[发明专利]OTA平台下基于POI的酒店排序方法及系统

权利要求书

1.一种OTA平台下基于POI的酒店排序方法，其特征在于，包括下述步骤：

根据待推荐用户输入的POI获取所述POI所在的地域；

获取所述地域内的所有可选择的酒店；

计算每一所述可选择的酒店与所述POI的距离，设置所述距离小于距离阈值的所述可选择的酒店为第一酒店；

获取所述待推荐用户的用户维度信息；

计算所述待推荐用户对所述OTA平台下的每一酒店的偏好度；所述偏好度与所述OTA平台中所有酒店的评分数据相关；

获取每一所述第一酒店的酒店维度信息；

将所述待推荐用户的用户维度信息、每一所述第一酒店的酒店维度信息及所述待推荐用户对所述每一酒店的偏好度输入至一预测模型，使用所述预测模型计算得到所述待推荐用户对每一所述第一酒店下单的概率；

对所述待推荐用户对每一所述第一酒店下单的概率进行排序；

输出排序后的结果；

所述对所述待推荐用户对每一所述第一酒店下单的概率进行排序为：

对所述待推荐用户对每一所述第一酒店下单的概率按照从高到低进行排序，以得到第一序列；

所述酒店排序方法还包括以下步骤：

对所述第一序列中的酒店按照评分进行排序，以得到第二序列；

所述酒店排序方法还包括：

设置所述距离大于或等于所述距离阈值的所述可选择的酒店为第二酒店，对所述第二酒店进行排序以得到第三序列；

将所述第三序列排序至所述第二序列之后以得到第四序列；

所述输出排序后的结果为输出所述第四序列。

2.如权利要求1所述的OTA平台下基于POI的酒店排序方法，其特征在于，

所述用户维度信息包括所述用户的基本信息，所述用户维度信息还包括所述用户的以往订的酒店的订单的信息、所述用户浏览过的酒店的信息、所述用户收藏的酒店的信息中的至少一种；

所述酒店维度信息包括所述酒店的基本信息，所述酒店维度信息还包括所述酒店的价格信息、所述酒店的好评度信息及所述酒店被收藏次数信息中的至少一种。

3.如权利要求1所述的OTA平台下基于POI的酒店排序方法，其特征在于，所述计算所述待推荐用户对所述OTA平台下的每一酒店的偏好度的步骤包括：

使用隐语义模型获得所述OTA平台中的所有用户的隐变量及所述OTA平台中的所有酒店的隐变量；

根据所述所有用户的隐变量得出所述待推荐用户的隐变量；

采用下述公式计算得到所述待推荐用户对所述每一酒店的偏好度：

其中，lfm_ij表示所述待推荐用户i对所述每一酒店j的所述偏好度，u_ik表示所述待推荐用户i的隐变量的向量的第k维度值，h_jk表示所述每一酒店j的隐变量的向量的第k维度值，m表示所述用户及所述每一酒店的隐变量的向量的长度。

4.如权利要求3所述的OTA平台下基于POI的酒店排序方法，其特征在于，所述使用隐语义模型获得所述OTA平台中的所有用户的隐变量及所述OTA平台中的所有酒店的隐变量的步骤为：

获取所述所有用户；

获取所述所有酒店的评分数据；

所述隐语义模型使用所述所有用户及所述所有酒店的评分数据计算得到所述所有用户的隐变量及所述所有酒店的隐变量。

5.如权利要求1所述的OTA平台下基于POI的酒店排序方法，其特征在于，所述预测模型的生成步骤为：

获取历史订单数据，每条所述历史订单数据包括对应的历史用户和历史酒店以及是否下单的结果；

对每条所述历史订单数据进行处理，以得到所述历史用户对应的所述用户维度信息、所述历史酒店对应的所述酒店维度信息及所述待推荐用户对每一酒店的偏好度组成的历史特征向量；

根据所述是否下单的结果对每条所述历史订单进行标记以得到每一所述历史特征向量对应的标签；

利用所述历史特征向量及对应的所述标签使用XGBOOST算法进行分类模型的构建，以得到所述预测模型。