CN111581506B - 基于协同过滤的航班推荐方法及系统 - Google Patents
基于协同过滤的航班推荐方法及系统 Download PDFInfo
- Publication number
- CN111581506B CN111581506B CN202010350001.4A CN202010350001A CN111581506B CN 111581506 B CN111581506 B CN 111581506B CN 202010350001 A CN202010350001 A CN 202010350001A CN 111581506 B CN111581506 B CN 111581506B
- Authority
- CN
- China
- Prior art keywords
- flight
- target user
- user
- preset
- information
- 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.)
- Active
Links
Images
Classifications
-
- 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
- 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
- G06F16/9536—Search customisation based on social or collaborative filtering
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Accounting & Taxation (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Finance (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种基于协同过滤的航班推荐方法及系统,涉及航空信息化管理领域。该方法包括:客户端将获取的用户信息和航班请求指令发送给服务器;服务器调取满足航班需求信息的备选航班,确定目标用户的相似用户群,调取相似用户群对航班的预设项目的评分,对预设项目的预测评分,确定目标用户对每个备选航班的预测评分,从备选航班中挑选出推荐航班,并将推荐航班发送给客户端;客户端接收并显示推荐航班。本发明能够为目标用户推荐最符合其需求的航班,节省用户挑选航班时的时间,推荐的航班更加满足用户的需求,不需要针对每个用户单独分析其航班选择偏好,更加节省系统资源,并且推荐的准确率更高,效果更好。
Description
技术领域
本发明涉及航空信息化管理领域,尤其涉及一种基于协同过滤的航班推荐方法及系统。
背景技术
随着客运航空的飞速发展,飞机逐渐成了很多人在出行时的选择,目前用户在订购航班时,通常是在第三方网站订购,这些网站是对多个航空公司的航班资源进行了整合,然后通过设置几个简单的选项,将全部符合条件的航班展示给用户,而由于各个航空公司竞争激烈,开设的航班数量十分多,因此,客户在这些网站选择航班时面对的数据量通常很大,难以在短时间内选择出符合自己需求的航班,耗时费力。
目前的航班推荐系统,是在目标用户进行航班查询后,按照一定的筛选条件进行排序,这种筛选条件通常是由目标用户进行手动选择,并且受制于服务器的处理能力,通常仅支持单个条件筛选,十分不便,例如,目标用户选择按价格排序后,还需要再逐条判断每个航班是否满足自己的其他需求,如是否提供餐食、起飞时刻、降落时刻和是否直飞等,导致目标用户浪费较长的时间,却很难从众多的航班中挑选出最符合自己要求的航班。
发明内容
本发明所要解决的技术问题是针对现有技术中用户在选择航班的过程中费时费力,且难以挑选出符合自己需求航班的问题,提供一种基于协同过滤的航班推荐方法及系统,根据协同过滤算法为目标用户推荐最符合其需求的航班,从而节省用户挑选航班时的时间,推荐的航班能够满足用户的多种需求。
本发明解决上述技术问题的技术方案如下:
一种基于协同过滤的航班推荐方法,包括:
客户端获取目标用户的航班需求信息,根据所述航班需求信息生成航班请求指令,并采集所述目标用户的用户信息,将所述用户信息和所述航班请求指令发送给服务器;
