CN113159888A - 一种航班信息的推荐方法、系统及电子设备 - Google Patents

一种航班信息的推荐方法、系统及电子设备 Download PDF

Info

Publication number
CN113159888A
CN113159888A CN202110419964.XA CN202110419964A CN113159888A CN 113159888 A CN113159888 A CN 113159888A CN 202110419964 A CN202110419964 A CN 202110419964A CN 113159888 A CN113159888 A CN 113159888A
Authority
CN
China
Prior art keywords
flight
group
user
time
users
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.)
Pending
Application number
CN202110419964.XA
Other languages
English (en)
Inventor
原凯
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hainan Taimei Airlines Co ltd
Original Assignee
Hainan Taimei Airlines Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Hainan Taimei Airlines Co ltd filed Critical Hainan Taimei Airlines Co ltd
Priority to CN202110419964.XA priority Critical patent/CN113159888A/zh
Publication of CN113159888A publication Critical patent/CN113159888A/zh
Pending legal-status Critical Current

Links

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
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0631—Item recommendations
    • 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—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/40—Business processes related to the transportation industry

Landscapes

  • Business, Economics & Management (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • General Physics & Mathematics (AREA)
  • Economics (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Development Economics (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Primary Health Care (AREA)
  • Tourism & Hospitality (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及航空信息技术领域，提供了一种航班信息的推荐方法、系统及电子设备，所述方法包括：基于多名用户的常用活动区域和每名用户在对应的常用活动区域的时间段，将所述多名用户分为多个分组，并获取任一分组对应的航线，并获取任一分组对应的航线；根据起飞前每天的售票占比、起飞时间和候机时间将该航线上的多个航班分为多个等级，将预设等级的至少一个航班的航班信息推荐至该分组中的每名用户的智能终端，一方面，每个分组中每个用户出行时，在较大概率上会选取同一航线，因此，无需针对每名用户建立相应的数据模型，降低了数据处理的复杂度；另一方面，能够保证航班信息推荐的准确度。

