基于顾客细粒度属性偏好的酒店需求预测方法及系统技术方案

本发明专利技术实施例提供一种基于顾客细粒度属性偏好的酒店需求预测方法及系统，属于文本识别技术领域。所述预测方法包括：根据顾客对于酒店的评论进行客户偏好挖掘，以得到结构化数据；根据所述结构化数据计算每个酒店的情感得分值；依据所述情感得分值的集合生成多个子集；采用每个所述子集中的情感得分值训练TopicSenti‑DNN模型，以确定每个所述子集对应的有效性；选择有效性最高的所述子集作为用于预测酒店需求的有效情感得分值；采用所述TopicSenti‑DNN模型根据每个顾客的有效情感得分值进行预测，以得到每个酒店的需求。该预测方法及系统能够准确预测酒店需求。

【技术实现步骤摘要】

本专利技术涉及文本识别，具体地涉及一种基于顾客细粒度属性偏好的酒店需求预测方法及系统。

技术介绍

1、以互联网与移动通信技术为代表的现代信息技术的快速发展与深入应用，极大地推动了电子商务与网络平台经济的迅猛发展，深刻地影响了社会生产生活方式。就酒店行业而言，在线旅游平台(online travel agency，ota)利用其强大的资源整合优势、便捷的搜索功能、多样的预订方式和安全便捷的支付方式吸引了越来越多的消费者在网上预订酒店。

2、然而，顾客在通过网络进行酒店预订时会不可避免地面临一些关于酒店属性(例如设施和服务质量)的不确定性，因为在线订购时他们无法直接接触到界面上所展示的产品或服务。在这种情况下，他们往往会查看在线旅游平台上的顾客评论，以决定预订哪家酒店，以及预定何种房间。据emarketer最近发布的数据，超过92％的消费者习惯于在消费之前阅读其他消费者发布的评论。在线评论作为顾客体验产品或服务后的生成信息，包含着顾客对于产品或服务的优势的赞美或者缺陷的不满，能帮助顾客对商家提供的描述信息进行验证。随着网络购物顾客规模的不断扩大和在本文档来自技高网...

【技术保护点】

1.一种基于顾客细粒度属性偏好的酒店需求预测方法，其特征在于，所述预测方法包括：

2.根据权利要求1所述的预测方法，其特征在于，根据顾客对于酒店的评论进行客户偏好挖掘，以得到结构化数据，包括：

3.根据权利要求2所述的预测方法，其特征在于，所述第一卷积核/第二卷积核的高度为3、4和5。

4.根据权利要求2所述的预测方法，其特征在于，根据顾客对于酒店的评论进行客户偏好挖掘，以得到结构化数据，包括：

5.根据权利要求4所述的预测方法，其特征在于，根据顾客对于酒店的评论进行客户偏好挖掘，以得到结构化数据，包括：

6.根据权利要求4所述...

【技术特征摘要】

1.一种基于顾客细粒度属性偏好的酒店需求预测方法，其特征在于，所述预测方法包括：

2.根据权利要求1所述的预测方法，其特征在于，根据顾客对于酒店的评论进行客户偏好挖掘，以得到结构化数据，包括：

3.根据权利要求2所述的预测方法，其特征在于，所述第一卷积核/第二卷积核的高度为3、4和5。

4.根据权利要求2所述的预测方法，其特征在于，根据顾客对于酒店的评论进行客户偏好挖掘，以得到结构化数据，包括：

5.根据权利要求4所述的预测方法，其特征在于，根据顾客对于酒店的评论进行客户偏好挖掘，以得到结构化数据，包括：

6.根据权利要求4所述的预测方法，其特征在于，根据预设的程度副词词典和否定词词典调整所述情感极性得分，包括：

7.根据权利要求1所述的预测方法，其特...

【专利技术属性】
技术研发人员：卞亦文，刘典，叶榕盛，张婧，
申请(专利权)人：上海大学，
类型：发明
国别省市：