所述服务器接收并解析所述航班请求指令,从第一数据库中调取满足所述航班需求信息的备选航班,并根据所述用户信息确定所述目标用户的相似用户群,从第二数据库中调取所述相似用户群对航班的预设项目的评分,根据所述相似用户群对航班的预设项目的评分预测所述目标用户对所述预设项目的预测评分,根据所述目标用户对所述预设项目的预测评分确定所述目标用户对每个所述备选航班的预测评分,根据所述目标用户对每个所述备选航班的预测评分从所述备选航班中挑选出推荐航班,并将所述推荐航班发送给所述客户端;
所述客户端接收并显示所述推荐航班。
本发明解决上述技术问题的另一种技术方案如下:
一种基于协同过滤的航班推荐系统,包括:客户端、服务器、第一数据库和第二数据库,其中:
所述客户端用于获取目标用户的航班需求信息,根据所述航班需求信息生成航班请求指令,并采集所述目标用户的用户信息,将所述用户信息和所述航班请求指令发送给所述服务器;
所述服务器用于接收并解析所述航班请求指令,从所述第一数据库中调取满足所述航班需求信息的备选航班,并根据所述用户信息确定所述目标用户的相似用户群,从所述第二数据库中调取所述相似用户群对航班的预设项目的评分,根据所述相似用户群对航班的预设项目的评分预测所述目标用户对所述预设项目的预测评分,根据所述目标用户对所述预设项目的预测评分确定所述目标用户对每个所述备选航班的预测评分,根据所述目标用户对每个所述备选航班的预测评分从所述备选航班中挑选出推荐航班,并将所述推荐航班发送给所述客户端;
所述客户端还用于接收并显示所述推荐航班。
本发明的有益效果是:本发明提供的基于协同过滤的航班推荐方法及系统,通过匹配目标用户的相似用户群,根据相似用户群对航班预设项目的评分对目标用户可能产生的对预设项目的评分进行预测,然后根据目标用户对这些预设项目的预测评分计算每个备选航班的预测评分,从而作为该目标用户的航班推荐依据,从而能够为用户推荐最符合目标用户需求的航班,节省用户挑选航班时的时间,推荐的航班更加满足用户的需求,不需要针对每个用户单独分析其航班选择偏好,更加节省系统资源,并且通过相似用户群进行预测,经验证,推荐的准确率更高,效果更好。
本发明附加的方面的优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本发明实践了解到。
附图说明
图1为本发明基于协同过滤的航班推荐方法的实施例提供的流程示意图;
图2为本发明基于协同过滤的航班推荐方法的实施例提供的相似用户群形成示意图;
图3为本发明基于协同过滤的航班推荐系统的实施例提供的结构框架示意图;
图4为本发明基于协同过滤的航班推荐系统的实施例提供的网络拓扑连接示意图。
具体实施方式
以下结合附图对本发明的原理和特征进行描述,所举实施例只用于解释本发明,并非用于限定本发明的范围。
如图4所示,提供了一种示例性的网络拓扑连接示意图,本发明提供的基于协同过滤的航班推荐方法的服务器10可以通过互联网与多个客户端20连接,下面提供一种示例性的通信链路建立方法。
客户端20先向互联网接入网关30发送接入互联网请求,互联网接入网关30将该接入请求发送至互联网服务网关40中,互联网服务网关40对接入请求进行认证。当认证成功后,向互联网接入网关30发送认证成功的消息,并和互联网接入网关30建立网络通信传输通道。互联网接入网关30将认证成功的消息发送给客户端20,客户端20在接收到认证成功的消息后,与服务器10建立通信链路,进行数据传输。
下面基于上述网络结构,对本发明的一些可能实施方式进行说明。
如图1所示,为本发明基于协同过滤的航班推荐方法的实施例提供的流程示意图,该航班推荐方法基于协同过滤实现,包括:
S1,客户端获取目标用户的航班需求信息,根据航班需求信息生成航班请求指令,并采集目标用户的用户信息,将用户信息和航班请求指令发送给服务器;
需要说明的是,航班需求信息可以为能够确定航班的信息,例如,可以为出发地和目的地,假设目标用户通过客户端输入出发地为A,目的地为B,以此作为航班需求信息,那么可以确定出全部出发地为A,目的地为B的航班。
应理解,用户信息可以包括与目标用户相关的个人信息和使用信息,例如,目标用户的年龄、职业、生日、背景、页面停留时间、鼠标点击区域、航班查看情况和收藏情况等。
具体地,客户端可以内置预先编写的程序插件,当目标用户使用软件、APP或网页进行操作时,可以通过插件抓取鼠标的操作指令和移动轨迹,从而根据页面结构和内容确定目标用户的页面停留时间、鼠标点击区域、航班查看情况和收藏情况等。
目标用户的年龄、职业、生日和背景等可以由目标用户手动输入。
S2,服务器接收并解析航班请求指令,从第一数据库中调取满足航班需求信息的备选航班;
需要说明的是,当解析完航班请求指令后,服务器还原出航班需求信息,以航班需求信息为检索条件,从第一数据库中检测对应的航班作为备选航班。