Description

一种航班信息的推荐方法、系统及电子设备
技术领域
本发明涉及航空信息技术技术领域，尤其涉及一种航班信息的推荐方法、系统及电子设备。
背景技术
随着我国从航空运输大国到航空运输强国战略的逐渐展开，航班信息的数据量与日俱增，目前，航空公司会根据用户的出行习惯，为每个用户提供对应的航班信息，以减少用户为获取航班信息所花费的时间，但是，这样需要分析每名用户的习惯并建立每名用户的数据模型，然后根据每名用户的数据模型获取对应的航班信息并推荐至用户的智能终端或客户端，导致数据处理过程异常复杂以及效率低的问题。
发明内容
本发明提供了一种航班信息的推荐方法、系统和电子设备，旨在解决的技术问题是：如何高效地为每名用户推荐航班信息。
本发明的一种航班信息的推荐方法的技术方案如下：
基于多名用户的常用活动区域和每名用户在对应的常用活动区域的时间段将所述多名用户分为多个分组，并获取任一分组对应的航线；
根据起飞前每天的售票占比、起飞时间和候机时间将该航线上的多个航班分为多个等级，任一航班起飞前每天的售票占比指：该航班起飞前每天售出的机票在该航班的预设出售的机票总量中的占比；
将预设等级的至少一个航班的航班信息推荐至该分组中的每名用户的智能终端。
本发明的一种航班信息的推荐方法的有益效果如下：
一方面，基于多名用户的常用活动区域将多名用户分为多个分组，每个分组中每个用户出行时，在较大概率上会选取同一航线，因此，无需针对每名用户建立相应的数据模型，降低了数据处理的复杂度；另一方面，根据起飞前每天的售票占比、起飞时间和候机时间将该航线上的多个航班分为多个等级，将预设等级的至少一个航班的航班信息推荐至该分组中的每名用户的智能终端，保证航班信息推荐的准确度。
在上述方案的基础上，本发明的一种航班信息的推荐方法还可以做如下改进。
进一步，所述将预设等级的至少一个航班的航班信息推荐至该分组中的每名用户的智能终端，包括：
根据该分组中每名用户查看推荐的航班信息时的时间点，将该分组分为至少一个小组，并设置每个小组的推荐时间点；
获取所述预设等级的至少一个航班在每个小组的推荐时间点时的最新的航班信息，并在每个小组的推荐时间点推荐至每个小组中的每名用户的智能终端。
采用上述进一步方案的有益效果是：若采用固定频率向每名用户的智能终端推荐航班信息时，极有可能引起用户的反感，按照每个小组的推荐时间点，既能使每名用户获取最新的航班信息，又不易引起用户的反感，提高用户体验度。
进一步，所述将预设等级的至少一个航班的航班信息推荐至该分组中的每名用户的智能终端之前，还包括：
对该航线上的每个航班的评价语句进行情感分析，并根据情感分析结果优化该航线上的航班的等级。
采用上述进一步方案的有益效果是：对该航线上的每个航班的评价语句进行情感分析，并根据情感分析结果优化该航线上的航班的等级，使航线上的航班的等级更为准确，进一步航班信息推荐的准确度。
进一步，所述基于多名用户的常用活动区域和每名用户在对应的常用活动区域的时间段将所述多名用户分为多个分组，包括：
基于多名用户的常用活动区域和每名用户在对应的常用活动区域的时间段，采用FP-Growth算法挖掘用户之间的关联规则；
根据所述用户之间的关联规则的置信度阈值将所述多名用户分为多个分组；
或者，根据每两名用户的常用活动区域和每名用户在对应的常用活动区域的时间段计算每两名用户之间的相似度，根据所有相似度将所述多名用户分为多个分组。
进一步，所述根据起飞前每天的售票占比、起飞时间和候机时间将该航线上的多个航班分为多个等级，包括：
获取任一航班起飞前每天的售票占比所分别对应的第一权重值；
获取到达该航线的起飞机场的至少一个关键路段，将该航班的起飞时间分别输入每个关键路段所对应的时间段-拥堵耗时模型中，得到通过每个关键路段的耗费时长，并获取每个耗费时长所分别对应的第二权重值；
获取该航班的候机时间所对应的第三权重值；
将该航班对应的多个第一权重值、第二权重值和第三权重值之和确定为该航班的总权重值；
获取每个航班的总权重值，并根据每个航班的总权重值的大小将该航线上的多个航班分为多个等级。
本发明的一种航班信息的推荐系统的技术方案如下：
包括分组模块、分等级模块和推荐模块；
所述分组模块用于基于多名用户的常用活动区域和每名用户在对应的常用活动区域的时间段将所述多名用户分为多个分组，并获取任一分组对应的航线；
所述分等级模块用于根据起飞前每天的售票占比、起飞时间和候机时间将该航线上的多个航班分为多个等级，任一航班起飞前每天的售票占比指：该航班起飞前每天售出的机票在该航班的预设出售的机票总量中的占比；
所述推荐模块用于将预设等级的至少一个航班的航班信息推荐至该分组中的每名用户的智能终端。
本发明的一种航班信息的推荐系统的有益效果如下：
一方面，基于多名用户的常用活动区域将多名用户分为多个分组，每个分组中每个用户出行时，在较大概率上会选取同一航线，因此，无需针对每名用户建立相应的数据模型，降低了数据处理的复杂度；另一方面，根据起飞前每天的售票占比、起飞时间和候机时间将该航线上的多个航班分为多个等级，将预设等级的至少一个航班的航班信息推荐至该分组中的每名用户的智能终端，保证航班信息推荐的准确度。
