CN105824929A - 基于社会关系的机票个性化推荐方法及系统 - Google Patents
基于社会关系的机票个性化推荐方法及系统 Download PDFInfo
- Publication number
- CN105824929A CN105824929A CN201610153992.0A CN201610153992A CN105824929A CN 105824929 A CN105824929 A CN 105824929A CN 201610153992 A CN201610153992 A CN 201610153992A CN 105824929 A CN105824929 A CN 105824929A
- Authority
- CN
- China
- Prior art keywords
- user
- air ticket
- order
- history
- threshold value
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 16
- 230000008878 coupling Effects 0.000 claims description 36
- 238000010168 coupling process Methods 0.000 claims description 36
- 238000005859 coupling reaction Methods 0.000 claims description 36
- 230000013011 mating Effects 0.000 claims description 12
- 230000008901 benefit Effects 0.000 abstract description 7
- 230000000694 effects Effects 0.000 abstract description 5
- 238000005516 engineering process Methods 0.000 description 9
- 235000012364 Peperomia pellucida Nutrition 0.000 description 2
- 240000007711 Peperomia pellucida Species 0.000 description 2
- 230000003466 anti-cipated effect Effects 0.000 description 1
- 230000003542 behavioural effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000004880 explosion Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 230000001502 supplementing effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/02—Reservations, e.g. for tickets, services or events
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/40—Business processes related to the transportation industry
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Tourism & Hospitality (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Human Resources & Organizations (AREA)
- Quality & Reliability (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种基于社会关系的机票个性化推荐方法及系统，包括：步骤1：收集用户的历史机票订单，判断历史机票订单的数量是否大于设定阈值，当历史机票订单的数量大于等于设定阈值，进入步骤3，当历史机票订单的数量小于设定阈值时进入步骤2；步骤2：根据用户中的乘客信息查找相关用户，收集相关用户的历史机票订单；步骤3：根据收集到的历史机票订单，统计用户在机票订单的多个属性信息中的偏好，计算属性信息的信息熵值，获取每个属性信息的权重，进而生成用户偏好模型。本发明利用了用户之间的社会关系，适当地补充订单较少的用户的数据，可以用户更好地建用户偏好模型，从而提升个性化推荐的整体效果。
Description
技术领域
本发明涉及个性化推荐，具体地，涉及一种基于社会关系的机票个性化推荐方法及系统。
背景技术
个性化推荐技术的主要作用是在信息爆炸时代根据用户的行为提取出用户的兴趣爱好，准确高效地为用户提供在获取信息上的建议，以减少用户为获取信息所花费的时间。个性化推荐已经是互联网时代不可缺少的技术。个性化推荐能够有效预见用户的需求，使得交互过程更有效率并提升用户的满意度，因此在包括电子商务、新闻门户、多媒体等各种服务网站都有广泛的应用。每年还会有重大的推荐技术竞赛。随着互联网技术的发展以及用户信息的不断完善，可以预见个性化推荐技术将有更加广泛的应用。