例如,假设目标用户的航班需求为x月x日从上海起飞到达北京的航班,那么可以将时间:x月x日,出发地:上海,到达地:北京,将这三个值作为检索条件进行检索,从第一数据库中挑选出全部时间为x月x日,出发地为上海,到达地为北京的航班,作为备选航班。
S3,服务器根据用户信息确定目标用户的相似用户群,从第二数据库中调取相似用户群对航班的预设项目的评分;
具体地,可以通过最近邻居的查询查找目标用户的相似用户群。其中,最近邻居目标用户的意思就是若干个在购买行为或评分行为上与当前目标用户比较一致的目标用户,最近邻居查询本质上是对基于目标用户的协同过滤推荐算法的评分数据进行数学建模,然后通过数学计算这些目标用户模型的相似度,取相似度高的目标用户作为邻居目标用户。首先得到目标用户i和j评分过的所有项目的集合,然后通过不同的相似性计算方法度量目标用户i和j之间的相似性程度,并记为sim(i,j)。
下面给出一种示例性的计算sim(i,j)的方法:
设用Iij表示用户i和用户j共同评分过的项目集合,则用户i和用户j之间的相似性sim(i,j)可以采用Pearson相关系数计算公式得出:
如图2所示,给出了相似用户群形成示意图,确定目标用户与其他目标用户之间的相似度,白色圆圈代表的目标用户与目标用户过远,相似度较低,而黑色圆圈代表的目标用户与目标用户很近,相似度较高,由此可以通过上述公式确定出相似用户群,即大圆圈内的黑色小圆圈组成了相似用户群,每个黑色小圆圈都是相似用户群内与目标用户相似的目标用户。
应理解,航班的预设项目可以根据实际需求从全部项目中进行选择,航班的项目可以包括:航班价格、起飞时刻、降落时刻、机场、是否中转、延误率、机型、餐食和退改条件等。
S4,服务器根据相似用户群对航班的预设项目的评分预测目标用户对预设项目的预测评分;
应理解,由于该目标用户与相似用户群具有相似性,因此可以直接将相似用户群对航班的预设项目的评分的平均值直接作为该目标用户对预设项目的预测评分。
也可以通过以下方式确定该目标用户对预设项目的预测评分:
假设目标项目i的最近邻居集合用I={i1,i2,...,ik}来表示,那么可以通过用户u对最近邻居集合中项目的评分来计算得出目标用户u对项目i的预测评分pui,具体方法如下:
S5,服务器根据目标用户对预设项目的预测评分确定目标用户对每个备选航班的预测评分;
应理解,本领域技术人员可以根据实际需求设置具体的计算方法,作为最简单的一种实施例,可以直接将各个预设项目的预测评分相加,即得到备选航班的预测评分。
例如,为简化说明,假设预设项目共有2个,分别是延误率和直飞,假设相似用户群对直飞的敏感度更高,那么相对而言,直飞的评分更高,对飞机是否厌恶或延误率的高低并不关注,那么延误率的评分就较低。
那么假设该目标用户对预设项目的评分如下:直飞为5分,中转为1分,延误率低可以为2分,延误率高为1分。
假设备选航线共有两条,其中,备选航线A为直飞航线,但延误率高,而备选航线B为中转航线,但延误率低,那么备选航线A的预测评分为6分,备选航线B的预测评分为3分,备选航线A的评分更高,更加符合目标用户的需求。
S6,服务器根据目标用户对每个备选航班的预测评分从备选航班中挑选出推荐航班,并将推荐航班发送给客户端;
应理解,本领域技术人员可以根据实际需求选择挑选规则,例如,可以设置选择评分最高的前n个备选航班作为推荐航班。
又例如,还可以选择评分高于预设评分的备选航班作为推荐航班。
S7,客户端接收并显示推荐航班。
本实施例提供的基于协同过滤的航班推荐方法,通过匹配目标用户的相似用户群,根据相似用户群对航班预设项目的评分对目标用户可能产生的对预设项目的评分进行预测,然后根据目标用户对这些预设项目的预测评分计算每个备选航班的预测评分,从而作为该目标用户的航班推荐依据,从而能够为用户推荐最符合目标用户需求的航班,节省用户挑选航班时的时间,推荐的航班更加满足用户的需求,不需要针对每个用户单独分析其航班选择偏好,更加节省系统资源,并且通过相似用户群进行预测,经验证,推荐的准确率更高,效果更好。
可选地,在一些可能的实施例方式中,根据用户信息确定目标用户的相似用户群,具体包括:
服务器从用户信息中提取目标用户的特征,对目标用户的特征进行分类,分成显性特征和隐性特征,根据显性特征确定目标用户的主类,根据隐性特征从主类中确定目标用户的子类,得到目标用户的相似用户群,其中,显性特征为目标用户的身份信息特征,隐性特征为目标用户的行为习惯特征。