在上述方案的基础上，本发明的一种航班信息的推荐系统还可以做如下改进。
进一步，所述推荐模块具体用于：
根据该分组中每名用户查看推荐的航班信息时的时间点，将该分组分为至少一个小组，并设置每个小组的推荐时间点；
获取所述预设等级的至少一个航班在每个小组的推荐时间点时的最新的航班信息，并在每个小组的推荐时间点推荐至每个小组中的每名用户的智能终端。
采用上述进一步方案的有益效果是：若采用固定频率向每名用户的智能终端推荐航班信息时，极有可能引起用户的反感，按照每个小组的推荐时间点，既能使每名用户获取最新的航班信息，又不易引起用户的反感，提高用户体验度。
进一步，还包括情感分析模块，所述情感分析模块用于：对该航线上的每个航班的评价语句进行情感分析，并根据情感分析结果优化该航线上的航班的等级。
采用上述进一步方案的有益效果是：对该航线上的每个航班的评价语句进行情感分析，并根据情感分析结果优化该航线上的航班的等级，使航线上的航班的等级更为准确，进一步航班信息推荐的准确度。
进一步，分组模块具体用于：基于多名用户的常用活动区域和每名用户在对应的常用活动区域的时间段，采用FP-Growth算法挖掘用户之间的关联规则；
根据所述用户之间的关联规则的置信度阈值将所述多名用户分为多个分组；
或者，根据每两名用户的常用活动区域和每名用户在对应的常用活动区域的时间段计算每两名用户之间的相似度，根据所有相似度将所述多名用户分为多个分组。
进一步，所述分等级模块具体用于：
获取任一航班起飞前每天的售票占比所分别对应的第一权重值；
获取到达该航线的起飞机场的至少一个关键路段，将该航班的起飞时间分别输入每个关键路段所对应的时间段-拥堵耗时模型中，得到通过每个关键路段的耗费时长，并获取每个耗费时长所分别对应的第二权重值；
获取该航班的候机时间所对应的第三权重值；
将该航班对应的多个第一权重值、第二权重值和第三权重值之和确定为该航班的总权重值；
获取每个航班的总权重值，并根据每个航班的总权重值的大小将该航线上的多个航班分为多个等级。
本发明的一种电子设备的技术方案如下：
包括存储器、处理器及存储在所述存储器上并在所述处理器上运行的程序，所述处理器执行所述程序时实现如上述任一项所述的一种航班信息的推荐方法的步骤。
附图说明
图1为本发明实施例的一种航班信息的推荐方法的流程示意图；
图2为关键路段的示意图；
图3为本发明实施例的一种航班信息的推荐系统的结构示意图；
图4为本发明实施例的一种电子设备的结构示意图；
具体实施方式
如图1所示，本发明实施例的一种航班信息的推荐方法，包括如下步骤：
S1、基于多名用户的常用活动区域和每名用户在对应的常用活动区域的时间段将所述多名用户分为多个分组，并获取任一分组对应的航线；
S2、根据起飞前每天的售票占比、起飞时间和候机时间将该航线上的多个航班分为多个等级，任一航班起飞前每天的售票占比指：该航班起飞前每天售出的机票在该航班的预设出售的机票总量中的占比；
S3、将预设等级的至少一个航班的航班信息推荐至该分组中的每名用户的智能终端。
一方面，基于多名用户的常用活动区域将多名用户分为多个分组，每个分组中每个用户出行时，在较大概率上会选取同一航线，因此，无需针对每名用户建立相应的数据模型，降低了数据处理的复杂度；另一方面，根据起飞前每天的售票占比、起飞时间和候机时间将该航线上的多个航班分为多个等级，将预设等级的至少一个航班的航班信息推荐至该分组中的每名用户的智能终端，保证航班信息推荐的准确度。
其中，根据每名用户的历史出行信息例如乘坐的火车和高铁的车票信息以及乘坐的航班的航班信息，得到每名用户的常用活动区域，具体可通过如下方式确定每名用户的常用活动区域，具体地：
根据单位时间内到达的次数的阈值确定每名用户的常用活动区域，例如将1年内到达的次数的阈值设置为10次，若根据任一用户1年内的历史出行信息，得出：该用户在1年内到达北京的次数为30次，到达南京的次数为20次，则该用户的常用活动区域为北京和南京；
可以理解的是，当任一用户的常用活动区域均在一个城市时，则表明该用户乘坐飞机出行的概率极低，则暂时没有必要将该用户纳入分组。
其中，可通过如下两种方式将多名用户分为多个分组，具体地：
1)第一种方式：
S10、基于多名用户的常用活动区域和每名用户在对应的常用活动区域的时间段，具体包括S100和S101：
S100、采用FP-Growth算法挖掘用户之间的关联规则；具体通过爬虫或Java程序抓取每名用户的名字、每名用户的常用活动区域中城市名称、和每名用户在对应的常用活动区域的时间段等，并保存至数据库中；
S101、设定最小支持度，数据库中支持度大于最小支持度的项目定义为频繁项目，将频繁项目全部存储在一棵频繁模式树中，保留项目之间相互投射的关系；
