CN106097048A - 基于社交网络的推荐算法 - Google Patents
基于社交网络的推荐算法 Download PDFInfo
- Publication number
- CN106097048A CN106097048A CN201610395839.9A CN201610395839A CN106097048A CN 106097048 A CN106097048 A CN 106097048A CN 201610395839 A CN201610395839 A CN 201610395839A CN 106097048 A CN106097048 A CN 106097048A
- Authority
- CN
- China
- Prior art keywords
- user
- flight
- preference
- social networks
- recommendation
- 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
- 238000000205 computational method Methods 0.000 claims 1
- 238000000034 method Methods 0.000 description 8
- 230000010006 flight Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012804 iterative process Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000000644 propagated effect Effects 0.000 description 1
- 230000003997 social interaction 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
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0631—Item recommendations
-
- 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
- G06Q50/01—Social networking
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- General Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Tourism & Hospitality (AREA)
- Primary Health Care (AREA)
- Human Resources & Organizations (AREA)
- General Health & Medical Sciences (AREA)
- Development Economics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明专利涉及一种基于社交网络的航班推荐算法,利用用户对航班的个体偏好,以及用户在民航出行中社交网络中有密切社交关系的用户的影响,结合邻居的社交偏好,预测用户的偏好,实现推荐。本专利简单实用、成本低、架构轻,通过普通物理机与大数据平台有机结合可实现民航旅客航班的在线推荐,不仅提高了推荐的准确性,还大大提高了推荐的实时性,可以应用于用户购票时向用户推荐个性化的航班以及在线下向用户推送喜爱的航班等场景。
Description
所属技术领域
本发明专利涉及惯性推荐技术和大数据处理相关技术。
背景技术
在航空联盟的趋势下,民航客运存在激烈的竞争,航空公司不遗余力地改善企业管理,降低成本,提升客户体验,优化客户关系,旨在增加企业效益提高自身的竞争力。针对民航旅客的个性化航班推荐,不仅能提高旅客的购票效率,促使航空公司提高航班的质量,还能增加盈利,提升旅客的信赖度,避免优质客户的流失,有效缓解超售问题。
在民航交通领域,旅客出行频次比公交和地铁等出行低,呈现旅客出行记录较少的特点,故而针对民航旅客进行个性化推荐可能会存在数据稀疏性和冷启动问题。使用传统的一些推荐算法,对于没有历史记录的冷启动用户存在限制。民航出行中,旅客经常结伴出行,旅客之间存在一定的社交关系,采用社会化推荐的方法能有效解决以上问题。
发明内容
本专利针对民航旅客出行购票的场景,提出了一种基于社交网络的航班推荐算法。
方案中利用用户个体的偏好和社交关系的影响建立用户偏好的预测模型。模型的原理可以简单描述为:对于一个用户的未知偏好项,利用该用户社交网络中的邻居,将邻居的偏好通过网络传播给用户,得到用户的偏好预测。具体预测方法如下所示:
(1)利用合适的偏好模型得到用户的偏好,根据算法的目标提出目标优化函数:
公式(1)Sindividual(i,j,k)为用户i对航线j的k航班的偏好,ωin为用户i的邻居n的权重。算法的目标为最小化用户和邻居之间的偏好差异,通过最小化目标表达式达到预测缺失偏好的目的。
(2)算法是一个迭代的过程,每一次迭代更新用户的偏好值。算法在第n次迭代时,采用一种类似梯度下降的方法更新偏好值。偏好值更新的计算公式为:
公式(2)中λi代表时间衰减的社交影响因子,It表示用户在t时刻受社交影响的状态,如公式(3),公式(4)所示。λi值越高,用户受到社交的影响越大,偏好值更新越快,向邻居靠近的程度越大。
(3)计算邻居的权重ωin:
ωin=sim(i,n)*fam(i,n) (5)
邻居的权重由两部分组成,即用户i和用户n的相似度和亲密度,用户间的相似度和亲密度计算如下:
公式(6)为用户i和用户n的皮尔森相关性,表示用户间偏好的相似度,公式(7)为用户i和用户n的亲密度,win为用户i和用户n的共同出行次数,Ni为用户i的邻居集合。
算法迭代将反复执行2-3步骤计算,直到用户和邻居的加权平均偏好差值小于阈值为止。因为算法具备较好的准确度和鲁棒性,经过若干轮迭代之后,预测的偏好项将会收敛逼近邻居的偏好,并随着迭代次数增多准确度越来越高。
本发明的有益效果如下:
本方法提升了推荐的准确度和用户的信赖度,可以应用于用户购票时向用户推荐个性化的航班以及在线下向用户推送喜爱的航班等场景。
附图说明
图1推荐算法流程
图2推荐算法示例
图3推荐算法实验结果
具体实施方式
实施流程如附图1所示:
(1)每个节点向周围邻居广播消息;
(2)广播结束后,每个节点接收来自邻居的消息,选取最近K个邻居,判断旅客的满意度和邻居的加权平均满意度的平方差,如果差值小于阈值,则停止更新,否则,根据公式更新旅客的满意度;
(3)若所有节点都达到稳定状态或算法达到最大迭代次数,则算法结束;若未达到稳定状态,则重复1,2步进行迭代。算法传播过程将反复执行1-2步骤计算。因为算法具备较好的准确度和鲁棒性,经过若干轮迭代之后,预测的偏好项将会收敛逼近邻居的偏好,并随着迭代次数增多准确度越来越高。
Claims (2)
1.用户在选择航班出行时,不仅会考虑自身的偏好,也会受到朋友的社交影响,进而得到一个用户对航班的综合反馈。为了描述社交关系对用户影响的大小,提出了社交影响因子的概念和计算方法。
2.基于民航PNR数据对用户偏好进行了数学描述,构建用户间的同行网络,并进一步提出一个基于社交网络的航班推荐算法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610395839.9A CN106097048A (zh) | 2016-06-06 | 2016-06-06 | 基于社交网络的推荐算法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610395839.9A CN106097048A (zh) | 2016-06-06 | 2016-06-06 | 基于社交网络的推荐算法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106097048A true CN106097048A (zh) | 2016-11-09 |