应理解,显性特征可以为目标用户的年龄、职业、生日和背景等,隐性特征为目标用户的页面停留时间、鼠标点击区域、航班查看情况和收藏情况等。
显性特征可以由目标用户输入,隐性特征可以通过插件进行监控获取,在先已经说明,不再赘述。
应理解,主类为目标用户的人群特征,例如,为简化说明,以职业和年龄为例,主类可以划分为25岁以下的律师、25至50岁的律师、50岁以上的律师、25岁以下的医生、25至50岁的医生和50岁以上的医生等,其中,年龄维度可以表征一群人的特点,不同年龄段的目标用户之间消费观念等不同,且不同职业的人群之间消费习惯也不同,因此通过主类划分,能够首先对目标用户进行一个筛选,挑选出目标用户所在的主类,从而便于后续精细化处理,精确确定目标用户的相似用户群,提高目标用户识别的准确率。
子类根据目标用户的隐性特征进行确定,相比于显性特征,目标用户的隐性特征更加的个性化,呈现明显的个体差异,因此在将目标用户进行主类划分后,再进行个性化的划分,能够精确判断出目标用户所在的相似用户群,从而提高航班推荐的准确率。例如,对于同一主类的目标用户群而言,可能有的人习惯在某些内容区域停留更多时间,例如,航班退改政策等,表面该部分目标用户更关心退改政策,那么据此进行目标用户的二次分类,找到的相似用户群更为可靠。例如,一种示例可以为:25至50岁的律师-退改政策目标用户群。
可选地,在一些可能的实施例方式中,根据目标用户对预设项目的预测评分确定目标用户对每个备选航班的预测评分之前,还包括:
服务器根据用户信息确定目标用户的用户标识,根据用户标识从第三数据库中调取目标用户的历史航班订购信息,根据历史航班订购信息确定每种预设项目的相同选择概率,根据每种预设项目的相同选择概率确定每种预设项目的权值,根据权值对每种预设项目的预测评分进行加权,其中,相同选择概率为对于任意一种预设项目,目标用户在历史订购信息中选择相同数值的概率。
应理解,用户标识为每个目标用户的唯一标识,可以由一组数值构成,可以为目标用户的目标用户名,或者在目标用户注册时由服务器生成的唯一字符串,与目标用户名进行绑定,作为唯一标识。
当该目标用户出现订购航班行为或查看航班行为时,采集该目标用户的行为和信息,通过唯一标识作为识别,存储在第三数据库中,以便后续调用。
应理解,对于多选项的预设项目,其相同选择概率可以选择最大值。例如,假设目标用户共订购了4次航班,假设预设项目为餐食和退改政策,该目标用户订购的3次航班中,3个航班提供餐食,1个航班不提供餐食;2个航班支持无条件退改,1个航班支持有条件退改,1个航班不支持退改。
那么可以得到对于餐食这个预设项目而言,有3/4的概率选择提供餐食,1/4的概率选择不提供餐食,那么取最大值,其相同选择概率为75%。
对于退改政策这个预设项目而言,有2/4的概率选择支持无条件退改,有1/4的概率选择支持有条件退改,有1/4的概率选择不支持退改,那么取最大值,其相同选择概率为50%。
通过比较可以发现,相比于退改政策,目标用户可能更关心飞机是否包含餐食,那么可以给餐食这个预设项目较高的权值,给退改政策这个预设项目较低的权值。
通过对目标用户的历史订购信息进行分析,能够预测出目标用户更加关注的预设项目,进而对目标用户更加关注的预设项目进行加权,能够生成更加符合目标用户个性化需求的航班推荐预测评分,能够进一步提高推荐的可靠性。
可选地,在一些可能的实施例方式中,还包括:
服务器判断目标用户的历史航班订购信息中是否存在缺失的预设项目,当存在缺失的预设项目且缺失数量小于预设阈值时,通过相似用户群的对应的预设项目的平均值填充缺失的预设项目。
应理解,预设阈值可以根据实际需求设置。当缺失数量较小时,可以通过直接填值得方法进行补全,这样做可以在一定程度上提高协同过滤算法的准确度,并且在数据量不大的前提下,补全效率较快。
可选地,在一些可能的实施例方式中,还包括:
当存在缺失的预设项目且缺失数量大于预设阈值时,服务器通过预设的传递算法确定相似用户群内各个用户之间的传递关系,根据目标用户的隐性特征从相似用户群中选择与目标用户相似度最高的相似用户,根据相似用户的历史航班订购信息和传递关系对目标用户缺失的预设项目进行补全。
需要说明的是,通过对目标用户之间的关联关系进行分析,通过传递原理可以得出没有直接关联的目标用户之间的关系,而由于目标用户并未在相似用户群内,因此,可以通过隐性特征,如页面停留时间、鼠标点击区域、航班查看情况和收藏情况等,选择与目标用户最为接近的目标用户,二者的操作习惯和购买习惯最为接近,因此,二者之间的关联度也相对而言更大,因此,可以通过相似用户与其他用户之间的传递关系去递推目标用户缺失的预设项目,从而能够准确地补全目标用户缺失的信息,准确率更高。