102、将频繁模式树划分为多个条件模式树，再对条件模式树进行挖掘，挖掘出用户之间的关联规则。
关联规则最初起源于利用数据挖掘的方法，发现用户所购买商品之间的相关性，而这些商品之间未必有属性类型上的相似性，因此关联规则更能保证实用性。常用的算法为Apriori算法，该算法将数据库作为问题空间，反复扫描获得频繁项集。该算法好理解，但是扫描数据库浪费时间，产生候选项集费空间。FP-Growth算法在Apriori算法的基础上进行改进，采用树形结构存储，避免了多次扫面数据库，也不必产生候选项集。
S11、根据所述用户之间的关联规则的置信度阈值将所述多名用户分为多个分组，具体地：
根据“每个分组中的任意两个用户之间的关联规则的置信度均大于置信度阈值”的标准，将多名用户分为多个分组，因此，每个分组中的用户在较大概率上会选取同一航线出行，因此，无需针对该分组中的每名用户建立相应的数据模型，降低了数据处理的复杂度。
可以理解的是，根据该标准将多名用户分为多个分组后，往往导致多个分组中的用户数量较少，例如只有1名或2名用户等，那么，S1中，获取任一分组对应的航线时，往往会选取用户数量较多的分组，一般会避免选用用户数量较少的分组。
2)第二种方式：
S12、根据每两名用户的常用活动区域和每名用户在对应的常用活动区域的时间段计算每两名用户之间的相似度，根据所有相似度将所述多名用户分为多个分组，以任意两名用户为例进行说明：
①以M个城市作为M维参数，并以N个时间点作为N维参数，建立M+N维的空间，根据该两名用户的常用活动区域的城市和在对应的常用活动区域的时间段，得到该两名用户在M+N维的空间中所分别对应的位置点，计算位置点之间的欧几里得距离，作为该两名用户之间的相似度；
②将该两名用户的常用活动区域和每名用户在对应的常用活动区域的时间段分别转换为两个空间向量，计算这两个空间向量之间的余弦相似度，作为该两名用户之间的相似度；
根据“每个分组中的任意两个用户之间的相似度均大于相似度阈值”的标准，将多名用户分为多个分组，因此，每个分组中的用户在较大概率上会选取同一航线出行，因此，无需针对该分组中的每名用户建立相应的数据模型，降低了数据处理的复杂度。
通过实例对任一分组对应的航线进行说明，具体地：由于根据上述第一种方式和第二种方式将多名用户进行分为多个分组，每个分组中的每名用户的常用活动区域和每名用户在对应的常用活动区域的时间段在极大概率上一致，例如，第一分组中的每名用户在对应的常用活动区域均为北京和南京，则第一分组对应的航线为“北京往返南京”，假设“北京往返南京”的航线上有100个航班，则根据起飞前每天的售票占比、起飞时间和候机时间将该航线上的100个航班分为多个等级，那么，将预设等级的至少一个航班的航班信息推荐至该第一分组中的每名用户的智能终端。
可以理解的是，当第一分组中的每名用户在对应的常用活动区域均为北京、南京和昆明时，则第一分组对应的航线为“北京往返南京”、“北京往返昆明”和“南京往返昆明”，此时，可分别将“北京往返南京”的航班、“北京往返昆明”的航班和“南京往返昆明”的航班分为多个等级，那么，将每个航线上的预设等级的至少一个航班的航班信息推荐至该第一分组中的每名用户的智能终端。
较优地，在上述技术方案中，根据起飞前每天的售票占比、起飞时间和候机时间将该航线上的多个航班分为多个等级，包括：
S20、获取任一航班起飞前每天的售票占比所分别对应的第一权重值；
S21、获取到达该航线的起飞机场的至少一个关键路段，将该航班的起飞时间分别输入每个关键路段所对应的时间段-拥堵耗时模型中，得到通过每个关键路段的耗费时长，并获取每个耗费时长所分别对应的第二权重值；
S22、获取该航班的候机时间所对应的第三权重值；
S23、将该航班对应的多个第一权重值、第二权重值和第三权重值之和确定为该航班的总权重值；
S24、获取每个航班的总权重值，并根据每个航班的总权重值的大小将该航线上的多个航班分为多个等级。
以“北京往返南京”的100个航班为例进行说明，具体地：
S200、确定任一航班起飞前每天的售票占比所分别对应的第一权重值：具体可从该航班的历史售票数据得到该航班起飞前半年内每天的售票占比，根据预设售票占比和第一权重值之间的关系，例如售票占比为1％对应的第一权重值为1，售票占比为2％对应的第一权重值为2等，得到该航班起飞前每天的售票占比所分别对应的第一权重值，即得到多个第一权重值；
S201、确定该航班对应的多个第二权重值，一般到达该航线的起飞机场之间有多条路径，以直接到达起飞机场的路径作为关键路段，如图2所示，直接到达起飞机场的路径为第一路径、第二路径和第三路径，虽然第四路径经第三路径可到达起飞机场，但不将第四路径列为关键路段，原因在于：事实上，当第一路径、第二路径和第三路径发生拥堵时，不能通过绕路的方式到达机场，当仅第四路径发生拥堵时，可能通过绕路的方式到达机场，也就是说，当第一路径、第二路径和第三路径发生拥堵时，对用户的影响最大，第四路径发生拥堵时，对用户的影响较小，因此，选取影响最大的关键路段即第一路径、第二路径和第三路径进行分析，同时还能简化计算过程，提高航班信息推荐的效率。
