【技术实现步骤摘要】
本专利技术属于航班推荐，特别涉及面向动态航班行程的推荐模型训练方法、推荐方法及装置。
技术介绍
1、随着全球化的不断推进和人们生活水平的提高，航空出行已成为日常生活中不可或缺的一部分。现代交通的复杂性日益加剧，用户在选择航班时面临的信息量急剧增加，如何从海量的航班信息中找到最适合自己的行程方案，成为了一个亟待解决的问题。目前市面上的航班行程推荐系统主要依赖于简单的规则排序策略，例如按价格、出发时间、准点率等进行排序。然而，这种基于静态规则的排序方式难以有效地匹配用户的多样化需求，造成了推荐效果的不佳。
2、传统的航班搜索系统主要通过价格排序、出发时间排序和准点率排序等方式来帮助用户选择航班。价格排序将航班按价格从低到高排列，使得用户可以快速找到价格最低的航班。然而，这种方法忽略了用户对其他因素的需求，如出发时间的灵活性、航空公司的服务质量等，无法全面满足用户需求。在出发时间排序中，系统根据航班的出发时间进行排序，使用户能够选择最符合自己时间安排的航班，但同时也忽视了航班价格和服务质量等因素。在准点率排序中，系统按航班的准点率...
【技术保护点】
1.一种面向动态航班行程的推荐模型训练方法，其特征在于，包括：
2.根据权利要求1所述的面向动态航班行程的推荐模型训练方法，其特征在于，所述推荐模型为图神经网络。
3.根据权利要求2所述的面向动态航班行程的推荐模型训练方法，其特征在于，获取旅客历史购买的航班信息为：通过用户标识获取旅客历史购买的航班信息。
4.根据权利要求3所述的面向动态航班行程的推荐模型训练方法，其特征在于，通过细粒度属性拆分方法拆分所述属性，包括：
5.根据权利要求2所述的面向动态航班行程的推荐模型训练方法，其特征在于，所述采用所述训练集训练初始化后...
【技术特征摘要】
1.一种面向动态航班行程的推荐模型训练方法，其特征在于，包括：
2.根据权利要求1所述的面向动态航班行程的推荐模型训练方法，其特征在于，所述推荐模型为图神经网络。
3.根据权利要求2所述的面向动态航班行程的推荐模型训练方法，其特征在于，获取旅客历史购买的航班信息为：通过用户标识获取旅客历史购买的航班信息。
4.根据权利要求3所述的面向动态航班行程的推荐模型训练方法，其特征在于，通过细粒度属性拆分方法拆分所述属性，包括：
5.根据权利要求2所述的面向动态航班行程的推荐模型训练方法，其特征在于，所述采用所述训练集训...
【专利技术属性】
技术研发人员：马淑燕，李江涛，张磊，田丰，李杨，史大鹏，张晨阳，田芳，
申请(专利权)人：中国民航信息网络股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。