息，根据当前客人对应的客人标识信息在各第二信息源中分别进行信息查找，从而在各第二信息源中依据当前客人的客人标识信息分别找到相应的第二客人信息。
作为优选例，在第二信息源中，还可以包含与该客人的客人标识信息相关联的其它客人所对应的客人信息。例如在在线旅游网站中，对于作为入住的酒店客人的个人来讲，其在在线旅游网站的服务器存储的历史预定信息或当前预定信息中还很有可能包含了其配偶以及子女的相关信息。该客人的信息以及该相关信息构成了这个家庭的集体喜爱偏好，能够更准确地反映客人的集体出行目的；从在线旅游网站中下载当前客人所在家庭对应的集体喜爱偏好，将该集体喜爱偏好作为当前客人的客人标识信息分别找到相应的第二客人信息。
在更多的例子中，还可以在金融机构的信息系统获得客人信用卡的子卡持有人的相关信息；还可以在论坛或者微信群的信息系统中发现该客人所述群体或工作组的其它客人的相关信息，以符合该集体人群的喜爱偏好；还可以从机场的信息提供获取该客人到达北京时所乘航班的同航班乘客的相关信息，等等。这样就可以从相应的网络站点中下载当前客人所在家庭对应的集体喜爱偏好，实现从群体的角度来完善该客人的第二客人信息，即将该集体喜爱偏好作为当前客人的客人标识信息分别找到相应的第二客人信息，以全面体现该客人的喜爱偏好。
进一步地，步骤S3包括如下步骤：
步骤S3.1：从第一客人信息和第二客人信息中获取客人属性信息和/或客人行为信息；
步骤S3.2：根据客人属性信息和/或客人行为信息生成客人初级标签；
步骤S3.3：将客人初级标签利用客人模型进行聚类，得到聚类结果。
其中，客人模型是在服务器端既定存储的，本实施例中，通过在全网中分别通过客户端、PMS系统、预订系统等多个第二信息源，将历史上已采集得到的第一客人信息和第二客人信息进行属性、行为、特征等信息的抽取，经统计后进行训练，得到客人模型。优选地，客人模型中包括多个既定的分类，其中，每个分类中分别包括多个既定标签，这些分类和既定标签可以通过经验预设得到，也可以通过客人模型中的训练语料进行文本分析后根据出现频率、权重经训练得到。
进一步地，步骤S3.2中，生成客人初级标签时，包括如下步骤：
步骤S3.2.1：分析客人属性信息和/或客人行为信息得到客人特征；
本实施例中，将客人属性信息、客人行为信息进行分析，提取其中的关键字，并分别对提取得到的关键字在既定的知识库中进行分析匹配，分别对知识库中对应的知识内容进行文本分析，将得到的各优选词统一进行滤重和权值评价，提取出权值大于既定阈值的优选词作为客人特征；
步骤S3.2.2：将客人属性信息、客人行为信息以及客人特征中的任一个或任多个信息作为客人初级标签。
综合客人特征中对应的优选词、客人属性信息和客人行为信息对应的关键词，根据权重大小进行排序，将排前的关键词/优选词作为当前客人的客人初级标签。
优选地，在步骤S3.3中，对每一个客人初级标签进行聚类时，执行如下步骤：
A：将所述客人初级标签匹配于既定的客人模型中的目标类别；
本实施例中，客人模型具有多个目标类别，每个目标类别分别各自对应该目标类别的受众群体对于某些特征的概率数值，将当前客人的客人初级标签在客人模型中进行匹配时，分别将客人初级标签连同其对应的近义词与每个目标类别下的各特征既定的次级标签进行匹配，将目标类别中匹配成功的次级标签对应概率数值之和作为该客人初级标签与该目标类别的关联度。
B：将所述目标类别中的既定标签作为所述客人初级标签所对应的聚类结果。
分别确定所述客人初级标签与每个所述目标类别的关联度，作为确定所述客人初级标签分别属于各目标类别的概率，记为概率A；概率A表示一客人初级标签属于某目标类别的概率；
将目标类别中每个既定的次级标签匹配于所述目标类别的概率记为概率B；概率B表示各次级标签与对应目标类别的匹配度；
根据所述概率A和所述概率B，本实施例中，所述权重值等于概率A与概率B的乘积，分别确定各次级标签的权重值。在其他实施例中，还可以通过常数进行加权求和的方式计算权重值，从而灵活调整所得的各次级标签的权重值。
将各目标类别对应的所有次级标签按权重值进行排序，将权重值排前的对应的次级标签作为所述客人初级标签的聚类结果。
聚类结果表示了客人初级标签所属受众群体对应的特征，对应的聚类结果中，既定的次级标签可以来属于多个目标类别。
步骤S4中，根据聚类结果得到客人次级标签作为客人优化标签。
将聚类结果中的客人次级标签进行优化，如滤重、优选等，将优化后的客人次级标签作为客人优化标签。