将该航班的起飞时间分别输入每个关键路段所对应的时间段-拥堵耗时模型中，得到通过每个关键路段的耗费时长，并获取每个耗费时长所分别对应的第二权重值；
其中，假设航班的起飞时间为12：00，向前推40分钟，即11：20，即乘客需要11：20到达起飞机场，即向前推的40分钟用于办理登机手续、安检等，则将乘客通过起飞机场的每个关键路段的时间点，输入每个关键路段所对应的时间段-拥堵耗时模型中，得到通过每个关键路段的耗费时长，根据预设的耗费时长和第二权重值之间的关系，例如耗费时长为0.5小时对应的第二权重值为-5，售票占比为1小时对应的第一权重值为-10等，得到该航班对应的多个第二权重值。
其中，根据在每个关键路段的历史交通信息，构建每个关键路段所分别对应的时间段-拥堵耗时模型，具体地：根据通过利用正则化多元线性回归法或神经网络进行训练，得到每个关键路段所分别对应的时间段-拥堵耗时模型。
S202、获取该航班的候机时间所对应的第三权重值，候机时间包括用户用于办理登机手续、安检等，由于一天内每个时间段对应的乘客流量不同，因此，一天内每个时间段对应的候机时间不同，通过统计历史数据，得到每个时间段及其对应的候机时间之间的函数关系，通过该函数关系，得到航班的候机时间，根据预设的候机时间和第二权重值之间的关系，例如耗费时长为0.5小时对应的第三权重值为-1，售票占比为1小时对应的第一权重值为-2等，得到该航班的第三权重值。
S203、将该航班对应的多个第一权重值、第二权重值和第三权重值之和确定为该航班的总权重值；
重复执行S200-S203，得到每个航班的总权重值的大小，按照总权重值从大到小的顺序对这100个航班进行排序，例如，将这100个航班分为5个等级，则将第1个至第20个航班划分为第一等级，将第21个至第40个航班划分为第二等级，将第41个至第60个航班划分为第三等级，将第61个至第80个航班划分为第四等级，将第81个至第100个航班划分为第五等级；
一般将预设等级设置为第一等级，此时将第一等级的20个航班的航班信息推荐至该分组中的每名用户的智能终端。
较优地，在上述技术方案中，S3中，所述将预设等级的至少一个航班的航班信息推荐至该分组中的每名用户的智能终端，包括：
S30、根据该分组中每名用户查看推荐的航班信息时的时间点，将该分组分为至少一个小组，并设置每个小组的推荐时间点；
具体可通过多个预设时间段区间该分组中每名用户查看推荐的航班信息时的时间点进行聚类，例如，将一天内，每半个小时或一个小时作为一个预设时间段区，则根据该分组中每名用户查看推荐的航班信息时的时间点将该分组分为至少一个小组；
S31、获取所述预设等级的至少一个航班在每个小组的推荐时间点时的最新的航班信息，并在每个小组的推荐时间点推荐至每个小组中的每名用户的智能终端。
例如，第一小组对应的预设时间段区间为20：00-20：30，则可将20：00-20：30之间的任一时间点作为该小组的推荐时间点如20：20，获取预设等级的至少一个航班在20：20时的最新的航班信息，并在20：20时，并推荐至每个小组中的每名用户的智能终端，此时，该小组中的每名用户也能及时查看智能终端上推荐的航班信息，提高航线信息推荐的有效性。
若采用固定频率向每名用户的智能终端推荐航班信息时，极有可能引起用户的反感，按照每个小组的推荐时间点，既能使每名用户获取最新的航班信息，又不易引起用户的反感，提高用户体验度。
较优地，在上述技术方案中，所述将预设等级的至少一个航班的航班信息推荐至该分组中的每名用户的智能终端之前，还包括：
S03、对该航线上的每个航班的评价语句进行情感分析，并根据情感分析结果优化该航线上的航班的等级，具体地：
S030、通过二阶马尔科夫链对多个预设评价语句的数据文本进行分词处理，获取分词后的训练集，将所得到的训练集进行分类，获取文本的情感倾向以及情感相似度；
S031、通过文本的情感倾向以及情感相似度计算该航线上的每个航班的评价语句的情感相似度即情感分析结果，情感分析结果可理解：通过任一航班的情感相似度的高低来表征航班的评价的高低，能体现出该航班的服务质量的高低、准点率的高低、是否频繁颠簸等情况，因此，通过情感分析结果优化该航线上的航班的等级，以使航线上的航班的等级更为准确，进一步航班信息推荐的准确度，具体地：
预设情感相似度及其对应的第四权重值，此时，将每个航班对应的多个第一权重值、第二权重值、第三权重值和第三权重值之和确定为每个航班的总权重值，按照总权重值从大到小的顺序对航班进行重新排序并划分等级。
例如，按照S20-S24划分航班的等级时，将第一航班划分在第一等级，若通过情感分析结果可知，第一航班存在服务质量低和准点率低的问题，通过重新确定的总权重值对对包括第一航班的多个航班进行重新排序并划分等级后，将其划分到第二等级，那么，当将预设等级设置为第一等级时，此时不再将第一航班的航班信息推荐至该分组中的每名用户的智能终端。
