CN109740036A - Ota平台酒店排序方法及装置 - Google Patents

Abstract

本公开涉及在线旅行社(Online Travel Agent，OTA)技术领域，特别涉及一种OTA平台酒店排序方法及装置，其中，方法包括：确定排序因子步骤，采用熵值法确定影响酒店在OTA平台排序的排序因子；排序因子分值计算步骤，对所述排序因子按照预设算法进行分值计算，得到排序因子分值。本发明实施例通过对不同类型的排序因子进行特定预设的算法的分值计算，可使酒店在OTA平台上能够充分显示酒店的特色，对酒店的得分值更加公平、全面，给酒店带来更多收益，方便消费者根据偏好进行酒店选择，有利于OTA平台的用户的增加与留存。

Description

OTA平台酒店排序方法及装置

技术领域

本发明涉及在线旅行社(Onl ine Travel Agent，OTA)技术领域，特别涉及一种OTA平台酒店排序方法及装置。

背景技术

随着互联网技术的快速发展，越来越多的消费者在出行时或者出行前选择OTA进行酒店的选择和预定。通过这种方式消费者可避免亲自到出行地的酒店进行比较和选择，只需在线即可根据自身需求选择所需的酒店进行入住，节约了花费在酒店比较、选择以及订购的时间和精力。

相关技术中，OTA酒店综合排序主要会将排序因子进行整合，按照固定的区间或者固定的酒店数做排序因子的分数划分。该方式排序因子没有按照特点进行区分而选用不同的排序因子的区间计算方案，每个排序因子每个区间的分数值酒店数无法确定，需要反复调试。

对于不同的排序因子没有按照特定的分值计算方法进行分值计算，按照该排序因子进行排序后的酒店可能不符合消费者的偏好，为消费者进行酒店选择带来不便，影响消费者的订购意向或者酒店的入住体验感，进而易造成OTA平台用户流失的现象产生。

发明内容

为了解决现有技术中存在的上述问题，本发明提供一种OTA平台酒店排序方法及装置。

根据本发明的一个方面，提供一种OTA平台酒店排序方法，包括：确定排序因子步骤，采用熵值法确定影响酒店在OTA平台排序的排序因子；排序因子分值计算步骤，对所述排序因子采用预设算法进行分值计算，得到排序因子分值。

在一例中，在所述确定排序因子步骤之后，还包括：排序因子分类步骤，基于预设分类规则，对所述排序因子进行分类，得到排序因子类别。

在一例中，所述排序因子类别包括：时间积累指标类；时间积累指标类的排序因子，包括：酒店游记数量、酒店评论数、酒店图片数中的一种或多种；时间积累指标类的排序因子分值计算步骤，采用布拉德福定律对所述时间积累指标类的排序因子进行分梯度分值计算。

在一例中，所述时间积累指标类的排序因子分值计算步骤，包括：统计所有酒店的所述时间积累指标类的其中一个排序因子并对所有酒店的所述时间积累指标类的其中一个排序因子求和，得到酒店的所述时间积累指标类的其中一个排序因子的总和；按照预设规则将所述酒店的所述时间积累指标类的其中一个排序因子的总和，划分多个梯度，并给每一梯度设置第一预定分值；统计每一所述梯度内符合所述梯度条件的酒店，得出酒店的所述时间积累指标类的排序因子的分值。

在一例中，所述排序因子类别包括：时效性指标类；时效性指标类的排序因子，包括：酒店订单数、酒店间夜数中的一种或多种；时效性指标类的排序因子分值计算步骤，采用时间衰减方式对时效性指标类的排序因子进行分值计算。

在一例中，时效性指标类的排序因子分值计算步骤，包括：选取预设预设参考时间进行梯度划分，并对所述梯度设置第二预定分值；计算得出预设参考时间内的预设标准值；统计酒店的所述时效性指标类的其中一个排序因子；基于所述预设标准值、所述时效性指标类的其中一个排序因子，计算得出所述时效性指标类的其中一个排序因子在所述预设参考时间内的得分值。

在一例中，所述排序因子类别包括：主观基数指标类；主观基数指标类的排序因子，包括：酒店的好评度；主观基数指标类的排序因子分值计算步骤，采用威尔逊置信区间对所述主观基数指标类的排序因子进行分值计算。

在一例中，所述主观基数指标类的排序因子分值计算步骤，包括：设置所述主观基数指标类的一个排序因子的预设参考值；通过威尔逊置信区间计算公式得出威尔逊置信区间的均值；通过威尔逊置信区间计算公式得出威尔逊置信区间的下限值；基于所述威尔逊置信区间的均值、威尔逊置信区间的下限值，综合评定所述主观基数指标类的一个排序因子的最终分值。

在一例中，所述主观基数指标类的排序因子分值计算步骤，包括：设置所述主观基数指标类的一个排序因子的预设参考值；通过威尔逊置信区间计算公式得出威尔逊置信区间的下限值；基于所述威尔逊置信区间的下限值，评定所述主观基数指标类的一个排序因子的最终分值。

在一例中，所述排序因子类别包括：客观基数指标类；客观基数指标类的排序因子，包括：转化率、点击率中的一种或多种；所述客观基数指标类的排序因子分值计算步骤，采用贝叶斯平均算法对所述客观基数指标类的排序因子进行分值计算。

在一例中，所述客观基数指标类的排序因子分值计算步骤，包括：获取选定的酒店的所述客观基数指标类的排序因子；获取预设范围内的酒店的最低所述客观基数指标类的排序因子；获取所有酒店的所述客观基数指标类的排序因子的平均值；通过贝叶斯平均算法计算得出所述选定的酒店的加权得分。

在一例中，在所述确定排序因子步骤之后，还包括：排序因子权重值计算步骤，对所述排序因子分别计算权重值；酒店综合得分计算步骤，基于所述排序因子分值、所述权重值，确定所述酒店的综合得分值。

在一例中，所述排序因子权重值计算步骤，包括：通过决策矩阵与所述排序因子的熵值确定所述排序因子的权重值。

在一例中，所述排序因子权重值计算步骤，包括：对所述排序因子类别进行异质指标同质化处理；计算得出其中一个样本酒店对应的所述排序因子，在所述样本酒店的所述排序因子类别的比例；通过熵值法确定所述排序因子的熵值；基于所述熵值确定信息效用值；基于所述信息效用值计算得出所述排序因子的熵值权重。

在一例中，所述排序因子权重值计算步骤，还包括：将所述排序因子的熵值权重按照预设顺序进行权重值梯度划分，并对所述权重值梯度设置第三预定分值；分别计算所述排序因子类别的比重；所述排序因子的熵值权重与预设增加比重的算术平均值为所述排序因子的权重值。

