[发明专利]一种智能票务推荐方法及系统

权利要求书

1.一种智能票务推荐方法，其特征在于，包括：

接收用户票务搜索内容，并获得搜索结果；

计算得到每条搜索结果的特征向量；

将特征向量输入预测模型，计算得到每条搜索结果的购买概率，并对搜索结果整合排序以获得预测结果列表；

选取预测结果列表中购买概率最高的搜索结果作为聚类中心，遍历预测结果列表进行聚类，寻找与聚类中心相似的搜索结果作为相似聚类项，并将聚类中心与所有相似聚类项组合为聚类列表，将本次聚类中的聚类中心和所有相似聚类项从预测结果列表中剔除，对剔除处理后的预测结果列表进行下一次聚类；

选取每次聚类获得的聚类列表中购买概率最高的搜索结果作为推荐结果，该聚类列表中的其余搜索结果作为相似候选结果，对推荐结果进行特征向量分析，根据特征向量分析结果为推荐结果打上推荐标签；

将推荐结果、推荐标签和相似候选结果展示给用户。

2.根据权利要求1所述的智能票务推荐方法，其特征在于：所述预测模型为

其中，x为每条搜索结果的特征向量，θ为特征向量的权重参数，hθ(x)为计算得到的每条搜索结果的购买概率，hθ(x)的取值范围为[0,1]。

3.根据权利要求2所述的智能票务推荐方法，其特征在于，所述预测模型的获得方法为：

设x为每条搜索结果的特征向量，θ为特征向量的权重参数，y为用户购买结果，则y＝θx，将用户购买结果y和每条搜索结果的特征向量x映射到sigmoid函数上，即得到

所述预测模型基于历史用户购买记录进行训练，其训练过程为：

设hθ(x)为0代表用户没有购买，hθ(x)为1代表用户购买，那么有

P(y＝1|x，θ)＝hθ(x)，

P(y＝0|x，θ)＝1-hθ(x)，

将上述两式合并，得到用户购买具有某特征向量的搜索结果的条件概率公式：P(y|x，θ)＝hθ(x)^y(1-hθ(x))^1-y，

用似然函数最大化求解特征向量的权重参数θ，

所述似然函数的表达式为：

其中，m为搜索结果的样本个数，

对似然函数对数化取反得到损失函数J(θ)，损失函数J(θ)的表达式：

用梯度下降法求损失函数J(θ)的最小值，即得到特征向量的权重参数θ，完成对预测模型的训练。

4.根据权利要求2所述的智能票务推荐方法，其特征在于，所述将特征向量输入预测模型，计算得到每条搜索结果的购买概率，包括：将特征向量输入预测模型计算得到每条搜索结果的购买概率。

5.根据权利要求1所述的智能票务推荐方法，其特征在于，所述对搜索结果整合排序以获得预测结果列表，包括：将搜索结果按购买概率由高到低进行排序，获得预测结果列表；

所述寻找与聚类中心相似的搜索结果作为相似聚类项，包括：通过计算聚类中心与其他搜索结果的特征向量之间的余弦相似度或者欧式距离，得到与聚类中心相似的搜索结果作为相似聚类项。

6.根据权利要求1所述的智能票务推荐方法，其特征在于，所述对推荐结果进行特征向量分析，根据特征向量分析结果为推荐结果打上推荐标签，包括：对推荐结果进行特征向量分析，抽取并转换推荐结果的特征向量为文字或评分作为推荐标签，根据特征向量分析结果为推荐结果打上推荐标签。

7.根据权利要求6所述的智能票务推荐方法，其特征在于，所述将推荐结果、推荐标签和相似候选结果展示给用户，包括：将推荐结果、推荐标签和相似候选结果以卡牌、导航图、雷达图、测评中的一种或多种形式展示给用户。

8.根据权利要求1-7任一项所述的智能票务推荐方法，其特征在于，所述用户票务搜索内容包括机票、火车票、汽车票、轮船票、门票、酒店预订的查询条件和/或查询关键词。