CN110060129A - 一种机票智能推荐方法 - Google Patents

Abstract

本发明公开一种机票智能推荐方法。所述方法包括：获取用户输入的查询条件，根据查询条件进行搜索，得到n个航班的数据；根据每个航班的最低票价和是否直飞，对每个航班进行初步打分得到S_0i；基于用户历史数据以及出发地是否与用户地理位置一致或出发地是否为常用出发地计算每个航班的权重k_i；计算每个航班的最终得分S_i＝k_i×S_0i，并按照得分从高到低的顺序对S_i进行排序，依次向用户推荐排在最前面的m个航班的数据。本发明基于多种因素对航班进行打分，按照得分高低向用户推荐航班数据，只推荐较少的航班信息就能使用户选出称心如意的机票，可以有效消除用户的选择恐惧症。

Description

一种机票智能推荐方法

技术领域

本发明属于机票查询推荐技术领域，具体涉及一种机票智能推荐方法。

背景技术

随着科技和经济的日益发展，出差旅行已成为人们日常生活必不可少的内容。外出前越来越多的人首先考虑的是怎么以最短的时间到达目的地，其次才是费用问题。所以乘飞机会成为大家不错的首选。但是用户面对各种机票选择渠道和机票选择软件时，怎样才能在最短的时间内挑选出行程最短、飞行时长合理以及价格能够接受的行程机票呢？现在虽然不缺乏各种各样的机票智能推荐，但由于各种智能推荐考虑的因素较少(一般只注重票价因素)，若想使用户能够选出称心如意的机票，需要推荐的机票信息对于用户来说还是太多，不能彻底解决用户的选择恐惧症。

发明内容

为了解决现有技术中存在的上述问题，本发明提出一种机票智能推荐方法。

为实现上述目的，本发明采用如下技术方案：

一种机票智能推荐方法，包括以下步骤：

步骤1，获取用户通过安装在手机上的APP输入的查询条件，根据查询条件进行搜索，得到n个航班的数据；查询条件包括出发地、到达地和出发日期；

步骤2，根据每个航班的最低票价和是否直飞，对每个航班进行初步打分得到S_0i，i＝1，2，…，n；

步骤3，基于用户历史数据以及出发地是否与用户地理位置一致或出发地是否为常用出发地计算每个航班的权重k_i；

步骤4，计算每个航班的最终得分：S_i＝k_i×S_0i，并按照得分从高到低的顺序对S_i进行排序，依次向用户推荐排在最前面的m个航班的数据，m≤n。

与现有技术相比，本发明具有以下有益效果：

本发明通过获取用户输入的查询条件，根据查询条件进行搜索，得到n个航班的数据，根据每个航班的最低票价和是否直飞，对每个航班进行初步打分得到S_0i，基于用户历史数据以及出发地是否与用户地理位置一致或出发地是否为常用出发地计算每个航班的权重k_i，计算每个航班的最终得分S_i＝k_i×S_0i，并按照得分从高到低的顺序对S_i进行排序，依次向用户推荐排在最前面的m个航班的数据，实现了机票的智能推荐。本发明基于票价和舒适程度对航班进行打分，并基于用户的历史搜索数据确定每个航班的权重，考虑了航班是否被搜索过、是否被添加到购物车、是否为热门航线，以及航班的出发地是否为常用出发地或是否与用户当前位置一致等多种因素，只推荐较少的航班信息就能使用户选出称心如意的机票，可以有效消除用户的选择恐惧症。

附图说明

图1为本发明实施例一种机票智能推荐方法的流程图。

具体实施方式

下面结合附图对本发明作进一步详细说明。

本发明实施例一种机票智能推荐方法的流程图如图1所示，所述方法包括：

S101、获取用户通过安装在手机上的APP输入的查询条件，根据查询条件进行搜索，得到n个航班的数据；查询条件包括出发地、到达地和出发日期；

S102、根据每个航班的最低票价和是否直飞，对每个航班进行初步打分得到S_0i，i＝1，2，…，n；

S103、基于用户历史数据以及出发地是否与用户地理位置一致或出发地是否为常用出发地计算每个航班的权重k_i；

S104、计算每个航班的最终得分：S_i＝k_i×S_0i，并按照得分从高到低的顺序对S_i进行排序，依次向用户推荐排在最前面的m个航班的数据，m≤n。

在本实施例中，步骤S101主要用于根据用户输入的查询条件进行搜索。用户通过安装了APP的手机(也可以是平板电脑)进行查询操作。用户一般事先通过手机号进行了注册，有与手机号对应的用户名。用户可以通过输入用户名登录后进行操作；也可以不登录直接进行查询操作，服务器根据手机的设备ID与用户手机进行数据通信。查询条件一般包括出发地、到达地和出发日期，还可包括航班号。

