本技術(shù)涉及計(jì)算機(jī)，特別涉及一種基于用戶行為分析的酒店推薦方法及裝置。

背景技術(shù)：

1、商務(wù)出行用戶通常面臨緊迫的時(shí)間限制和嚴(yán)格的差旅標(biāo)準(zhǔn)。他們需要一個(gè)能夠快速、準(zhǔn)確地推薦符合其預(yù)算和質(zhì)量要求的酒店的系統(tǒng)。此外，隨著全球化的進(jìn)程，商務(wù)人士可能需要在不同的城市甚至國(guó)家之間頻繁旅行，這增加了尋找合適酒店的復(fù)雜性。因此，一個(gè)能夠適應(yīng)不同地區(qū)和文化差異的酒店推薦系統(tǒng)對(duì)于商務(wù)出行用戶來(lái)說尤為重要。

2、相關(guān)技術(shù)中，目前市場(chǎng)上存在多種在線平臺(tái)提供酒店預(yù)訂服務(wù)。這些平臺(tái)通過收集和分析酒店的基本信息，如位置、價(jià)格、設(shè)施等，為用戶提供酒店選擇。這些平臺(tái)往往無(wú)法充分考慮用戶在不同時(shí)間段的個(gè)性化需求，導(dǎo)致推薦的酒店可能并不完全符合用戶的期望，從而降低了酒店推薦的準(zhǔn)確度。

技術(shù)實(shí)現(xiàn)思路

1、本技術(shù)實(shí)施例提供了一種基于用戶行為分析的酒店推薦方法及裝置。為了對(duì)披露的實(shí)施例的一些方面有一個(gè)基本的理解，下面給出了簡(jiǎn)單的概括。該概括部分不是泛泛評(píng)述，也不是要確定關(guān)鍵／重要組成元素或描繪這些實(shí)施例的保護(hù)范圍。其唯一目的是用簡(jiǎn)單的形式呈現(xiàn)一些概念，以此作為后面的詳細(xì)說明的序言。

2、第一方面，本技術(shù)實(shí)施例提供了一種基于用戶行為分析的酒店推薦方法，應(yīng)用于服務(wù)端，方法包括：

3、接收客戶端發(fā)送的酒店預(yù)訂請(qǐng)求，酒店預(yù)訂請(qǐng)求用于請(qǐng)求服務(wù)端生成屬于用戶的最優(yōu)酒店列表，酒店預(yù)訂請(qǐng)求攜帶目的地和目標(biāo)用戶標(biāo)識(shí)；

4、從預(yù)先配置的用戶標(biāo)識(shí)與用戶差旅標(biāo)準(zhǔn)之間的映射關(guān)系中，獲取目標(biāo)用戶標(biāo)識(shí)對(duì)應(yīng)的目標(biāo)差旅標(biāo)準(zhǔn)；

5、篩選目的地周圍預(yù)設(shè)范圍內(nèi)并符合目標(biāo)差旅標(biāo)準(zhǔn)的酒店數(shù)據(jù)，生成備選酒店集合；

6、從預(yù)先收集的用戶標(biāo)識(shí)與用戶行為信息之間的動(dòng)態(tài)映射關(guān)系中，獲取當(dāng)前時(shí)刻之前目標(biāo)用戶標(biāo)識(shí)對(duì)應(yīng)的所有歷史用戶行為數(shù)據(jù)，動(dòng)態(tài)映射關(guān)系中的用戶行為信息是按照時(shí)間的先后順序逐一存儲(chǔ)來(lái)自預(yù)設(shè)監(jiān)聽器針對(duì)目標(biāo)用戶標(biāo)識(shí)實(shí)時(shí)監(jiān)聽得到的；

7、基于用戶行為數(shù)據(jù)，擬合目標(biāo)用戶標(biāo)識(shí)所屬的目標(biāo)用戶在預(yù)設(shè)周期內(nèi)多個(gè)預(yù)設(shè)酒店篩選因子的因子變化曲線圖，預(yù)設(shè)酒店篩選因子用于描述酒店特征的基本屬性和條件，因子變化曲線圖用于表征目標(biāo)用戶在不同時(shí)間點(diǎn)對(duì)各個(gè)酒店篩選因子的關(guān)注程度變化；

8、將多個(gè)預(yù)設(shè)酒店篩選因子的因子變化曲線圖輸入預(yù)先訓(xùn)練的個(gè)人喜好預(yù)測(cè)模型中，輸出目標(biāo)用戶對(duì)應(yīng)的喜好關(guān)鍵詞序列，喜好關(guān)鍵詞序列用于表征用戶對(duì)酒店的個(gè)性化需求；

