[发明专利]酒店信息的聚类匹配方法及系统

说明书

本发明公开了一种酒店信息的聚类匹配方法及系统，其中所述聚类匹配方法包括：S1、获取待聚类酒店的至少一酒店特征信息和对比酒店的至少一酒店特征信息；S2、计算所述待聚类酒店的酒店特征信息与所述对比酒店的酒店特征信息的相似度；S3、计算所述待聚类酒店与所述对比酒店的酒店相似度。本发明弥补了在海量级酒店信息库中，传统匹配方法匹配酒店时，效率低，错误率高的缺陷。通过本聚类匹配方法，使用户能更快、更准确地在酒店信息库中找到相似度高的酒店，并聚类匹配到同一家酒店。

技术领域

本发明涉及酒店数据管理领域，特别是涉及一种酒店信息的聚类匹配方法及系统。

背景技术

现代社会已经进入大数据、云计算时代，互联网的快速发展产生了海量的数据信息。但这些海量的数据中也存在大量的重复冗余或者是相似相近的信息，同时信息中还夹杂着不少干扰信息。为了获取信息之间的关系，需要通过聚类分析，找到相关相近信息，然后可以进行聚类或是去重,把相关相似的信息归为同一类处理。

现有的在线旅游网站在匹配酒店时，同样存在上述的问题，目前在酒店信息库中，匹配酒店时所采用的相似度算法都是基于“分词+词库+字符”相似度的规则进行匹配。而实际生活中，酒店信息库数据量非常大，传统的匹配方法所使用相似性算法无法胜任在大数据条件下的聚类，算法运行时间按周计算而无法接受。

此外，现有的酒店信息库存在酒店特征信息缺少或错误，酒店数据大量的重复冗余，多家酒店共有相同酒店特征信息，以及人为因素引入的脏数据或异常数据等情况。传统的匹配方法，匹配结果错误率高。

所以传统的匹配方法，无法满足在海量级的酒店信息库中，特别是酒店信息缺少和错误的情况下，查找出与待匹配的酒店相同或相似的酒店。

发明内容

本发明要解决的技术问题是为了克服现有技术中传统聚类和去重方法无法胜任在大数据条件下的酒店信息库中聚类的缺陷，提供一种酒店信息的聚类匹配方法及系统。

本发明是通过下述技术方案来解决上述技术问题：

一种酒店信息的聚类匹配方法，所述聚类匹配方法包括：

S1、获取待聚类酒店的至少一酒店特征信息和对比酒店的至少一酒店特征信息；

S2、计算所述待聚类酒店的酒店特征信息与所述对比酒店的酒店特征信息的相似度；

S3、计算所述待聚类酒店与所述对比酒店的酒店相似度：

n为酒店特征信息种类的数量；

i为1至n的正整数；

S_i为步骤S2中，第i个所述待聚类酒店的酒店特征信息与所述对比酒店的酒店特征信息的相似度；

W_i为S_i对应的权重；

S_hotel为所述待聚类酒店与所述对比酒店的酒店相似度。

较佳地，S1还包括：

建立酒店信息库，所述酒店信息库中包括若干酒店的酒店特征信息以及酒店特征信息索引；

根据所述待聚类酒店的酒店特征信息，在所述酒店信息库中检索所述酒店特征信息索引，挑选至少一预匹配酒店，形成预匹配酒店集合；

将所述预匹配酒店集合中的每个预匹配酒店分别作为所述对比酒店。

较佳地，S1中的所述酒店特征信息包括酒店名称；

S2包括：计算所述待聚类酒店的酒店名称与所述对比酒店的酒店名称的相似度；