在一例中，在所述酒店综合得分计算步骤之后，还包括：酒店排序步骤，基于所述酒店的综合得分值，在OTA平台对所述酒店进行排序显示。

在一例中，所述预设参考值与所述酒店总数的乘积为所述主观基数指标类的一个排序因子的总和。

在一例中，所述排序因子类别还包括基础信息指标类；基础信息指标类的排序因子，包括：酒店的中文名称、酒店的英文名称、酒店地址、酒店必读贴士中的一种或多种。

根据本发明的另一个方面，提供一种OTA平台酒店排序装置，包括：排序因子确定单元，用于采用熵值法确定影响酒店在OTA平台排序的排序因子；排序因子分值计算单元，用于对所述排序因子采用预设算法进行分值计算，得到排序因子分值。

在一例中，所述排序因子确定单元，还用于基于预设分类规则，对所述排序因子进行分类，得到排序因子类别。

在一例中，所述排序因子类别包括：时间积累指标类；时间积累指标类的排序因子，包括：酒店游记数量、酒店评论数、酒店图片数中的一种或多种；所述排序因子分值计算单元，用于采用布拉德福定律对所述时间积累指标类的排序因子进行分梯度分值计算。

在一例中，所述排序因子分值计算单元，具体用于统计所有酒店的所述时间积累指标类的其中一个排序因子并对所有酒店的所述时间积累指标类的其中一个排序因子求和，得到酒店的所述时间积累指标类的其中一个排序因子的总和；按照预设规则将所述酒店的所述时间积累指标类的其中一个排序因子的总和，划分多个梯度，并给每一梯度设置第一预定分值；统计每一所述梯度内符合所述梯度条件的酒店数量，得出所述所有酒店在上述每一梯度中的分布。

在一例中，所述排序因子类别包括：时效性指标类；时效性指标类的排序因子，包括：酒店订单数、酒店间夜数中的一种或多种；所述排序因子分值计算单元，用于采用时间衰减方式对时效性指标类的排序因子进行分值计算。

在一例中，所述排序因子分值计算单元，具体用于选取预设参考时间进行梯度划分，并对所述梯度设置第二预定分值；计算得出预设参考时间内的预设标准值；统计酒店的所述时效性指标类的其中一个排序因子；基于所述预设标准值、所述时效性指标类的其中一个排序因子，计算得出所述时效性指标类的其中一个排序因子在所述预设参考时间内的得分值。

在一例中，所述排序因子类别包括：主观基数指标类；主观基数指标类的排序因子，包括：酒店的好评度；所述排序因子分值计算单元，用于采用威尔逊置信区间对所述主观基数指标类的排序因子进行分值计算。

在一例中，所述排序因子分值计算单元，具体用于设置所述主观基数指标类的一个排序因子的预设参考值；通过威尔逊置信区间计算公式得出威尔逊置信区间的均值；通过威尔逊置信区间计算公式得出威尔逊置信区间的下限值；基于所述威尔逊置信区间的均值、威尔逊置信区间的下限值，综合评定所述主观基数指标类的一个排序因子的最终分值。

在一例中，所述排序因子分值计算单元，具体用于设置所述主观基数指标类的一个排序因子的预设参考值；通过威尔逊置信区间计算公式得出威尔逊置信区间的下限值；基于所述威尔逊置信区间的下限值，评定所述主观基数指标类的一个排序因子的最终分值。

在一例中，所述排序因子类别包括：客观基数指标类；客观基数指标类的排序因子，包括：转化率、点击率中的一种或多种；所述排序因子分值计算单元，用于采用贝叶斯平均算法对所述客观基数指标类的排序因子进行分值计算。

在一例中，所述排序因子分值计算单元，具体用于获取选定的酒店的所述客观基数指标类的排序因子；获取预设范围内的酒店的最低所述客观基数指标类的排序因子；获取所有酒店的所述客观基数指标类的排序因子的平均值；通过贝叶斯平均算法计算得出所述选定的酒店的加权得分。

在一例中，所述装置还包括：排序因子权重值计算单元，用于对所述排序因子分别计算权重值；酒店综合得分计算单元，用于基于所述排序因子分值、所述权重值，确定所述酒店的综合得分值。

在一例中，排序因子权重值计算单元，具体用于通过决策矩阵与所述排序因子的熵值确定所述排序因子的权重值。

在一例中，所述排序因子权重值计算单元具体用于对所述排序因子类别进行异质指标同质化处理；计算得出其中一个样本酒店对应的所述排序因子，在所述样本酒店的所述排序因子类别的比例；通过熵值法确定所述排序因子的熵值；基于所述熵值确定信息效用值；基于所述信息效用值计算得出所述排序因子类别的熵值权重。

在一例中，所述排序因子权重值计算单元具体还用于将所述排序因子的熵值权重按照预设顺序进行权重值梯度划分，并对所述权重值梯度设置第三预定分值；分别计算所述排序因子的比重；所述排序因子的熵值权重与预设增加比重的算术平均值为所述排序因子的权重值。

在一例中，所述装置还包括：酒店排序单元，用于基于所述酒店的综合得分值，在OTA平台对所述酒店进行排序显示。

在一例中，所述预设参考值与所述酒店总数的乘积为所述主观基数指标类的一个排序因子的总和。

在一例中，所述排序因子类别还包括基础信息指标类；基础信息指标类的排序因子，包括：酒店的中文名称、酒店的英文名称、酒店地址、酒店必读贴士中的一种或多种。

根据本发明实施例的另一方面，提供一种电子设备，其中，包括：

存储器，用于存储计算机程序；

处理器，用于执行所述存储器中存储的计算机程序，且所述计算机程序被执行时，实现上述任一实施例所述的方法。

根据本发明实施例的另一方面，提供一种计算机可读存储介质，存储有计算机程序，其中，所述计算机程序被处理器执行时，实现上述任一实施例所述的方法。

基于本发明实施例提供的OTA平台酒店排序方法及装置、电子设备、存储介质，通过采用熵值法确定影响酒店在OTA平台排序的排序因子，按照各自特点进行了不同种类的划分；对所述排序因子进行分值计算，对不同种类的排序因子采取了不同的分值计算方案，得到排序因子分值；对所述排序因子分别计算权重值，进而可以基于排序因子的权重值以及排序因子分值计算得出OTA酒店的排名，使得酒店在OTA平台上的排序更加公平、客观，置于OTA平台上排在靠前位置的酒店能够明显地区分于后续酒店，适应了消费者的不同偏好，方便消费者进行酒店选择，避免了影响消费者的订购意向或者酒店的入住体验感造成的OTA平台用户流失的现象产生。

