[发明专利]一种基于客户行为习惯偏好的个性化酒店智能推荐算法

摘要

一种基于客户行为习惯偏好的个性化酒店智能推荐算法，本发明涉及酒店管理技术领域；确定针对客户的酒店推荐指标；根据推荐指标构建算法输入矩阵；获取推荐指标所需数据；对前四行数据进行预处理；对预处理后的前四个指标数据，用pca算法处理，获得相应的特征值与特征向量；根据特征值的大小情况来选取推荐策略；使用快速排序作为具体排序方法；确定排序后的相隔距离或者pca评分对应着原始数据中的哪家酒店。解决了针对客户个性化推荐的问题；增加第五个指标“相隔距离”在特殊情况下来辅助决策，使算法闭环。

主权项

1.一种基于客户行为习惯偏好的个性化酒店智能推荐算法，其特征在于：它的计算步骤如下：(1)、确定针对客户的酒店推荐指标：(1.1)、确定四个衡量酒店与客户的偏好契合程度的指标，即，客户入住时间；客户入住次数；客户入住单价；客户体验均分；(1.2)、确定第五个指标，即，相隔距离，在上述四个指标都很相近的情况下，将会使用“相隔距离”来决定针对该顾客推荐哪个酒店，使算法闭环(2)(2)、根据推荐指标构建算法输入矩阵：在步骤(1)的描述中，每个酒店有五个指标，在此对每一个备选酒店构建一个5*1列向量，该5*1向量从上到下依次为客户入住时间、客户入住次数、客户入住单价、客户体验均分、相隔距离；如果有n个同类可选酒店，这里就有n个5*1向量，把这n个5*1向量从左到右拼接起来，就得到了一个5*n矩阵，到此，算法输入矩阵构建完毕；该输入矩阵从行来看，第一行表示该客户上一周年在可选的n个酒店中各酒店入住的具体天数；第二行表示该客户上一周年在可选的n个酒店中各酒店入住的具体次数；第三行表示该客户上一周年在可选的n个酒店中各酒店入住的平均单价；以此类推；同时，该输入矩阵的每一列都表示该顾客选择一个酒店时的5个指标；(3)、获取推荐指标所需数据：对可供选择的n个同类酒店，从数据库中取出步骤(1)中所描述的每个酒店与该顾客偏好的契合程度的五个指标，将取出的数据按照步骤2中的描述，构建一个5*n的矩阵，作为算法的输入矩阵；(4)、对前四行数据进行预处理：经过步骤(1)‑步骤(3)之后，获得了一个5*n的矩阵作为算法输入，但是因为只有前四行数据表示的该客户在某一酒店的客户入住时间、客户入住次数、客户入住单价、客户体验均分要作为输入做pca处理，因此需要对5*n的算法输入矩阵进行处理，提取出前四行构成一个4*n矩阵；对于此4*n矩阵，因为其每一行所表示的各指标的意义不同，数量级也相差较大，故在做下一步处理之前，要对数据进行白化预处理；(5)、对经过步骤(4)预处理后的前四个指标数据，用pca算法处理，获得相应的特征值与特征向量；(6)、根据特征值的大小情况来选取推荐策略：若获得的四个特征值都接近0，则根据第五个指标相隔距离的排序结果，优先推荐相隔距离较小的酒店；若获得的四个特征值并不都接近0，该情况则根据前四个指标pca主元评分的排序结果，推荐pca主元评分较大的酒店；(7)、使用快速排序作为具体排序方法：根据特征值的大小情况选定推荐策略，假如此处选择的推荐策略是依据第五个指标相隔距离大小推荐时，则对所有可选酒店的第五个指标相隔距离进行排序，得出具体哪个酒店距离客户更近，从而决定向该客户推荐哪家酒店；假如此处选择的推荐策略是根据pca评分推荐，则算法的下一步是对所有可选酒店的pca评分进行排序，得出具体哪个酒店的pca评分更高，进而决定推荐哪个酒店；(8)、确定排序后的相隔距离或者pca评分对应着原始数据中的哪家酒店：由于单纯的快速排序只是把相隔距离或者pca评分从小排到大，实际上哪一个相隔距离或者pca评分对应于原数据中哪一家酒店，在上述排序中并未表现出来；所以需要另外生成一个与酒店数量相等的顺序序列数组，代表原始数据矩阵的下标，在步骤(7)中的快速排序中跟随其对应的数据移动，最后输出两个数组，第一个数组是进行升序排序后的可选酒店的第五个指标“相隔距离”或者pca评分数据，第二个数组是排序后的数据的所对应的原始下标；(9)、算法的输出以及推荐策略选择：经过上述步骤，算法的输出是步骤(8)中所描述的两个数组，第一个数组表示每个酒店的pca评分或者相隔距离；第二个数组表示第一个数组的pca评分或者相隔距离所对应的酒店的序号；在实际应用时，根据选择的推荐策略，若是根据第五个指标“相隔距离”的排序结果，则优先选择第二个数组中第一个元素的序号对应的酒店作为推荐目标；若是根据前四个指标pca主元评分的排序结果，则优先推荐第二个数组中最后一个元素的序号对应的酒店。