本发明对第一客人信息和第二客人信息进行客人属性信息和客人行为信息的抽取，从而得到客人特征，将第一客人信息、第二客人信息、客人特征作为该客人的初级标签，例如一客人的初级标签为“男性”、“旅游自然景点网页的浏览次数较多”、“购买了冲锋衣”、“背包客”，其中，初级标签“男性”是来自酒店PMS系统的第一客人信息，初级标签“旅游自然景点网页的浏览次数较多”、“购买了冲锋衣”是来自客人手机浏览器的第二客人信息，“背包客”为根据第一客人信息和第二客人信息提取出的客人特征。
然后将客人的各个初级标签分别在既定的客人模型中的各个既定分类进行匹配，判断各个初级标签分别与各个分类的关联度，从而在客人模型中进行聚类打分，得到初级标签在客人模型中属于各分类的概率，并将最高概率的分类作为与对应初级标签匹配的分类。进一步地，再从分类中提取出既定的标签，得到该客人的客人优化标签。
例如，抽取的当前客人的属性信息和行为信息对应的初级标签为“40岁”、“一人”、“美国人”(PMS系统中提取)，“OTA预订”、“牛尾汤”、“世纪谭府”(OTA系统提取)，“外卖酒”、“外卖披萨”(手机客户端提取)，在客人模型中进行匹配后得到初级标签与各自相匹配分类及匹配概率的情况为“中年-95％”、“欧美-90％”、“高热量食物-80％”、“环境好餐厅-60％”、“网络达人-90％”、“动物园-5％”、“相声-10％”，将“中年”分类中对应的次级标签“中高价位”、“SPA”，“欧美”分类中既定的次级标签“爱酒”、“基督教”、“西餐”，“高热量食物”分类中既定的次级标签“披萨”、“炸鸡”、“可乐”，“环境好餐厅”分类中对应的既定次级标签“三里屯”、“金钱豹”，“网络达人”分类中的既定次级标签“wifi”、“在线支付”分别结合对应的匹配概率进行匹配，例如，在本实施例中，将初级标签对于分类的匹配概率分别与该分类中各个次级标签在该分类中各自对应的概率分值相乘，得到每个次级标签的概率分值，然后将“SPA”、“三里屯”、“基督教”、“西餐”等概率分值较高的次级标签作为客人优化标签。
进一步地，步骤S5包括如下步骤：
步骤S5.1：将客人优化标签作为关键词在搜索引擎中检索得到目标服务。
在搜索引擎中，各项服务内容按照既定的内容分类进行索引，形成基于不同内容分类的垂直引擎；在搜索时，分别将客人优化标签在匹配的内容分类的垂直引擎中进行检索，分别得到搜索结果。
本实施例中，内容服务器以搜索引擎的形式为客人优化标签提供目标服务，以客人优化标签为关键字在搜索引擎中进行检索，将对应匹配的搜索结果作为目标服务。本搜索引擎中，上传的各项服务内容按既定的内容分类进行索引，各内容分类可在上传时直接指定，选取对应内容分类直接上传，也可以通过索引的关键字得到，索引的关键字可上传各项服务内容时进行指定，或者通过上传的文本内容进行分析后得到，根据索引的关键字对各项服务内容进行分类，从而形成基于不同内容分类对应的垂直引擎。
以客人优化标签为关键字在搜索引擎中进行检索时，分别将关键字所属的分类在各内容分类的垂直引擎中进行检索，分别得到各分类垂直引擎的垂直结果，经整合各分类的垂直结果、排序后进行筛选，整合时，可按各服务内容对应页面的PV/UV值、客人优化标签的命中率等多个维度进行整合，将预置数量的垂直结果分别作为目标服务返回。
其中，在优选例中，通过如下步骤得到客人优化标签匹配的内容分类：
步骤i1：将客人优化标签与各个内容分类进行匹配；
步骤i2：然后将匹配值最高的内容分类作为与该客人优化标签相匹配的内容分类。
其中，步骤i1包括如下步骤：
步骤i1.1：将客人优化标签与各个内容分类的文本标签分别进行匹配；对搜索引擎中的内容分类的服务内容所对应的文本进行语义分析，得到与内容分类对应的文本标签。具体地，通过内容服务器将抓取的各项服务内容对应的文本进行语义分析，即将文本进行分词后统计，统计时对文本中不同的条目结构赋予不同的权重，如内容分类为高权重，标题权重为中权重，正文部分为低权重等，结合权重根据语义结构判断各项服务内容对应的文本标签，并将文本标签进行统计，与各项目标服务的服务内容分别对应存储。
在搜索引擎的检索过程中：
对于每一个内容分类，将该内容分类中的各个目标服务匹配于该内容分类的概率记为概率C；
将客人优化标签与各个目标服务的匹配值分别乘以各个目标服务各自所对应的概率C得到乘积值，将最大乘积值所对应的目标服务确定为搜索结果。
