[发明专利]一种基础房型自动聚合方法

说明书

本发明公开了一种基础房型自动聚合方法。本方法为：1)对于同一家酒店，分别从两不同来源上获取该酒店的房型名称数据，每组房型名称数据中包括多个基础房型名称；2)对每组房型名称数据分别进行结构化处理，得到该组房型名称数据中每个房型名称的结构化信息；3)对步骤2)得到的所述结构化信息中的元素进行两两组合并计算每一组合的匹配度；4)将基础房型名称两两组合生成若干候选聚合方案，得到一聚合方案候选集合；5)根据每一候选聚合方案中的各组合的匹配度，计算该候选聚合方案的综合得分；将综合得分最高的候选聚合方案做为最终聚合结果。相较于传统的通过字符串相似度的聚合方式，本发明召回率提升了27％，准确率提高了5％。

技术领域

本发明属于信息技术领域，涉及一种在线旅游网站、比价平台、价格一致性监控方法，特别是涉及一种基于文本信息的房型自动聚合方法。

背景技术

随着在线旅游网站的飞速发展，酒店在线预定平台云集，多个平台推出了价格对比功能。可以对比出同一房型在不同OTA(Online Travel Agent，在线旅游社，如携程、去哪等)的价格及不同的房型的价格差距。要进行价格对比首先要确定不同OTA酒店的匹配关系，之后再对具体的房型进行聚合，为了降低人工成本，大多釆用自动聚合的方法，但传统的釆用字符串的聚合方法有以下不足：

●精确匹配召回率较低。

●模糊匹配准确率难以控制。

●同一个基础房型的表述方式不同，导致的无法聚合，例如：两人间与双人房，单人间与单间。

●同一个基础房型在不同OTA上表述方式不同，导致的无法聚合，例如：双床房与标准间。

发明内容

针对上述问题，本发明的目的在于提供一种基础房型自动聚合方法。本发明充分利用文本信息，从文本中抽取出房型的关键要素，提高了聚合的鲁棒性，避免无用信息对聚合过程中的干扰。基于本发明的结果，当用户在网页中查看某家酒店的房型信息时，可从数据库中查询出该房型在不同来源上对应的(已经聚合的)房型与其进行价格等方面的对比，用户根据对比结果选取目标房型。

本方法釆用如下方案对房型进行自动聚合：

一种基础房型自动聚合方法，其步骤为：

1)对于同一家酒店，分别从两不同来源上获取该酒店的房型名称数据，每组房型名称数据中包括多个基础房型名称；

2)对每组房型名称数据分别进行结构化处理，得到该组房型名称数据中每个房型名称的结构化信息；其中，第一组房型名称的结构化信息为(a1、a2、…、ai、…、an)，第二组房型名称的结构化信息为(b1、b2、…、bi、…、bn)；n为结构化信息中的元素总数；

3)对步骤2)得到的所述结构化信息中的元素进行两两组合并计算每一组合的匹配度；

4)将基础房型名称两两组合生成若干候选聚合方案，得到一聚合方案候选集合；其中，任一候选聚合方案(a1-bi、a2-bj、…、ai-bk、…、an-bm)中每一组合ai-bk的匹配度均大于设定阈值；bi、bj、…、bk、…、bm均为第二组房型名称的结构化信息中的元素；

5)根据每一候选聚合方案中的各组合的匹配度，计算该候选聚合方案的综合得分；将综合得分最高的候选聚合方案做为最终聚合结果。

进一步的，使用决策树算法计算所述匹配度；所述决策树算法构建的树结构为二叉树或非二叉树，其中，每个非叶节点表示一个特征属性上的测试，连接非叶节点的分支代表该非叶节点对应的特征属性在该特征属性的值域上的输出，每个叶节点存放一个类别。

进一步的，计算所述匹配度的方法为：

31)从房型名称的结构化信息中确定待匹配的特征；

32)对每种特征进行度量得到该特征的增益率；