Family
ID=57447280
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610395839.9A Pending CN106097048A (zh) | 2016-06-06 | 2016-06-06 | 基于社交网络的推荐算法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106097048A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108418848A (zh) * | 2017-02-10 | 2018-08-17 | 阿里巴巴集团控股有限公司 | 一种航班数据推送、处理方法及设备 |
CN109345348A (zh) * | 2018-09-30 | 2019-02-15 | 重庆誉存大数据科技有限公司 | 基于旅行社用户的多维信息画像的推荐方法 |
CN113077304A (zh) * | 2021-03-22 | 2021-07-06 | 海南太美航空股份有限公司 | 一种航班信息的推荐方法、系统和电子设备 |
CN113537622A (zh) * | 2021-07-30 | 2021-10-22 | 烟台大学 | 基于动态信任感知的服务偏好预测方法及系统 |
-
2016
- 2016-06-06 CN CN201610395839.9A patent/CN106097048A/zh active Pending
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108418848A (zh) * | 2017-02-10 | 2018-08-17 | 阿里巴巴集团控股有限公司 | 一种航班数据推送、处理方法及设备 |
CN109345348A (zh) * | 2018-09-30 | 2019-02-15 | 重庆誉存大数据科技有限公司 | 基于旅行社用户的多维信息画像的推荐方法 |
CN113077304A (zh) * | 2021-03-22 | 2021-07-06 | 海南太美航空股份有限公司 | 一种航班信息的推荐方法、系统和电子设备 |
CN113077304B (zh) * | 2021-03-22 | 2023-01-13 | 海南太美航空股份有限公司 | 一种航班信息的推荐方法、系统和电子设备 |
CN113537622A (zh) * | 2021-07-30 | 2021-10-22 | 烟台大学 | 基于动态信任感知的服务偏好预测方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112115377B (zh) | 一种基于社交关系的图神经网络链路预测推荐方法 | |
Spliet et al. | The discrete time window assignment vehicle routing problem | |
Yurek et al. | A decomposition-based iterative optimization algorithm for traveling salesman problem with drone | |
Feldman et al. | Revenue management under the Markov chain choice model | |
Pujahari et al. | Aggregation of preference relations to enhance the ranking quality of collaborative filtering based group recommender system | |
Dadoun et al. | Location embeddings for next trip recommendation | |
CN110837602B (zh) | 基于表示学习和多模态卷积神经网络的用户推荐方法 | |
CN106097048A (zh) | 基于社交网络的推荐算法 | |
KR101926403B1 (ko) | 인공지능을 이용한 온라인 쇼핑몰에서의 프로모션 성과 예측 및 추천 장치 | |
KR20150105830A (ko) | 사용자 프로파일과 상황 정보를 이용한 선호도 기반 하이브리드 필터링 콘텐츠 추천 장치 및 방법 | |
US20170154353A1 (en) | Systems and methods for generating a tripscore | |
US12198216B2 (en) | Method and system for constructing virtual environment for ride-hailing platforms | |
CN108446297A (zh) | 一种推荐方法及装置,电子设备 | |
CN108960966A (zh) | 一种基于用户偏好的矩阵分解推荐方法 | |
Baral et al. | Hicaps: Hierarchical contextual poi sequence recommender | |
CN116756765A (zh) | 一种基于协同效应的隐私保护推荐技术 | |
CN106971053A (zh) | 一种基于混合协同过滤的推荐方法 | |
Keya et al. | Recurrent ALBERT for recommendation: A hybrid architecture for accurate and lightweight restaurant recommendations | |
Işık | A hybrid movie recommendation system using graph-based approach | |
Piriyaniti et al. | Variable neighbourhood search algorithms for asymmetric travelling salesman problems | |
Wang et al. | Using incremental clustering technique in collaborative filtering data update | |
Li et al. | Comprehensive optimization of the synchronous delivery network in the model of OTMD for traveling salesman problem with drone | |
Yu et al. | The Two‐Echelon Vehicle Routing Problem with Transshipment Nodes and Occasional Drivers: Formulation and Adaptive Large Neighborhood Search Heuristic | |
Kebriaei et al. | Simultaneous state estimation and learning in repeated Cournot games | |
Huo et al. | Spammer Group Detection Approach Based on Deep Reinforcement Learning |
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: 20161109 |
|
RJ01 | Rejection of invention patent application after publication |