如上例中，客人的客人优化标签为“SPA”、“三里屯”、“基督教”、“西餐”，将客人优化标签在内容服务器中的搜索引擎的各分类服务中进行搜索匹配，根据客人优化标签“SPA”在“生活服务”分类的垂直引擎中选取本地酒店的SPA会馆作为“生活服务”类的目标服务；根据客人优化标签“西餐”在“餐饮”分类的垂直引擎中选取本酒店的西餐厅作为“餐饮”类的目标服务；根据客人优化标签“三里屯”在“娱乐”分类的垂直引擎中选取三里屯的某好评酒吧作为“娱乐”类的目标服务；根据客人优化标签“基督教”在“旅游景点”分类的垂直引擎中排在首位的王府井教堂作为“旅游景点”类的目标服务。
步骤S5.2：获取对应的目标服务推荐给所述当前用户。例如，可以将对应的目标服务下发至当前客人所入住房间内的智能电视机向客人展示。包括：
获取当前用户所对应的客户端中各菜单栏目设置的结构顺序；
按照所述结构顺序向所述客户端依次发送与各菜单栏目对应的所述目标服务。
具体地，将目标服务下发至客户端(例如电视机或者手机)时，读取客户端对应的菜单设置结构，根据所述客户端对应设置的结构顺序，即菜单设置的栏目级别下发当前客人对应的目标服务。如首先下载菜单中首位加载项对应的目标服务，然后按菜单中的加载项设置顺序逐次下载对应的目标服务，使客人在客户端中优先看到在先展示的栏目下对应的推荐内容，避免了在网络状况不良等异常时，客人开启终端后菜单对应首位栏目仍未下载完目标服务完毕的情况。
如上例中，设置在酒店房间的电视机，按菜单设置的顺序分别对“生活服务”、“餐饮”、“娱乐”以及“旅游景点”各分类的目标服务逐次加载，分别显示：酒店的SPA会馆、酒店的西餐厅、三里屯的某好评酒吧以及王府井教堂的信息条目，根据当前客人的触发后展示对应的目标服务信息，从而推送了与当前客人“三十九岁的美国人”相契合的产品服务，使客人及时得到所需的服务信息。
本发明通过客户端、PMS系统、第三方预订渠道系统等多途径获取当前客人的客人信息进行统计分析，并根据分析得到的客人的兴趣特征推送相应的产品服务，根据客户端对应的菜单设置顺序下发所述目标服务，使客人及时得到所需的服务信息，且客人信息来源更加丰富，从而使推荐的产品服务准确地契合客人的兴趣特征，提高了信息获取的效率，契合了终端的操作顺序，使终端在网络状态不良的情况下也及时地缓存从服务器端下发的服务信息。
本领域技术人员知道，除了以纯计算机可读程序代码方式实现本发明提供的系统及其各个装置以外，完全可以通过将方法步骤进行逻辑编程来使得本发明提供的系统及其各个装置以逻辑门、开关、专用集成电路、可编程逻辑控制器以及嵌入式微控制器等的形式来实现相同功能。所以，本发明提供的系统及其各项装置可以被认为是一种硬件部件，而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构；也可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
以上对本发明的具体实施例进行了描述。需要理解的是，本发明并不局限于上述特定实施方式，本领域技术人员可以在权利要求的范围内做出各种变化或修改，这并不影响本发明的实质内容。在不冲突的情况下，本申请的实施例和实施例中的特征可以任意相互组合。
Claims (16)
1.一种酒店用电视的信息推荐方法，其特征在于，包括如下步骤：
从第一信息源中获取当前用户的第一客人信息，其中，第一客人信息包括客人标识信息，所述第一信息源是酒店的PMS系统；
从所述第一客人信息中提取客人属性信息和/或客人行为信息，生成当前用户的客人初级标签；
将所述客人初级标签匹配于既定的客人模型中的目标类别；
分别确定所述客人初级标签与每个所述目标类别的关联度，作为确定所述客人初级标签分别属于各目标类别的概率，记为概率A；
将所述目标类别中的每个既定标签匹配于所述目标类别的概率记为概率B；
根据所述概率A和所述概率B，分别确定各既定标签的权重值；
将各既定标签按权重值进行排序，将权重值排前的对应的既定标签作为所述客人初级标签的聚类结果；
根据聚类得到的聚类结果获得客人优化标签；
根据所述客人优化标签在内容服务器中进行匹配，获取对应的目标服务推荐给所述当前用户。
2.根据权利要求1所述的酒店用电视的信息推荐方法，其特征在于，还包括：
从第二信息源获取所述当前用户的第二客人信息；所述第二信息源包括如下任一种或两种：
-客户端；
-网络站点；
所述客人初级标签还包括从所述第二客人信息中获取的客人属性信息和/或客人行为信息生成的当前用户的客人初级标签。
3.根据权利要求2所述的酒店用电视的信息推荐方法，其特征在于，所述从第二信息源获取所述当前用户的第二客人信息的方法包括：
向第二信息源发送调用指令，其中，所述调用指令包括所述客人标识信息；