在本实施例中，步骤S102主要用于对每个航班进行初步打分。初步打分主要考虑票价和舒适度两个因素。本实施例的舒适度主要是指是否直飞，直飞的舒适度比换乘要高。初步打分得到的只是一个基本分数，每个航班的最终得分由基本分数和所述航班的权重共同决定。

在本实施例中，步骤S103主要用于计算每个航班的权重。权重大小主要从两方面考虑：一是用户的历史数据与航班的关系，比如用户是否搜索过该航班、是否被添加到购物车、是否为热门航线等；二是航班的出发地是否为常用出发地(对应用户已登录的情况)，或航班的出发地是否与用户的当前位置一致(对应用户未登录的情况)。

在本实施例中，步骤S104主要用于计算每个航班的最终得分，并根据最终得分排序向用户推荐航班信息。每个航班的最终得分S_i等于每个航班的初步打分S_0i与权重k_i的积。得到每个航班的最终得分S_i后，对S_i按照从大到小的顺序进行排序，将排在最前面的m个航班的数据按顺序推荐给用户。m的大小根据行业经验确定。

由于本实施例基于票价和舒适程度对航班进行打分，并基于用户的历史搜索数据确定每个航班的权重，考虑了航班是否被搜索过、是否被添加到购物车、是否为热门航线，以及航班的出发地是否为常用出发地或是否与用户当前位置一致等多种因素，因此，可以只推荐较少的航班信息(m值较小)就能使用户选出称心如意的机票，可以有效消除用户的选择恐惧症。

作为一种可选实施例，在所述步骤S101之前还包括：

搜集、保存用户的历史搜索数据，并对添加到购物车的航班数据进行标记。

本实施例用于进行历史数据积累，搜集并保存所有用户的历史搜索数据。一般通过建立历史数据库保存搜集数据，并对数据库中的数据定期进行更新。搜集的数据包括用户日常搜索机票时保留的航线行程数据信息，用户添加机票到用户购物车的同航线的机票数据信息等。计算航班的权重时要用到用户的历史数据，如判断航班的出发地是否为常用出发地、常用出发地的使用频率等。本实施例涉及的操作一般在线下进行，以免影响计算速度导致无法实时向用户推荐航班数据。

作为一种可选实施例，所述步骤S102具体包括：

分别根据最低票价和是否直飞对每个航班进行打分，得到X_i和Y_i；

对X_i和Y_i进行加权求和得到S_0i，飞行距离越远，X_i的权重越小，Y_i的权重越大。

本实施例给出了对每个航班进行初步打分的一种技术方案。在本实施例中，首先根据航班的最低票价和是否直飞进行分别进行打分，得到X_i和Y_i。最低票价越低，X_i越高，可建立以票价为自变量的打分函数模型；直飞的Y_i明显大于换乘的Y_i。其次对X_i和Y_i进行加权求和得到每个航班的初步打分分值S_0i。X_i和Y_i的权重的选取原则是：飞行距离越远，X_i的权重越小，Y_i的权重越大。这样设计权重的原理是：远程旅行时多数人更看重舒适程度。值得说明的是，对航班进行初步打分的方法很多，这里只是给出一种较佳的实施例，并不排斥和否定其它可行的打分方法。

作为一种可选实施例，所述步骤S103计算每个航班的权重k_i的方法包括：

确定基于用户历史数据的权重k_i1：

如果所述航班被用户搜索过，k_i1＝k_ia1；如果所述航班曾被用户添加到购物车，k_i1＝k_ib1；如果所述航班为热线航班，k_i1＝k_ic1；k_ia1>k_ib1>k_ic1；如果所述航班同时满足其中两个或三个条件，取所述两个或三个条件对应的k_i1的最大值；

确定基于出发地是否与用户地理位置一致或出发地是否为常用出发地的权重k_i2：

如果用户未登录，通过APP获取用户当前的地理位置，若当前地理位置与航班的出发地一致，k_i2＝k_ia2；若当前地理位置与航班的出发地不一致，k_i2＝k_ib2；k_ia2>k_ib2；

