[发明专利]一种智能票务推荐方法及系统

说明书

本发明公开了一种智能票务推荐方法及系统。本发明的智能票务推荐方法，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，并将聚类中心与所有相似聚类项组合为聚类列表；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，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。本发明还公开了一种智能票务推荐系统。

技术领域

本发明涉及票务预订技术领域，特别是涉及一种智能票务推荐方法及系统。

背景技术

目前，用户在OTA网站搜索旅行的行程路线及相应的机票、火车票、汽车票、轮船票、门票或酒店预订时，输入搜索关键词后，通常会出现几百上千条的搜索结果，当前行业内的搜索产品，仅仅将搜索结果按某一些特征的简单排序，未能综合性地帮助用户作出选择，以及不能将不同选择的差异性和优缺点展示给用户，使得用户在看到这么多的搜索结果后很难进行选择。

比如，用户搜索机票，同一航线有成百上千的结果，不同结果存在着起降时点、价格、飞行时长、航司等差异，用户往往面临结果过多而无从选择的困难。

因此，用户越来越需要搜索产品能提供具备优势及差异化的票务购买方案，展示不同票务购买方案的优缺点，以减少用户选择票务的时间，提高用户预订票务的效率。

发明内容

基于此，本发明的目的在于，提供一种提供具备优势及差异化的票务购买方案、展示不同票务购买方案的优缺点、提高用户预订票务效率的智能票务推荐方法及系统。

本发明的智能票务推荐方法，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。

进一步优选地，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]。

进一步优选地，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)，