CN109345348B

CN109345348B - 基于旅行社用户的多维信息画像的推荐方法

Info

Publication number: CN109345348B
Application number: CN201811154106.1A
Authority: CN
Inventors: 刘德彬; 陈玮; 黄远江; 刘建涛
Original assignee: Chongqing Socialcredits Big Data Technology Co ltd
Current assignee: Chongqing Yucun Technology Co ltd
Priority date: 2018-09-30
Filing date: 2018-09-30
Publication date: 2020-06-30
Anticipated expiration: 2038-09-30
Also published as: CN109345348A

Abstract

本发明公开了一种基于旅行社用户的多维信息画像的推荐方法，包括如下步骤：获取目标用户的特征向量和用户画像信息；将用户画像信息和预先构建的用户画像群进行相似度比较，得到与该目标用户相似度最高的相似用户画像群；计算目标用户与相似用户画像群中每个样本用户之间的相似度，得到邻居用户；根据目标用户与每个邻居用户之间的相似度、目标用户对使用过的多个旅游产品的兴趣度、每个邻居用户对其所使用过且未被目标用户使用过的多个旅游产品的兴趣度，计算并生成推荐产品列表。本发明融合协同过滤和内容推荐的方法，避免了现有技术推荐方法出现冷启动问题，能够为用户精准推荐营销产品，适用于数据量小、用户和产品维度较多的情况。

Description

基于旅行社用户的多维信息画像的推荐方法

技术领域

本发明属于数据处理技术领域，具体涉及一种基于旅行社用户的多维信息画像的推荐方法。

背景技术

随着大数据技术的发展与应用，越来越多企业和政府机构对精准定位某个人的特征的需求越来越大，在大数据项目整合的过程中最重要的就是针对不同类人的不同需求进行精准营销和个性化解决方案。一方面用户需要从大量的产品信息中筛选出自己感兴趣的产品；另一方面企业需要通过产品的特征参数的修改精准地推销出合适的产品给合适的用户。目前常用的推荐算法有：基于内容的推荐、基于用户行为的推荐、基于混合模型的推荐、基于标签的推荐等几种；对于产品量比较少，用户量较多，需要进行精准匹配的运营模式中，这些常用的推荐方法就不是很实用。

发明内容

为了解决现有技术存在的上述问题，本发明目的在于提供一种基于旅行社用户的多维信息画像的推荐方法。

本发明所采用的技术方案为：

基于旅行社用户的多维信息画像的推荐方法，包括如下步骤：

获取目标用户原始数据；根据该原始数据对目标用户的特征和标签进行分析和提取，获得目标用户的特征向量和用户画像信息；

将目标用户的用户画像信息和预先构建的用户画像群的中心点进行相似度比较，得到与该目标用户相似度最高的相似用户画像群；

根据目标用户的特征向量计算目标用户与相似用户画像群中每个样本用户之间的相似度，得到与目标用户相似度最高的多个邻居用户；

根据目标用户与每个邻居用户之间的相似度、目标用户对使用过的多个旅游产品的兴趣度、每个邻居用户对其所使用过且未被目标用户使用过的多个旅游产品的兴趣度，计算得到目标用户对候选产品的兴趣度，生成针对该目标用户的推荐产品列表。

进一步，所述目标用户原始数据包括目标用户基本信息和目标用户旅游行为信息。

更进一步，所述用户画像群采用ROCK聚类算法构建。

更进一步，所述构建用户画像群包括如下步骤：

S201、获取样本用户原始数据，根据该原始数据对样本用户的特征和标签进行分析和提取，获得样本用户的特征向量和用户画像信息；

S202、为样本用户每个标签分配权重；

S203、设置需要聚类的簇的个数k和相似度阈值θ；

S204、根据样本用户的标签向量，分别计算每两个样本用户之间的相似度，生成相似度矩阵；

S205、根据相似度矩阵和相似度阈值θ，计算邻居矩阵A；若两个样本用户之间的相似度>＝θ，则该两个样本用户之间互为邻居，取值1，否则，该两个样本用户之间不互为邻居，取值0；