附图说明

通过参考附图阅读下文的详细描述，本发明实施方式的上述以及其他目的、特征和优点将变得易于理解。在附图中，以示例性而非限制性的方式示出了本发明的若干实施方式，其中：

图1示出了本发明的OTA平台酒店排序方法的一个实施例的流程示意图；

图2示出了本发明的OTA平台酒店排序方法的另一实施例的流程示意图；

图3示出了本发明的OTA平台酒店排序方法的另一实施例的流程示意图；

图4示出了本发明的OTA平台酒店排序方法的另一实施例的流程示意图；

图5示出了本发明的OTA平台酒店排序方法的另一实施例的流程示意图；

图6示出了本发明的OTA平台酒店排序装置的一些实施例的结构示意图；

图7示出了本发明的OTA平台酒店排序装置的另一实施例的结构示意图；

图8示出了本发明实施例电子设备一个应用实施例的结构示意图。

在附图中，相同或对应的标号表示相同或对应的部分。

具体实施方式

下面将参考若干示例性实施方式来描述本发明的原理和精神。应当理解，给出这些实施方式仅仅是为了使本领域技术人员能够更好地理解进而实现本发明，而并非以任何方式限制本发明的范围。

需要注意，虽然本文中使用“第一”、“第二”等表述来描述本发明的实施方式的不同模块、步骤和数据等，但是“第一”、“第二”等表述仅是为了在不同的模块、步骤和数据等之间进行区分，而并不表示特定的顺序或者重要程度。实际上，“第一”、“第二”等表述完全可以互换使用。

本发明实施例可以应用于终端设备、计算机系统及服务器等电子设备，其可与众多其它通用或者专用的计算系统环境或者配置一起操作。适于与终端设备、计算机系统以及服务器等电子设备一起使用的众所周知的终端设备、计算系统、环境和/或配置的例子，包括但不限于：个人计算机系统、服务器计算机系统、瘦客户机、厚客户机、手持或膝上设备、基于微处理器的系统、机顶盒、可编程消费电子产品、网络个人电脑、小型计算机系统﹑大型计算机系统和包括上述任何系统的分布式云计算技术环境，等等。

终端设备、计算机系统以及服务器等电子设备可以在由计算机系统执行的计算机系统可执行指令(诸如程序模块)的一般语境下描述。通常，程序模块可以包括例程、程序、目标程序、组件、逻辑以及数据结构等等，它们执行特定的任务或者实现特定的抽象数据类型。计算机系统/服务器可以在分布式云计算环境中实施，分布式云计算环境中，任务是由通过通信网络链接的远程处理设备执行的。在分布式云计算环境中，程序模块可以位于包括存储设备的本地或远程计算系统存储介质上。

图1示出了本发明的OTA平台酒店排序方法的一个实施例的流程示意图；如图1所示，本实施例提供的OTA平台酒店排序方法包括：确定排序因子步骤110、排序因子分值计算步骤120。下面对图1中的各步骤进行详细说明。

确定排序因子步骤110，采用熵值法确定影响酒店在OTA平台排序的排序因子。

熵值法是指用来判断某个指标的离散程度的数学方法。在信息论中，熵是对不确定性的一种度量。信息量越大，不确定性就越小，熵也就越小；信息量越小，不确定性越大，熵也越大。根据熵的特性，我们可以通过计算熵值来判断一个事件的随机性及无序程度，也可以用熵值来判断某个指标的离散程度。本实施例中，用熵值法判断排序因子的离散程度，其为了避免用于OTA平台酒店排序的排序因子对酒店无明显影响的排序因子，如酒店的法人代表、酒店的员工平均年龄等。

影响酒店在OTA平台上排序的排序因子众多，在选取时，尽可能选取对酒店排序具有一定影响的因子，同时尽量避免无用因子的冗余，从而干扰后续调优判断。

在一例中，对于酒店排序而言，其基础数据(评论数、图片数、热门地标数、OTA数量)直接影响到酒店可否售卖，故而基础数据是必选的排序因子。用户对酒店的评分(自由平台评分、关键词分析评分、OTA评分)是衡量酒店服务质量的一大重要依据，故而将评分数据也加入到排序因子序列中。酒店的订单数据(订单数、佣金、点击转化率、订单转化率)也是表示酒店售卖效果的最直接因素，故而也加入到排序因子序列中。

上述实施例中所涉及的排序因子对酒店在OTA平台的订购均可起到一定的促进作用，作为本实施例的OTA平台酒店的排序因子。在OTA平台酒店排序中，上述排序因子可以包含OTA平台酒店的基于消费的所有参考信息。上述排序因子的信息量越大，消费者就越容易在OTA平台上选择适合自身偏好的酒店。

排序因子分值计算步骤120，对排序因子采用预设算法进行分值计算，得到排序因子分值。

本实施例中，每一OTA平台酒店的排序因子都采用与该排序因子性质匹配的算法进行分值计算，得到该排序因子的所有OTA平台酒店的分值，即OTA平台酒店的对应排序因子的分值。通过上述排序因子的分值，可以使用上述排序因子作为OTA平台酒店的排序依据，对OTA平台酒店进行分值由大到小或者分值由小到大的顺序排列。消费者可以选择上述排序因子做为选择OTA平台酒店的偏好对按照分值顺序显示后的OTA平台酒店进行选择，最终确定根据消费者偏好选择的OTA平台酒店。

在一例中，排序因子分值，即OTA平台酒店在该排序因子条件下的得分，还可以用来作为计算上述OTA平台酒店在OTA平台上综合得分的重要依据。排序因子分值越大，对酒店在OTA平台上的综合评定可能就越高，该酒店在OTA平台上显示的顺序就可能越靠前，对该酒店在OTA平台上可被消费者订购的几率越大，有助于该酒店在OTA平台上的售卖，提高酒店的盈利；还可以提高消费者对OTA平台的使用体验，为OTA平台的使用者数量及用户留存量提供保障。

对于排序因子分值较低的酒店，OTA平台将该酒店作为次于分值较高的酒店将其排在后续位置，这样在一定程度上会影响到分值较低酒店的订购，从而刺激酒店方面对自身在该排序因子方面的改进。在一例中，某酒店的室内装饰这一排序因子的分值较低，导致了该酒店的消费者入住体验较差，该酒店在OTA平台的显示排序中处在靠后的位置。为提高该酒店的售卖量，其可以通过改变酒店的室内装饰来提高消费者的入住体验，从而改善该酒店在OTA平台的显示顺序，进而被更多的消费者将该酒店作为选择入住的酒店。

本实施例通过采用熵值法确定排序因子，既可以较全面选取影响排序的因子，同时避免了对OTA酒店无用的排序因子的使用，使排序因子的选取更科学合理。既可以采用排序因子对酒店进行排序，以适应绝大多数消费者的偏好，还可以避免无用排序因子给OTA研发人员带来的工作负担，降低了消费者选择酒店的障碍。通过对排序因子采用预设算法进行分值计算，使排序因子对应的酒店得分更加合理，避免了客观因素对酒店在OTA平台上的显示排序造成的影响。

图2示出了本发明的OTA平台酒店排序方法的另一实施例的流程示意图，如图2所示，本实施例的OTA平台酒店排序方法在确定排序因子步骤110之后，还包括排序因子分类步骤111，基于预设分类规则，对排序因子进行分类，得到排序因子类别。

基于影响酒店在OTA平台显示排序的排序因子较多，由于上述实施例中确定的排序因子适合用时间衰减方式来计算得分，所以上述实施例确定的排序因子的按照各自属性特点分类处理。