接收第二信息源返回的与所述客人标识信息对应的第二客人信息。
4.根据权利要求1所述的酒店用电视的信息推荐方法，其特征在于，所述客人初级标签包括所述客人属性信息和/或客人行为信息、通过分析所述客人属性信息和/或客人行为信息得到的客人特征中的任一个或任多个关键字信息。
5.根据权利要求1所述的酒店用电视的信息推荐方法，其特征在于，所述目标服务是根据所述客人优化标签在内容服务器中进行匹配时，将所述客人优化标签作为关键词在既定的搜索引擎中进行检索得到。
6.根据权利要求5所述的酒店用电视的信息推荐方法，其特征在于，所述将所述客人优化标签作为关键词在既定的搜索引擎中进行检索的方法包括：在搜索引擎中，内容服务器中各项服务内容按照既定的内容类别进行索引，形成基于不同内容类别的垂直引擎；在搜索时，分别将所述客人优化标签在各内容类别的垂直引擎中进行检索，分别得到对应的垂直搜索结果。
7.根据权利要求6所述的酒店用电视的信息推荐方法，其特征在于，将所述客人优化标签在各内容类别的垂直引擎中进行检索的方法包括：
将所述客人优化标签与内容服务器中各个内容类别的文本标签分别进行匹配；
所述文本标签是从对搜索引擎中的内容类别的服务内容所对应的文本进行语义分析得到。
8.根据权利要求1所述的酒店用电视的信息推荐方法，其特征在于，所述方法还包括：
获取当前用户所对应的客户端中各菜单栏目设置的结构顺序；
按照所述结构顺序向所述客户端依次发送与各菜单栏目对应的所述目标服务。
9.一种酒店用电视的信息推荐系统，其特征在于，包括如下装置：
第一获取装置：用于从第一信息源获取第一客人信息，其中，第一客人信息包括客人标识信息，第一信息源是酒店的PMS系统；
第三获取装置：用于根据第一客人信息获取客人优化标签；
第四获取装置：用于根据客人优化标签获取目标服务；
所述第三获取装置包括如下装置：
第五获取装置：用于从第一客人信息中获取客人属性信息和/或客人行为信息；
第一生成装置：用于根据客人属性信息和/或客人行为信息生成客人初级标签；
第一聚类装置：用于将客人初级标签利用客人模型进行聚类，得到聚类结果，具体包括：
将所述客人初级标签匹配于既定的客人模型中的目标类别；
分别确定所述客人初级标签与每个所述目标类别的关联度，作为确定所述客人初级标签分别属于各目标类别的概率，记为概率A；
将所述目标类别中的每个既定标签匹配于所述目标类别的概率记为概率B；
根据所述概率A和所述概率B，分别确定各既定标签的权重值；
将各既定标签按权重值进行排序，将权重值排前的对应的既定标签作为所述客人初级标签的聚类结果；
第一处理装置：用于根据聚类结果得到客人次级标签作为客人优化标签。
10.根据权利要求9所述的酒店用电视的信息推荐系统，其特征在于，还包括第二获取装置，用于根据所述客人标识信息从第二信息源获取第二客人信息；对于同一客人，其第一客人信息与第二客人信息为不同信息；
所述第二信息源包括如下任一种或两种：
-客户端；
-预订系统；
所述第三获取装置：还包括根据第二客人信息获取客人优化标签；
所述第五获取装置：还包括从第二客人信息中获取客人属性信息和/或客人行为信息。
11.根据权利要求10所述的酒店用电视的信息推荐系统，其特征在于，所述第二获取装置包括如下装置：
第一调用装置：用于向第二信息源发送调用指令，其中，所述调用指令包括所述客人标识信息；
第一接收装置：用于接收第二信息源根据调用指令返回的与客人标识信息对应的第二客人信息。
12.根据权利要求10所述的酒店用电视的信息推荐系统，其特征在于，所述第二获取装置包括如下装置：
第二调用装置：用于向第二信息源发送调用指令，其中，所述调用指令包括客人标识信息；
第二接收装置：用于接收第二信息源根据调用指令返回的与客人标识信息匹配的第二客人信息；
所述匹配的第二客人信息包括：与调用指令中的客人标识信息相关联的其它客人标识信息所对应的客人信息。
13.根据权利要求9所述的酒店用电视的信息推荐系统，其特征在于，所述第一生成装置包括如下装置：
第一分析装置：用于分析客人属性信息和/或客人行为信息得到客人特征；
第二处理装置：用于将客人属性信息、客人行为信息以及客人特征中的任一个或任多个信息作为客人初级标签。
14.根据权利要求9所述的酒店用电视的信息推荐系统，其特征在于，所述第一聚类装置包括如下装置：
第一匹配装置：用于将客人初级标签匹配于客人模型中的一分类；
第三处理装置：用于将所述分类中的既定标签作为该客人初级标签所对应的次级标签；
第四处理装置：用于将所述次级标签作为聚类结果中的信息。
