酒店推荐方法、系统、电子设备和存储介质技术方案

本发明专利技术公开了一种酒店推荐方法、系统、电子设备和存储介质。其中，酒店推荐方法包括：根据多个待推荐酒店的酒店标识训练转换模型，转换模型用于将酒店标识转换成词向量；利用转换模型将每个待推荐酒店的酒店标识转换成待推荐酒店向量；获取目标用户的历史行为序列，历史行为序列包括目标用户历史点击的若干酒店的酒店标识；利用转换模型将历史行为序列转换成用户行为向量，用户行为向量与待推荐酒店向量的长度相同；获取用户行为向量与每个待推荐酒店向量的目标相似度；根据目标相似度向目标用户推荐若干待推荐酒店。本发明专利技术可以在实现的千人千面的基础上，能够提高酒店的订单转化率并有效减少目标用户的在线浏览时间。

【技术实现步骤摘要】
酒店推荐方法、系统、电子设备和存储介质
本专利技术涉及计算机
，尤其涉及一种酒店推荐方法、系统、电子设备和存储介质。
技术介绍
在当前酒店推荐任务中，往往着重考虑用户最后一次点击行为，而通常忽视同一时间段内用户最后一次点击行为与前几次点击行为的关联分析。此外，在当前酒店推荐任务中，往往通过构造特征的方式来挖掘信息，例如，基于统计或者经验的方式来构造局部特征。如此，难以较好地完成酒店推荐，使得当前推荐的酒店列表与用户喜好的一致性较弱，从而使得酒店的订单转化率较低。
技术实现思路
本专利技术要解决的技术问题是为了克服现有技术中酒店推荐与用户喜好的一致性较弱的缺陷，提供一种酒店推荐方法、系统、电子设备和存储介质。本专利技术是通过下述技术方案来解决上述技术问题：一种酒店推荐方法，包括：根据多个待推荐酒店的酒店标识(ID，IdentityDocument)训练转换模型，所述转换模型用于将所述酒店标识转换成词向量；利用所述转换模型将每个待推荐酒店的酒店标识转换成待推荐酒店向量；获取目标用户的历史行为序列，所述历史行为序列包括所述目标用户历史点击的若干酒店的酒店标识；利用所述转换模型将所述历史行为序列转换成用户行为向量，所述用户行为向量与所述待推荐酒店向量的长度相同；获取所述用户行为向量与每个待推荐酒店向量的目标相似度；根据所述目标相似度向所述目标用户推荐若干所述待推荐酒店。较佳地，在所述获取所述用户行为向量与每个待推荐酒店向量的目标相似度的步骤之前还包括：以所述用户行为向量以及所述待推荐酒店向量为输入训练文本匹配模型，所述文本匹配模型用于输出所述用户行为向量与所述历史酒店向量的目标相似度；所述获取所述用户行为向量与每个待推荐酒店向量的目标相似度的步骤包括：利用所述文本匹配模型获取所述用户行为向量与每个待推荐酒店向量的目标相似度。较佳地，所述以所述用户行为向量以及所述待推荐酒店向量为输入训练文本匹配模型的步骤包括：获取所述用户行为向量与所述待推荐酒店向量的中间相似度；以所述用户行为向量、所述待推荐酒店向量以及所述中间相似度为输入训练文本匹配模型。较佳地，在所述获取目标用户的历史行为序列的步骤之后还包括：判断所述历史行为序列中酒店标识的数量是否大于预设阈值；若是，则执行所述利用所述转换模型将所述历史行为序列转换成用户行为向量的步骤；若否，则获取所述目标用户的用户信息，并根据所述用户信息向所述目标用户推荐若干所述待推荐酒店，其中，所述用户信息包括当前位置和/或价格偏好；和/或，所述利用所述转换模型将所述历史行为序列转换成用户行为向量的步骤包括：利用所述转换模型将所述历史行为序列中每个酒店标识分别转换成历史酒店向量；根据所述历史行为序列对应的所有历史酒店向量获取用户行为向量；和/或，所述转换模型包括Skip-Gram模型；和/或，所述获取所述用户行为向量与每个待推荐酒店向量的目标相似度的步骤包括：获取所述用户行为向量与每个待推荐酒店向量之间的向量距离；根据所述向量距离确定所述目标相似度。