CN113139667A - 基于人工智能的酒店房间推荐方法、装置、设备及存储介质 - Google Patents
基于人工智能的酒店房间推荐方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN113139667A CN113139667A CN202110488560.6A CN202110488560A CN113139667A CN 113139667 A CN113139667 A CN 113139667A CN 202110488560 A CN202110488560 A CN 202110488560A CN 113139667 A CN113139667 A CN 113139667A
- Authority
- CN
- China
- Prior art keywords
- information
- room
- target
- hotel
- user
- 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.)
- Granted
Links
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 60
- 238000000034 method Methods 0.000 title claims abstract description 46
- 238000000605 extraction Methods 0.000 claims description 20
- 238000004590 computer program Methods 0.000 claims 1
- 238000004891 communication Methods 0.000 description 5
- 230000002159 abnormal effect Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000013528 artificial neural network Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 239000000284 extract Substances 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 230000002457 bidirectional effect Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 206010029897 Obsessive thoughts Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
Images
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
- G06Q10/00—Administration; Management
- G06Q10/02—Reservations, e.g. for tickets, services or events
-
- 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
- G06F16/906—Clustering; Classification
-
- 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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/12—Hotels or restaurants
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Abstract
本发明涉及人工智能技术领域，公开了一种基于人工智能的酒店房间推荐方法、装置、设备及存储介质，所述方法包括：获取用户在大数据平台上的浏览信息，提取浏览信息中的用户标识信息；对根据用户标识信息在大数据平台中查询对应的历史入住信息进行特征提取；根据预设网络预测模型对提取到的历史入住特征信息进行预测，将预测得到的目标酒店列表信息和目标房间列表信息发送至所述用户，以使用户选取目标酒店和目标房间并反馈名称和房间号；根据名称和房间号对目标房间进行预订；通过用户在大数据平台上的浏览信息中的标识信息得到历史入住特征信息，根据预设网络模型对历史入住特征信息进行预测得到目标房间，从而有效提高推荐房间的合理性。
Description
技术领域
本发明涉及人工智能技术领域，尤其涉及基于人工智能的酒店房间推荐方法、装置、设备及存储介质。
背景技术
近年来，随着互联网和大数据技术的快速发展，使得人工智能技术已经被应用在各行各业，例如酒店行业、工业以及运输也等等，以酒店行业为例，由于工作的繁忙，在休闲娱乐假期，人们经常会通过旅游来放松自己，而旅游就会带来住宿问题，目标，用户经常采用移动端或者电脑端提前对酒店进行预定，但是在进入酒店预定应用程序时，会出现各种各样的酒店以及房间，引得用户眼花缭乱，对于具有强迫症的人更加难以做抉择，而目前常用的酒店房间推荐方式为商家根据剩余的房间在用户浏览酒店信息时强烈推荐，但是此时推荐的酒店或者房间是用户不喜欢的，使得推荐的酒店房间不能满足用户的需求，造成用户的体验感较差。
上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。
发明内容
本发明的主要目的在于提供一种基于人工智能的酒店房间推荐方法、装置、设备及存储介质，旨在解决现有技术无法有效提高推荐房间的合理性的技术问题。
为实现上述目的，本发明提供了一种基于人工智能的酒店房间推荐方法，所述基于人工智能的酒店房间推荐方法包括以下步骤:
获取用户在大数据平台上的浏览信息，提取所述浏览信息中的用户标识信息；
根据所述用户标识信息在所述大数据平台中查询对应的历史入住信息，对所述历史入住信息进行特征提取，得到历史入住特征信息；
获取预设网络预测模型，根据所述预设网络预测模型对所述历史入住特征信息进行预测，以得到目标酒店列表信息和目标房间列表信息；
将所述目标酒店列表信息和所述目标房间列表信息发送至所述用户，以使所述用户在所述目标目标酒店列表信息和所述目标房间列表信息中选取目标酒店和目标房间并反馈所述目标酒店的名称和所述目标房间的房间号；
根据所述名称和所述房间号对所述目标房间进行预订，以实现对酒店房间的推荐。
可选地，所述获取用户在大数据平台上的浏览信息，提取所述浏览信息中的用户标识信息之前，还包括：
获取与所述大数据平台的连接状态；
若与所述大数据平台的连接状态为正常状态，则执行获取用户在大数据平台上的浏览信息，提取所述浏览信息中的用户标识信息的步骤。
可选地，所述获取用户在大数据平台上的浏览信息，提取所述浏览信息中的用户标识信息，包括：
获取用户在大数据平台上的浏览信息，根据所述浏览信息生成所述用户的身份认证请求；
将所述身份认证请求发送至所述用户，以使所述用户基于所述身份认证请求生成并反馈待登录账号信息；
在登录成功时，提取所述登录账号信息中的用户标识信息。
可选地，所述根据所述用户标识信息在所述大数据平台中查询对应的历史入住信息，对所述历史入住信息进行特征提取，得到历史入住特征信息，包括：
根据所述用户标识信息在所述大数据平台中查询对应的历史入住信息，对所述历史入住信息进行分类，得到不同类别的历史入住信息；