如果用户已登录，若航班的出发地为常用出发地，则所述出发地使用频率越高，航班的k_i2越大；若航班的出发地为与常用出发地临近的出发地，则航班的k_i2小于出发地为常用出发地的航班的k_i2，且与出发地临近的常用出发地的使用频率越高，航班的k_i2也越大；

计算每个航班的权重：k_i＝k_i1×k_i2。

本实施例给出了计算每个航班权重的一种技术方案。在本实施例中将权重k_i分成两个因子k_i1、k_i2，分别求k_i1、k_i2，最后求k_i1与k_i2的积得到k_i。k_i1与用户历史数据有关，根据用户历史数据判断所述航班是否被用户搜索过，是否曾被用户添加到购物车，是否为热线航班。上述三种情况分别对应一个k_i1，如果所述航班同时满足其中两个或三个条件，取所述两个或三个条件对应的k_i1的最大值。k_i2与所述航班的出发地有关，在用户登录和未登录两种情况下，分别讨论k_i2的确定方法。用户手机上安装的APP具有定位功能(如GPS定位)，在征得用户同意的情况下可以获取用户的当前位置。因此，在用户未登录的情况下，可通过获取用户的当前位置，确定用户当前位置所属的城市，判断所述城市与所述航班的出发地是否一致，一致时k_i2的值大于不一致时k_i2的值。在用户采用已注册的用户名登录的情况下，根据所述用户名的历史数据判断所述航班的出发地是否为常用出发地(作为出发地的次数超过设定的阈值)。如果所述出发地是常用出发地，可将最近一段时期内所述常用出发地的使用频率作为航班的k_i2；否则，根据与所述出发地临近的一个常用出发地的使用频率大小确定航班的k_i2，所述使用频率越大，所述k_i2越大，但所述k_i2小于所述使用频率。

上述仅对本发明中的几种具体实施例加以说明，但并不能作为本发明的保护范围，凡是依据本发明中的设计精神所做出的等效变化或修饰或等比例放大或缩小等，均应认为落入本发明的保护范围。

Claims (4)

1.一种机票智能推荐方法，其特征在于，包括以下步骤：

步骤1，获取用户通过安装在手机上的APP输入的查询条件，根据查询条件进行搜索，得到n个航班的数据；查询条件包括出发地、到达地和出发日期；

步骤2，根据每个航班的最低票价和是否直飞，对每个航班进行初步打分得到S_0i，i＝1，2，…，n；

步骤3，基于用户历史数据以及出发地是否与用户地理位置一致或出发地是否为常用出发地计算每个航班的权重k_i；

步骤4，计算每个航班的最终得分：S_i＝k_i×S_0i，并按照得分从高到低的顺序对S_i进行排序，依次向用户推荐排在最前面的m个航班的数据，m≤n。

2.根据权利要求1所述的机票智能推荐方法，其特征在于，在所述步骤1之前还包括：搜集、保存用户的历史搜索数据，并对添加到购物车的航班数据进行标记。

3.根据权利要求1所述的机票智能推荐方法，其特征在于，所述步骤2具体包括：

分别根据最低票价和是否直飞对每个航班进行打分，得到X_i和Y_i；

对X_i和Y_i进行加权求和得到S_0i，飞行距离越远，X_i的权重越小，Y_i的权重越大。

4.根据权利要求1所述的机票智能推荐方法，其特征在于，所述步骤3计算每个航班的权重k_i的方法包括：

确定基于用户历史数据的权重k_i1：

如果所述航班被用户搜索过，k_i1＝k_ia1；如果所述航班曾被用户添加到购物车，k_i1＝k_ib1；如果所述航班为热线航班，k_i1＝k_ic1；k_ia1>k_ib1>k_ic1；如果所述航班同时满足其中两个或三个条件，取所述两个或三个条件对应的k_i1的最大值；

确定基于出发地是否与用户地理位置一致或出发地是否为常用出发地的权重k_i2：

如果用户未登录，通过APP获取用户当前的地理位置，若当前地理位置与航班的出发地一致，k_i2＝k_ia2；若当前地理位置与航班的出发地不一致，k_i2＝k_ib2；k_ia2>k_ib2；

如果用户已登录，若航班的出发地为常用出发地，则所述出发地使用频率越高，航班的k_i2越大；若航班的出发地为与常用出发地临近的出发地，则航班的k_i2小于出发地为常用出发地的航班的k_i2，且与出发地临近的常用出发地的使用频率越高，航班的k_i2也越大；

计算每个航班的权重：k_i＝k_i1×k_i2。