[发明专利]一种基于主题序列模式的旅游产品推荐方法

权利要求书

1.一种基于主题序列模式的旅游产品推荐方法，其特征在于，包括如下步骤：

步骤一、将点击流中的旅游相关页面泛化为主题；

步骤二、从页面访问时间序列数据中挖掘频繁序列模式及其候选产品集，形成序列模式库；

步骤三、提出了一个多叉树数据结构PSC-tree(pattern support candidate-tree)用于存储历史模式库，并与匹配计算模块无缝衔接；

步骤四、提出马尔科夫n-gram模型，完成用户实时点击流与模式库匹配计算。

2.根据权利要求1所述的基于主题序列模式的旅游产品推荐方法，其特征在于，步骤一中，所述主题泛化采用LDA(latent dirichlet allocation)模型降维并过滤噪音，再通过K-Means进行文本聚类实现主题抽取；首先，对线路页面文本信息进行分词、去停用词等预处理操作得到文本向量矩阵；其次，借助LDA模型对所有文本向量矩阵进行主题建模，并采用Gibbs抽样法对建模后的文本向量矩阵进行求解，得到线路页面的隐含主题概率分布矩阵，进而将该矩阵作为K-Means的输入；最终聚类后的每个类簇分别代表线路页面的不同主题I＝{i₁,i₂,…,i_M}为训练集中所有的页面集合，Т＝{t₁,t₂,…,t_K}为所有页面泛化后的主题集合，页面主题泛化可以抽象为函数:1≤p≤M,1≤k≤K，其中M表示页面的数量，设K为页面泛化的主题数量，t_k表示为页面i_p经泛化后的主题。

3.根据权利要求2所述的基于主题序列模式的旅游产品推荐方法，其特征在于，主题抽取方法，其中包括频繁序列模式挖掘和候选产品集生成：

主题访问序列事务集由训练集中所有主题访问序列组成，记为D＝{D₁,D₂,…,D_U},1≤u≤U，其中U为用户数量，D_u表示由连续访问页面组成的访问序列X_u通过主题泛化后得到的主题访问序列；

将主题访问序列事务集D作为Eclat的输入，得到挖掘出的主题频繁时序模式项集，记为P＝{P₁,P₂,…,P_S}，其中S为模式的数量；

抽取每个频繁模式在原始会话中紧跟着的旅游产品页面作为候选项集，其中模式P_s(1≤s≤S)对应的候选集记为C_Ps，每个模式对应的候选集都是I的子集，最终所有模式对应的候选集记为C＝{C_P1,C_P2,…,C_Ps}。

4.根据权利要求3所述的基于主题序列模式的旅游产品推荐方法，其特征在于，频繁序列模式挖掘方法，其中包括构造一个PSC-tree多叉树存储结构，其结构为：包含一个名为Root的根节点，其余节点为Root节点的孩子节点，每个节点都有2个域，第1个域存储模式的支持度计数，第2个域存储产品候选集，从PSC-tree第2层的每个节点开始，每一个遍历到孩子节点的路径分别代表对应的主题序列模式。

5.根据权利要求1-4任一所述的基于主题序列模式的旅游产品推荐方法，其特征在于，步骤4中，采用条件概率Pr(i_t|Tp 1)表明用户u购买目标产品的概率，其中条件概率Pr(i_t|Tp 1)表示给定会话X_u时，用户u对产品i_t的偏好程度，即:Pr(i_t|Tp 1)越大表明用户u购买该目标产品的概率越高，假设Pr(i_t|Tp 1)只与前面n-1个访问页面相关，称为马尔科夫n-gram独立性假设，即:

在马尔科夫n-gram独立性假设之下，上式可以简化为:

此处，T_t＝φ(i_t)，对于给定的频繁模式集合，σ(·)为序列或者模式的支持度计数。