15.根据权利要求9所述的酒店用电视的信息推荐系统，其特征在于，还包括如下装置：
第六获取装置：用于向客人发送目标服务。
16.根据权利要求15所述的酒店用电视的信息推荐系统，其特征在于，所述第六获取装置包括如下装置：
第七获取装置：用于获取客人的客户端中菜单栏目设置的先后顺序；
第一发送装置：用于按照先后顺序向客户端依次发送与各个菜单栏目对应的目标服务。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510402089.9A CN105227971B (zh) | 2015-07-09 | 2015-07-09 | 一种酒店用电视的信息推荐方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510402089.9A CN105227971B (zh) | 2015-07-09 | 2015-07-09 | 一种酒店用电视的信息推荐方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN105227971A CN105227971A (zh) | 2016-01-06 |
| CN105227971B true CN105227971B (zh) | 2019-01-08 |
Family
ID=54996607
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201510402089.9A Expired - Fee Related CN105227971B (zh) | 2015-07-09 | 2015-07-09 | 一种酒店用电视的信息推荐方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN105227971B (zh) |
Families Citing this family (17)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107153659A (zh) * | 2016-03-04 | 2017-09-12 | 朱开 | 一种应用于社交网络的推荐方法与推荐系统 |
| CN105812830B (zh) * | 2016-03-11 | 2018-11-13 | 传成文化传媒（上海）有限公司 | 酒店服务内容的推荐方法及系统 |
| CN105843864A (zh) * | 2016-03-17 | 2016-08-10 | 合网络技术（北京）有限公司 | 消息推送方法和装置 |
| CN105956871A (zh) * | 2016-04-18 | 2016-09-21 | 上海木爷机器人技术有限公司 | 服务信息处理方法和系统 |
| CN108573390A (zh) * | 2017-03-08 | 2018-09-25 | 北京跃盟科技有限公司 | 内容动态处理方法和系统 |
| WO2018201330A1 (zh) * | 2017-05-03 | 2018-11-08 | 深圳市智晟达科技有限公司 | 一种酒店数字电视节目个性化的方法和数字电视 |
| CN107025310A (zh) * | 2017-05-17 | 2017-08-08 | 长春嘉诚信息技术股份有限公司 | 一种自动实时新闻推荐方法 |
| CN108156237B (zh) * | 2017-12-22 | 2020-07-31 | 平安养老保险股份有限公司 | 产品信息推送方法、装置、存储介质和计算机设备 |
| CN108038732A (zh) * | 2017-12-25 | 2018-05-15 | 北京比利信息技术有限公司 | 一种品牌广告运营方法及装置 |
| WO2019157652A1 (zh) * | 2018-02-13 | 2019-08-22 | 徐璇炫 | 为举办会议的酒店确定其可为参会者提供的服务 |
| CN109189978B (zh) * | 2018-08-27 | 2020-06-30 | 广州酷狗计算机科技有限公司 | 基于语音消息进行音频搜索的方法、装置及存储介质 |
| CN111090769A (zh) * | 2018-10-24 | 2020-05-01 | 百度在线网络技术（北京）有限公司 | 一种歌曲推荐的方法、装置、设备和计算机存储介质 |