一种酒店推荐系统，包括：第一训练模块，用于根据多个待推荐酒店的酒店标识训练转换模型，所述转换模型用于将所述酒店标识转换成词向量；第一转换模块，用于利用所述转换模型将每个待推荐酒店的酒店标识转换成待推荐酒店向量；第一获取模块，用于获取目标用户的历史行为序列，所述历史行为序列包括所述目标用户历史点击的若干酒店的酒店标识；第二转换模块，用于利用所述转换模型将所述历史行为序列转换成用户行为向量，所述用户行为向量与所述待推荐酒店向量的长度相同；第二获取模块，用于获取所述用户行为向量与每个待推荐酒店向量的目标相似度；第一推荐推荐模块，用于根据所述目标相似度向所述目标用户推荐若干所述待推荐酒店。较佳地，所述酒店推荐系统还包括：第二训练模块，用于以所述用户行为向量以及所述待推荐酒店向量为输入训练文本匹配模型，所述文本匹配模型用于输出所述用户行为向量与所述历史酒店向量的目标相似度；所述第二获取模块具体用于利用所述文本匹配模型获取所述用户行为向量与每个待推荐酒店向量的目标相似度。较佳地，所述第二训练模块具体包括：第一获取单元，用于获取所述用户行为向量与所述待推荐酒店向量的中间相似度；训练单元，用于以所述用户行为向量、所述待推荐酒店向量以及所述中间相似度为输入训练文本匹配模型。较佳地，所述酒店推荐系统还包括：判断模块，用于判断所述历史行为序列中酒店标识的数量是否大于预设阈值；若是，则调用所述第二转换模块；若否，则调用用于获取所述目标用户的用户信息的第三获取模块，并调用用于根据所述用户信息向所述目标用户推荐若干所述待推荐酒店的第二推荐模块，其中，所述用户信息包括当前位置和/或价格偏好；和/或，所述第二转换模块具体包括：转换单元，用于利用所述转换模型将所述历史行为序列中每个酒店标识分别转换成历史酒店向量；整合单元，用于根据所述历史行为序列对应的所有历史酒店向量获取用户行为向量；和/或，所述转换模型包括Skip-Gram模型；和/或，所述第二获取模块具体包括：第二获取单元，用于获取所述用户行为向量与每个待推荐酒店向量之间的向量距离；确定单元，用于根据所述向量距离确定所述目标相似度。一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述任一种酒店推荐方法。一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任一种酒店推荐方法的步骤。本专利技术的积极进步效果在于：本专利技术基于目标用户的历史会话信息，具体地，通过目标用户对酒店的历史点击行为，挖掘被点击的酒店与酒店之间、被点击的酒店与用户之间的信息，从而可以根据目标用户的历史行为对其感兴趣的内容进行挖掘，进而可以向其推荐其感兴趣的酒店，在实现的千人千面的基础上，由于推荐给目标用户的酒店是符合目标用户偏好的，能够提高酒店的订单转化率，还能够有效减少目标用户的在线浏览时间。附图说明图1为根据本专利技术实施例1的酒店推荐方法的流程图。图2为根据本专利技术实施例2的酒店推荐方法的流程图。图3为根据本专利技术实施例2的酒店推荐方法的具体流程图。图4为根据本专利技术实施例3的酒店推荐系统的模块示意图。图5为根据本专利技术实施例4的酒店推荐系统的模块示意图。图6为根据本专利技术实施例5的电子设备的结构示意图。具体实施方式下面通过实施例的方式进一步说明本专利技术，但并不因此将本专利技术限制在所述的实施例范围之中。实施例1本实施例提供一种酒店推荐本文档来自技高网...