在上述各实施例中，虽然对步骤进行了编号S1、S2等，但只是本申请给出的具体实施例，本领域的技术人员可根据实际情况调整S1、S2等的执行顺序，此也在本发明的保护范围内，可以理解，在一些实施例中，可以包含如上述各实施方式中的部分或全部。
如图3所示，本发明实施例的一种航班信息的推荐系统200，包括分组模块210、分等级模块220和推荐模块230；
所述分组模块210用于基于多名用户的常用活动区域和每名用户在对应的常用活动区域的时间段将所述多名用户分为多个分组，并获取任一分组对应的航线；
所述分等级模块220用于根据起飞前每天的售票占比、起飞时间和候机时间将该航线上的多个航班分为多个等级，任一航班起飞前每天的售票占比指：该航班起飞前每天售出的机票在该航班的预设出售的机票总量中的占比；
所述推荐模块230用于将预设等级的至少一个航班的航班信息推荐至该分组中的每名用户的智能终端。
一方面，基于多名用户的常用活动区域将多名用户分为多个分组，每个分组中每个用户出行时，在较大概率上会选取同一航线，因此，无需针对每名用户建立相应的数据模型，降低了数据处理的复杂度；另一方面，根据起飞前每天的售票占比、起飞时间和候机时间将该航线上的多个航班分为多个等级，将预设等级的至少一个航班的航班信息推荐至该分组中的每名用户的智能终端，保证航班信息推荐的准确度。
较优地，在上述技术方案中，所述推荐模块230具体用于：
根据该分组中每名用户查看推荐的航班信息时的时间点，将该分组分为至少一个小组，并设置每个小组的推荐时间点；
获取所述预设等级的至少一个航班在每个小组的推荐时间点时的最新的航班信息，并在每个小组的推荐时间点推荐至每个小组中的每名用户的智能终端。
若采用固定频率向每名用户的智能终端推荐航班信息时，极有可能引起用户的反感，按照每个小组的推荐时间点，既能使每名用户获取最新的航班信息，又不易引起用户的反感，提高用户体验度。
较优地，在上述技术方案中，还包括情感分析模块，所述情感分析模块用于：对该航线上的每个航班的评价语句进行情感分析，并根据情感分析结果优化该航线上的航班的等级。
对该航线上的每个航班的评价语句进行情感分析，并根据情感分析结果优化该航线上的航班的等级，使航线上的航班的等级更为准确，进一步航班信息推荐的准确度。
较优地，在上述技术方案中，分组模块210具体用于：基于多名用户的常用活动区域和每名用户在对应的常用活动区域的时间段，采用FP-Growth算法挖掘用户之间的关联规则；
根据所述用户之间的关联规则的置信度阈值将所述多名用户分为多个分组；
或者，根据每两名用户的常用活动区域和每名用户在对应的常用活动区域的时间段计算每两名用户之间的相似度，根据所有相似度将所述多名用户分为多个分组。
较优地，在上述技术方案中，所述分等级模块220具体用于：
获取任一航班起飞前每天的售票占比所分别对应的第一权重值；
获取到达该航线的起飞机场的至少一个关键路段，将该航班的起飞时间分别输入每个关键路段所对应的时间段-拥堵耗时模型中，得到通过每个关键路段的耗费时长，并获取每个耗费时长所分别对应的第二权重值；
获取该航班的候机时间所对应的第三权重值；
将该航班对应的多个第一权重值、第二权重值和第三权重值之和确定为该航班的总权重值；
获取每个航班的总权重值，并根据每个航班的总权重值的大小将该航线上的多个航班分为多个等级。
上述关于本发明的一种航班信息的推荐系统200中的各参数和各个单元模块实现相应功能的步骤，可参考上文中关于一种航班信息的推荐方法的实施例中的各参数和步骤，在此不做赘述。
如图4所示，本发明实施例的一种电子设备300，包括存储器310、处理器320及存储在所述存储器310上并在所述处理器320上运行的程序330，所述处理器320执行所述程序330时实现上述任一实施的一种航班信息的推荐方法的步骤。
其中，电子设备300可以选用电脑、手机等，相对应地，其程序330为电脑软件或手机APP等，且上述关于本发明的一种电子设备300中的各参数和步骤，可参考上文中一种航班信息的推荐方法的实施例中的各参数和步骤，在此不做赘述。
所属技术领域的技术人员知道，本发明可以实现为系统、方法或计算机程序产品。
因此，本公开可以具体实现为以下形式，即：可以是完全的硬件、也可以是完全的软件(包括固件、驻留软件、微代码等)，还可以是硬件和软件结合的形式，本文一般称为“电路”、“模块”或“系统”。此外，在一些实施例中，本发明还可以实现为在一个或多个计算机可读介质中的计算机程序产品的形式，该计算机可读介质中包含计算机可读的程序代码。
可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是一一但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM),只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (10)

