[发明专利]OTA酒店的推荐方法及系统

说明书

本发明公开了一种OTA酒店的推荐方法及系统，其中OTA酒店的推荐方法包括：S1、生成用户的酒店训练模型，酒店训练模型用于获取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，接收用户所输入的地标，按与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、根据酒店训练模型获取用户的酒店偏好数据；S4、在原始搜索结果中按原始搜索结果的排列顺序依次查询与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。本发明克服了现有技术中在用户进入POI搜索场景后查找酒店费力的问题，降低了用户查找酒店的费力度，提升了用户的订购转化率。

技术领域

本发明涉及OTA(Online Travel Agent，在线旅行社)技术领域，特别涉及一种OTA酒店的推荐方法及系统。

背景技术

POI是“Point of Interest”的缩写，可以翻译成“信息点”，每个POI包含四方面信息，名称、类别、经度纬度、附近的酒店饭店商铺等信息。我们可以叫它为“导航地图信息”，导航地图数据是整个导航产业的基石。

需要订购的酒店，在搜索POI之后，展示给用户的酒店是按照与POI的距离从近到远进行排序。由于低星和快捷酒店的分布密度较高，而高星酒店的分布密度较小，因此按照距离从近到远排序后，排序靠前的酒店大部分为低星和快捷酒店；但是携程的酒店订单中，只有小部分的订单为低星酒店的订单，而高星酒店的需求量更大)

目前POI场景下，低星酒店排序靠前的概率更高，而用户对低星酒店的需求量并不高，因此对于绝大部分用户来说，目前POI场景的酒店排序并不符合其偏好，给用户找酒店带来费力度，会影响大部分用户尤其是高星用户的订购意向。

发明内容

本发明要解决的技术问题是为了克服现有技术中POI搜索场景的酒店排序并不符合用户偏好，给用户找酒店带来费力度，从而影响大部分用户尤其是高星用户的订购意向的缺陷，提供一种OTA酒店的推荐方法及系统。

本发明是通过下述技术方案来解决上述技术问题：

一种OTA酒店的推荐方法，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。

较佳地，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；