[发明专利]OTA酒店的推荐方法及系统

权利要求书

1.一种OTA酒店的推荐方法，其特征在于，所述OTA酒店的推荐方法包括：

S1.生成用户的酒店训练模型，所述酒店训练模型用于获取所述用户的酒店偏好数据；

S2.在用户访问OTA网站酒店页面且进入POI搜索场景后，接收所述用户所输入的地标，按与所述地标的距离从近到远的顺序对酒店进行排序，且将排序后的酒店作为原始搜索结果；

S3.根据所述酒店训练模型获取所述用户的酒店偏好数据；

S4.在所述原始搜索结果中按所述原始搜索结果的排列顺序依次查询与所述酒店偏好数据相匹配的酒店，并将查询结果作为最终搜索结果进行输出；

所述酒店训练模型包括酒店星级训练模型，所述酒店偏好数据包括酒店星级偏好值，所述酒店星级模型用于获取所述用户的酒店星级偏好值，步骤S1包括生成所述酒店星级训练模型，生成所述酒店星级训练模型的步骤包括：

S11.每完成一新订单，生成一个酒店星级样本，所述酒店星级样本包括第一类星级输入值和第二类星级输入值；

所述第一类星级输入值为在所述新订单之前的历史酒店订单数据、历史酒店浏览数据和场景信息数据中所有特征的平均值；

所述历史酒店订单数据的特征包括：酒店的星级、酒店的价格、酒店的点评分和酒店的订单数；

所述历史酒店浏览数据的特征包括：浏览酒店的星级、浏览酒店的价格、浏览酒店的点评分和浏览酒店的订单数；

所述场景信息数据的特征包括：预订酒店所在的城市、所述城市的消费水平、预订日期；

所述第二类星级输入值为所述新订单的酒店星级数；

S12.以XGB模型为基础，将所述酒店星级样本作为输入，输入至所述XGB模型中定期的进行模型学习生成所述用户的酒店星级训练模型。

2.如权利要求1所述的OTA酒店的推荐方法，其特征在于，步骤S3包括获取所述酒店星级偏好值，所述获取酒店星级偏好值的步骤包括：

S31.将酒店测试样本输入至所述酒店星级训练模型中进行运算并输出酒店星级数所对应的星级偏好概率值；

所述酒店测试样本为所述用户访问OTA网站酒店页面且进入POI搜索场景之日前的所述历史酒店订单数据、所述历史酒店浏览数据和所述场景信息数据中所有特征的平均值；

S32.从所述酒店星级数所对应的星级偏好概率值中选取最大的星级偏好概率值，并将所述最大的星级偏好概率值所对应的酒店星级数作为所述用户的酒店星级偏好值。

3.如权利要求2所述的OTA酒店的推荐方法，其特征在于，所述酒店训练模型还包括酒店价格训练模型，所述酒店偏好数据还包括酒店价格偏好值，所述酒店价格训练模型用于获取所述用户的酒店价格偏好值，步骤S1还包括生成所述酒店价格训练模型，生成所述酒店价格训练模型的步骤包括：

S11’.每完成一新订单，生成一个酒店价格样本，所述酒店价格样本包括第一类价格输入值和第二类价格输入值；

所述第一类价格输入值与步骤S11中的所述第一类星级输入值相同；

所述第二类价格输入值为所述新订单的酒店价格所对应的酒店价格范围；

S12’.以所述XGB模型为基础，将所述酒店价格样本作为输入，输入至所述XGB模型中定期的进行模型学习生成所述用户的酒店价格训练模型。

4.如权利要求3所述的OTA酒店的推荐方法，其特征在于，步骤S3还包括获取所述酒店价格偏好值，所述获取酒店价格偏好值的步骤包括：

S31’.将所述酒店测试样本输入至所述酒店价格训练模型中进行运算并输出每段价格范围所对应的价格偏好概率值；

S32’.从所述每段价格范围所对应的价格偏好概率值中选取最大的价格偏好概率值，并将所述最大的价格偏好概率值所对应的价格范围作为所述用户的酒店价格偏好值。