【技术保护点】
1.一种酒店推荐方法，其特征在于，包括：/n根据多个待推荐酒店的酒店标识训练转换模型，所述转换模型用于将所述酒店标识转换成词向量；/n利用所述转换模型将每个待推荐酒店的酒店标识转换成待推荐酒店向量；/n获取目标用户的历史行为序列，所述历史行为序列包括所述目标用户历史点击的若干酒店的酒店标识；/n利用所述转换模型将所述历史行为序列转换成用户行为向量，所述用户行为向量与所述待推荐酒店向量的长度相同；/n获取所述用户行为向量与每个待推荐酒店向量的目标相似度；/n根据所述目标相似度向所述目标用户推荐若干所述待推荐酒店。/n

【技术特征摘要】
1.一种酒店推荐方法，其特征在于，包括：
根据多个待推荐酒店的酒店标识训练转换模型，所述转换模型用于将所述酒店标识转换成词向量；
利用所述转换模型将每个待推荐酒店的酒店标识转换成待推荐酒店向量；
获取目标用户的历史行为序列，所述历史行为序列包括所述目标用户历史点击的若干酒店的酒店标识；
利用所述转换模型将所述历史行为序列转换成用户行为向量，所述用户行为向量与所述待推荐酒店向量的长度相同；
获取所述用户行为向量与每个待推荐酒店向量的目标相似度；
根据所述目标相似度向所述目标用户推荐若干所述待推荐酒店。


2.如权利要求1所述的酒店推荐方法，其特征在于，在所述获取所述用户行为向量与每个待推荐酒店向量的目标相似度的步骤之前还包括：
以所述用户行为向量以及所述待推荐酒店向量为输入训练文本匹配模型，所述文本匹配模型用于输出所述用户行为向量与所述历史酒店向量的目标相似度；
所述获取所述用户行为向量与每个待推荐酒店向量的目标相似度的步骤包括：
利用所述文本匹配模型获取所述用户行为向量与每个待推荐酒店向量的目标相似度。


3.如权利要求2所述的酒店推荐方法，其特征在于，所述以所述用户行为向量以及所述待推荐酒店向量为输入训练文本匹配模型的步骤包括：
获取所述用户行为向量与所述待推荐酒店向量的中间相似度；
以所述用户行为向量、所述待推荐酒店向量以及所述中间相似度为输入训练文本匹配模型。


4.如权利要求1所述的酒店推荐方法，其特征在于，在所述获取目标用户的历史行为序列的步骤之后还包括：
判断所述历史行为序列中酒店标识的数量是否大于预设阈值；
若是，则执行所述利用所述转换模型将所述历史行为序列转换成用户行为向量的步骤；
若否，则获取所述目标用户的用户信息，并根据所述用户信息向所述目标用户推荐若干所述待推荐酒店，其中，所述用户信息包括当前位置和/或价格偏好；
和/或，
所述利用所述转换模型将所述历史行为序列转换成用户行为向量的步骤包括：
利用所述转换模型将所述历史行为序列中每个酒店标识分别转换成历史酒店向量；
根据所述历史行为序列对应的所有历史酒店向量获取用户行为向量；
和/或，
所述转换模型包括Skip-Gram模型；
和/或，
所述获取所述用户行为向量与每个待推荐酒店向量的目标相似度的步骤包括：
获取所述用户行为向量与每个待推荐酒店向量之间的向量距离；
根据所述向量距离确定所述目标相似度。


5.一种酒店推荐系统，其特征在于，包括：
第一训练模块，用于根据多个待推荐酒店的酒店标识训练转换模型，所述转换模型用于将所述酒店标识转换成词向量；

【专利技术属性】
技术研发人员：杨晓燕，胡泓，郭宝坤，陈谦，
申请(专利权)人：携程计算机技术上海有限公司，
类型：发明
国别省市：上海;31