[发明专利]基于旅行社用户的多维信息画像的推荐方法

权利要求书

1.基于旅行社用户的多维信息画像的推荐方法，其特征在于，包括如下步骤：

获取目标用户原始数据；根据该原始数据对目标用户的特征和标签进行分析和提取，获得目标用户的特征向量和用户画像信息；

将目标用户的用户画像信息和预先构建的用户画像群的中心点进行相似度比较，得到与该目标用户相似度最高的相似用户画像群；

根据目标用户的特征向量计算目标用户与相似用户画像群中每个样本用户之间的相似度，得到与目标用户相似度最高的多个邻居用户；

根据目标用户与每个邻居用户之间的相似度、目标用户对使用过的多个旅游产品的兴趣度、每个邻居用户对其所使用过且未被目标用户使用过的多个旅游产品的兴趣度，计算得到目标用户对候选产品的兴趣度，生成针对该目标用户的推荐产品列表；

所述构建用户画像群包括如下步骤：

S201、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；

S202、为样本用户每个标签分配权重；

S203、设置需要聚类的簇的个数k和相似度阈值θ；

S204、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；

S205、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；

S206、根据每两个样本用户之间的共同邻居数量计算链接矩阵；

S207、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；

S208、利用目标函数以获得最优的聚类结果；

S209、重复步骤S205～S208进行迭代，直至形成k个簇。

2.根据权利要求1所述的基于旅行社用户的多维信息画像的推荐方法，其特征在于，所述目标用户原始数据包括目标用户基本信息和目标用户旅游行为信息。

3.根据权利要求1所述的基于旅行社用户的多维信息画像的推荐方法，其特征在于，所述用户画像群采用ROCK聚类算法构建。

4.根据权利要求1所述的基于旅行社用户的多维信息画像的推荐方法，其特征在于，所述相似度计算采用修正余弦相似度算法。

5.根据权利要求1所述的基于旅行社用户的多维信息画像的推荐方法，其特征在于，目标用户对候选产品的兴趣度计算公式如下：

UIDegree＝W₁R_uk+W₂S_un+W₃PI_um，

其中，R_uk为目标用户u对使用过的k个产品的兴趣度，S_un为在目标用户u与n个邻居用户之间的相似度，PI_um为邻居用户对其使用过、且未被目标用户使用过的m个旅游产品的兴趣度，W₁、W₂、W₃分别是其对应的权重。

6.根据权利要求1所述的基于旅行社用户的多维信息画像的推荐方法，其特征在于，在进行特征标签的分析和提取之前，还包括对原始数据进行清洗、去除脏数据，转换不同格式的数据的步骤。

7.根据权利要求1所述的基于旅行社用户的多维信息画像的推荐方法，其特征在于，还包括对数据进行标准化、归一化和缺省值处理。