应理解,在一些可能的实施例中,可以包括上述实施例中任意实施方式的组合或全部实施方式的组合。
如图3所示,为本发明基于协同过滤的航班推荐系统的实施例提供的结构框架示意图,该航班推荐系统基于协同过滤实现,包括:客户端1、服务器2、第一数据库3和第二数据库4,其中:
客户端1用于获取目标用户的航班需求信息,根据航班需求信息生成航班请求指令,并采集目标用户的用户信息,将用户信息和航班请求指令发送给服务器2;
服务器2用于接收并解析航班请求指令,从第一数据库3中调取满足航班需求信息的备选航班,并根据用户信息确定目标用户的相似用户群,从第二数据库4中调取相似用户群对航班的预设项目的评分,根据相似用户群对航班的预设项目的评分预测目标用户对预设项目的预测评分,根据目标用户对预设项目的预测评分确定目标用户对每个备选航班的预测评分,根据目标用户对每个备选航班的预测评分从备选航班中挑选出推荐航班,并将推荐航班发送给客户端1;
客户端1还用于接收并显示推荐航班。
本实施例提供的基于协同过滤的航班推荐系统,通过匹配目标用户的相似用户群,根据相似用户群对航班预设项目的评分对目标用户可能产生的对预设项目的评分进行预测,然后根据目标用户对这些预设项目的预测评分计算每个备选航班的预测评分,从而作为该目标用户的航班推荐依据,从而能够为用户推荐最符合目标用户需求的航班,节省用户挑选航班时的时间,推荐的航班更加满足用户的需求,不需要针对每个用户单独分析其航班选择偏好,更加节省系统资源,并且通过相似用户群进行预测,经验证,推荐的准确率更高,效果更好。
可选地,在一些可能的实施例方式中,服务器2具体用于从用户信息中提取目标用户的特征,对目标用户的特征进行分类,分成显性特征和隐性特征,根据显性特征确定目标用户的主类,根据隐性特征从主类中确定目标用户的子类,得到目标用户的相似用户群,其中,显性特征为目标用户的身份信息特征,隐性特征为目标用户的行为习惯特征。
可选地,在一些可能的实施例方式中,服务器2还用于根据用户信息确定目标用户的用户标识,根据用户标识从第三数据库中调取目标用户的历史航班订购信息,根据历史航班订购信息确定每种预设项目的相同选择概率,根据每种预设项目的相同选择概率确定每种预设项目的权值,根据权值对每种预设项目的预测评分进行加权,其中,相同选择概率为对于任意一种预设项目,目标用户在历史订购信息中选择相同数值的概率。
可选地,在一些可能的实施例方式中,服务器2还用于判断目标用户的历史航班订购信息中是否存在缺失的预设项目,当存在缺失的预设项目且缺失数量小于预设阈值时,通过相似用户群的对应的预设项目的平均值填充缺失的预设项目。
可选地,在一些可能的实施例方式中,当存在缺失的预设项目且缺失数量大于预设阈值时,服务器2还用于通过预设的传递算法确定相似用户群内各个用户之间的传递关系,根据目标用户的隐性特征从相似用户群中选择与目标用户相似度最高的相似用户,根据相似用户的历史航班订购信息和传递关系对目标用户缺失的预设项目进行补全。
应理解,在一些可能的实施例中,可以包括上述实施例中任意实施方式的组合或全部实施方式的组合。
上述各实施例为与在先方法实施例对应产品实施例,因此关于产品实施例的各可选实施方式的说明及相应的技术效果可以参照在先各方法实施例,在此不再赘述。
读者应理解,在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的方法实施例仅仅是示意性的,例如,步骤的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个步骤可以结合或者可以集成到另一个步骤,或一些特征可以忽略,或不执行。
以上,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到各种等效的修改或替换,这些修改或替换都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (6)
1.一种基于协同过滤的航班推荐方法,其特征在于,包括:
客户端获取目标用户的航班需求信息,根据所述航班需求信息生成航班请求指令,并采集所述目标用户的用户信息,将所述用户信息和所述航班请求指令发送给服务器;
所述服务器接收并解析所述航班请求指令,从第一数据库中调取满足所述航班需求信息的备选航班,并根据所述用户信息确定所述目标用户的相似用户群,从第二数据库中调取所述相似用户群对航班的预设项目的评分,根据所述相似用户群对航班的预设项目的评分预测所述目标用户对所述预设项目的预测评分,根据所述目标用户对所述预设项目的预测评分确定所述目标用户对每个所述备选航班的预测评分,根据所述目标用户对每个所述备选航班的预测评分从所述备选航班中挑选出推荐航班,并将所述推荐航班发送给所述客户端;