S206、根据每两个样本用户之间的共同邻居数量计算链接矩阵；

S207、根据链接矩阵和样本用户的标签向量，计算每两个样本用户的相似性度量，将相似性度量最高的两个样本用户合并；

S208、利用目标函数以获得最优的聚类结果；

S209、重复步骤S205～S208进行迭代，直至形成k个簇。

更进一步，所述相似度计算采用修正余弦相似度算法。

更进一步，目标用户对候选产品的兴趣度计算公式如下：

UIDegree＝W₁R_uk+W₂S_un+W₃PI_um

其中，R_uk为目标用户u对使用过的k个产品的兴趣度，S_un为在目标用户u与n个邻居用户之间的相似度，PI_um为邻居用户对其使用过、且未被目标用户使用过的m个旅游产品的兴趣度，W1、W2、W3分别是其对应的权重。

更进一步，在进行特征标签的分析和提取之前，还包括对原始数据进行清洗、去除脏数据，转换不同格式的数据的步骤。

更进一步，还包括对数据进行标准化、归一化和缺省值处理。

本发明的有益效果为：

本发明利用用户画像群将人以群分后，融合协同过滤和内容推荐的方法，生成用户推荐列表，避免了现有技术推荐方法出现冷启动问题，能够为用户精准推荐营销产品，适用于数据量小、用户和产品维度较多的情况。

附图说明

图1为本发明基于旅行社用户的多维信息画像的推荐方法流程图；

图2为构建用户画像群流程图。

具体实施方式

下面结合附图及具体实施例对本发明作进一步阐述。

参见图1：基于旅行社用户的多维信息画像的推荐方法，包括如下步骤：

S101、获取目标用户原始数据；根据该原始数据对目标用户的特征和标签进行分析和提取，获得目标用户的特征向量和用户画像信息。

S102、将目标用户的用户画像信息和预先构建的用户画像群的中心点进行相似度比较，得到与该目标用户相似度最高的相似用户画像群。

S103、根据目标用户的特征向量计算目标用户与相似用户画像群中每个样本用户之间的相似度，得到与目标用户相似度最高的多个邻居用户。

S104、根据目标用户与每个邻居用户之间的相似度、目标用户对使用过的多个旅游产品的兴趣度、每个邻居用户对其所使用过且未被目标用户使用过的多个旅游产品的兴趣度，计算得到目标用户对候选产品的兴趣度，生成针对该目标用户的推荐产品列表。

步骤S101中，目标用户原始数据包括目标用户基本信息和目标用户旅游行为信息。目标用户基本信息包括但不限于姓名、身份证号码、年龄、家庭住址、单次消费金额、学历、职业、拥有住房面积、拥有车辆、月收入、拥有企业数量、拥有私人银行数量、拥有总资产。目标用户旅游行为信息包括但不限于近两年旅行次数、最喜欢旅游的前5个景点、最喜欢旅游的季节、出行的平均人数、平均消费金额、最近2年消费金额。

目标用户原始数据可直接从旅行社管理系统中抓取，也可以利用网络爬虫从携程等网站中抓取。对所抓取的原始数据进行特征标签的分析和提取，得到该目标用户的特征标签向量，形成目标用户的用户画像。

用户画像是用户信息的标签化。目标用户画像信息即目标用户的标签。在本实施例中，目标用户的标签包括用户喜欢旅游的城市、用户年龄段、用户每年旅游平均消费金额、用户的学历、职业、拥有住房总面积、拥有的车辆、月收入、用户每年平均旅行次数、旅行总次数等。