对所述不同类别的历史入住信息进行排序，在排序的历史入住信息中选择前N名的目标历史入住信息；
对所述目标历史入住信息进行特征提取，得到历史入住特征信息。
可选地，所述获取预设网络预测模型，根据所述预设网络预测模型对所述历史入住特征信息进行预测，以得到目标酒店列表信息和目标房间列表信息，包括：
对所述历史入住特征信息进行划分，得到历史酒店特征信息和历史房间特征信息；
获取预设网络预测模型，根据所述历史酒店特征信息通过所述预设网络预测模型进行预测，得到目标酒店列表信息；
根据所述目标酒店列表信息和所述历史房间特征信息通过所述预设网络预测模型进行预测，得到目标房间列表信息。
可选地，所述将所述目标酒店列表信息和所述目标房间列表信息发送至所述用户，以使所述用户在所述目标目标酒店列表信息和所述目标房间列表信息中选取目标酒店和目标房间并反馈所述目标酒店的名称和所述目标房间的房间号之前，还包括：
获取预设匹配算法，将所述目标酒店列表信息中的房间信息与所述目标房间列表信息进行匹配，获得匹配结果；
提取所述匹配结果中匹配成功的目标房间列表信息，将所述目标酒店列表信息和所述匹配成功的目标房间列表信息发送至所述用户，执行以使所述用户在所述目标目标酒店列表信息和所述目标房间列表信息中选取目标酒店和目标房间并反馈所述目标酒店的名称和所述目标房间的房间号的步骤。
可选地，所述根据所述名称和所述房间号对所述目标房间进行预订，以实现对酒店房间的推荐，包括：
根据所述名称对应的酒店和所述房间号查到对应的目标房间；
获取目标预定数据库，根据所述目标预定数据库判断所述目标房间是否处于空闲状态；
若所述目标房间处于空闲状态，则对所述目标房间进行预订，以实现对酒店房间的推荐。
此外，为实现上述目的，本发明还提出一种基于人工智能的酒店房间推荐装置，所述基于人工智能的酒店房间推荐装置包括：
获取模块，用于获取用户在大数据平台上的浏览信息，提取所述浏览信息中的用户标识信息；
特征提取模块，用于根据所述用户标识信息在大数据平台中查询对应的历史入住信息，对所述历史入住信息进行特征提取，得到历史入住特征信息；
预测模块，用于获取预设网络预测模型，根据所述预设网络预测模型对所述历史入住特征信息进行预测，以得到目标酒店列表信息和目标房间列表信息；
反馈模块，用于将所述目标酒店列表信息和所述目标房间列表信息发送至所述用户，以使所述用户在所述目标目标酒店列表信息和所述目标房间列表信息中选取目标酒店和目标房间并反馈所述目标酒店的名称和所述目标房间的房间号；
推荐模块，用于根据所述名称和所述房间号对所述目标房间进行预订，以实现对酒店房间的推荐。
此外，为实现上述目的，本发明还提出一种基于人工智能的酒店房间推荐设备，所述基于人工智能的酒店房间推荐设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的基于人工智能的酒店房间推荐程序，所述基于人工智能的酒店房间推荐程序配置为实现如上文所述的基于人工智能的酒店房间推荐方法。
此外，为实现上述目的，本发明还提出一种存储介质，所述存储介质上存储有基于人工智能的酒店房间推荐程序，所述基于人工智能的酒店房间推荐程序被处理器执行时实现如上文所述的基于人工智能的酒店房间推荐方法。
本发明提出的基于人工智能的酒店房间推荐方法，通过获取用户在大数据平台上的浏览信息，提取浏览信息中的用户标识信息；对根据用户标识信息在大数据平台中查询对应的历史入住信息进行特征提取；根据预设网络预测模型对提取到的历史入住特征信息进行预测，将预测得到的目标酒店列表信息和目标房间列表信息发送至所述用户，以使用户选取目标酒店和目标房间并反馈名称和房间号；根据名称和房间号对目标房间进行预订；通过用户在大数据平台上的浏览信息中的标识信息得到历史入住特征信息，根据预设网络模型对历史入住特征信息进行预测得到目标房间，从而有效提高推荐房间的合理性。
附图说明
图1是本发明实施例方案涉及的硬件运行环境的基于人工智能的酒店房间推荐设备的结构示意图；
图2为本发明基于人工智能的酒店房间推荐方法第一实施例的流程示意图；
图3为本发明基于人工智能的酒店房间推荐方法第二实施例的流程示意图；
图4为本发明基于人工智能的酒店房间推荐方法第三实施例的流程示意图；
图5为本发明基于人工智能的酒店房间推荐装置第一实施例的功能模块示意图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
参照图1，图1为本发明实施例方案涉及的硬件运行环境的基于人工智能的酒店房间推荐设备结构示意图。
如图1所示，该基于人工智能的酒店房间推荐设备可以包括：处理器1001，例如中央处理器(Central Processing Unit，CPU)，通信总线1002、用户接口1003，网络接口1004，存储器1005。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard)，可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如无线保真(WIreless-FIdelity，WI-FI)接口)。存储器1005可以是高速的随机存取存储器(RandomAccess Memory，RAM)存储器，也可以是稳定的非易失性存储器(Non-Volatile Memory，NVM)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
本领域技术人员可以理解，图1中示出的结构并不构成对基于人工智能的酒店房间推荐设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
如图1所示，作为一种存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及基于人工智能的酒店房间推荐程序。
在图1所示的基于人工智能的酒店房间推荐设备中，网络接口1004主要用于与网络服务器进行数据通信；用户接口1003主要用于与用户进行数据交互；本发明基于人工智能的酒店房间推荐设备中的处理器1001、存储器1005可以设置在基于人工智能的酒店房间推荐设备中，所述基于人工智能的酒店房间推荐设备通过处理器1001调用存储器1005中存储的基于人工智能的酒店房间推荐程序，并执行本发明实施例提供的基于人工智能的酒店房间推荐方法。
基于上述硬件结构，提出本发明基于人工智能的酒店房间推荐方法实施例。
参照图2，图2为本发明基于人工智能的酒店房间推荐方法第一实施例的流程示意图。
在第一实施例中，所述基于人工智能的酒店房间推荐方法包括以下步骤：
步骤S10，获取用户在大数据平台上的浏览信息，提取所述浏览信息中的用户标识信息。
需要说明的是，本实施例的执行主体为基于人工智能的酒店房间推荐设备，还可为其他可实现相同或相似功能的设备，例如酒店房间推荐程序等，本实施例对此不作限制，在本实施例中，以酒店房间推荐程序为例进行说明。
应当理解的是，浏览信息指的是用户在选择酒店房间时的浏览信息，在用户对就酒店房间进行选择时，会将选择的浏览信息实时同步在大数据平台上，大数据平台会对浏览信息进行存储以供之后的查询，因此在从大数据平台上获取用户的浏览信息之前，需要判断与大数据平台之间的连接状态，若连接状态为正常状态，则获取用户在大数据平台的浏览信息，若连接状态为异常状态，则需要对异常状态进行排查并进行重新连接，直至与大数据平台之间的连接状态为正常状态。