目前大部分推荐系统主要利用用户自身的信息，这样虽然可以使用最准确的建模数据，但是部分用户的行为信息过于稀少，并不足以建立偏好模型。而且这部分用户所占的比例并不小，从而会影响到整体的推荐效果。这类问题在某些领域有较好的解决办法，例如在视频、新闻等领域可以直接推荐最热门的信息，但是在电子商务领域并不适用。基于社会关系的推荐技术充分利用了用户之间的社会关系，相当于对历史订单进行合理扩充，能够增加偏好模型的准确性。
现有技术中的机票推荐系统根据用户以往的订单数据建立用户偏好模型，使用用户偏好模型与用户搜索结果逐条计算相似度，并根据相似度排序，将相似度最高的几条结果推荐给用户。
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基于社会关系的机票个性化推荐方法及系统。
根据本发明一个方面提供的基于社会关系的机票个性化推荐方法，包括如下步骤：
步骤1：收集用户的历史机票订单，判断所述历史机票订单的数量是否大于设定阈值，当所述历史机票订单的数量大于等于设定阈值，进入步骤3，当所述历史机票订单的数量小于设定阈值时进入步骤2；
步骤2：根据所述用户中的乘客信息查找相关用户，收集相关用户的历史机票订单；
步骤3：根据收集到的历史机票订单，统计用户在机票订单的多个属性信息中的偏好，计算所述属性信息的信息熵值，获取每个属性信息的权重，进而生成用户偏好模型；
步骤4：根据所述用户偏好模型将待预定机票的搜索结果进行排序推荐给用户。
优选地，所述相关用户为如下任一种或任多种；
-相关用户与用户之间有相同的乘客中的第一匹配用户；
-相关用户中的乘客与用户中的乘客之间多次共同乘坐过同一班次飞机的第二匹配用户。
优选地，所述第一匹配用户的优先级大于所述第二匹配用户；
当所述第一匹配用户的历史机票订单数量与所述用户的历史机票订单数量的和大于等于所述设定阈值时，停止查找第二匹配用户，并进入步骤3。
优选地，当所述第一匹配用户的数量为多个，多个所述第一匹配用户之间的优先级按相同乘客的数量依次排序；
当优先级在前面的第一匹配用户的历史机票订单数量与所述用户的历史机票订单数量的和大于等于所述设定阈值时，停止统计优先级在后面的第一匹配用户的历史机票订单数量，并进入步骤3。
优选地，所述属性信息为如下的任多种，
-航空公司；
-起飞时间；
-舱位等级；
-飞机类型；
-票价级别。
根据本发明另一个方面提供的基于社会关系的机票个性化推荐系统，包括机票订单收集判断模块、相关用户查找模块、偏好模型生成模块以及相关机票推荐模块；
机票订单收集判断模块，用于收集用户的历史机票订单，判断所述历史机票订单的数量是否大于设定阈值，当所述机票订单的数量大于等于设定阈值，触发偏好模型生成模块，当所述机票订单的数量小于设定阈值时触发相关用户查找模块；
相关用户查找模块，用于根据所述用户中的乘客信息查找相关用户，收集相关用户的历史机票订单；
偏好模型生成模块，用于根据收集到的历史机票订单，统计用户在机票订单的多个属性信息中的偏好，计算所述属性信息的信息熵值，获取每个属性信息的权重，进而生成用户偏好模型；
相关机票推荐模块，用于根据所述用户偏好模型将待预定机票的搜索结果进行排序推荐给用户。
优选地，所述相关用户为如下任一种或任多种；
-相关用户与用户之间有相同的乘客中的第一匹配用户；
-相关用户中的乘客与用户中的乘客之间多次共同乘坐过同一班次飞机的第二匹配用户。
优选地，所述第一匹配用户的优先级大于所述第二匹配用户；
当所述第一匹配用户的历史机票订单数量与所述用户的历史机票订单数量的和大于等于所述设定阈值时，停止查找第二匹配用户，触发偏好模型生成模块。
优选地，当所述第一匹配用户的数量为多个，多个所述第一匹配用户之间的优先级按相同乘客的数量依次排序；
当优先级在前面的第一匹配用户的历史机票订单数量与所述用户的历史机票订单数量的和大于等于所述设定阈值时，停止统计优先级在后面的第一匹配用户的历史机票订单数量，触发偏好模型生成模块。
优选地，所述属性信息为如下的任多种，
-航空公司；
-起飞时间；
-舱位等级；
-飞机类型；
-票价级别。
与现有技术相比，本发明具有如下的有益效果：
1、本发明除了考虑用户自己的历史订单之外，还利用了用户之间的社会关系，并且这种关系可以容易地利用原本的数据挖掘出来，不需要额外的数据，从而通过适当地补充订单较少的用户的数据，可以帮助这部分用户更好地建用户偏好模型，从而提升个性化推荐的整体效果；
2、本发明原理简单，能够适用于多种领域的个性化推荐。
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为本发明中的用户关系图；
图2为本发明中的基于社会关系的机票个性化推荐方法的流程图。
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，还可以做出若干变形和改进。这些都属于本发明的保护范围。
