[发明专利]一种旅行社用户多维信息画像的构建方法

说明书

本发明公开了一种旅行社用户多维信息画像的构建方法，包括如下步骤：获取样本用户的特征向量和用户画像信息；为样本用户每个标签分配权重；设置需要聚类的簇的个数k和相似度阈值θ；根据样本用户的标签向量，分别计算每两个样本用户之间的相似度；计算邻居矩阵A；计算链接矩阵；计算每两个样本用户的相似性度量，将相似性度量最高的两个样本用户合并；利用目标函数以获得最优的聚类结果；重复迭代，直至形成k个簇；为用户画像群划分等级。本发明利用利用聚类算法构建旅行社用户画像，并将其进行群分，有利于整理用户之间的共性，以便于更加了解用户需求，进而拓展新用户，确定旅游产品的模式。

技术领域

本发明属于数据处理技术领域，具体涉及一种旅行社用户多维信息画像的构建方法。

背景技术

随着大数据技术的发展与应用，越来越多企业和政府机构对精准定位某个人的特征的需求越来越大，在大数据项目整合的过程中最重要的就是针对不同类人的不同需求进行精准营销和个性化解决方案。一方面用户需要从大量的产品信息中筛选出自己感兴趣的产品；另一方面企业需要通过产品的特征参数的修改精准地推销出合适的产品给合适的用户。目前常用的推荐算法有：基于内容的推荐、基于用户行为的推荐、基于混合模型的推荐、基于标签的推荐等几种；对于产品量比较少，用户量较多，需要进行精准匹配的运营模式中，这些常用的推荐方法就不是很实用。

发明内容

为了解决现有技术存在的上述问题，本发明目的在于提供一种旅行社用户多维信息画像的构建方法，利用该用户画像，有利于整理用户之间的共性，为旅行社产品推荐提供数据基础。

本发明所采用的技术方案为：

一种旅行社用户多维信息画像的构建方法，包括如下步骤：

S101、获取样本用户原始数据，根据该原始数据对样本用户的特征和标签进行分析和提取，获得样本用户的特征向量和用户画像信息；

S102、为样本用户每个标签分配权重；

S103、设置需要聚类的簇的个数k和相似度阈值θ；

S104、根据样本用户的标签向量，分别计算每两个样本用户之间的相似度，生成相似度矩阵；

S105、根据相似度矩阵和相似度阈值θ，计算邻居矩阵A；若两个样本用户之间的相似度＝θ，则该两个样本用户之间互为邻居，取值1，否则，该两个样本用户之间不互为邻居，取值0；

S106、根据每两个样本用户之间的共同邻居数量计算链接矩阵；

S107、根据链接矩阵和样本用户的标签向量，计算每两个样本用户的相似性度量，将相似性度量最高的两个样本用户合并；

S108、利用目标函数以获得最优的聚类结果；

S109、重复步骤S105～S108进行迭代，直至形成k个簇；

S110、利用标签的平均值，为用户画像群划分等级。

进一步，所述样本用户原始数据包括样本用户基本信息和样本用户旅游行为信息。

更进一步，所述步骤S102中，采用布尔模型S-TFIWF对用户标签进行加权处理，得到用户标签权重的S-TW模型，具体计算如下：

其中，TW(w，d)为标签w是否出现，出现为1，否则为0；N表示用户数量，WT(w)表示用户中出现该标签的数量之和，P表示所有用户消费总金额，T表示某个标签的用户群的消费总金额，T/P表示某个标签的用户群的消费总金额与所有用户消费总金额之比。

更进一步，所述步骤S104中，采用修正余弦相似度算法计算样本用户之间的相似度。