可以理解的是，在得到用户在大数据平台上的浏览信息后，会根据浏览信息生成对应的身份认证请求，并将身份认证请求发送至用户，以使用户在接收到身份认证请求时反馈待登录账号信息，在登录成功时，提取登录账号信息中的用户标识信息，其中，身份认证请求指的是对用户身份进行认证的请求信息，由于用户刚开始在浏览酒店房间推荐信息是为了了解酒店房间的价格，但此时并没有需要预订酒店的想法，此时需要对用户的身份认证信息进行认证，若用户确实需要预订酒店房间，会根据身份认证请求将登陆的账号信息进行反馈，并以待登录账号信息进行登录，在登录成功时，提取登录账号信息中的用户标识信息，该用户标识信息可以为用户的身份证号码、也可以为用户的手机号码，也可以为其他可唯一识别用户身份的标识信息，本实施例对此不作限制，以用户的手机号码为例进行说明。
在具体实施中，酒店房间推荐程序获取用户在大数据平台上的浏览信息，提取所述浏览信息中的用户标识信息。
步骤S20，根据所述用户标识信息在所述大数据平台中查询对应的历史入住信息，对所述历史入住信息进行特征提取，得到历史入住特征信息。
应当理解的是，在得到用户标识信息后，将用户标识信息输入至大数据平台的查询模块中，根据大数据平台中的数据库对用户标识信息进行查询，以得到用户标识信息对应的所有历史入住信息，该历史入住信息包括多个平台的入住信息，例如，用户在A平台存在m条入住信息，在B平台存在n条入住信息，此时的历史入住信息为m+n，历史入住信息包括入住酒店信息、入住房间信息以及入住时间信息等等，在得到历史入住信息后，需要对历史入住信息进行特征提取，以得到历史入住特征信息，历史入住特征信息包括入住的酒店类型、房间风格以及房间的大小等信息。
在具体实施中，酒店房间推荐程序根据所述用户标识信息在所述大数据平台中查询对应的历史入住信息，对所述历史入住信息进行特征提取，得到历史入住特征信息。
步骤S30，获取预设网络预测模型，根据所述预设网络预测模型对所述历史入住特征信息进行预测，以得到目标酒店列表信息和目标房间列表信息。
应当理解的是，预设网络预测模型指的是基于定量预测算法和神经网络训练得到的预测模型，通过预设网络预测模型对特征信息进行训练时，会根据特征信息预测出与特征信息对应的所有信息，定量预测算法指的是在事物间的内在规律性的基础上进行预测的算法，在得到历史入住特征信息后，将历史入住特征信息输入至预设网络预测模型中，以使预设网络预测模型根据历史入住特征信息进行预测，得到对应的目标酒店信息和目标房间信息，将目标酒店信息和目标房间信息以列表的形式进行呈现。
在具体实施中，酒店房间推荐程序获取预设网络预测模型，根据所述预设网络预测模型对所述历史入住特征信息进行预测，以得到目标酒店列表信息和目标房间列表信息。
步骤S40，将所述目标酒店列表信息和所述目标房间列表信息发送至所述用户，以使所述用户在所述目标目标酒店列表信息和所述目标房间列表信息中选取目标酒店和目标房间并反馈所述目标酒店的名称和所述目标房间的房间号。
可以理解的是，在得到目标酒店列表信息和目标房间列表信息后，需要将目标酒店列表信息和目标房间列表信息发送至用户进行选择，而用户会根据实际需求信息进行选择，该实际需求信息包括用户此次旅游到的经费、人数等等，在从目标酒店列表信息和目标房间列表信息中选择好酒店以及房间后，将酒店的名称和房间号进行反馈。
应当理解的是，在将目标酒店列表信息和目标房间列表信息发送至用户之前，获取预设匹配算法，通过预设匹配算法将所述目标酒店列表信息中的房间信息与所述目标房间列表信息进行匹配，提取匹配成功的目标房间信息，将目标酒店列表信息目标房间信息发送至用户，预设匹配算法指的是将目标酒店列表信息中的房间信息与目标房间列表信息进行匹配的算法，该算法可以为逆向匹配算法，也可以为正向匹配方法，还可以为双向匹配算法，本实施例对此不作限制，以双向匹配算法为例进行说明，双向匹配算法指的是从左到右和从右到左同时进行匹配，从而有效提高目标房间信息的匹配效率。
在具体实施中，酒店房间推荐程序将所述目标酒店列表信息和所述目标房间列表信息发送至所述用户，以使所述用户在所述目标目标酒店列表信息和所述目标房间列表信息中选取目标酒店和目标房间并反馈所述目标酒店的名称和所述目标房间的房间号。
步骤S50，根据所述名称和所述房间号对所述目标房间进行预订，以实现对酒店房间的推荐。
可以理解的是，在得到名称和房间号后，需要在名称所对应的酒店目标预订数据库查询该酒店的房间号对应的目标房间是否处于空闲状态，此时的目标预订数据库指的是酒店前台的预订数据库，该目标预订数据库包括这该酒店的房间预订的所有状态信息，房间预订的状态信息分为两种，一种是空闲状态，即房间未被预订，一种是繁忙状态，即房间已被预订，若此时查询到目标房间处于空闲状态，则直接对目标房间进行预订，以实现对酒店房间的推荐。
在具体实施中，酒店房间推荐程序根据所述名称和所述房间号对所述目标房间进行预订，以实现对酒店房间的推荐。
本实施例通过获取用户在大数据平台上的浏览信息，提取浏览信息中的用户标识信息；对根据用户标识信息在大数据平台中查询对应的历史入住信息进行特征提取；根据预设网络预测模型对提取到的历史入住特征信息进行预测，将预测得到的目标酒店列表信息和目标房间列表信息发送至所述用户，以使用户选取目标酒店和目标房间并反馈名称和房间号；根据名称和房间号对目标房间进行预订；通过用户在大数据平台上的浏览信息中的标识信息得到历史入住特征信息，根据预设网络模型对历史入住特征信息进行预测得到目标房间，从而有效提高推荐房间的合理性。
在一实施例中，如图3所述，基于第一实施例提出本发明基于人工智能的酒店房间推荐方法第二实施例，所述步骤S20，包括：
步骤S201，根据所述用户标识信息在所述大数据平台中查询对应的历史入住信息，对所述历史入住信息进行分类，得到不同类别的历史入住信息。
应当理解的是，在得到用户标识信息后，在大数据平台上得到与用户标识信息对应的所有历史入住信息，由于历史入住信息包括历史入住信息包括多个平台的入住信息，因此需要根据平台的类型对历史入住信息进行分类，以得到不同类别的历史入住信息，例如在A平台上预订的酒店为1-3星级酒店，在B平台上预订的酒店为4星级及以上的酒店，而不同酒店内的房间也有不同的类型，例如大床房、双人床房以及VIP套房等等。
在具体实施中，酒店房间推荐程序根据所述用户标识信息在所述大数据平台中查询对应的历史入住信息，对所述历史入住信息进行分类，得到不同类别的历史入住信息。
步骤S202，对所述不同类别的历史入住信息进行排序，在排序的历史入住信息中选择前N名的目标历史入住信息。
可以理解的是，在得到不同类别的历史入住信息后，需要统计同类别的历史入住信息，以得到不同类别的历史入住信息的数量，通过数量大小对不同类别的历史入住信息排序，从排序的历史入住信息中选择前N名的目标历史入住信息，该N可以为3，也可以为其他数字，本实施例对此不作限制，以N＝3为例进行说明。
在具体实施中，酒店房间推荐程序对所述不同类别的历史入住信息进行排序，在排序的历史入住信息中选择前N名的目标历史入住信息。
步骤S203，对所述目标历史入住信息进行特征提取，得到历史入住特征信息。
应当理解的是，在得到目标历史入住信息后，对目标历史入住信息中的特征信息进行提取，在目标历史入职信息中存在多个特征信息时，需要从中提取出最具代表性的特征信息，例如，目标历史入住信息中存在A、B以及C三个特征信息，其中B特征信息为最能代表目标历史入住信息的特征信息，则此时提取到的历史入住特征信息为B特征信息。
在具体实施中，酒店房间推荐程序对所述目标历史入住信息进行特征提取，得到历史入住特征信息。