1.一种航班信息的推荐方法，其特征在于，包括：
基于多名用户的常用活动区域和每名用户在对应的常用活动区域的时间段，将所述多名用户分为多个分组，并获取任一分组对应的航线；
根据起飞前每天的售票占比、起飞时间和候机时间将该航线上的多个航班分为多个等级，任一航班起飞前每天的售票占比指：该航班起飞前每天售出的机票在该航班的预设出售的机票总量中的占比；
将预设等级的至少一个航班的航班信息推荐至该分组中的每名用户的智能终端。
2.根据权利要求1所述的一种航班信息的推荐方法，其特征在于，所述将预设等级的至少一个航班的航班信息推荐至该分组中的每名用户的智能终端，包括：
根据该分组中每名用户查看推荐的航班信息时的时间点，将该分组分为至少一个小组，并设置每个小组的推荐时间点；
获取所述预设等级的至少一个航班在每个小组的推荐时间点时的最新的航班信息，并在每个小组的推荐时间点推荐至每个小组中的每名用户的智能终端。
3.根据权利要求1或2所述的一种航班信息的推荐方法，其特征在于，所述将预设等级的至少一个航班的航班信息推荐至该分组中的每名用户的智能终端之前，还包括：
对该航线上的每个航班的评价语句进行情感分析，并根据情感分析结果优化该航线上的航班的等级。
4.根据权利要求1或2所述的一种航班信息的推荐方法，其特征在于，所述基于多名用户的常用活动区域和每名用户在对应的常用活动区域的时间段将所述多名用户分为多个分组，包括：
基于多名用户的常用活动区域和每名用户在对应的常用活动区域的时间段，采用FP-Growth算法挖掘用户之间的关联规则；
根据用户之间的关联规则的置信度阈值将所述多名用户分为多个分组；
或者，根据每两名用户的常用活动区域和每名用户在对应的常用活动区域的时间段计算每两名用户之间的相似度，根据所有相似度将所述多名用户分为多个分组。
5.根据权利要求1或2所述的一种航班信息的推荐方法，其特征在于，所述根据起飞前每天的售票占比、起飞时间和候机时间将该航线上的多个航班分为多个等级，包括：
获取任一航班起飞前每天的售票占比所分别对应的第一权重值；
获取到达该航线的起飞机场的至少一个关键路段，将该航班的起飞时间分别输入每个关键路段所对应的时间段-拥堵耗时模型中，得到通过每个关键路段的耗费时长，并获取每个耗费时长所分别对应的第二权重值；
获取该航班的候机时间所对应的第三权重值；
将该航班对应的多个第一权重值、第二权重值和第三权重值之和确定为该航班的总权重值；
获取每个航班的总权重值，并根据每个航班的总权重值的大小将该航线上的多个航班分为多个等级。
6.一种航班信息的推荐系统，其特征在于，包括分组模块、分等级模块和推荐模块；
所述分组模块用于基于多名用户的常用活动区域和每名用户在对应的常用活动区域的时间段将所述多名用户分为多个分组，并获取任一分组对应的航线；
所述分等级模块用于根据起飞前每天的售票占比、起飞时间和候机时间将该航线上的多个航班分为多个等级，任一航班起飞前每天的售票占比指：该航班起飞前每天售出的机票在该航班的预设出售的机票总量中的占比；
所述推荐模块用于将预设等级的至少一个航班的航班信息推荐至该分组中的每名用户的智能终端。
7.根据权利要求6所述的一种航班信息的推荐系统，其特征在于，所述推荐模块具体用于：
根据该分组中每名用户查看推荐的航班信息时的时间点，将该分组分为至少一个小组，并设置每个小组的推荐时间点；
获取所述预设等级的至少一个航班在每个小组的推荐时间点时的最新的航班信息，并在每个小组的推荐时间点推荐至每个小组中的每名用户的智能终端。
8.根据权利要求6或7所述的一种航班信息的推荐系统，其特征在于，还包括情感分析模块，所述情感分析模块用于：对该航线上的每个航班的评价语句进行情感分析，并根据情感分析结果优化该航线上的航班的等级。
9.根据权利要求6或7所述的一种航班信息的推荐系统，其特征在于，所述分等级模块具体用于：
获取任一航班起飞前每天的售票占比所分别对应的第一权重值；
获取到达该航线的起飞机场的至少一个关键路段，将该航班的起飞时间分别输入每个关键路段所对应的时间段-拥堵耗时模型中，得到通过每个关键路段的耗费时长，并获取每个耗费时长所分别对应的第二权重值；
获取该航班的候机时间所对应的第三权重值；
将该航班对应的多个第一权重值、第二权重值和第三权重值之和确定为该航班的总权重值；
获取每个航班的总权重值，并根据每个航班的总权重值的大小将该航线上的多个航班分为多个等级。
10.一种电子设备，包括存储器、处理器及存储在所述存储器上并在所述处理器上运行的程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至5任一项所述的一种航班信息的推荐方法的步骤。
CN202110419964.XA 2021-04-19 2021-04-19 一种航班信息的推荐方法、系统及电子设备 Pending CN113159888A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110419964.XA CN113159888A (zh) 2021-04-19 2021-04-19 一种航班信息的推荐方法、系统及电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110419964.XA CN113159888A (zh) 2021-04-19 2021-04-19 一种航班信息的推荐方法、系统及电子设备