9、從備選酒店集合中，篩選滿足喜好關(guān)鍵詞序列的所有酒店作為最優(yōu)酒店列表，并推薦至客戶端進(jìn)行展示。

10、可選的，預(yù)先訓(xùn)練的個(gè)人喜好預(yù)測(cè)模型包括區(qū)域分割模塊、偏好強(qiáng)度提取模塊、上下文信息收集模塊、編碼融合模塊以及隨機(jī)森林回歸網(wǎng)絡(luò)；

11、將多個(gè)預(yù)設(shè)酒店篩選因子的因子變化曲線圖輸入預(yù)先訓(xùn)練的個(gè)人喜好預(yù)測(cè)模型中，輸出目標(biāo)用戶對(duì)應(yīng)的喜好關(guān)鍵詞序列，包括：

12、區(qū)域分割模塊分割多個(gè)預(yù)設(shè)酒店篩選因子的因子變化曲線圖中出現(xiàn)頻次最多的酒店篩選因子所在的區(qū)域，作為關(guān)注區(qū)域，關(guān)注區(qū)域用于表征目標(biāo)用戶在不同的時(shí)間段所偏好的酒店屬性；

13、偏好強(qiáng)度提取模塊基于關(guān)注區(qū)域，提取并量化目標(biāo)用戶對(duì)酒店篩選因子的偏好強(qiáng)度；

14、上下文信息收集模塊收集與目標(biāo)用戶相關(guān)的上下文信息，上下文信息用于表征用戶的酒店預(yù)訂背景；

15、編碼融合模塊對(duì)偏好強(qiáng)度以及上下文信息進(jìn)行編碼融合，得到融合特征；

16、將融合特征與預(yù)設(shè)喜好關(guān)鍵詞集合輸入隨機(jī)森林回歸網(wǎng)絡(luò)中，輸出目標(biāo)用戶對(duì)應(yīng)的喜好關(guān)鍵詞序列。

17、可選的，基于關(guān)注區(qū)域，提取并量化目標(biāo)用戶對(duì)酒店篩選因子的偏好強(qiáng)度，包括：

18、從預(yù)設(shè)酒店篩選因子集合中，篩選出位于關(guān)注區(qū)域的目標(biāo)因子；

19、收集目標(biāo)用戶在關(guān)注區(qū)域內(nèi)的酒店星級(jí)、價(jià)格、用戶評(píng)價(jià)以及預(yù)訂頻率，得到歷史預(yù)訂數(shù)據(jù)；

20、根據(jù)歷史預(yù)訂數(shù)據(jù)，確定目標(biāo)因子的綜合分?jǐn)?shù)，作為目標(biāo)用戶對(duì)酒店篩選因子的偏好強(qiáng)度。

21、可選的，按照以下步驟生成預(yù)先訓(xùn)練的個(gè)人喜好預(yù)測(cè)模型，包括：

22、收集每個(gè)歷史用戶的歷史酒店預(yù)訂數(shù)據(jù)；

23、根據(jù)每個(gè)歷史用戶的歷史酒店預(yù)訂數(shù)據(jù)，擬合每個(gè)歷史用戶在預(yù)設(shè)周期內(nèi)多個(gè)預(yù)設(shè)酒店篩選因子的歷史因子變化曲線圖；

24、創(chuàng)建個(gè)人喜好預(yù)測(cè)模型，個(gè)人喜好預(yù)測(cè)模型包括區(qū)域分割模塊、偏好強(qiáng)度提取模塊、上下文信息收集模塊、編碼融合模塊以及隨機(jī)森林回歸網(wǎng)絡(luò)；

25、采用區(qū)域分割模塊、偏好強(qiáng)度提取模塊依次對(duì)歷史因子變化曲線圖進(jìn)行處理，得到每個(gè)歷史因子變化曲線圖對(duì)應(yīng)的歷史偏好強(qiáng)度；

26、采用上下文信息收集模塊收集與每個(gè)歷史用戶相關(guān)的歷史上下文信息；

27、采用編碼融合模塊對(duì)每個(gè)歷史因子變化曲線圖對(duì)應(yīng)的歷史偏好強(qiáng)度及其歷史上下文信息進(jìn)行融合，得到每個(gè)歷史用戶的歷史融合特征；

28、基于每個(gè)歷史用戶的歷史融合特征，對(duì)隨機(jī)森林回歸網(wǎng)絡(luò)進(jìn)行機(jī)器學(xué)習(xí)，得到預(yù)先訓(xùn)練的個(gè)人喜好預(yù)測(cè)模型。

29、可選的，基于每個(gè)歷史用戶的歷史融合特征，對(duì)隨機(jī)森林回歸網(wǎng)絡(luò)進(jìn)行機(jī)器學(xué)習(xí)，得到預(yù)先訓(xùn)練的個(gè)人喜好預(yù)測(cè)模型，包括：