相比于火车和长途汽车，飞机的订票具有更加灵活多变的特性，包括多个航空公司、不同档次的机票舱位、多变的机票价格等。当用户在售票网站搜索从出发地到目的地的机票时，如果能够给每位用户推荐符合其偏好的机票，将可以为用户节省浏览时间，同时也可以为售票网站带来更高的转化率。获得用户偏好最直接的途径就是统计并分析用户的历史订单。对于出行较为频繁的乘客，我们可以获得更加准确的偏好分析，但根据我们对网站订票数据的深层次分析，订单稀少的乘客仍占据相当大的比例，而我们很难为这部分乘客建立准确的偏好模型。由于售票网站的操作特性，用户购票时登录的网站账户与实际乘客之间并非都是一对一的关系。有的网站账户为多名乘客购买过机票，有的乘客出现在多个网站账户中，还有些乘客之间虽然没有网站账户的联系，却乘坐过同一班航班。这些乘客之间具有社会关系，通常社会关系越密切的乘客具有越相近的偏好，如果我们可以利用到与乘客有社会关系的其他乘客的历史订单，将可以更好地为订单稀少的乘客建立偏好模型，从而提升推荐效果。这种基于社会关系的推荐技术充分利用了个体之间的联系，从而丰富了用于构建用户偏好模型所需的信息，本发明可以用在其他具有类似应用场景的推荐技术中。
在本实施例中，本发明提供的基于社会关系的机票个性化推荐方法，包括如下步骤：
步骤1：收集用户的历史机票订单，判断所述历史机票订单的数量是否大于设定阈值，当所述历史机票订单的数量大于等于设定阈值，进入步骤3，当所述历史机票订单的数量小于设定阈值时进入步骤2；
步骤2：根据所述用户中的乘客信息查找相关用户，收集相关用户的历史机票订单；
步骤3：根据收集到的历史机票订单，统计用户在机票订单的多个属性信息中的偏好，计算所述属性信息的信息熵值，获取每个属性信息的权重，进而生成用户偏好模型；
步骤4：根据所述用户偏好模型将待预定机票的搜索结果进行排序推荐给用户。
所述相关用户为如下任一种或任多种；
-相关用户与用户之间有相同的乘客中的第一匹配用户；
-相关用户中的乘客与用户中的乘客之间多次共同乘坐过同一班次飞机的第二匹配用户。
所述第一匹配用户的优先级大于所述第二匹配用户；当所述第一匹配用户的历史机票订单数量与所述用户的历史机票订单数量的和大于等于所述设定阈值时，停止查找第二匹配用户，并进入步骤3。
当所述第一匹配用户的数量为多个，多个所述第一匹配用户之间的优先级按相同乘客的数量依次排序；当优先级在前面的第一匹配用户的历史机票订单数量与所述用户的历史机票订单数量的和大于等于所述设定阈值时，停止统计优先级在后面的第一匹配用户的历史机票订单数量，并进入步骤3。
具体为，如图1所示，统计历史机票订单的数据的粒度为用户级别，而一位用户又可能包含多名乘客，这些乘客是实际的乘机人，与用户不一定是一对一的关系。用户之间的社会关系正是依据乘机人之间的联系建立。本发明针对的是自身订单数量稀少，但与其他用户有社会关系的用户，这一部分用户在所有用户中也占有一定的比例，因此可以提升总体的推荐效果。用户1包含三名乘客，用户2和用户3分别包含两名乘客。乘客使用加密过的身份信息作为标识。可以看到，用户1与用户2包含共同的乘客P2，用户1和用户3包含具有同乘关系的乘客P3和P5。而用户2和用户3包含共同乘客P4，因此这三位用户之间具有社会关系。其中用户2和用户3的关系最为紧密，虽然用户1和用户2也包含一名共同乘客，但是用户3本身只包含两名乘客，而用户1有三名乘客。关系最为疏远的是用户1和用户3，因为他们仅仅包含同乘过的乘客。这里同乘的含义是共同乘坐过飞机两次以上。
所述属性信息为如下的任多种，
-航空公司；
-起飞时间；
-舱位等级；
-飞机类型；
-票价级别。
本发明提供的基于社会关系的机票个性化推荐系统，包括机票订单收集判断模块、相关用户查找模块、偏好模型生成模块以及相关机票推荐模块；
机票订单收集判断模块，用于收集用户的历史机票订单，判断所述历史机票订单的数量是否大于设定阈值，当所述机票订单的数量大于等于设定阈值，触发偏好模型生成模块，当所述机票订单的数量小于设定阈值时触发相关用户查找模块；
相关用户查找模块，用于根据所述用户中的乘客信息查找相关用户，收集相关用户的历史机票订单；
偏好模型生成模块，用于根据收集到的历史机票订单，统计用户在机票订单的多个属性信息中的偏好，计算所述属性信息的信息熵值，获取每个属性信息的权重，进而生成用户偏好模型；
相关机票推荐模块，用于根据所述用户偏好模型将待预定机票的搜索结果进行排序推荐给用户。
所述相关用户为如下任一种或任多种；
-相关用户与用户之间有相同的乘客中的第一匹配用户；
-相关用户中的乘客与用户中的乘客之间多次共同乘坐过同一班次飞机的第二匹配用户。
所述第一匹配用户的优先级大于所述第二匹配用户；
当所述第一匹配用户的历史机票订单数量与所述用户的历史机票订单数量的和大于等于所述设定阈值时，停止查找第二匹配用户，触发偏好模型生成模块。
当所述第一匹配用户的数量为多个，多个所述第一匹配用户之间的优先级按相同乘客的数量依次排序；
当优先级在前面的第一匹配用户的历史机票订单数量与所述用户的历史机票订单数量的和大于等于所述设定阈值时，停止统计优先级在后面的第一匹配用户的历史机票订单数量，触发偏好模型生成模块。
所述属性信息为如下的任多种，
-航空公司；
-起飞时间；
-舱位等级；
-飞机类型；
-票价级别。
更为具体的如表1所示，
表1为机票属性列表
| 航空公司 | CA、MU、CA、HU… |
| 起飞时间 | 7：00-11：00、11：00-14：00、14：00-18：00、18：00-23：00 |
| 舱位 | 头等舱(F)、商务舱(C)、经济舱(Y) |