所述客户端接收并显示所述推荐航班;
其特征在于,根据所述用户信息确定所述目标用户的相似用户群,具体包括:
所述服务器从所述用户信息中提取所述目标用户的特征,对所述目标用户的特征进行分类,分成显性特征和隐性特征,根据所述显性特征确定所述目标用户的主类,根据所述隐性特征从所述主类中确定所述目标用户的子类,得到所述目标用户的相似用户群,其中,所述显性特征为目标用户的身份信息特征,所述隐性特征为目标用户的行为习惯特征;
根据所述目标用户对所述预设项目的预测评分确定所述目标用户对每个所述备选航班的预测评分之前,还包括:
所述服务器根据所述用户信息确定所述目标用户的用户标识,根据所述用户标识从第三数据库中调取所述目标用户的历史航班订购信息,根据所述历史航班订购信息确定每种预设项目的相同选择概率,根据每种预设项目的相同选择概率确定每种预设项目的权值,根据所述权值对每种所述预设项目的预测评分进行加权,其中,所述相同选择概率为对于任意一种预设项目,目标用户在历史订购信息中选择相同数值的概率。
2.根据权利要求1所述的基于协同过滤的航班推荐方法,其特征在于,还包括:
所述服务器判断所述目标用户的历史航班订购信息中是否存在缺失的预设项目,当存在缺失的预设项目且缺失数量小于预设阈值时,通过所述相似用户群的对应的预设项目的平均值填充所述缺失的预设项目。
3.根据权利要求2所述的基于协同过滤的航班推荐方法,其特征在于,还包括:
当存在缺失的预设项目且缺失数量大于预设阈值时,所述服务器通过预设的传递算法确定所述相似用户群内各个用户之间的传递关系,根据所述目标用户的隐性特征从所述相似用户群中选择与所述目标用户相似度最高的相似用户,根据所述相似用户的历史航班订购信息和所述传递关系对所述目标用户缺失的预设项目进行补全。
4.一种基于协同过滤的航班推荐系统,其特征在于,包括:客户端、服务器、第一数据库和第二数据库,其中:
所述客户端用于获取目标用户的航班需求信息,根据所述航班需求信息生成航班请求指令,并采集所述目标用户的用户信息,将所述用户信息和所述航班请求指令发送给所述服务器;
所述服务器用于接收并解析所述航班请求指令,从所述第一数据库中调取满足所述航班需求信息的备选航班,并根据所述用户信息确定所述目标用户的相似用户群,从所述第二数据库中调取所述相似用户群对航班的预设项目的评分,根据所述相似用户群对航班的预设项目的评分预测所述目标用户对所述预设项目的预测评分,根据所述目标用户对所述预设项目的预测评分确定所述目标用户对每个所述备选航班的预测评分,根据所述目标用户对每个所述备选航班的预测评分从所述备选航班中挑选出推荐航班,并将所述推荐航班发送给所述客户端;
所述客户端还用于接收并显示所述推荐航班;
所述服务器具体用于从所述用户信息中提取所述目标用户的特征,对所述目标用户的特征进行分类,分成显性特征和隐性特征,根据所述显性特征确定所述目标用户的主类,根据所述隐性特征从所述主类中确定所述目标用户的子类,得到所述目标用户的相似用户群,其中,所述显性特征为目标用户的身份信息特征,所述隐性特征为目标用户的行为习惯特征;
所述服务器还用于根据所述用户信息确定所述目标用户的用户标识,根据所述用户标识从第三数据库中调取所述目标用户的历史航班订购信息,根据所述历史航班订购信息确定每种预设项目的相同选择概率,根据每种预设项目的相同选择概率确定每种预设项目的权值,根据所述权值对每种所述预设项目的预测评分进行加权,其中,所述相同选择概率为对于任意一种预设项目,目标用户在历史订购信息中选择相同数值的概率。
5.根据权利要求4所述的基于协同过滤的航班推荐系统,其特征在于,所述服务器还用于判断所述目标用户的历史航班订购信息中是否存在缺失的预设项目,当存在缺失的预设项目且缺失数量小于预设阈值时,通过所述相似用户群的对应的预设项目的平均值填充所述缺失的预设项目。