本实施例通过根据所述用户标识信息在所述大数据平台中查询对应的历史入住信息，对所述历史入住信息进行分类，得到不同类别的历史入住信息；对所述不同类别的历史入住信息进行排序，在排序的历史入住信息中选择前N名的目标历史入住信息；对所述目标历史入住信息进行特征提取，得到历史入住特征信息；通过在大数据平台平台查询与用户标识信息相对应的历史入住信息，对历史入住信息进行统计、排序以及选择，得到目标历史历史入住信息，提取目标历史入住信息中的特征信息，从而有效提高得到历史入住特征信息的准确性。
在一实施例中，如图4所述，基于第一实施例提出本发明基于人工智能的酒店房间推荐方法第三实施例，所述步骤S30，包括：
步骤S301，对所述历史入住特征信息进行划分，得到历史酒店特征信息和历史房间特征信息。
可以理解的是，在得到历史入住特征信息后，由于历史入住特征信息中存在有关酒店的特征信息和房间的特征信息，此时需要将历史入住特征信息进行划分，得到历史酒店特征信息和历史房间特征信息，历史酒店特征信息指的是用户之前住宿过所有酒店的特征信息，历史房间特征信息指的是用户之前住宿过所有房间的特征信息。
在具体实施中，酒店房间推荐程序对所述历史入住特征信息进行划分，得到历史酒店特征信息和历史房间特征信息。
步骤S302，获取预设网络预测模型，根据所述历史酒店特征信息通过所述预设网络预测模型进行预测，得到目标酒店列表信息。
可以理解的是，预设网络预测模型指的是基于定量预测算法和神经网络训练得到的预测模型，该预测模型可以为卷积神经网络模型，也可以为其他预设模型，本实施例对此不作限制，在得到预设网络预测模型后，将历史酒店特征信息输入至预设网络预测模型，以使预设网络预测模型根据历史酒店特征信息进行预测，得到对应的目标酒店列表信息，此时的目标酒店列表信息与历史入住信息中的酒店信息相同或者相似。
在具体实施中，酒店房间推荐程序获取预设网络预测模型，根据所述历史酒店特征信息通过所述预设网络预测模型进行预测，得到目标酒店列表信息。
步骤S303，根据所述目标酒店列表信息和所述历史房间特征信息通过所述预设网络预测模型进行预测，得到目标房间列表信息。
应当理解的是，在得到目标酒店列表信息后，根据目标酒店列表信息得到所有的房间特征信息，将房间特征信息与历史房间特征信息输入至预设网络预测模型中，预设网络预测模型判断目标酒店列表信息中的酒店内是否存在与历史房间特征信息一致的房间，若存在，则根据历史房间特征信息得到目标房间列表信息。
在具体实施中，酒店房间推荐程序根据所述目标酒店列表信息和所述历史房间特征信息通过所述预设网络预测模型进行预测，得到目标房间列表信息。
本实施例通过对所述历史入住特征信息进行划分，得到历史酒店特征信息和历史房间特征信息；获取预设网络预测模型，根据所述历史酒店特征信息通过所述预设网络预测模型进行预测，得到目标酒店列表信息；根据所述目标酒店列表信息和所述历史房间特征信息通过所述预设网络预测模型进行预测，得到目标房间列表信息；通过预设网络预测模型对历史酒店特征信息进行预测，得到目标酒店列表信息，通过预设网络预测模型对目标酒店列表信息和历史房间特征信息进行预测，得到目标酒店列表信息，从而有效提高推荐房间的合理性。
此外，本发明实施例还提出一种存储介质，所述存储介质上存储有基于人工智能的酒店房间推荐程序，所述基于人工智能的酒店房间推荐程序被处理器执行时实现如上文所述的基于人工智能的酒店房间推荐方法的步骤。
由于本存储介质采用了上述所有实施例的全部技术方案，因此至少具有上述实施例的技术方案所带来的所有有益效果，在此不再一一赘述。
此外，参照图5，本发明实施例还提出一种基于人工智能的酒店房间推荐装置，所述基于人工智能的酒店房间推荐装置包括：
获取模块10，用于获取用户在大数据平台上的浏览信息，提取所述浏览信息中的用户标识信息。
应当理解的是，浏览信息指的是用户在选择酒店房间时的浏览信息，在用户对就酒店房间进行选择时，会将选择的浏览信息实时同步在大数据平台上，大数据平台会对浏览信息进行存储以供之后的查询，因此在从大数据平台上获取用户的浏览信息之前，需要判断与大数据平台之间的连接状态，若连接状态为正常状态，则获取用户在大数据平台的浏览信息，若连接状态为异常状态，则需要对异常状态进行排查并进行重新连接，直至与大数据平台之间的连接状态为正常状态。
可以理解的是，在得到用户在大数据平台上的浏览信息后，会根据浏览信息生成对应的身份认证请求，并将身份认证请求发送至用户，以使用户在接收到身份认证请求时反馈待登录账号信息，在登录成功时，提取登录账号信息中的用户标识信息，其中，身份认证请求指的是对用户身份进行认证的请求信息，由于用户刚开始在浏览酒店房间推荐信息是为了了解酒店房间的价格，但此时并没有需要预订酒店的想法，此时需要对用户的身份认证信息进行认证，若用户确实需要预订酒店房间，会根据身份认证请求将登陆的账号信息进行反馈，并以待登录账号信息进行登录，在登录成功时，提取登录账号信息中的用户标识信息，该用户标识信息可以为用户的身份证号码、也可以为用户的手机号码，也可以为其他可唯一识别用户身份的标识信息，本实施例对此不作限制，以用户的手机号码为例进行说明。
在具体实施中，酒店房间推荐程序获取用户在大数据平台上的浏览信息，提取所述浏览信息中的用户标识信息。
特征提取模块20，用于根据所述用户标识信息在大数据平台中查询对应的历史入住信息，对所述历史入住信息进行特征提取，得到历史入住特征信息。
应当理解的是，在得到用户标识信息后，将用户标识信息输入至大数据平台的查询模块中，根据大数据平台中的数据库对用户标识信息进行查询，以得到用户标识信息对应的所有历史入住信息，该历史入住信息包括多个平台的入住信息，例如，用户在A平台存在m条入住信息，在B平台存在n条入住信息，此时的历史入住信息为m+n，历史入住信息包括入住酒店信息、入住房间信息以及入住时间信息等等，在得到历史入住信息后，需要对历史入住信息进行特征提取，以得到历史入住特征信息，历史入住特征信息包括入住的酒店类型、房间风格以及房间的大小等信息。
在具体实施中，酒店房间推荐程序根据所述用户标识信息在所述大数据平台中查询对应的历史入住信息，对所述历史入住信息进行特征提取，得到历史入住特征信息。
预测模块30，用于获取预设网络预测模型，根据所述预设网络预测模型对所述历史入住特征信息进行预测，以得到目标酒店列表信息和目标房间列表信息。
应当理解的是，预设网络预测模型指的是基于定量预测算法和神经网络训练得到的预测模型，通过预设网络预测模型对特征信息进行训练时，会根据特征信息预测出与特征信息对应的所有信息，定量预测算法指的是在事物间的内在规律性的基础上进行预测的算法，在得到历史入住特征信息后，将历史入住特征信息输入至预设网络预测模型中，以使预设网络预测模型根据历史入住特征信息进行预测，得到对应的目标酒店信息和目标房间信息，将目标酒店信息和目标房间信息以列表的形式进行呈现。
在具体实施中，酒店房间推荐程序获取预设网络预测模型，根据所述预设网络预测模型对所述历史入住特征信息进行预测，以得到目标酒店列表信息和目标房间列表信息。
反馈模块40，将所述目标酒店列表信息和所述目标房间列表信息发送至所述用户，以使所述用户在所述目标目标酒店列表信息和所述目标房间列表信息中选取目标酒店和目标房间并反馈所述目标酒店的名称和所述目标房间的房间号。
可以理解的是，在得到目标酒店列表信息和目标房间列表信息后，需要将目标酒店列表信息和目标房间列表信息发送至用户进行选择，而用户会根据实际需求信息进行选择，该实际需求信息包括用户此次旅游到的经费、人数等等，在从目标酒店列表信息和目标房间列表信息中选择好酒店以及房间后，将酒店的名称和房间号进行反馈。