本实施例的OTA平台酒店排序方法通过对排序因子进行分类，每一类的排序因子可采用不同的分值计算方法进行分值计算，避免了所有排序因子采用统一的算法进行分值计算得出的分值不准确的缺陷。计算得出的排序因子下酒店的得分更加科学合理，使OTA平台酒店的特色更加突出，以适用于不同偏好的消费者，是消费者的使用体验感得以提升。

在一例中，排序因子类别包括：时间积累指标类；时间积累指标类的排序因子，包括：酒店游记数量、酒店评论数、酒店图片数中的一种或多种；排序因子分值计算步骤120，包括：采用布拉德福定律对时间积累指标类的排序因子进行分梯度分值计算。

采用布拉德福定律对时间积累指标类的排序因子进行分梯度分值计算，包括：统计所有酒店的时间积累指标类的其中一个排序因子并对所有酒店的时间积累指标类的其中一个排序因子求和，得到所有酒店的时间积累指标类的其中一个排序因子总和；将酒店的时间积累指标类的其中一个排序因子的总和，划分多个梯度，并给每一梯度设置第一预定分值；统计每一梯度内符合梯度条件的酒店，得出酒店的时间积累指标类的排序因子的分值。

在一具体实施例中，以酒店评论数为排序因子，统计所有酒店的评论数并求和为N，然后按照N*0.1,N*0.2...N*1.0划分为十个梯度，每个梯度对应相应的分值，然后将符合累加评论数在某个梯度的酒店归属到此梯度(酒店1的评论数符合梯度1，酒店2的评论数加酒店1的评论数符合梯度1，则将酒店2归入梯度1，否则归入梯度2)。得到一组数据，可以看出酒店的分布基本符合正态分布。

梯度	评论数	累计评论数归属于此梯度的酒店数	分值
				1	N*0.1	34	10
2	N*0.2	232	9
				3	N*0.3	922	8
4	N*0.4	2742	7
				5	N*0.5	98780	6
6	N*0.6	2801	5
				7	N*0.7	234	4
8	N*0.8	86	3
				9	N*0.9	12	2
10	N*1.0	0	1

在一些实施例中，排序因子类别包括：时效性指标类；时效性指标类的排序因子，包括：酒店订单数、酒店间夜数中的一种或多种；时效性指标类的排序因子分值计算步骤，采用时间衰减方式对时效性指标类的排序因子进行分值计算。

在一例中，采用时间衰减方式对时效性指标类的排序因子进行分梯度分值计算，包括：选取预设参考时间进行梯度划分，并对梯度设置第二预定分值；计算得出预设参考时间内的预设标准值；统计酒店的时效性指标类的其中一个排序因子；基于预设标准值、时效性指标类的其中一个排序因子，计算得出时效性指标类的其中一个排序因子在预设参考时间内的得分值。

在一具体实施例中，以酒店订单数为排序因子。在OTA平台上上线早的酒店当然会有优势，上线晚的酒店处于劣势，但是可能上线晚的酒店更优质，所以，对于此种情况，订单数因子的分数计算时采用时间衰减方式来更加公平地分配分数。将酒店订单按照出单时间区间进行梯度划分。对于不同梯度内的订单数给予不同分值，假设当前日期是T，标准订单数＝总订单数/酒店总数。下表是酒店A在100天内的订单数分布情况。

从上表的数据可以看出，随着时间衰减，订单数的标准分值在逐步衰减。酒店在某个梯度内的得分为酒店在此梯度内的实际订单数占标准订单数的比重乘以标准分值。占比大于1时取1，其他情况下占比取2位有效数字，最后没个梯度计算所得分值向下取整得到每个梯度内的最终分值。而酒店A在某个梯度的得分以梯度1，梯度2作为实例：

酒店A在梯度1内的得分计算步骤：

1.计算订单数占比：210/200＝1.05,大于1，取1；2.计算分数：T1＝1*10＝10；3.向下取整：10。

酒店A在梯度2内的得分计算步骤：1.计算占比：400/600＝0.67；

2.计算分数：T2＝0.67*9＝6.03；3.向下取整；6。

如果酒店A订单分值在各个梯度内均满分，则最终酒店A订单得分为：

S＝(10+9+8+7+6+5+4+3+2+1)/10＝5.5

上述例子中酒店A得分：S＝(10+6+8+7+4+5+4+3+3+1)/10＝5.1

显然，通过采用时间衰减方式对时效性指标类的排序因子进行分梯度分值计算，可以避免上线较晚的优质酒店分值低于上线较早的酒店，避免历史原因造成的计算偏差，使得各个酒店的订单分值能够更加公平。

在一些实施例中，排序因子类别包括：主观基数指标类；主观基数指标类的排序因子，包括：酒店的好评度；主观基数指标类的排序因子分值计算步骤，采用威尔逊置信区间对主观基数指标类的排序因子进行分值计算。采用威尔逊置信区间对主观基数指标类的排序因子进行分值计算，包括：设置主观基数指标类的一个排序因子的预设参考值；通过威尔逊置信区间计算公式得出威尔逊置信区间的均值；通过威尔逊置信区间计算公式得出威尔逊置信区间的下限值；基于威尔逊置信区间的均值、威尔逊置信区间的下限值，综合评定主观基数指标类的一个排序因子的最终分值。其中，预设参考值与酒店总数的乘积为主观基数指标类的一个排序因子的总和。

在一具体实施例中，以酒店好评度作为排序因子，在某OTA平台上设定酒店评分3分及以上为优质评分，则酒店评分就变为优质评分和非优质评分，这样就满足了二项分布。但是二项分布的置信区间有多种计算公式，最常见的是"正态区间"(Normalapproximation interval)。但是，它只适用于样本较多的情况(np>5且n(1-p)>5)，对于小样本，它的准确性很差。故而为了避免酒店评分数较少导致计算不准确，我们采用威尔逊置信区间来提高数据的准确性。

威尔逊置信区间计算公式如下：

在上面的公式中，表示酒店A评论的优质评论占比，n表示酒店A评论数的大小，z_1-α//2表示对应某个置信水平的z统计量，这是一个常数，可以通过查表或统计软件包得到。一般情况下，在95％的置信水平下，z统计量的值为1.96。

威尔逊置信区间的均值为

其下限值为

可以看到，当n的值足够大时，这个下限值会趋向如果n非常小即评分数很少，这个下限值会大大小于实际上，起到了降低"优质评分占比"的作用，使得该项目的得分变小、排名下降。酒店A共有1229条评分，3分及以上评分为892条根据上述公式计算得：酒店A优质评分占比(取小数点后4为有效数字)：P_A＝892/1229＝0.7258；下限：P_AL＝0.71计算得出酒店A评分的下限为0.71。酒店B：酒店B共有83条评分，3分及以上评分为56条。根据上述公式计算得：酒店B优质评分占比(取小数点后4为有效数字)：P_B＝61/83＝0.7349，下限：P_BL＝0.69，计算得出酒店B评分的下限为0.69。