| CN111125566B (zh) * | 2019-12-11 | 2021-08-31 | 贝壳找房(北京)科技有限公司 | 信息获取方法和装置、电子设备和存储介质 |
| CN112612957B (zh) * | 2020-12-24 | 2023-09-29 | 北京百度网讯科技有限公司 | 兴趣点的推荐方法、兴趣点推荐模型的训练方法、装置 |
| CN113139667B (zh) * | 2021-05-07 | 2024-02-20 | 深圳他米科技有限公司 | 基于人工智能的酒店房间推荐方法、装置、设备及存储介质 |
| CN113362105B (zh) * | 2021-06-01 | 2024-02-02 | 北京十一贝科技有限公司 | 用户标签形成方法、装置及计算机可读存储介质 |
| CN113361920A (zh) * | 2021-06-04 | 2021-09-07 | 上海华客信息科技有限公司 | 酒店服务优化指标推荐方法、系统、设备及存储介质 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101071424A (zh) * | 2006-06-23 | 2007-11-14 | 腾讯科技（深圳）有限公司 | 一种个性化信息推送系统和方法 |
| CN102158365A (zh) * | 2011-05-20 | 2011-08-17 | 北京邮电大学 | 一种网络日志挖掘中的用户聚类方法及系统 |
| CN103067756A (zh) * | 2011-10-20 | 2013-04-24 | 安美世纪（北京）科技有限公司 | 一种Portal主页强制显示系统和方法 |
| CN103488788A (zh) * | 2011-12-27 | 2014-01-01 | 奇智软件（北京）有限公司 | 一种应用自动推荐的方法及装置 |
| US8812503B2 (en) * | 2010-02-15 | 2014-08-19 | Sony Corporation | Information processing device, method and program |
| CN104216965A (zh) * | 2014-08-21 | 2014-12-17 | 北京金山安全软件有限公司 | 信息推荐方法和装置 |
-
2015
- 2015-07-09 CN CN201510402089.9A patent/CN105227971B/zh not_active Expired - Fee Related
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101071424A (zh) * | 2006-06-23 | 2007-11-14 | 腾讯科技（深圳）有限公司 | 一种个性化信息推送系统和方法 |
| US8812503B2 (en) * | 2010-02-15 | 2014-08-19 | Sony Corporation | Information processing device, method and program |
| CN102158365A (zh) * | 2011-05-20 | 2011-08-17 | 北京邮电大学 | 一种网络日志挖掘中的用户聚类方法及系统 |
| CN103067756A (zh) * | 2011-10-20 | 2013-04-24 | 安美世纪（北京）科技有限公司 | 一种Portal主页强制显示系统和方法 |
| CN103488788A (zh) * | 2011-12-27 | 2014-01-01 | 奇智软件（北京）有限公司 | 一种应用自动推荐的方法及装置 |
| CN104216965A (zh) * | 2014-08-21 | 2014-12-17 | 北京金山安全软件有限公司 | 信息推荐方法和装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN105227971A (zh) | 2016-01-06 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105227971B (zh) | 一种酒店用电视的信息推荐方法及系统 | |
| CN105812830B (zh) | 酒店服务内容的推荐方法及系统 | |