6.根据权利要求5所述的基于协同过滤的航班推荐系统,其特征在于,当存在缺失的预设项目且缺失数量大于预设阈值时,所述服务器还用于通过预设的传递算法确定所述相似用户群内各个用户之间的传递关系,根据所述目标用户的隐性特征从所述相似用户群中选择与所述目标用户相似度最高的相似用户,根据所述相似用户的历史航班订购信息和所述传递关系对所述目标用户缺失的预设项目进行补全。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010350001.4A CN111581506B (zh) | 2020-04-28 | 2020-04-28 | 基于协同过滤的航班推荐方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010350001.4A CN111581506B (zh) | 2020-04-28 | 2020-04-28 | 基于协同过滤的航班推荐方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111581506A CN111581506A (zh) | 2020-08-25 |
CN111581506B true CN111581506B (zh) | 2023-04-25 |
Family
ID=72111889
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010350001.4A Active CN111581506B (zh) | 2020-04-28 | 2020-04-28 | 基于协同过滤的航班推荐方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111581506B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112200625A (zh) * | 2020-09-30 | 2021-01-08 | 中国民航信息网络股份有限公司 | 一种航班资源推荐方法及装置 |
CN112184030A (zh) * | 2020-09-30 | 2021-01-05 | 中国民航信息网络股份有限公司 | 联程航班的评分方法、装置、设备及计算机存储介质 |
CN112579887B (zh) * | 2020-12-01 | 2023-05-30 | 重庆邮电大学 | 一种基于用户评分预测用户对项目属性偏好的系统及方法 |
CN113077303A (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 |
CN113159888A (zh) * | 2021-04-19 | 2021-07-23 | 海南太美航空股份有限公司 | 一种航班信息的推荐方法、系统及电子设备 |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101685458B (zh) * | 2008-09-27 | 2012-09-19 | 华为技术有限公司 | 一种基于协同过滤的推荐方法和系统 |
JP2013519162A (ja) * | 2010-02-01 | 2013-05-23 | ジャンプタップ,インコーポレイテッド | 統合化された広告システム |
CN103324690A (zh) * | 2013-06-03 | 2013-09-25 | 焦点科技股份有限公司 | 基于因子化条件受限玻尔兹曼机的混合推荐方法 |
CN103984742A (zh) * | 2014-05-23 | 2014-08-13 | 国家电网公司 | 基于协同过滤的推荐方法 |
CN105335409B (zh) * | 2014-07-31 | 2019-02-01 | 华为技术有限公司 | 一种目标用户的确定方法、设备和网络服务器 |
CN108416645B (zh) * | 2018-01-19 | 2021-08-20 | 北京三快在线科技有限公司 | 一种针对用户的推荐方法、装置、存储介质和设备 |
CN108763314B (zh) * | 2018-04-26 | 2021-01-19 | 深圳市腾讯计算机系统有限公司 | 一种兴趣推荐方法、装置、服务器及存储介质 |
CN110555748A (zh) * | 2018-06-04 | 2019-12-10 | 阿里巴巴集团控股有限公司 | 业务对象的推荐方法、装置和旅行平台 |
CN109118336B (zh) * | 2018-08-24 | 2023-04-18 | 平安科技(深圳)有限公司 | 信息推荐方法、装置、计算机设备及存储介质 |
-
2020
- 2020-04-28 CN CN202010350001.4A patent/CN111581506B/zh active Active
Non-Patent Citations (2)
Title |
---|