用户年龄段具体划分如下：未成年：小于18岁，青年：18～30岁，壮年：30～40岁，中年：40～60岁，老人：60～75岁，高龄老人：大于75岁。

在步骤S101中，进行特征和标签的分析、提取之前，还包括对原始数据进行清洗、去除脏数据，转换不同格式的数据的步骤。比如将不同的日期格式2015-01-10、2015/01/10、20150110统一转换为20150110。数据清洗主要是清洗异常数据，例如年龄大于200岁，身高超过3米，一个月旅行次数为30次等都属于异常数据，需要对其进行清洗。对于异常数据的清洗规则，可根据实际情况进行具体设置。

在步骤S101中，还包括对数据进行标准化、归一化和缺省值处理，该处理方法为常规技术，sklearn、numpy、pandas等python工具包都有相应处理方法，在此不再赘述。

步骤S102中，用户画像群是根据“人以群分，物以类聚”原理对相似用户进行群分，这对管理客户资源，分析客户共同特征非常重要。同一用户画像群内的样本用户之间相似性最强，不同用户画像群之间样本用户之间相似性最弱。

中心点为每个用户画像群内各样本用户的标签的平均值。用户画像群预先构建并存储于服务器中，用户画像群的构建可采用多种方法。本发明中，采用ROCK聚类算法构建用户画像群，ROCK聚类算法是一种鲁棒的用于分类属性的聚类算法，其属于凝聚型的层次聚类算法。该算法在确认两样本用户标签之间的关系时考虑了他们共同的邻居(相似用户)的数量，在算法中被叫做链接(Link)的概念。

一般情况下，标签的数量会远远小于特征的数量，在本实施例中，将目标用户画像信息与用户画像群的中心点进行相似度比较，其计算量小；由于不同用户画像群之间样本用户之间相似度很小，因此，即使用标签进行计算，也能够获得较为准确的计算结果。

步骤S103中，计算目标用户与相似用户画像群中每个样本用户之间的相似度，可采用余弦相似度或修正余弦相似度算法。余弦相似度计算原理是两个向量越相似，向量夹角越小，cosine绝对值越大，值为负，说明两向量负相关。余弦相似度算法缺陷是只能分辨个体在方向上的差异，而对具体的绝对数值不敏感，这就有可能导致计算结果出现误差，因此，本实施例中，采用修正余弦相似度算法计算目标用户与相似用户画像群中每个样本用户之间的相似度。

具体计算方法如下：

假设客户i的特征向量为R_i＝{X_i1,X_i2,X_i3,......,X_in}，客户j的特征向量为R_j＝{X_j1,X_j2,X_j3,......,X_jn}，调整余弦相似度算法计算公式如下：

其中U表示所有用户集合，

表示用户特征的集合中每种特征的平均值，x_u,i表示用户i的特征向量集合，x_u,j表示用户j的特征向量集合。假设A和B两个用户对两个旅游产品的评分分别为(1，2)和(4，5)，其评分的均值分别是(1+4)/2＝2.5,(2+5)/2＝3.5，代入修正余弦相似度，得到相似度为-0.98。表明两个用户特征不相似。

通过修正余弦相似度算法，可计算出在相似用户画像群中，每个样本用户与目标用户的相似度，得到与目标用户相似度最高的多个样本用户，称之为邻居用户。

步骤S104中，根据目标用户与每个邻居用户之间的相似度、目标用户对使用过的多个旅游产品的兴趣度、每个邻居用户对其所使用过且未被目标用户使用过的多个旅游产品的兴趣度，计算得到目标用户对候选产品的兴趣度，生成针对该目标用户的推荐产品列表。

假设目标用户u对使用过的k个产品的兴趣度为UID＝{R_u1,R_u2,……,R_uk}，其中R_ui(i＝1，2，……，k)是用户对已经使用过的产品，有评分和消费状况。兴趣度可以根据实际情况进行定义，在本实施例中，兴趣度定义为评分比率加消费率。

