基于用户特征的酒店推荐模型研究

针对现有酒店推荐精度不高的问题,提出了一种基于用户特征的酒店推荐模型。首先,构建酒店和用户的特征矩阵,从而获得候选集;然后,利用基于用户的协同过滤预测用户评分,进而产生酒店推荐的top-N列表;最后,以酒店管理营运博弈沙盘实验平台爬取的数据为基础对用户进行推荐。结果表明,该推荐模型的召回率、F1值均高于传统的基于特征参数匹配的算法和基于协同过滤的算法,解决了传统推荐算法推荐精度不高的问题,为智能算法在酒店信息化中的应用提供了参考。

基于人性化用户特征的在线酒店推荐技术研究

近年来,人们对于酒店的需求与日俱增。但面对形形色色的酒店服务,如何选择的问题日益突出,精准合理的个性化酒店推荐拥有极大市场。已有的传统推荐技术及其推荐系统,没有从内生性参数分析和解释用户行为,在用户兴趣点发掘的精确性以及数据稀疏情况下的推荐存在局限。对此提出一种面向酒店的人性化用户建模与推荐方法。根据所在实验室提出的数字灵魂模型,将其映射到酒店领域,得到人性化酒店用户模型。计算用户偏好与酒店特征间的相似度,并结合基于协同过滤的推荐技术,得出推荐候选集。以"酒店管理营运博弈沙盘"为实验平台,该沙盘是由所在实验室研发并已被数十家酒店管理院校使用的电子学习软件。实验结果表明,相比于单纯的特征参数匹配和普通的协同过滤,该方法拥有更高的准确率、召回率和运行效率,并在一定程度上解决冷启动和数据稀疏的问题。

基于数据挖掘技术的旅游酒店推荐

随着社会的不断发展,人们生活水平的不断提高,外出旅游已成为人们休闲娱乐中不可缺少的一部分,而传统的由各大旅行社所提供的服务越来越不能满足人们日益增长的个性化住宿需求。本文从数据挖掘技术入手,通过抓取的广州地区酒店相关数据,利用数据分析软件Weka构建分类器,使用决策树算法进行智能酒店推荐,实验结果表明,本文推荐的酒店与用户需求的匹配度极高,对于现实中的旅游方案设计有很强的借鉴意义。

多方面属性归一化三维张量模型在区域旅游酒店的推荐应用

为游客个性化推荐理想酒店是旅游质量得以保障的手段之一。首先运用形式化方法将游客、酒店以及游客对酒店的评分从多方面属性综合进行量化与归ー化,得到归一化的酒店因子、游客因子和评分因子;然后,采用一种有偏加权函数计算出一种有偏推荐度,与酒店、游客和评分等因子一起构建了一种以"酒店辟客4平分荐度"四元关系的三维张量模型,有偏推荐度作为张量元素值;最后,采用基于Tucker分解法的算法实现了在高度稀疏的四元关系数据集上按游客分类的有偏性旅游酒店推荐。实验结果表明,采用三维张量模型及算法能实现对高度稀疏的区域旅游酒店数据进行精准旅游酒店推荐,为游客根据个人偏好获得个性化的酒店推荐找出了一种新的方法,有效提高了旅游质量。

基于用户隐式数据的个性化酒店推荐算法

在基于物品协同过滤的基础上,对隐式反馈数据进行挖掘建模,设计了隐式反馈偏好评分规则,并据此赋予了计算酒店相似度公式的新定义。考虑到用户的基本特征也会对用户个性化需求产生影响以及单一算法的局限性,进一步引入了XGBoost模型,利用XGBoost训练对改进后的推荐结果进行过滤,得到较好的个性化酒店推荐系统。文中采用真实的脱敏数据,证明利用层叠模型构建个性化酒店推荐系统的推荐效果更加精准,对于酒店在线平台的个性化服务具有较强的参考价值。