计算结果比较：P_A<P_B，P_AL>P_BL。从上述结果来看，如果以酒店优质评分占比来比较的话，酒店A的优质评分占比是小于酒店B的优质评分占比。

在另一实施例中，基于威尔逊置信区间的下限值，评定主观基数指标类的一个排序因子的最终分值。经过威尔逊置信区间修正后可以看到，实际上，酒店A的优质评分置信区间下限是大于酒店B的优质评分置信区间下限的。所以，以酒店好评度作为排序因子对酒店进行对比，可避免由于新酒店上线时间晚造成的排序靠后的影响。

在一些实施例中，排序因子类别包括：客观基数指标类；客观基数指标类的排序因子，包括：转化率、点击率中的一种或多种；客观基数指标类的排序因子分值计算步骤，采用贝叶斯平均算法对客观基数指标类的排序因子进行分值计算。

在一例中，采用贝叶斯平均算法对客观基数指标类的排序因子进行分值计算，包括：获取选定的酒店的客观基数指标类的排序因子；获取预设范围内的酒店的最低客观基数指标类的排序因子；取所有酒店的客观基数指标类的排序因子的平均值；通过贝叶斯平均算法计算得出选定的酒店的加权得分。

在一具体实施例中，以酒店订单转化率为排序因子，旧酒店A有10000个点击，新上线酒店只有100个点击。要比较两个酒店转化率的高低，至少应该有同样多的点击。既然新上线酒店B的点击数偏少，那么通过如下公式增加酒店B的点击数为其增加一些点击数：

其中，WR为加权得分(weighted rating)，R为酒店的订单转化率(Rating)，v为酒店的点击数(votes)，m为排名前250名的酒店的最低点击数，C为所有酒店的平均点击率。通过拉近不同酒店之间点击数的差异，使得点击数较少的更优质的酒店也有可能排名前列。

在一例中，将OTA酒店的中文名称、英文名称、地址、必读贴士等归为酒店的基础信息指标类；基础信息指标类排序因子为酒店内部信息，属于完全可控类数据，故而计算方式较为简单，有信息即为得分，无信息即为不得分。

通过采用不同的计算方法计算得出的排序因子分值。对于时效性相关的因子采用时间衰减来计算，更加科学合理；大量用户原创内容(User Generated Content，UGC)不可控内容，例如好评度采用威尔逊置信区间下限来得到更合理的分值。对于新酒店，使用了贝叶斯平均来避免新酒店较于其他酒店因数据较少而分值较低的情况，很好的解决了新老酒店因数据总量差异而影响分值的情况，更加科学、合理。

在一些实施例中，图3示出了本发明的OTA平台酒店排序方法的另一实施例的流程示意图，如图3所示，在确定排序因子步骤110之后，还包括：排序因子权重值计算步骤130，对排序因子分别计算权重值。由于排序因子众多，同时不同因子对酒店排序的影响程度不同，故而需要对不同的因子分配不同的权重值。本实施例中的排序因子权重值计算步骤130在权重值分配中使用了熵值法，利用决策矩阵和各因子的输出熵来确定各个排序因子的权重值。通过对每个排序因子进行权重值计算，得出每个排序因子对应的权重值，使每个酒店在OTA平台上的综合得分能够更加公平，避免了不同酒店之间的差异造成的该酒店在OTA平台上的显示顺序受到影响。

在一例中，由于排序因子众多，同时不同因子对酒店排序的影响程度不同，故而需要对不同的因子分配不同的权重值。针对OTA平台酒店的排序因子权重值计算概括可以包括如下步骤：确定样本酒店以及排序因子类别；对排序因子类别进行异质指标同质化处理；计算得出其中一个样本酒店对应的排序因子类别，在样本酒店的排序因子类别的比例；通过熵值法确定排序因子类别的熵值；基于熵值确定信息效用值；基于信息效用值计算得出排序因子类别的熵值权重。

排序因子权重值计算步骤130，还包括：排序因子类别的熵值权重按照预设顺序进行权重值梯度划分，并对权重值梯度设置第三预定分值；分别计算排序因子类别的比重；排序因子类别的熵值权重与预设增加比重的算术平均值为排序因子类别的权重值。

以下通过一具体实例进行阐述。

选取n个样本酒店，m个排序因子，则x_ij为第i个样本酒店的第j个排序的数值(i＝1,2…,n；j＝1,2,…,m)；

指标的归一化处理：异质指标同质化。由于各项指标的计量单位并不统一，因此在用它们计算综合排序前，先要对它们进行标准化处理，即把指标的绝对值转化为相对值，并令x_ij＝|x_ij|从而解决各项不同质指标值的同质化问题。而且，由于正向指标和负向指标数值代表的含义不同(正向排序因子数值越高越好，负向排序因子数值越低越好)，因此，对于高低排序因子用不同的算法进行数据标准化处理。其具体方法如下:

对于正向指标:

对于负向指标:

则Z_ij为第i个样本酒店的第j个排序因子的数值(i＝1,2…,n；j＝1,2,…,m)。此处为了演示，假设异质指标同质化之后酒店只有4个排序因子，分别为评分数、订单数、好评度、转化率。如下：

z<sub>ij</sub>	评分数	订单数	好评度	转化率
					酒店A	10	5	65	43
酒店B	4	3	45	34
					酒店C	5	4	67	45
酒店D	7	4	85	33
					酒店E	8	1	73	56
酒店F	5	5	67	34
					酒店H	2	3	45	87
酒店G	9	4	57	23
					SUM	50	29	504	355

计算第i个样本酒店第j个排序因子比重：

p<sub>ij</sub>	评分数	订单数	好评度	转化率
					酒店A	0.2	0.1724	0.129	0.1211
酒店B	0.08	0.1034	0.0893	0.0958
					酒店C	0.1	0.1379	0.1329	0.1268
酒店D	0.14	0.1379	0.1687	0.093
					酒店E	0.16	0.0345	0.1448	0.1577
酒店F	0.1	0.1724	0.1329	0.0958
					酒店H	0.04	0.1034	0.0893	0.2451
酒店G	0.18	0.1379	0.1131	0.0648

(4)计算第i个样本酒店的熵值:

其中k＝1/ln(n)>0

满足e_j≥0

p<sub>ij</sub>ln(p<sub>ij</sub>)	评分数	订单数	好评度	转化率
					酒店A	-0.321887582	-0.303078951	-0.264151359	-0.25568862
酒店B	-0.202058292	-0.234691401	-0.215706587	-0.224664076
					酒店C	-0.230258509	-0.273241582	-0.268250406	-0.261818277
酒店D	-0.2752558	-0.273241582	-0.300185766	-0.220831373
					酒店E	-0.293213034	-0.116113649	-0.279850255	-0.291320849
酒店F	-0.230258509	-0.303078951	-0.268250406	-0.224664076
					酒店H	-0.128755033	-0.234691401	-0.215706587	-0.344620398
酒店G	-0.308663717	-0.273241582	-0.246493899	-0.177302372
						-1.990350477	-2.011379099	-2.058595264	-2.000910042