Akito D. Kawamura.Aurora candidates from the chronicle of Qíng dynasty in several degrees of relevance.《Publications of the Astronomical Society of Japan》.2016,全文. * |
易淑娟.一种改进的企业差旅国内机票推荐算法.《广东通信技术》.2020,全文. * |
Also Published As
Publication number | Publication date |
---|---|
CN111581506A (zh) | 2020-08-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111581506B (zh) | 基于协同过滤的航班推荐方法及系统 | |
CN110334289B (zh) | 出行目的地的确定方法和目标用户的确定方法 | |
US7451161B2 (en) | Compatibility scoring of users in a social network | |
KR102278085B1 (ko) | 인플루언서 영향력 분석 및 관리가 가능한 마케팅 솔루션 제공 시스템 및 방법 | |
CN109582876B (zh) | 旅游行业用户画像构造方法、装置和计算机设备 | |
CN106202186B (zh) | 基于人工智能的服务推荐方法和装置 | |
US20160191450A1 (en) | Recommendations Engine in a Layered Social Media Webpage | |
KR102227552B1 (ko) | 상황인지 알고리즘 기반 리뷰 카테고리를 이용한 음식점 노출 개인화 서비스 제공 시스템 | |
US20180077250A1 (en) | Method and System for Processing Data Used By Creative Users to Create Media Content | |
JP5732441B2 (ja) | 情報推薦方法、装置及びプログラム | |
KR102319438B1 (ko) | 빅데이터 기반의 감성정보를 반영한 관광지 정보 제공 시스템 및 그 구동방법 | |
US20170155939A1 (en) | Method and System for Processing Data Used By Creative Users to Create Media Content | |
KR20200115694A (ko) | 빅데이터를 이용한 상권정보 제공 시스템 및 방법 | |
CN107767153A (zh) | 一种数据处理方法及装置 | |
CN110968801A (zh) | 地产产品搜索方法、存储介质及电子设备 | |
Yigit et al. | Extended topology based recommendation system for unidirectional social networks | |
CN113806608A (zh) | 一种基于大数据的招投标处理系统 | |
CN114371946B (zh) | 基于云计算和大数据的信息推送方法及信息推送服务器 | |
CN111339409A (zh) | 地图展示方法与系统 | |
KR20140035221A (ko) | 분야별 전문가 큐레이션 추천 시스템 및 이를 이용한 분야별 전문가 추천 방법 | |
KR102067782B1 (ko) | 예약부도 및 예약이행의 확률통계 기반 예약부도 가능성 예측을 이용한 예약부도 관리 서비스 제공 방법 | |
CN111581505B (zh) | 基于组合推荐的航班推荐方法及系统 | |
CN111523034B (zh) | 一种应用程序的处理方法、装置、设备及介质 | |
US20150248708A1 (en) | Data processing device and data processing method | |
KR102642892B1 (ko) | 스크래핑을 이용한 매장 분석 시스템 및 방법과 이를 위한 컴퓨터 프로그램 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |