[发明专利]基于机器学习统计模型的入住酒店附近生活推荐系统方法

说明书

本发明实施例提供了一种基于机器学习统计模型的入住酒店附近生活推荐系统，其特征在于，包括：信息采集模块：用于对用户数据进行采集；对城市地理位置对应相关信息的采集；以及对地图APP程序POI数据采集；数据存储模块：用于对数据进行分类存储，按照格式化的方式存储；存储采集模块采集到的数据以及经过算法模块计算后的数据；算法模块：采用算法DBScan在对数据进行计算和训练；匹配策略模块：执行用户和住所，用户和城市的兴趣地点匹配策略；该匹配策略按照业务逻辑、用户兴趣或用户反馈城市天气进行不同的或者几种结合的策略；推荐引擎模块：用于将所述匹配的兴趣地点坐标数据展示给用户。本发明还提供了相应的方法。

技术领域

本发明涉及电子商务的数据处理技术领域，具体涉及基于位置的数据推送技术领域；

背景技术

对于很多找短租房的人，需要自己做一些旅游攻略，行程安排等。入住一个不熟悉的城市，不了解住处附近有什么吃喝玩乐的地方，不清楚整个城市有什么吃喝玩乐和城市特色的地方。自觉做一些攻略比较耗时和麻烦。本系统根据用户的历史出行行为习惯，之前入住当地用户的出行习惯等资料，为用户提供每次出行入住酒店附近的吃喝玩乐地，入住城市旅游，办公，特色地等出行信息。

当前的很多手机APP，只是针对本地的出行特色信息进行发送，也只有位置或者好评率这几个简单的指标进行排序。用户需要自己进行搜索，从大量的信息中筛选出自己需要的出行信息。这对于初到一个陌生地方的用户来说，实在是一件非常困扰的事情。

发明内容

为解决上述技术问题，为用户快速的寻找其真正需要的特色出行信息；本发明实施例提出了一种基于机器学习统计模型的入住酒店附近生活推荐系统，其特征在于，包括：

信息采集模块：用于对用户数据进行采集；对城市地理位置对应相关信息的采集；以及对地图APP程序POI数据采集；

数据存储模块：用于对数据进行分类存储，按照格式化的方式存储；存储采集模块采集到的数据以及经过算法模块计算后的数据；

算法模块：采用算法DBScan在对数据进行计算和训练；

匹配策略模块：执行用户和住所，用户和城市的兴趣地点匹配策略；

该匹配策略按照业务逻辑、用户兴趣或用户反馈城市天气进行不同的或者几种结合的策略；

推荐引擎模块：用于将所述匹配的兴趣地点坐标数据展示给用户。

优选的，所述格式化数据包括：用户ID，用户经度，用户纬度，用户到达地点的时间。

优选的，所述数据存储模块：用于获取到三个方面用户地理坐标经纬度数据；包括当前住房用户的历史经纬度数据，住房附近N公里内全部用户历史经纬度数据，房屋所在城市全部用户历史经纬度数据；

数据存储在分布式Hive表中，通过Hive表获取可以获取三个月的历史地理经纬度坐标数据对(记做lat,lng)作为训练样本。

优选的，所述算法模块：采用Dbscan密度聚类算法，做经纬度聚类计算；

按顺序取一个经纬度坐标lat,lng对记为点P1，从这个坐标点出发，找到这个坐标附近距离小于E(E是最小距离参数)的全部经纬度坐标点；

其中最小距离阈值E是输入参数；坐标点的距离是用欧氏距离来计算的欧氏距离公式：

欧式距离

公式中的x_ik，x_jk为坐标点信息；其中k为空间的维度数，k＝1……m；