[发明专利]一种基于主题序列模式的旅游产品推荐方法

说明书

本发明涉及一种基于主题序列模式的旅游产品推荐方法，试图通过在线旅游网站点击日志的挖掘产生推荐列表。首先，从页面语义描述文本中挖掘主题，以在泛化层面捕捉用户行为模式；其次，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；最后，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，为了提升在线匹配计算的效率，设计一种新的多叉树数据结构PSC‑tree用于存储历史模式库，并与在线计算模块无缝衔接。本发明的SECT推荐引擎，不但在性能上比传统推荐算法更有优势，而且能有效提升冷启动用户和长尾物品的推荐率和准确率。

技术领域

本发明涉及信息科学领域，提供了一种基于主题序列模式的旅游产品推荐方法。

背景技术

近年来，推荐系统领域的研究工作发展迅猛，各种各样的推荐系统亦随之在电子商务、社交网站、电子旅游、互联网广告等大量领域得到了广泛应用，并展示出优越的效果与前景。其中，随着越来越多的在线旅游网站的兴起(如Expedia、Travelzoo、途牛等)，能刻画用户旅游兴趣偏好的在线数据越来越丰富，使得旅游产品推荐成为推荐系统研究领域的热门议题之一。

目前，针对传统商品的推荐已有许多成熟的推荐算法得到广泛应用，如协同过滤算法、基于内容的推荐算法和混合型推荐算法等，然而旅游产品推荐与电影、商品等传统推荐有显著差异。首先，用户通常不会频繁或大量购买旅游产品，这导致“用户-产品”关联矩阵极为稀疏；其次，旅游产品描述信息维度多样复杂，微小的参数变化会导致完全不同的旅游产品，如景点参观线路和日程、酒店和交通工具选择等因素的变化，然而这类有内在关联的不同旅游产品却指向用户共同的兴趣偏好；再次，用户往往不会长期关注旅游产品，即在电子旅游网站上留下访问记录，而往往是有了旅游目标和安排之后，才开始浏览旅游产品，这导致在线旅游数据中存在大量冷启动用户。因此，针对传统商品的推荐算法很难直接应用到旅游推荐领域。

发明内容

发明目的：为了克服现有技术中存在的不足，本发明的示例性实施充分利用了在线旅游网站中的点击流数据，研究基于主题序列模式的旅游产品推荐方法。具体而言，本发明首先提出了SECT(sequential recommendation engine for travel products)推荐方法，该方法通过用户实时点击流可以捕捉用户的兴趣偏好，并实时产生旅游产品推荐列表；其次，本发明分别从旅游页面的主题挖掘、访问序列的模式挖掘和模式库的存储、匹配计算等方面对SECT的原理进行了详细的说明。为了提升在线匹配计算的效率，本发明设计一种新的多叉树数据结构PSC-tree用于存储历史模式库，并与在线计算模块无缝衔接。

技术方案：

一种基于主题序列模式的旅游产品推荐方法，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。