应当理解的是，在将目标酒店列表信息和目标房间列表信息发送至用户之前，获取预设匹配算法，通过预设匹配算法将所述目标酒店列表信息中的房间信息与所述目标房间列表信息进行匹配，提取匹配成功的目标房间信息，将目标酒店列表信息目标房间信息发送至用户，预设匹配算法指的是将目标酒店列表信息中的房间信息与目标房间列表信息进行匹配的算法，该算法可以为逆向匹配算法，也可以为正向匹配方法，还可以为双向匹配算法，本实施例对此不作限制，以双向匹配算法为例进行说明，双向匹配算法指的是从左到右和从右到左同时进行匹配，从而有效提高目标房间信息的匹配效率。
在具体实施中，酒店房间推荐程序将所述目标酒店列表信息和所述目标房间列表信息发送至所述用户，以使所述用户在所述目标目标酒店列表信息和所述目标房间列表信息中选取目标酒店和目标房间并反馈所述目标酒店的名称和所述目标房间的房间号。
推荐模块50，用于根据所述名称和所述房间号对所述目标房间进行预订，以实现对酒店房间的推荐。
可以理解的是，在得到名称和房间号后，需要在名称所对应的酒店目标预订数据库查询该酒店的房间号对应的目标房间是否处于空闲状态，此时的目标预订数据库指的是酒店前台的预订数据库，该目标预订数据库包括这该酒店的房间预订的所有状态信息，房间预订的状态信息分为两种，一种是空闲状态，即房间未被预订，一种是繁忙状态，即房间已被预订，若此时查询到目标房间处于空闲状态，则直接对目标房间进行预订，以实现对酒店房间的推荐。
在具体实施中，酒店房间推荐程序根据所述名称和所述房间号对所述目标房间进行预订，以实现对酒店房间的推荐。
本实施例通过获取用户在大数据平台上的浏览信息，提取浏览信息中的用户标识信息；对根据用户标识信息在大数据平台中查询对应的历史入住信息进行特征提取；根据预设网络预测模型对提取到的历史入住特征信息进行预测，将预测得到的目标酒店列表信息和目标房间列表信息发送至所述用户，以使用户选取目标酒店和目标房间并反馈名称和房间号；根据名称和房间号对目标房间进行预订；通过用户在大数据平台上的浏览信息中的标识信息得到历史入住特征信息，根据预设网络模型对历史入住特征信息进行预测得到目标房间，从而有效提高推荐房间的合理性。
需要说明的是，以上所描述的工作流程仅仅是示意性的，并不对本发明的保护范围构成限定，在实际应用中，本领域的技术人员可以根据实际的需要选择其中的部分或者全部来实现本实施例方案的目的，此处不做限制。
另外，未在本实施例中详尽描述的技术细节，可参见本发明任意实施例所提供的基于人工智能的酒店房间推荐方法，此处不再赘述。
在一实施例中，所述获取模块10，还用于获取与所述大数据平台的连接状态；若与所述大数据平台的连接状态为正常状态，则执行获取用户在大数据平台上的浏览信息，提取所述浏览信息中的用户标识信息的步骤。
在一实施例中，所述获取模块10，还用于获取用户在大数据平台上的浏览信息，根据所述浏览信息生成所述用户的身份认证请求；将所述身份认证请求发送至所述用户，以使所述用户基于所述身份认证请求生成并反馈待登录账号信息；在登录成功时，提取所述登录账号信息中的用户标识信息。
在一实施例中，所述特征提取模块20，还用于根据所述用户标识信息在所述大数据平台中查询对应的历史入住信息，对所述历史入住信息进行分类，得到不同类别的历史入住信息；对所述不同类别的历史入住信息进行排序，在排序的历史入住信息中选择前N名的目标历史入住信息；对所述目标历史入住信息进行特征提取，得到历史入住特征信息。
在一实施例中，所述预测模块30，还用于对所述历史入住特征信息进行划分，得到历史酒店特征信息和历史房间特征信息；获取预设网络预测模型，根据所述历史酒店特征信息通过所述预设网络预测模型进行预测，得到目标酒店列表信息；根据所述目标酒店列表信息和所述历史房间特征信息通过所述预设网络预测模型进行预测，得到目标房间列表信息。
在一实施例中，所述反馈模块40，还用于获取预设匹配算法，将所述目标酒店列表信息中的房间信息与所述目标房间列表信息进行匹配，获得匹配结果；提取所述匹配结果中匹配成功的目标房间列表信息，将所述目标酒店列表信息和所述匹配成功的目标房间列表信息发送至所述用户，执行以使所述用户在所述目标目标酒店列表信息和所述目标房间列表信息中选取目标酒店和目标房间并反馈所述目标酒店的名称和所述目标房间的房间号的步骤。
在一实施例中，所述推荐模块50，还用于根据所述名称对应的酒店和所述房间号查到对应的目标房间；获取目标预定数据库，根据所述目标预定数据库判断所述目标房间是否处于空闲状态；若所述目标房间处于空闲状态，则对所述目标房间进行预订，以实现对酒店房间的推荐。
本发明所述基于人工智能的酒店房间推荐装置的其他实施例或具有实现方法可参照上述各方法实施例，此处不在赘余。
此外，需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如只读存储器(Read Only Memory，ROM)/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种基于人工智能的酒店房间推荐方法，其特征在于，所述基于人工智能的酒店房间推荐方法包括以下步骤：
获取用户在大数据平台上的浏览信息，提取所述浏览信息中的用户标识信息；
根据所述用户标识信息在所述大数据平台中查询对应的历史入住信息，对所述历史入住信息进行特征提取，得到历史入住特征信息；
获取预设网络预测模型，根据所述预设网络预测模型对所述历史入住特征信息进行预测，以得到目标酒店列表信息和目标房间列表信息；
将所述目标酒店列表信息和所述目标房间列表信息发送至所述用户，以使所述用户在所述目标目标酒店列表信息和所述目标房间列表信息中选取目标酒店和目标房间并反馈所述目标酒店的名称和所述目标房间的房间号；
根据所述名称和所述房间号对所述目标房间进行预订，以实现对酒店房间的推荐。
2.如权利要求1所述的基于人工智能的酒店房间推荐方法，其特征在于，所述获取用户在大数据平台上的浏览信息，提取所述浏览信息中的用户标识信息之前，还包括：
获取与所述大数据平台的连接状态；
若与所述大数据平台的连接状态为正常状态，则执行获取用户在大数据平台上的浏览信息，提取所述浏览信息中的用户标识信息的步骤。
3.如权利要求1所述的基于人工智能的酒店房间推荐方法，其特征在于，所述获取用户在大数据平台上的浏览信息，提取所述浏览信息中的用户标识信息，包括：
获取用户在大数据平台上的浏览信息，根据所述浏览信息生成所述用户的身份认证请求；
将所述身份认证请求发送至所述用户，以使所述用户基于所述身份认证请求生成并反馈待登录账号信息；
在登录成功时，提取所述登录账号信息中的用户标识信息。
4.如权利要求1所述的基于人工智能的酒店房间推荐方法，其特征在于，所述根据所述用户标识信息在所述大数据平台中查询对应的历史入住信息，对所述历史入住信息进行特征提取，得到历史入住特征信息，包括：
根据所述用户标识信息在所述大数据平台中查询对应的历史入住信息，对所述历史入住信息进行分类，得到不同类别的历史入住信息；
对所述不同类别的历史入住信息进行排序，在排序的历史入住信息中选择前N名的目标历史入住信息；
对所述目标历史入住信息进行特征提取，得到历史入住特征信息。
5.如权利要求1所述的基于人工智能的酒店房间推荐方法，其特征在于，所述获取预设网络预测模型，根据所述预设网络预测模型对所述历史入住特征信息进行预测，以得到目标酒店列表信息和目标房间列表信息，包括：
对所述历史入住特征信息进行划分，得到历史酒店特征信息和历史房间特征信息；