Publications (1)

Publication Number Publication Date
CN113159888A true CN113159888A (zh) 2021-07-23

Family

ID=76868714

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110419964.XA Pending CN113159888A (zh) 2021-04-19 2021-04-19 一种航班信息的推荐方法、系统及电子设备

Country Status (1)

Country Link
CN (1) CN113159888A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113886717A (zh) * 2021-09-07 2022-01-04 浙江吉利控股集团有限公司 一种航班行程推荐方法、装置、介质及设备

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107784066A (zh) * 2017-08-25 2018-03-09 上海壹账通金融科技有限公司 信息推荐方法、装置、服务器及存储介质
US20180114150A1 (en) * 2015-08-07 2018-04-26 Nomura Research Institute, Ltd. Airline ticket sales system
CN109934678A (zh) * 2019-03-11 2019-06-25 深圳市活力天汇科技股份有限公司 一种基于用户偏好的航班打分方法
CN111539778A (zh) * 2020-05-27 2020-08-14 海南太美航空股份有限公司 一种用于定向推送的动态定价方法和系统
CN111581506A (zh) * 2020-04-28 2020-08-25 海南太美航空股份有限公司 基于协同过滤的航班推荐方法及系统
CN111831710A (zh) * 2020-07-17 2020-10-27 深圳市活力天汇科技股份有限公司 一种机票模糊搜索方法
CN111858689A (zh) * 2020-07-22 2020-10-30 深圳市活力天汇科技股份有限公司 一种基于用户偏好推荐航班的方法
CN112307342A (zh) * 2020-11-02 2021-02-02 沈阳民航东北凯亚有限公司 航班推荐方法及装置
CN112308616A (zh) * 2020-11-02 2021-02-02 沈阳民航东北凯亚有限公司 一种航司旅客的群体划分方法及装置

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20180114150A1 (en) * 2015-08-07 2018-04-26 Nomura Research Institute, Ltd. Airline ticket sales system
CN107784066A (zh) * 2017-08-25 2018-03-09 上海壹账通金融科技有限公司 信息推荐方法、装置、服务器及存储介质
CN109934678A (zh) * 2019-03-11 2019-06-25 深圳市活力天汇科技股份有限公司 一种基于用户偏好的航班打分方法
CN111581506A (zh) * 2020-04-28 2020-08-25 海南太美航空股份有限公司 基于协同过滤的航班推荐方法及系统
CN111539778A (zh) * 2020-05-27 2020-08-14 海南太美航空股份有限公司 一种用于定向推送的动态定价方法和系统
CN111831710A (zh) * 2020-07-17 2020-10-27 深圳市活力天汇科技股份有限公司 一种机票模糊搜索方法
CN111858689A (zh) * 2020-07-22 2020-10-30 深圳市活力天汇科技股份有限公司 一种基于用户偏好推荐航班的方法
CN112307342A (zh) * 2020-11-02 2021-02-02 沈阳民航东北凯亚有限公司 航班推荐方法及装置
CN112308616A (zh) * 2020-11-02 2021-02-02 沈阳民航东北凯亚有限公司 一种航司旅客的群体划分方法及装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
阮敬等: "《Python数据分析基础》", vol. 1, 30 September 2017, 中国统计出版社, pages: 249 - 250 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113886717A (zh) * 2021-09-07 2022-01-04 浙江吉利控股集团有限公司 一种航班行程推荐方法、装置、介质及设备

Similar Documents

Publication Publication Date Title
Yu et al. Prediction of bus travel time using random forests based on near neighbors
US9275346B2 (en) Flight caching methods and apparatus
WO2016124118A1 (zh) 一种订单处理方法与系统
US20130073586A1 (en) Database system using batch-oriented computation
US20140052750A1 (en) Updating cached database query results
CN108027888A (zh) 使用上下文信号的局部异常检测
US20160117618A1 (en) Determining alternative travel itineraries using current location
CN109784970B (zh) 一种基于afc乘客乘车数据的服务推荐方法及装置
CN104169950A (zh) 利用面向批处理的计算的数据库系统
US20190316909A1 (en) Estimating Aircraft Taxi Times
US20150276410A1 (en) Journey planning method and system
CN105630979A (zh) 航班查询方法及装置、系统
CN111784049B (zh) 一种旅客流失时间预测方法及装置
CN113779384A (zh) 一种基于客户画像的航班推荐系统
Terekhov et al. A concept of forecasting origin-destination air passenger demand between global city pairs using future socio-economic scenarios
CN112651671A (zh) 一种航班舱位调整方法及相关设备
Chen et al. Extracting bus transit boarding stop information using smart card transaction data
CN108806254B (zh) 城市交通走廊的识别方法、装置及计算机可读存储介质
Shekhar et al. Vehicular traffic analysis from social media data
Ariyawansa et al. Review on state of art data mining and machine learning techniques for intelligent Airport systems
CN113159888A (zh) 一种航班信息的推荐方法、系统及电子设备
Yedavalli et al. Planning land use constrained networks of urban air mobility infrastructure in the San Francisco bay area
CN114692978A (zh) 一种基于大数据的社交媒体用户行为预测方法及系统
Anowar et al. Univariate or multivariate analysis for better prediction accuracy? A case study of heterogeneity in vehicle ownership
JP2012079205A (ja) 個人情報匿名化装置及び方法

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