[发明专利]基于旅行社用户的多维信息画像的推荐方法

说明书

本发明公开了一种基于旅行社用户的多维信息画像的推荐方法，包括如下步骤：获取目标用户的特征向量和用户画像信息；将用户画像信息和预先构建的用户画像群进行相似度比较，得到与该目标用户相似度最高的相似用户画像群；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，计算并生成推荐产品列表。本发明融合协同过滤和内容推荐的方法，避免了现有技术推荐方法出现冷启动问题，能够为用户精准推荐营销产品，适用于数据量小、用户和产品维度较多的情况。

技术领域

本发明属于数据处理技术领域，具体涉及一种基于旅行社用户的多维信息画像的推荐方法。

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基于旅行社用户的多维信息画像的推荐方法。

本发明所采用的技术方案为：

基于旅行社用户的多维信息画像的推荐方法，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。

进一步，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。

更进一步，所述用户画像群采用ROCK聚类算法构建。

更进一步，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；