获取预设网络预测模型，根据所述历史酒店特征信息通过所述预设网络预测模型进行预测，得到目标酒店列表信息；
根据所述目标酒店列表信息和所述历史房间特征信息通过所述预设网络预测模型进行预测，得到目标房间列表信息。
6.如权利要求1至5中任一项所述的基于人工智能的酒店房间推荐方法，其特征在于，所述将所述目标酒店列表信息和所述目标房间列表信息发送至所述用户，以使所述用户在所述目标目标酒店列表信息和所述目标房间列表信息中选取目标酒店和目标房间并反馈所述目标酒店的名称和所述目标房间的房间号之前，还包括：
获取预设匹配算法，将所述目标酒店列表信息中的房间信息与所述目标房间列表信息进行匹配，获得匹配结果；
提取所述匹配结果中匹配成功的目标房间列表信息，将所述目标酒店列表信息和所述匹配成功的目标房间列表信息发送至所述用户，执行以使所述用户在所述目标目标酒店列表信息和所述目标房间列表信息中选取目标酒店和目标房间并反馈所述目标酒店的名称和所述目标房间的房间号的步骤。
7.如权利要求1至5中任一项所述的基于人工智能的酒店房间推荐方法，其特征在于，所述根据所述名称和所述房间号对所述目标房间进行预订，以实现对酒店房间的推荐，包括：
根据所述名称对应的酒店和所述房间号查到对应的目标房间；
获取目标预定数据库，根据所述目标预定数据库判断所述目标房间是否处于空闲状态；
若所述目标房间处于空闲状态，则对所述目标房间进行预订，以实现对酒店房间的推荐。
8.一种基于人工智能的酒店房间推荐装置，其特征在于，所述基于人工智能的酒店房间推荐装置包括：
获取模块，用于获取用户在大数据平台上的浏览信息，提取所述浏览信息中的用户标识信息；
特征提取模块，用于根据所述用户标识信息在大数据平台中查询对应的历史入住信息，对所述历史入住信息进行特征提取，得到历史入住特征信息；
预测模块，用于获取预设网络预测模型，根据所述预设网络预测模型对所述历史入住特征信息进行预测，以得到目标酒店列表信息和目标房间列表信息；
反馈模块，用于将所述目标酒店列表信息和所述目标房间列表信息发送至所述用户，以使所述用户在所述目标目标酒店列表信息和所述目标房间列表信息中选取目标酒店和目标房间并反馈所述目标酒店的名称和所述目标房间的房间号；
推荐模块，用于根据所述名称和所述房间号对所述目标房间进行预订，以实现对酒店房间的推荐。
9.一种基于人工智能的酒店房间推荐设备，其特征在于，所述基于人工智能的酒店房间推荐设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的基于人工智能的酒店房间推荐程序，所述基于人工智能的酒店房间推荐程序配置有实现如权利要求1至7中任一项所述的基于人工智能的酒店房间推荐方法。
10.一种存储介质，其特征在于，所述存储介质上存储有基于人工智能的酒店房间推荐程序，所述基于人工智能的酒店房间推荐程序被处理器执行时实现如权利要求1至7中任一项所述的基于人工智能的酒店房间推荐方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110488560.6A CN113139667B (zh) | 2021-05-07 | 2021-05-07 | 基于人工智能的酒店房间推荐方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110488560.6A CN113139667B (zh) | 2021-05-07 | 2021-05-07 | 基于人工智能的酒店房间推荐方法、装置、设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113139667A true CN113139667A (zh) | 2021-07-20 |
| CN113139667B CN113139667B (zh) | 2024-02-20 |
Family
ID=76816882
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110488560.6A Active CN113139667B (zh) | 2021-05-07 | 2021-05-07 | 基于人工智能的酒店房间推荐方法、装置、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113139667B (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113766286A (zh) * | 2021-08-05 | 2021-12-07 | 粒子文化科技集团(杭州)股份有限公司 | 酒店电视的主题定制方法、装置、电子装置和存储介质 |
| CN114443735A (zh) * | 2022-01-27 | 2022-05-06 | 深圳市天下房仓科技有限公司 | 酒店数据映射规则生成方法、装置、设备及存储介质 |
| CN116028712A (zh) * | 2022-12-28 | 2023-04-28 | 广州致和网络科技有限公司 | 一种基于历史信息的酒店房间智能推荐系统 |
Citations (21)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CA2320572A1 (en) * | 1999-09-22 | 2001-03-22 | Zahir Jivani | System and method for automated management of transaction information |
| CA2391264A1 (en) * | 2001-06-25 | 2002-12-25 | Resort Reservations Network, Inc. | Travel planning system and method |
| CA2570708A1 (en) * | 2006-12-13 | 2008-06-13 | Ahmad M. Ahmad | Method and system for selecting destinations |
| US20080270384A1 (en) * | 2007-04-28 | 2008-10-30 | Raymond Lee Shu Tak | System and method for intelligent ontology based knowledge search engine |
| US20090172035A1 (en) * | 2007-12-31 | 2009-07-02 | Pieter Lessing | System and method for capturing and storing casino information in a relational database system |
| CA2739023A1 (en) * | 2008-10-03 | 2010-04-08 | 3M Innovative Properties Company | Systems and methods for optimizing a scene |
| JP2010182287A (ja) * | 2008-07-17 | 2010-08-19 | Steven C Kays | 適応型インテリジェント・デザイン |