因为此例中酒店数为8，所以n＝8,计算出k。

k＝1/ln8＝0.480898347

计算得到各指标的e_j

	评分数	订单数	好评度	转化率
					e<sub>j</sub>	0.957156254	0.967268884	0.98997506	0.962234332

(5)计算信息效用值：

d_j＝1-e_j

	评分数	订单数	好评度	转化率
					d<sub>j</sub>	0.042843746	0.032731116	0.01002494	0.037765668

(6)计算各项指标的权重值:

故而根据熵值法可以确定酒店评分、订单数、好评度、转化率所占权重值分别为0.35、0.08、0.31、0.3。通过以上熵值法初步确定了影响酒店排序4个因子的权重值，但是对于例如订单数这种因子，会直接影响到酒店GMV，所以我们人为的将酒店排序因子的权重值划分为5个梯度，权重值最高的因子所在梯度的分值为5，然后公差为1，依次递减。

梯度	分值	因子集合
			1	5	订单
2	4	转化率
			3	3	好评度
4	2	评分数
			5	1

上图中，梯度5中没有排序因子归化其中，故而计算因子分值所占梯度比重时梯度5分值不予计算。

订单比重：P_O＝5/(5+4+3+2)＝0.36

转化率比重：P_F＝4/(5+4+3+2)＝0.29

好评度比重：P_C＝3/(5+4+3+2)＝0.21

评分数比重：P_S＝2/(5+4+3+2)＝0.14

然后计算出人工设置各排序因子比重和熵值法所得各排序因子比重的算术平均值最后得出排序因子最终比重；其中，人工设置各排序因子比重为预设增加比重。

	评分数	订单数	好评度	转化率
					熵值法权重值	0.35	0.27	0.08	0.3
人工设置权重值	0.14	0.36	0.21	0.29
					最终权重值(算术平均)	0.25	0.31	0.15	0.29

根据上图可以得出，排序因子中评分数、订单数、好评度、转化率所占权重值分别为：0.25、0.31、0.15、0.29。

在一些实施例中，图4示出了本发明的OTA平台酒店排序方法的另一实施例的流程示意图，如图4所示，本实施例的OTA酒店排序方法还包括酒店综合得分计算步骤140，基于排序因子分值、权重值，确定酒店的综合得分值。在OTA平台上的酒店显示顺序可以是根据某一排序因子的得分值按照一定顺序排列，也可以是多个排序因子的得分值通过计算得到的综合上述多个排序因子的综合得分按照一定顺序排列。上述综合得分是基于多个排序因子的得分值以及每个排序因子的权重值计算得出的。

通过OTA平台酒店的综合得分对酒店进行排序显示，在OTA平台显示页面的头部的酒店的特色可能有所不同。例如某酒店虽然订单数不是很多，但其在OTA平台上的评分数较高，其有可能在OTA平台显示页面的排序比订单数相对于该酒店较高的酒店排序靠前，这样就形成了头部酒店能够很明显的区分与其他酒店，让更优质的酒店在OTA平台上得到更多的流量。

在一例中，图5示出了本发明的OTA平台酒店排序方法的另一实施例的流程示意图，如图5所示，酒店综合得分计算步骤140之后，还包括：酒店排序步骤150，基于酒店的综合得分值，在OTA平台对酒店进行排序显示。

在另一例中，如图5所示，在排序因子分值计算步骤120完成之后，还可根据酒店排序因子的分值顺序在OTA平台显示界面进行显示。各类排序因子均采用相应的预设算法进行分值计算，保障了酒店以排序因子的分值顺序在OTA平台显示界面进行显示的公平合理性。

本公开实施例提供的任一种OTA平台酒店排序方法可以由任意适当的具有数据处理能力的设备执行，包括但不限于：终端设备和服务器等。或者，本公开实施例提供的任一种OTA平台酒店排序方法可以由处理器执行，如处理器通过调用存储器存储的相应指令来执行本公开实施例提及的任一种OTA平台酒店排序方法。下文不再赘述。

本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于一计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。

本公开实施例还提供一种OTA平台酒店排序装置，图6示出了本发明的OTA平台酒店排序装置的一些实施例的结构示意图，如图6所示，本实施例的OTA平台酒店排序装置，包括排序因子确定单元1、排序因子分值计算单元2，其中，排序因子确定单元1用于采用熵值法确定影响酒店在OTA平台排序的排序因子；排序因子分值计算单元2用于对排序因子采用预设算法进行分值计算，得到排序因子分值。

本实施例中熵值法是指用来判断某个指标的离散程度的数学方法。在信息论中，熵是对不确定性的一种度量。信息量越大，不确定性就越小，熵也就越小；信息量越小，不确定性越大，熵也越大。根据熵的特性，我们可以通过计算熵值来判断一个事件的随机性及无序程度，也可以用熵值来判断某个指标的离散程度。本实施例中，用熵值法判断排序因子的离散程度，其为了避免用于OTA平台酒店排序的排序因子对酒店无明显影响的排序因子，如酒店的法人代表、酒店的员工平均年龄等。

影响酒店在OTA平台上排序的排序因子众多，在选取时，尽可能选取对酒店排序具有一定影响的因子，同时尽量避免无用因子的冗余，从而干扰后续调优判断。

对于酒店排序而言，本实施例中排序因子的选取可以符合一定的规则，例如时间衰减的规律。酒店的基础数据(评论数、图片数、热门地标数、OTA数量)直接影响到酒店可否售卖，故而基础数据是必选的排序因子。用户对酒店的评分(自由平台评分、关键词分析评分、OTA评分)是衡量酒店服务质量的一大重要依据，故而将评分数据也加入到排序因子序列中。酒店的订单数据(订单数、佣金、点击转化率、订单转化率)也是表示酒店售卖效果的最直接因素，故而也加入到排序因子序列中。本实施例中所涉及的排序因子对酒店在OTA平台的订购均可起到一定的促进作用，作为本实施例的OTA平台酒店的排序因子。

在OTA平台酒店排序中，上述排序因子可以包含OTA平台酒店的基于消费的所有参考信息。上述排序因子的信息量越大，消费者就越容易在OTA平台上选择适合自身偏好的酒店。

排序因子确定单元1采用熵值法在众多的排序因子中选取排序因子，选取得到的排序因子在酒店OTA平台排序上具有较大的影响，避免了无用排序因子的选取。保障了排序因子选取的“全而不余”。能够全方面对酒店进行评价，做出合理的排序。

通过排序因子分值计算单元2按照预设算法对酒店的排序因子进行分值计算，得到排序因子分值。酒店可根据单一排序因子分值进行排序，也可以通过多种排序因子的排序因子分值综合计算后进行排序。使得酒店在OTA平台上的排序更加公平、客观，置于OTA平台上排在靠前位置的酒店能够明显地区分于后续酒店，适应了消费者的不同偏好，方便消费者进行酒店选择，避免了影响消费者的订购意向或者酒店的入住体验感造成的OTA平台用户流失的现象产生。

图7示出了本发明的OTA平台酒店排序装置的另一实施例的结构示意图，如图7所示，本实施例的OTA平台酒店排序装置中排序因子确定单元1还用于基于预设分类规则，对排序因子进行分类，得到排序因子类别。使用排序因子确定单元11对排序因子进行分类的目的是将不同种类的排序因子采用不同的算法计算排序因子分值。

在一具体实施方式中，基础信息类指标的排序因子处理方式为：基础信息类是酒店内部信息，属于完全可控类数据，故而计算方式较为简单，有信息即为得分，无信息即为不得分。时间累积类指标的排序因子处理方式为：采用改进的布拉德福定律进行分梯度分值计算，能够更加完善的考虑到历史数据的价值。时效性较强指标的排序因子处理方式为：通过采用时间衰减方式来进行分值计算，使得相对更有时效性的指标获得更高分数，更加科学。主观基数相关指数型指标的排序因子处理方式为：通过采用威尔逊置信区间来进行分值计算，有效的避免了由于样本量少导致单个用户主观评分对酒店得分的影响较大的问题。客观基数相关指数型指标的排序因子的处理方式为：通过采用贝叶斯平均来进行分值计算，使得客观上此类指标在进行分值计算时样本量较少的问题，有效的提高分值准确性。

在一些实施例中，时间积累指标类的排序因子可以包括：酒店游记数量、酒店评论数、酒店图片数中的一种或多种；排序因子分值计算单元，用于采用布拉德福定律对时间积累指标类的排序因子进行分梯度分值计算。具体用于统计所有酒店的时间积累指标类的其中一个排序因子并对所有酒店的时间积累指标类的其中一个排序因子求和，得到酒店的时间积累指标类的其中一个排序因子的总和；按照预设规则将酒店的时间积累指标类的其中一个排序因子的总和，划分多个梯度，并给每一梯度设置第一预定分值；统计每一梯度内符合梯度条件的酒店数量，得出所有酒店在上述每一梯度中的分布。

在一些实施例中，时效性指标类的排序因子可以包括：酒店订单数、酒店间夜数中的一种或多种；通过排序因子分值计算单元采用时间衰减方式对时效性指标类的排序因子进行分值计算。排序因子分值计算单元选取预设参考时间进行梯度划分，并对梯度设置第二预定分值；计算得出预设参考时间内的预设标准值；统计酒店的时效性指标类的其中一个排序因子；基于预设标准值、时效性指标类的其中一个排序因子，计算得出时效性指标类的其中一个排序因子在预设参考时间内的得分值。

本实施例中，对于时效性相关的因子采用时间衰减来计算，更加科学合理。

在一些实施例中，主观基数指标类的排序因子可以包括酒店的好评度；排序因子分值计算单元用于采用威尔逊置信区间对主观基数指标类的排序因子进行分值计算，具体用于设置主观基数指标类的一个排序因子的预设参考值；通过威尔逊置信区间计算公式得出威尔逊置信区间的均值；通过威尔逊置信区间计算公式得出威尔逊置信区间的下限值；基于威尔逊置信区间的均值、威尔逊置信区间的下限值，综合评定主观基数指标类的一个排序因子的最终分值。

在一些实施例中，排序因子分值计算单元具体用于设置主观基数指标类的一个排序因子的预设参考值；通过威尔逊置信区间计算公式得出威尔逊置信区间的下限值；基于威尔逊置信区间的下限值，评定主观基数指标类的一个排序因子的最终分值。大量用户原创内容(User Generated Content，UGC)为不可控内容，例如好评度，采用威尔逊置信区间下限来得到更合理的分值。

在一些实施例中，客观基数指标类的排序因子可以包括：转化率、点击率中的一种或多种；排序因子分值计算单元采用贝叶斯平均算法对客观基数指标类的排序因子进行分值计算，具体用于获取选定的酒店的客观基数指标类的排序因子；获取预设范围内的酒店的最低客观基数指标类的排序因子；获取所有酒店的客观基数指标类的排序因子的平均值；通过贝叶斯平均算法计算得出选定的酒店的加权得分。

对于新酒店，使用贝叶斯平均来避免新酒店较于其他酒店因数据较少而分值较低的情况，很好的解决了新老酒店因数据总量差异而影响分值的情况，更加科学、合理。

继续参照图7，本实施例的OTA平台酒店排序装置还包括排序因子权重值计算单元3、酒店综合得分计算单元4，其中，排序因子权重值计算单元3用于对排序因子分别计算权重值；酒店综合得分计算单元4用于基于排序因子分值、权重值，确定酒店的综合得分值。

在一些实施例中，排序因子权重值计算单元3具体用于通过决策矩阵与排序因子的熵值确定排序因子的权重值。

在一些实施例中，排序因子权重值计算单元3具体用于对排序因子类别进行异质指标同质化处理；计算得出其中一个样本酒店对应的排序因子，在样本酒店的排序因子类别的比例；通过熵值法确定排序因子的熵值；基于熵值确定信息效用值；基于信息效用值计算得出排序因子类别的熵值权重。

在一些实施例中，排序因子权重值计算单元3具体还用于将排序因子的熵值权重按照预设顺序进行权重值梯度划分，并对权重值梯度设置第三预定分值；分别计算排序因子的比重；排序因子的熵值权重与预设增加比重的算术平均值为排序因子的权重值。

在酒店排序因子权重值确定时，采用了熵值法和人工赋值法来确定排序因子的权重值。既确保了排序因子权重值的客观性，又赋予了一定了灵活性。

在一些实施例中，本发明的OTA平台酒店排序装置还可以包括酒店排序单元5，该酒店排序单元5用于基于酒店的综合得分值，在OTA平台对酒店进行排序显示。

在一些实施例中，预设参考值与酒店总数的乘积为主观基数指标类的一个排序因子的总和。

基础信息指标类的排序因子，包括：酒店的中文名称、酒店的英文名称、酒店地址、酒店必读贴士中的一种或多种。

图8示出了本发明实施例电子设备一个应用实施例的结构示意图。下面参考图8，其示出了适于用来实现本申请实施例的终端设备或服务器的电子设备的结构示意图。如图8所示，该电子设备包括存储器，用于存储计算机程序以及一个或多个处理器，用于执行存储器中存储的计算机程序。在一例中，存储器可以是只读存储器(ROM)和/或随机访问存储器(RAM)。在一例中，一个或多个处理器可以是一个或多个中央处理单元(CPU)，和/或一个或多个图像处理器(GPU)等，处理器可以根据存储在ROM中的可执行指令或者从存储部分加载到RAM中的可执行指令而执行各种适当的动作和处理。在一例中，电子设备还可以包括通信部，通信部可包括但不限于网卡，网卡可包括但不限于IB(Infiniband)网卡，处理器可与ROM和/或RAM中通信以执行可执行指令，通过总线与通信部相连、并经通信部与其他目标设备通信，从而完成本申请实施例提供的任一方法对应的操作，例如，采用熵值法确定影响酒店在OTA平台排序的排序因子；对排序因子采用预设算法进行分值计算，得到排序因子分值。

此外，在RAM中，还可存储有装置操作所需的各种程序和数据。CPU、ROM以及RAM通过总线彼此相连。在有RAM的情况下，ROM为可选模块。RAM存储可执行指令，或在运行时向ROM中写入可执行指令，可执行指令使处理器执行本发明上述任一方法对应的操作。输入/输出(I/O)接口也连接至总线。通信部可以集成设置，也可以设置为具有多个子模块(例如多个IB网卡)，并在总线链接上。

以下部件连接至I/O接口：包括键盘、鼠标等的输入部分；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分；包括硬盘等的存储部分；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分。通信部分经由诸如因特网的网络执行通信处理。驱动器也根据需要连接至I/O接口。可拆卸介质，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器上，以便于从其上读出的计算机程序根据需要被安装入存储部分。

需要说明的，如图8所示的架构仅为一种可选实现方式，在具体实践过程中，可根据实际需要对上述图8的部件数量和类型进行选择、删减、增加或替换；在不同功能部件设置上，也可采用分离设置或集成设置等实现方式，例如GPU和CPU可分离设置或者可将GPU集成在CPU上，通信部可分离设置，也可集成设置在CPU或GPU上，等等。这些可替换的实施方式均落入本发明公开的保护范围。

在一个或多个可选实施方式中，本公开实施例还提供了一种计算机可读存储介质，用于存储计算机可读指令，该指令被执行时使得计算机执行上述任一可能的实现方式中的OTA平台酒店排序方法。在另一个可选例子中，该计算机程序产品具体体现为软件产品，例如软件开发包(Software Development Kit，SDK)等等。

尽管在附图中以特定的顺序描述操作，但是不应将其理解为要求按照所示的特定顺序或是串行顺序来执行这些操作，或是要求执行全部所示的操作以得到期望的结果。在特定环境中，多任务和并行处理可能是有利的。

本发明的方法和装置能够利用标准编程技术来完成，利用基于规则的逻辑或者其他逻辑来实现各种方法步骤。还应当注意的是，此处以及权利要求书中使用的词语“装置”和“模块”意在包括使用一行或者多行软件代码的实现和/或硬件实现和/或用于接收输入的设备。

此处描述的任何步骤、操作或程序可以使用单独的或与其他设备组合的一个或多个硬件或软件模块来执行或实现。在一个实施方式中，软件模块使用包括包含计算机程序代码的计算机可读介质的计算机程序产品实现，其能够由计算机处理器执行用于执行任何或全部的所描述的步骤、操作或程序。

出于示例和描述的目的，已经给出了本发明实施的前述说明。前述说明并非是穷举性的也并非要将本发明限制到所公开的确切形式，根据上述教导还可能存在各种变形和修改，或者是可能从本发明的实践中得到各种变形和修改。选择和描述这些实施例是为了说明本发明的原理及其实际应用，以使得本领域的技术人员能够以适合于构思的特定用途来以各种实施方式和各种修改而利用本发明。

Claims (10)

1.一种OTA平台酒店排序方法，其中，包括：

确定排序因子步骤，采用熵值法确定影响酒店在OTA平台排序的排序因子；

排序因子分值计算步骤，对所述排序因子采用预设算法进行分值计算，得到排序因子分值。

2.根据权利要求1所述的方法，其中，在所述确定排序因子步骤之后，还包括：

排序因子分类步骤，基于预设分类规则，对所述排序因子进行分类，得到排序因子类别。

3.根据权利要求2所述的方法，其中，所述排序因子类别包括：时间积累指标类；

时间积累指标类的排序因子，包括：酒店游记数量、酒店评论数、酒店图片数中的一种或多种；

时间积累指标类的排序因子分值计算步骤，采用布拉德福定律对所述时间积累指标类的排序因子进行分梯度分值计算。

4.根据权利要求3所述的方法，其中，所述时间积累指标类的排序因子分值计算步骤，包括：

统计所有酒店的所述时间积累指标类的其中一个排序因子并对所有酒店的所述时间积累指标类的其中一个排序因子求和，得到酒店的所述时间积累指标类的其中一个排序因子的总和；

按照预设规则将所述酒店的所述时间积累指标类的其中一个排序因子的总和，划分多个梯度，并给每一梯度设置第一预定分值；

统计每一所述梯度内符合所述梯度条件的酒店，得出所述酒店的所述时间积累指标类的排序因子的分值。

5.根据权利要求2所述的方法，其中，所述排序因子类别包括：时效性指标类；

时效性指标类的排序因子，包括：酒店订单数、酒店间夜数中的一种或多种；

时效性指标类的排序因子分值计算步骤，采用时间衰减方式对时效性指标类的排序因子进行分值计算。

6.根据权利要求5所述的方法，其中，所述时效性指标类的排序因子分值计算步骤，包括：

选取预设参考时间进行梯度划分，并对所述梯度设置第二预定分值；

计算得出所述预设参考时间内的预设标准值；

统计酒店的所述时效性指标类的其中一个排序因子；

基于所述预设标准值、所述时效性指标类的其中一个排序因子，计算得出所述时效性指标类的其中一个排序因子在所述预设参考时间内的得分值。

7.根据权利要求2所述的方法，其中，所述排序因子类别包括：主观基数指标类；

主观基数指标类的排序因子，包括：酒店的好评度；

主观基数指标类的排序因子分值计算步骤，采用威尔逊置信区间对所述主观基数指标类的排序因子进行分值计算。

8.根据权利要求7所述的方法，其中，所述主观基数指标类的排序因子分值计算步骤，包括：

设置所述主观基数指标类的一个排序因子的预设参考值；

通过威尔逊置信区间计算公式得出威尔逊置信区间的均值；

通过威尔逊置信区间计算公式得出威尔逊置信区间的下限值；

基于所述威尔逊置信区间的均值、所述威尔逊置信区间的下限值，综合评定所述主观基数指标类的一个排序因子的最终分值。

9.根据权利要求7所述的方法，其中，所述主观基数指标类的排序因子分值计算步骤，包括：

设置所述主观基数指标类的一个排序因子的预设参考值；

通过威尔逊置信区间计算公式得出威尔逊置信区间的下限值；

基于所述威尔逊置信区间的下限值，评定所述主观基数指标类的一个排序因子的最终分值。

10.一种OTA平台酒店排序装置，其中，包括：

排序因子确定单元，用于采用熵值法确定影响酒店在OTA平台排序的排序因子；

排序因子分值计算单元，用于对所述排序因子采用预设算法进行分值计算，得到排序因子分值。