假设在目标用户u所属的用户画像群体A中，与目标用户u最近邻的n个样本用户(即目标用户u的邻居用户)的相似度为similarity_degree＝{Su1,Su2,Su3,……,Sun}。

假设这些邻居用户对其使用过的、且未被目标用户使用过的m个旅游产品的兴趣度为interest_degree＝{PI_u1,PI_u2,……,PI_um}。则

目标用户u对候选产品j的兴趣度公式如下：

UIDegree＝W₁R_uk+W₂S_un+W₃PI_um

其中W1，W2，W3分别是目标用户对使用过的产品的兴趣度权重、目标用户与邻居用户之间的相似度权重、邻居用户使用过、且未被目标用户使用过的产品兴趣度权重。

通过上述公式，可计算出目标用户对候选产品的兴趣度，根据兴趣度大小排序，即形成目标用户推荐列表。

为了给旅行社的某个目标用户推荐其感兴趣的旅游产品，传统协同过滤的思想是通过目标用户作用过的产品也被其他用户作用过，这些其他用户作用过的产品除去目标用户已经作用过的产品就是我们推荐的对象。但是这样就会出现冷启动问题，即新用户没有作用过产品就不会产生推荐，而本发明利用用户画像将人以群分后，融合协同过滤和内容推荐的方法，生成用户推荐列表，避免了现有技术推荐方法出现冷启动问题，能够为用户精准推荐营销产品，适用于数据量小、用户和产品维度较多的情况。

参见图2：在步骤S102中，用户画像群预先采用聚类算法构建，具体方法步骤如下：

S201、获取样本用户原始数据，根据该原始数据对样本用户的特征和标签进行分析和提取，获得样本用户的特征向量和用户画像信息。

该步骤与步骤S101相同，在此不再赘述。

S202、为样本用户每个标签分配权重。

由于每个标签对用户行为的影响不同，因此还需要对用户画像的每个标签进行加权。本实施例中，根据每个标签对用户旅行消费总金额的影响进行加权，影响越大，权重越大。标签对用户旅行消费总金额的影响可以参考WOE的分布，WOE变化越大，影响越大。比如在旅行社用户当中不同年龄段的消费总金额之间的差异很大，则用户年龄段这个标签的权重就很大。当然，权重分配也可以根据业务经验进行人工赋值，如销售总监根据经验认为用户拥有的住房总面积对其旅游消费影响很大，则可给予拥有住房总面积赋予相对较高的权重。

在本实施例中，采用布尔模型S-TFIWF(Supervised TFIWF)对用户标签进行加权处理，得到用户标签权重的S-TW模型，具体计算如下：

其中，TW(w，d)为标签w是否出现，出现为1，否则为0；N表示用户数量，WT(w)表示用户中出现该标签的数量之和，P表示所有用户消费总金额，T表示某个标签的用户群的消费总金额，T/P表示某个标签的用户群的消费总金额与所有用户消费总金额之比。

在一个示例性实施例中，某个标签的用户群的消费总金额与所有用户消费总金额之比T/P计算方法如下：

设所有客户旅游消费的总金额为90000000元人民币，如下表：

S203、设置需要聚类的簇的个数k和相似度阈值θ。本实施例中，设置聚类的个数为3类，分别为A类、B类、C类。

S204、根据样本用户的标签向量，分别计算每两个样本用户之间的相似度，生成相似度矩阵。相似度计算可采用Jaccard系数、余弦相似度和修正余弦相似度算法。本实施例中，采用修正余弦相似度算法计算样本用户之间的相似度。

S205、根据相似度矩阵和相似度阈值θ，计算邻居矩阵A。若两个样本用户之间的相似度>＝θ，则该两个样本用户之间互为邻居，取值1，否则，该两个样本用户之间不互为邻居，取值0。