| CA2714224A1 (en) * | 2010-06-18 | 2010-11-23 | Guest Tek Interactive Entertainment Ltd. | Controller for providing user-tailored entertainment experience at entertainment device and method thereof |
| CN104809141A (zh) * | 2014-01-29 | 2015-07-29 | 携程计算机技术（上海）有限公司 | 酒店数据的匹配系统及方法 |
| CN104850546A (zh) * | 2014-02-13 | 2015-08-19 | 腾讯科技（深圳）有限公司 | 移动媒介信息的展示方法和系统 |
| CN105005579A (zh) * | 2015-05-28 | 2015-10-28 | 携程计算机技术（上海）有限公司 | Ota网站中酒店房型个性化排序方法及系统 |
| CN105046600A (zh) * | 2015-07-09 | 2015-11-11 | 传成文化传媒（上海）有限公司 | 一种酒店用电视的个性化信息推荐方法及系统 |
| CN105227971A (zh) * | 2015-07-09 | 2016-01-06 | 传成文化传媒（上海）有限公司 | 一种酒店用电视的信息推荐方法及系统 |
| CN106485562A (zh) * | 2015-09-01 | 2017-03-08 | 苏宁云商集团股份有限公司 | 一种基于用户历史行为的商品信息推荐方法及系统 |
| CN106709767A (zh) * | 2017-03-07 | 2017-05-24 | 携程计算机技术（上海）有限公司 | Ota酒店的个性化推荐方法及系统 |
| CN106934498A (zh) * | 2017-03-14 | 2017-07-07 | 携程旅游网络技术（上海）有限公司 | Ota网站中酒店房型的推荐方法及系统 |
| CN107203819A (zh) * | 2017-05-23 | 2017-09-26 | 合肥昊思云科科技有限公司 | 一种酒店客房智能化预订方法 |
| CN109522431A (zh) * | 2018-09-20 | 2019-03-26 | 上海博泰悦臻网络技术服务有限公司 | 一种基于图片识别的酒店推荐方法及系统 |
| WO2019232822A1 (zh) * | 2018-06-06 | 2019-12-12 | 平安科技（深圳）有限公司 | 产品推荐方法、装置、计算机设备及存储介质 |
| CN110781391A (zh) * | 2019-10-22 | 2020-02-11 | 腾讯科技（深圳）有限公司 | 一种信息推荐方法、装置、设备及存储介质 |
| CN111310020A (zh) * | 2019-09-20 | 2020-06-19 | 拉扎斯网络科技（上海）有限公司 | 菜品推荐方法、推荐内容上传方法、装置及电子设备 |
-
2021
- 2021-05-07 CN CN202110488560.6A patent/CN113139667B/zh active Active
Patent Citations (21)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CA2320572A1 (en) * | 1999-09-22 | 2001-03-22 | Zahir Jivani | System and method for automated management of transaction information |
| CA2391264A1 (en) * | 2001-06-25 | 2002-12-25 | Resort Reservations Network, Inc. | Travel planning system and method |
| CA2570708A1 (en) * | 2006-12-13 | 2008-06-13 | Ahmad M. Ahmad | Method and system for selecting destinations |
| US20080270384A1 (en) * | 2007-04-28 | 2008-10-30 | Raymond Lee Shu Tak | System and method for intelligent ontology based knowledge search engine |
| US20090172035A1 (en) * | 2007-12-31 | 2009-07-02 | Pieter Lessing | System and method for capturing and storing casino information in a relational database system |
| JP2010182287A (ja) * | 2008-07-17 | 2010-08-19 | Steven C Kays | 適応型インテリジェント・デザイン |
| CA2739023A1 (en) * | 2008-10-03 | 2010-04-08 | 3M Innovative Properties Company | Systems and methods for optimizing a scene |
| CA2714224A1 (en) * | 2010-06-18 | 2010-11-23 | Guest Tek Interactive Entertainment Ltd. | Controller for providing user-tailored entertainment experience at entertainment device and method thereof |
| CN104809141A (zh) * | 2014-01-29 | 2015-07-29 | 携程计算机技术（上海）有限公司 | 酒店数据的匹配系统及方法 |
| CN104850546A (zh) * | 2014-02-13 | 2015-08-19 | 腾讯科技（深圳）有限公司 | 移动媒介信息的展示方法和系统 |
| CN105005579A (zh) * | 2015-05-28 | 2015-10-28 | 携程计算机技术（上海）有限公司 | Ota网站中酒店房型个性化排序方法及系统 |
| CN105046600A (zh) * | 2015-07-09 | 2015-11-11 | 传成文化传媒（上海）有限公司 | 一种酒店用电视的个性化信息推荐方法及系统 |
| CN105227971A (zh) * | 2015-07-09 | 2016-01-06 | 传成文化传媒（上海）有限公司 | 一种酒店用电视的信息推荐方法及系统 |
| CN106485562A (zh) * | 2015-09-01 | 2017-03-08 | 苏宁云商集团股份有限公司 | 一种基于用户历史行为的商品信息推荐方法及系统 |
| CN106709767A (zh) * | 2017-03-07 | 2017-05-24 | 携程计算机技术（上海）有限公司 | Ota酒店的个性化推荐方法及系统 |