| 机型 | 小(S)、中(M)、大(L) |
| 票价级别 | 以经济舱全价为基准划分 |
如图2所示的是机票个性化推荐流程，本发明的整体流程为，首先根据历史机票订单构建用户偏好模型，偏好模型包括表1的五个属性信息。五个属性信息对于不同的用户可能占有不同的权重，因此计算用户在每个属性信息所做选择的信息熵，信息熵表示信息的混乱程度，熵值越小代表用户在这个属性上的行为越一致，因此具有更加明显的偏好。对于信息熵越小的属性，赋予它越大的权重。用户偏好模型建立完成后，使用待预定机票与户偏好模型进行比较，相似度越高的条目越符合用户的偏好，相似度的比较可以根据余弦值得出。最后将相似度最高的几个待预定机票条目推荐给用户即可。
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形或修改，这并不影响本发明的实质内容。
Claims (10)
1.一种基于社会关系的机票个性化推荐方法，其特征在于，包括如下步骤：
步骤1：收集用户的历史机票订单，判断所述历史机票订单的数量是否大于设定阈值，当所述历史机票订单的数量大于等于设定阈值，进入步骤3，当所述历史机票订单的数量小于设定阈值时进入步骤2；
步骤2：根据所述用户中的乘客信息查找相关用户，收集相关用户的历史机票订单；
步骤3：根据收集到的历史机票订单，统计用户在机票订单的多个属性信息中的偏好，计算所述属性信息的信息熵值，获取每个属性信息的权重，进而生成用户偏好模型；
步骤4：根据所述用户偏好模型将待预定机票的搜索结果进行排序推荐给用户。
2.根据权利要求1所述的基于社会关系的机票个性化推荐方法，其特征在于，所述相关用户为如下任一种或任多种；
-相关用户与用户之间有相同的乘客中的第一匹配用户；
-相关用户中的乘客与用户中的乘客之间多次共同乘坐过同一班次飞机的第二匹配用户。
3.根据权利要求2所述的基于社会关系的机票个性化推荐方法，其特征在于，所述第一匹配用户的优先级大于所述第二匹配用户；
当所述第一匹配用户的历史机票订单数量与所述用户的历史机票订单数量的和大于等于所述设定阈值时，停止查找第二匹配用户，并进入步骤3。
4.根据权利要求2所述的基于社会关系的机票个性化推荐方法，其特征在于，当所述第一匹配用户的数量为多个，多个所述第一匹配用户之间的优先级按相同乘客的数量依次排序；
当优先级在前面的第一匹配用户的历史机票订单数量与所述用户的历史机票订单数量的和大于等于所述设定阈值时，停止统计优先级在后面的第一匹配用户的历史机票订单数量，并进入步骤3。
5.根据权利要求1所述的基于社会关系的机票个性化推荐方法，其特征在于，所述属性信息为如下的任多种，
-航空公司；
-起飞时间；
-舱位等级；
-飞机类型；
-票价级别。
6.一种基于社会关系的机票个性化推荐系统，其特征在于，包括机票订单收集判断模块、相关用户查找模块、偏好模型生成模块以及相关机票推荐模块；
机票订单收集判断模块，用于收集用户的历史机票订单，判断所述历史机票订单的数量是否大于设定阈值，当所述机票订单的数量大于等于设定阈值，触发偏好模型生成模块，当所述机票订单的数量小于设定阈值时触发相关用户查找模块；
相关用户查找模块，用于根据所述用户中的乘客信息查找相关用户，收集相关用户的历史机票订单；
偏好模型生成模块，用于根据收集到的历史机票订单，统计用户在机票订单的多个属性信息中的偏好，计算所述属性信息的信息熵值，获取每个属性信息的权重，进而生成用户偏好模型；
相关机票推荐模块，用于根据所述用户偏好模型将待预定机票的搜索结果进行排序推荐给用户。
7.根据权利要求6所述的基于社会关系的机票个性化推荐系统，其特征在于，所述相关用户为如下任一种或任多种；
-相关用户与用户之间有相同的乘客中的第一匹配用户；
-相关用户中的乘客与用户中的乘客之间多次共同乘坐过同一班次飞机的第二匹配用户。
8.根据权利要求7所述的基于社会关系的机票个性化推荐系统，其特征在于，所述第一匹配用户的优先级大于所述第二匹配用户；
当所述第一匹配用户的历史机票订单数量与所述用户的历史机票订单数量的和大于等于所述设定阈值时，停止查找第二匹配用户，触发偏好模型生成模块。
9.根据权利要求7所述的基于社会关系的机票个性化推荐系统，其特征在于，当所述第一匹配用户的数量为多个，多个所述第一匹配用户之间的优先级按相同乘客的数量依次排序；
当优先级在前面的第一匹配用户的历史机票订单数量与所述用户的历史机票订单数量的和大于等于所述设定阈值时，停止统计优先级在后面的第一匹配用户的历史机票订单数量，触发偏好模型生成模块。
10.根据权利要求6所述的基于社会关系的机票个性化推荐系统，其特征在于，所述属性信息为如下的任多种，
-航空公司；
-起飞时间；
-舱位等级；
-飞机类型；
-票价级别。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610153992.0A CN105824929A (zh) | 2016-03-17 | 2016-03-17 | 基于社会关系的机票个性化推荐方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610153992.0A CN105824929A (zh) | 2016-03-17 | 2016-03-17 | 基于社会关系的机票个性化推荐方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN105824929A true CN105824929A (zh) | 2016-08-03 |