S206、根据每两个样本用户之间的共同邻居数量计算链接矩阵。

S207、根据链接矩阵和样本用户的标签向量，计算每两个样本用户的相似性度量，将相似性度量最高的两个样本用户合并。相似性度量计算公式如下：

其中，

P_q，P_r分别表示客户q和r的标签向量，C_i为第i个簇，C_j为第j个簇，n_i为C_i的大小(即样本用户的数量)，n_j为C_j的大小，f(θ)＝(1-θ)/(1+θ)。f(θ)具有以下性质：C_i中的每个样本用户在C_i中有n_i ^f(θ)个邻居。

S208、利用目标函数以获得最优的聚类结果。所谓最优的聚类结果就是族之间的链接总数最小，而族内的链接总数最大。目标函数公式如下：

其中，P_q，P_r分别表示客户q和r的标签向量，k为族的个数，C_i为第i个簇，C_j为第j个簇，n_i为C_i的大小(即样本用户的数量)，n_j为C_j的大小，f(θ)＝(1-θ)/(1+θ)。f(θ)具有以下性质：C_i中的每个样本用户在C_i中有n_i ^f(θ)个邻居。

S209、重复步骤S205～S208进行迭代，直至形成k个簇或聚类的数量不再发生变化。

通过以上步骤，可采用聚类算法将样本用户聚类成多个用户画像群。用户画像群建立以后，可离线计算好每个用户画像群的中心点，以及每个用户画像群内各样本用户之间的相信度。在有新用户加入时，可采用如上方法对新加入的用户进行分类，并计算新用户与其所属的用户画像群中的每个样本用户之间的相似度。用户画像群的更新可采用定时更新策略。

本发明不局限于上述可选实施方式，任何人在本发明的启示下都可得出其他各种形式的产品，但不论在其形状或结构上作任何变化，凡是落入本发明权利要求界定范围内的技术方案，均落在本发明的保护范围之内。

Claims

1.基于旅行社用户的多维信息画像的推荐方法，其特征在于，包括如下步骤：

根据目标用户与每个邻居用户之间的相似度、目标用户对使用过的多个旅游产品的兴趣度、每个邻居用户对其所使用过且未被目标用户使用过的多个旅游产品的兴趣度，计算得到目标用户对候选产品的兴趣度，生成针对该目标用户的推荐产品列表；

所述构建用户画像群包括如下步骤：

S202、为样本用户每个标签分配权重；

S203、设置需要聚类的簇的个数k和相似度阈值θ；

S208、利用目标函数以获得最优的聚类结果；

S209、重复步骤S205～S208进行迭代，直至形成k个簇。

2.根据权利要求1所述的基于旅行社用户的多维信息画像的推荐方法，其特征在于，所述目标用户原始数据包括目标用户基本信息和目标用户旅游行为信息。

3.根据权利要求1所述的基于旅行社用户的多维信息画像的推荐方法，其特征在于，所述用户画像群采用ROCK聚类算法构建。

4.根据权利要求1所述的基于旅行社用户的多维信息画像的推荐方法，其特征在于，所述相似度计算采用修正余弦相似度算法。

5.根据权利要求1所述的基于旅行社用户的多维信息画像的推荐方法，其特征在于，目标用户对候选产品的兴趣度计算公式如下：

UIDegree＝W₁R_uk+W₂S_un+W₃PI_um，

其中，R_uk为目标用户u对使用过的k个产品的兴趣度，S_un为在目标用户u与n个邻居用户之间的相似度，PI_um为邻居用户对其使用过、且未被目标用户使用过的m个旅游产品的兴趣度，W₁、W₂、W₃分别是其对应的权重。

6.根据权利要求1所述的基于旅行社用户的多维信息画像的推荐方法，其特征在于，在进行特征标签的分析和提取之前，还包括对原始数据进行清洗、去除脏数据，转换不同格式的数据的步骤。

7.根据权利要求1所述的基于旅行社用户的多维信息画像的推荐方法，其特征在于，还包括对数据进行标准化、归一化和缺省值处理。