| CN105046600A (zh) | 一种酒店用电视的个性化信息推荐方法及系统 | |
| US8572116B2 (en) | System for recommending an article not present in an image | |
| CN103324665B (zh) | 一种基于微博的热点信息提取的方法和装置 | |
| WO2019056661A1 (zh) | 一种搜索词推送方法、装置及终端 | |
| US11042590B2 (en) | Methods, systems and techniques for personalized search query suggestions | |
| CN105046601A (zh) | 用户数据处理方法和系统 | |
| US11899728B2 (en) | Methods, systems and techniques for ranking personalized and generic search query suggestions | |
| CN103064880B (zh) | 一种基于搜索信息向用户提供网站选择的方法、装置和系统 | |
| CN102073699A (zh) | 用于基于用户行为来改善搜索结果的方法、装置和设备 | |
| US11232522B2 (en) | Methods, systems and techniques for blending online content from multiple disparate content sources including a personal content source or a semi-personal content source | |
| CN103890761A (zh) | 自动生成推荐的方法和装置 | |
| JP2011154668A (ja) | ウェブページの主意，およびユーザの嗜好を適切に把握して，最善の情報をリアルタイムに推奨する方法 | |
| US20120072466A1 (en) | Contents creating device and contents creating method | |
| US20190332605A1 (en) | Methods, systems and techniques for ranking blended content retrieved from multiple disparate content sources | |
| CN111191133B (zh) | 业务搜索处理方法、装置及设备 | |
| CN101000627A (zh) | 一种相关信息的发布方法和装置 | |
| CN107305551A (zh) | 推送信息的方法和装置 | |
| CN106202260B (zh) | 搜索方法、装置和搜索引擎 | |
| KR101559719B1 (ko) | 효과적인 마케팅을 도출하는 자동학습 시스템 및 방법 | |
| US11836169B2 (en) | Methods, systems and techniques for providing search query suggestions based on non-personal data and user personal data according to availability of user personal data | |
| KR20190047200A (ko) | 빅 데이터 분석 기법을 기반으로 한 맞춤형 문화 관광 콘텐츠 제공 플랫폼의 운영방법 | |
| CN109241451A (zh) | 一种内容组合推荐方法、装置及可读存储介质 | |
| CN106547808A (zh) | 图片更新方法、类目排序方法及装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CF01 | Termination of patent right due to non-payment of annual fee | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20190108 Termination date: 20200709 |