30、初始化預(yù)設(shè)喜好關(guān)鍵詞集合；

31、響應(yīng)于數(shù)據(jù)標(biāo)注指令，從預(yù)設(shè)喜好關(guān)鍵詞集合中選擇數(shù)據(jù)標(biāo)注指令對(duì)應(yīng)的目標(biāo)喜好關(guān)鍵詞對(duì)每個(gè)歷史用戶的歷史融合特征進(jìn)行數(shù)據(jù)標(biāo)注，得到多個(gè)模型訓(xùn)練樣本；

32、將每個(gè)模型訓(xùn)練樣本輸入隨機(jī)森林回歸網(wǎng)絡(luò)中，輸出模型損失值；

33、根據(jù)模型損失值，生成預(yù)先訓(xùn)練的個(gè)人喜好預(yù)測(cè)模型。

34、可選的，根據(jù)模型損失值，生成預(yù)先訓(xùn)練的個(gè)人喜好預(yù)測(cè)模型，包括：

35、在模型損失值到達(dá)最小時(shí)，生成預(yù)先訓(xùn)練的個(gè)人喜好預(yù)測(cè)模型；

36、或者，

37、在模型損失值未到達(dá)最小時(shí)，更新隨機(jī)森林回歸網(wǎng)絡(luò)的網(wǎng)絡(luò)參數(shù)，并繼續(xù)執(zhí)行將每個(gè)模型訓(xùn)練樣本輸入隨機(jī)森林回歸網(wǎng)絡(luò)中的步驟，直到損失值到達(dá)最?。黄渲?，

38、隨機(jī)森林回歸網(wǎng)絡(luò)的損失函數(shù)為：

39、

40、其中，為模型損失值,表示模型訓(xùn)練樣本中第個(gè)樣本，表示分類的損失，表示隨機(jī)森林回歸網(wǎng)絡(luò)對(duì)第樣本預(yù)測(cè)的喜好關(guān)鍵詞，表示對(duì)第樣本標(biāo)注的喜好關(guān)鍵詞標(biāo)簽，是平衡損失的權(quán)重。

41、可選的，用戶行為數(shù)據(jù)包括搜索的關(guān)鍵詞、瀏覽的酒店詳情頁(yè)、點(diǎn)擊的酒店圖片或描述；

42、基于用戶行為數(shù)據(jù)，擬合目標(biāo)用戶標(biāo)識(shí)所屬的目標(biāo)用戶在預(yù)設(shè)周期內(nèi)多個(gè)預(yù)設(shè)酒店篩選因子的因子變化曲線圖，包括：

43、獲取多個(gè)預(yù)設(shè)酒店篩選因子；

44、確定預(yù)設(shè)周期；

45、根據(jù)預(yù)設(shè)周期以及多個(gè)預(yù)設(shè)酒店篩選因子，繪制二維坐標(biāo)圖；

46、將搜索的關(guān)鍵詞、瀏覽的酒店詳情頁(yè)、點(diǎn)擊的酒店圖片或描述映射至二維坐標(biāo)圖中，得到目標(biāo)用戶標(biāo)識(shí)所屬的目標(biāo)用戶在預(yù)設(shè)周期內(nèi)多個(gè)預(yù)設(shè)酒店篩選因子的因子變化曲線圖。

47、可選的，從備選酒店集合中，篩選滿足喜好關(guān)鍵詞序列的所有酒店作為最優(yōu)酒店列表，包括：

48、獲取備選酒店集合中每個(gè)備選酒店的酒店信息以及歷史用戶評(píng)價(jià)信息；

49、判斷喜好關(guān)鍵詞序列中每個(gè)喜好關(guān)鍵詞是否存在于每個(gè)備選酒店的酒店信息以及歷史用戶評(píng)價(jià)信息中，得到判定結(jié)果；

50、從判定結(jié)果中，統(tǒng)計(jì)每個(gè)備選酒店的酒店信息以及歷史用戶評(píng)價(jià)信息中存在喜好關(guān)鍵詞序列中各喜好關(guān)鍵詞的數(shù)量；

51、基于存在喜好關(guān)鍵詞序列中各喜好關(guān)鍵詞的數(shù)量，生成最優(yōu)酒店列表。

52、可選的，基于存在喜好關(guān)鍵詞序列中各喜好關(guān)鍵詞的數(shù)量，生成最優(yōu)酒店列表，包括：

53、獲取存在喜好關(guān)鍵詞序列中各喜好關(guān)鍵詞的數(shù)量大于預(yù)設(shè)閾值的酒店信息以及歷史用戶評(píng)價(jià)信息對(duì)應(yīng)的備選酒店；