| CN106934498A (zh) * | 2017-03-14 | 2017-07-07 | 携程旅游网络技术（上海）有限公司 | Ota网站中酒店房型的推荐方法及系统 |
| CN107203819A (zh) * | 2017-05-23 | 2017-09-26 | 合肥昊思云科科技有限公司 | 一种酒店客房智能化预订方法 |
| WO2019232822A1 (zh) * | 2018-06-06 | 2019-12-12 | 平安科技（深圳）有限公司 | 产品推荐方法、装置、计算机设备及存储介质 |
| CN109522431A (zh) * | 2018-09-20 | 2019-03-26 | 上海博泰悦臻网络技术服务有限公司 | 一种基于图片识别的酒店推荐方法及系统 |
| CN111310020A (zh) * | 2019-09-20 | 2020-06-19 | 拉扎斯网络科技（上海）有限公司 | 菜品推荐方法、推荐内容上传方法、装置及电子设备 |
| CN110781391A (zh) * | 2019-10-22 | 2020-02-11 | 腾讯科技（深圳）有限公司 | 一种信息推荐方法、装置、设备及存储介质 |
Non-Patent Citations (5)
| Title |
|---|
| HYUN JEONG KIM ET AL: ""Hotel job burnout: The role of personality characteristics"", 《HOSPITALITY MANAGEMENT》, pages 421 - 434 * |
| 丁丁: ""旅游大数据在酒店客户需求预测中的应用研究"", 《齐齐哈尔大学学报(自然科学版)》, vol. 36, no. 6, pages 90 - 94 * |
| 周桂如;: "基于RFM模型和协同过滤技术的酒店房型推荐算法", 吉首大学学报(自然科学版), no. 05, pages 29 - 32 * |
| 王婧虹等: ""基于人性化用户特征的在线酒店推荐技术研究"", 《计算机应用与软件》, pages 113 - 119 * |
| 蒋正杨;: "中国设计酒店的特点与设计趋势", 家具与室内装饰, no. 07, pages 14 - 15 * |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113766286A (zh) * | 2021-08-05 | 2021-12-07 | 粒子文化科技集团(杭州)股份有限公司 | 酒店电视的主题定制方法、装置、电子装置和存储介质 |
| CN113766286B (zh) * | 2021-08-05 | 2024-01-05 | 粒子文化科技集团(杭州)股份有限公司 | 酒店电视的主题定制方法、装置、电子装置和存储介质 |
| CN114443735A (zh) * | 2022-01-27 | 2022-05-06 | 深圳市天下房仓科技有限公司 | 酒店数据映射规则生成方法、装置、设备及存储介质 |
| CN114443735B (zh) * | 2022-01-27 | 2022-09-13 | 深圳市天下房仓科技有限公司 | 酒店数据映射规则生成方法、装置、设备及存储介质 |
| CN116028712A (zh) * | 2022-12-28 | 2023-04-28 | 广州致和网络科技有限公司 | 一种基于历史信息的酒店房间智能推荐系统 |
| CN116028712B (zh) * | 2022-12-28 | 2023-08-08 | 广州致和网络科技有限公司 | 一种基于历史信息的酒店房间智能推荐系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113139667B (zh) | 2024-02-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113139667B (zh) | 基于人工智能的酒店房间推荐方法、装置、设备及存储介质 | |
| CN106202186B (zh) | 基于人工智能的服务推荐方法和装置 | |
| KR101494560B1 (ko) | 정보 제공 장치 및 정보 제공 방법 | |
| CN108334632B (zh) | 实体推荐方法、装置、计算机设备和计算机可读存储介质 | |
| US20140052445A1 (en) | Voice search and response based on relevancy | |
| CN109168047B (zh) | 视频推荐方法、装置、服务器及存储介质 | |
| US10268655B2 (en) | Method, device, server and storage medium of searching a group based on social network | |
| JP6422583B2 (ja) | ウェブページ上で認証情報を提供する方法、装置、システム、記憶媒体、プログラム、及びコンピュータ装置 | |
| CN110020022B (zh) | 数据处理方法、装置、设备及可读存储介质 | |
| CN106487655B (zh) | 一种消息交互方法、装置及处理服务器 | |
| CN110992124A (zh) | 房源的推荐方法及房源的推荐系统 | |
| CN114265969A (zh) | 结合rpa和ai的票务信息处理方法、装置、电子设备及存储介质 | |
| CN115457668A (zh) | 快速验票方法、装置及系统 | |
| WO2019056501A1 (zh) | 个性化Wi-Fi热点推送方法、装置及存储介质 | |
| US10929905B2 (en) | Method, system and machine-readable medium for online task exchange | |
| CN112100491A (zh) | 基于用户数据的信息推荐方法、装置、设备及存储介质 | |
| CN104598585A (zh) | 信息搜索方法及装置 | |
| CN112149172A (zh) | 业务数据管理方法、装置、设备及计算机可读存储介质 | |
| WO2020135420A1 (zh) | 对用户进行分类的方法和装置 | |
| KR102023999B1 (ko) | 웹 페이지를 생성하는 방법 및 장치 | |
| JP5223019B2 (ja) | 情報提供装置、情報提供方法、情報提供プログラム、及びそのプログラムを記憶するコンピュータ読取可能な記録媒体 | |
| CN111597444B (zh) | 一种搜索方法、装置、服务器、存储介质 | |
| CN112115364A (zh) | 基于登陆操作进行冷启动的推荐方法、系统及计算机设备 | |
| CN110704729A (zh) | 应用搜索方法及云端服务器 | |
| US10523587B2 (en) | Communication portal management system, communication portal server and method for a portal server management |
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 |