Family
ID=56525270
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610153992.0A Pending CN105824929A (zh) | 2016-03-17 | 2016-03-17 | 基于社会关系的机票个性化推荐方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN105824929A (zh) |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106296281A (zh) * | 2016-08-05 | 2017-01-04 | 中卓信（北京）科技有限公司 | 一种用户个性化行程信息推送方法、装置以及系统 |
| CN106447387A (zh) * | 2016-08-31 | 2017-02-22 | 上海交通大学 | 基于共享账户乘客预测的机票个性化推荐方法 |
| CN107067178A (zh) * | 2017-04-18 | 2017-08-18 | 携程计算机技术（上海）有限公司 | 订单质量评估方法及系统 |
| CN107437200A (zh) * | 2017-06-28 | 2017-12-05 | 北京小度信息科技有限公司 | 信息确定方法及装置 |
| CN107944043A (zh) * | 2017-12-15 | 2018-04-20 | 天津伊翔运达网络科技有限公司 | 一种基于用户身份信息的航班搜索数据处理方法 |
| CN109460842A (zh) * | 2018-11-14 | 2019-03-12 | 泰康保险集团股份有限公司 | 一种服务质量的确定方法及装置 |
| CN109685573A (zh) * | 2018-12-25 | 2019-04-26 | 拉扎斯网络科技（上海）有限公司 | 一种商圈数据的处理方法、装置、电子设备和存储介质 |
| CN109740067A (zh) * | 2019-01-29 | 2019-05-10 | 携程旅游网络技术（上海）有限公司 | 页面数据预加载方法、系统、设备以及介质 |
| CN111949893A (zh) * | 2020-08-21 | 2020-11-17 | 深圳市活力天汇科技股份有限公司 | 一种基于协同过滤算法的机票推荐方法 |
| CN113763103A (zh) * | 2021-01-19 | 2021-12-07 | 北京沃东天骏信息技术有限公司 | 一种物品搭配关系确定方法、装置、电子设备和存储介质 |
-
2016
- 2016-03-17 CN CN201610153992.0A patent/CN105824929A/zh active Pending
Cited By (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106296281B (zh) * | 2016-08-05 | 2018-08-17 | 中卓信（北京）科技有限公司 | 一种用户个性化行程信息推送方法、装置以及系统 |
| CN106296281A (zh) * | 2016-08-05 | 2017-01-04 | 中卓信（北京）科技有限公司 | 一种用户个性化行程信息推送方法、装置以及系统 |
| CN106447387A (zh) * | 2016-08-31 | 2017-02-22 | 上海交通大学 | 基于共享账户乘客预测的机票个性化推荐方法 |
| CN107067178A (zh) * | 2017-04-18 | 2017-08-18 | 携程计算机技术（上海）有限公司 | 订单质量评估方法及系统 |
| CN107437200A (zh) * | 2017-06-28 | 2017-12-05 | 北京小度信息科技有限公司 | 信息确定方法及装置 |
| CN107944043B (zh) * | 2017-12-15 | 2021-05-25 | 北京筹策科技有限公司 | 一种基于用户身份信息的航班搜索数据处理方法 |
| CN107944043A (zh) * | 2017-12-15 | 2018-04-20 | 天津伊翔运达网络科技有限公司 | 一种基于用户身份信息的航班搜索数据处理方法 |
| CN109460842A (zh) * | 2018-11-14 | 2019-03-12 | 泰康保险集团股份有限公司 | 一种服务质量的确定方法及装置 |
| CN109460842B (zh) * | 2018-11-14 | 2023-10-13 | 泰康保险集团股份有限公司 | 一种服务质量的确定方法及装置 |
| CN109685573A (zh) * | 2018-12-25 | 2019-04-26 | 拉扎斯网络科技（上海）有限公司 | 一种商圈数据的处理方法、装置、电子设备和存储介质 |