54、將獲取的備選酒店按照其存在喜好關(guān)鍵詞序列中各喜好關(guān)鍵詞的數(shù)量進(jìn)行降序排列，得到最優(yōu)酒店列表。

55、第二方面，本技術(shù)實(shí)施例提供了一種基于用戶行為分析的酒店推薦裝置，裝置包括：

56、請(qǐng)求接收模塊，用于接收客戶端發(fā)送的酒店預(yù)訂請(qǐng)求，酒店預(yù)訂請(qǐng)求用于請(qǐng)求服務(wù)端生成屬于用戶的最優(yōu)酒店列表，酒店預(yù)訂請(qǐng)求攜帶目的地和目標(biāo)用戶標(biāo)識(shí)；

57、差旅標(biāo)準(zhǔn)獲取模塊，用于從預(yù)先配置的用戶標(biāo)識(shí)與用戶差旅標(biāo)準(zhǔn)之間的映射關(guān)系中，獲取目標(biāo)用戶標(biāo)識(shí)對(duì)應(yīng)的目標(biāo)差旅標(biāo)準(zhǔn)；

58、酒店數(shù)據(jù)篩選模塊，用于篩選目的地周圍預(yù)設(shè)范圍內(nèi)并符合目標(biāo)差旅標(biāo)準(zhǔn)的酒店數(shù)據(jù)，生成備選酒店集合；

59、用戶行為數(shù)據(jù)獲取模塊，用于從預(yù)先收集的用戶標(biāo)識(shí)與用戶行為信息之間的動(dòng)態(tài)映射關(guān)系中，獲取當(dāng)前時(shí)刻之前目標(biāo)用戶標(biāo)識(shí)對(duì)應(yīng)的所有歷史用戶行為數(shù)據(jù)，動(dòng)態(tài)映射關(guān)系中的用戶行為信息是按照時(shí)間的先后順序逐一存儲(chǔ)來(lái)自預(yù)設(shè)監(jiān)聽器針對(duì)目標(biāo)用戶標(biāo)識(shí)實(shí)時(shí)監(jiān)聽得到的；

60、因子變化曲線圖擬合模塊，用于基于用戶行為數(shù)據(jù)，擬合目標(biāo)用戶標(biāo)識(shí)所屬的目標(biāo)用戶在預(yù)設(shè)周期內(nèi)多個(gè)預(yù)設(shè)酒店篩選因子的因子變化曲線圖，預(yù)設(shè)酒店篩選因子用于描述酒店特征的基本屬性和條件，因子變化曲線圖用于表征目標(biāo)用戶在不同時(shí)間點(diǎn)對(duì)各個(gè)酒店篩選因子的關(guān)注程度變化；

61、喜好關(guān)鍵詞序列輸出模塊，用于將多個(gè)預(yù)設(shè)酒店篩選因子的因子變化曲線圖輸入預(yù)先訓(xùn)練的個(gè)人喜好預(yù)測(cè)模型中，輸出目標(biāo)用戶對(duì)應(yīng)的喜好關(guān)鍵詞序列，喜好關(guān)鍵詞序列用于表征用戶對(duì)酒店的個(gè)性化需求；

62、最優(yōu)酒店列表篩選模塊，用于從備選酒店集合中，篩選滿足喜好關(guān)鍵詞序列的所有酒店作為最優(yōu)酒店列表，并推薦至客戶端進(jìn)行展示。

63、本技術(shù)實(shí)施例提供的技術(shù)方案可以包括以下有益效果：

64、在本技術(shù)實(shí)施例中，一方面，服務(wù)端通過獲取用戶的差旅標(biāo)準(zhǔn)和歷史行為數(shù)據(jù)進(jìn)行酒店推薦，歷史行為數(shù)據(jù)通過預(yù)設(shè)監(jiān)聽器實(shí)時(shí)收集并反映了用戶在不同時(shí)間點(diǎn)對(duì)酒店特征的關(guān)注程度，通過分析這些行為數(shù)據(jù)，服務(wù)端能夠更深入地理解用戶的個(gè)性化需求和偏好變化，從而使得推薦的酒店不僅符合用戶的差旅標(biāo)準(zhǔn)，還能滿足其隱含的個(gè)人喜好，這種結(jié)合用戶行為數(shù)據(jù)的方法提升了酒店推薦的準(zhǔn)確度；另一方面，基于用戶行為數(shù)據(jù)，服務(wù)端擬合了多個(gè)預(yù)設(shè)酒店篩選因子的因子變化曲線圖，這些曲線圖揭示了用戶在預(yù)設(shè)周期內(nèi)對(duì)不同酒店屬性的關(guān)注度變化，這些因子變化曲線圖為個(gè)人喜好預(yù)測(cè)模型提供了豐富的輸入特征，使得模型能夠捕捉用戶偏好的動(dòng)態(tài)變化，從而增強(qiáng)了酒店推薦的個(gè)性化程度。

65、應(yīng)當(dāng)理解的是，以上的一般描述和后文的細(xì)節(jié)描述僅是示例性和解釋性的，并不能限制本技術(shù)。