| CN109740067A (zh) * | 2019-01-29 | 2019-05-10 | 携程旅游网络技术（上海）有限公司 | 页面数据预加载方法、系统、设备以及介质 |
| CN111949893A (zh) * | 2020-08-21 | 2020-11-17 | 深圳市活力天汇科技股份有限公司 | 一种基于协同过滤算法的机票推荐方法 |
| CN111949893B (zh) * | 2020-08-21 | 2024-03-29 | 深圳市活力天汇科技股份有限公司 | 一种基于协同过滤算法的机票推荐方法 |
| CN113763103A (zh) * | 2021-01-19 | 2021-12-07 | 北京沃东天骏信息技术有限公司 | 一种物品搭配关系确定方法、装置、电子设备和存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105824929A (zh) | 基于社会关系的机票个性化推荐方法及系统 | |
| Lucini et al. | Text mining approach to explore dimensions of airline customer satisfaction using online customer reviews | |
| Levi et al. | Finding a needle in a haystack of reviews: cold start context-based hotel recommender system | |
| Liou et al. | Using a modified grey relation method for improving airline service quality | |
| CN104077417A (zh) | 社交网络中的人物标签推荐方法和系统 | |
| CN106296281A (zh) | 一种用户个性化行程信息推送方法、装置以及系统 | |
| CN106447387A (zh) | 基于共享账户乘客预测的机票个性化推荐方法 | |
| CN103295145A (zh) | 一种基于用户消费特征向量的手机广告投放方法 | |
| Hess | Evidence of passenger preferences for specific types of airports | |
| CN106815265B (zh) | 裁判文书的搜索方法及装置 | |
| CN108182605A (zh) | 一种基于用户画像的用户行为预测方法及系统 | |
| CN101674328A (zh) | 基于语义和QoS约束的主体服务描述和匹配方法 | |
| Khan et al. | Airline sentiment visualization, consumer loyalty measurement and prediction using twitter data | |
| CN107423833A (zh) | 一种差旅行程安排推荐方法 | |
| CN110751523A (zh) | 一种潜在高价值旅客的发现方法及装置 | |
| CN111339122A (zh) | 一种差旅平台的主动缓存方法、差旅查询方法和相关产品 | |
| CN110727873A (zh) | 一种航空服务内容的查询方法、系统及航班服务管理设备 | |
| CN105740480A (zh) | 机票推荐方法及系统 | |
| Chen et al. | Big data analytics on aviation social media: The case of china southern airlines on sina weibo | |
| CN110727874A (zh) | 一种航空餐食的查询方法及系统 | |
| Bakır et al. | Exploring service quality of low-cost airlines in Europe: An integrated MCDM approach | |
| Ban et al. | The text mining approach to understand seat comfort experience of airline passengers through online review | |
| García-Albertos et al. | Analyzing door-to-door travel times through mobile phone data: A case study of Spanish airports | |
| CN113988825B (zh) | 基于用户画像的职位推荐方法、装置、终端及可读存储介质 | |
| CN104536986A (zh) | 路径查询方法及装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20160803 |
|
| RJ01 | Rejection of invention patent application after publication |