基于社會關(guān)系的機票個性化推薦方法及系統(tǒng)的制作方法
【專利摘要】本發(fā)明提供了一種基于社會關(guān)系的機票個性化推薦方法及系統(tǒng)，包括：步驟1：收集用戶的歷史機票訂單，判斷歷史機票訂單的數(shù)量是否大于設(shè)定閾值，當(dāng)歷史機票訂單的數(shù)量大于等于設(shè)定閾值，進(jìn)入步驟3，當(dāng)歷史機票訂單的數(shù)量小于設(shè)定閾值時進(jìn)入步驟2；步驟2：根據(jù)用戶中的乘客信息查找相關(guān)用戶，收集相關(guān)用戶的歷史機票訂單；步驟3：根據(jù)收集到的歷史機票訂單，統(tǒng)計用戶在機票訂單的多個屬性信息中的偏好，計算屬性信息的信息熵值，獲取每個屬性信息的權(quán)重，進(jìn)而生成用戶偏好模型。本發(fā)明利用了用戶之間的社會關(guān)系，適當(dāng)?shù)匮a充訂單較少的用戶的數(shù)據(jù)，可以用戶更好地建用戶偏好模型，從而提升個性化推薦的整體效果。
【專利說明】
基于社會關(guān)系的機票個性化推薦方法及系統(tǒng)
技術(shù)領(lǐng)域
[0001] 本發(fā)明設(shè)及個性化推薦，具體地，設(shè)及一種基于社會關(guān)系的機票個性化推薦方法 及系統(tǒng)。
【背景技術(shù)】
[0002] 個性化推薦技術(shù)的主要作用是在信息爆炸時代根據(jù)用戶的行為提取出用戶的興 趣愛好，準(zhǔn)確高效地為用戶提供在獲取信息上的建議，W減少用戶為獲取信息所花費的時 間。個性化推薦已經(jīng)是互聯(lián)網(wǎng)時代不可缺少的技術(shù)。個性化推薦能夠有效預(yù)見用戶的需求， 使得交互過程更有效率并提升用戶的滿意度，因此在包括電子商務(wù)、新聞口戶、多媒體等各 種服務(wù)網(wǎng)站都有廣泛的應(yīng)用。每年還會有重大的推薦技術(shù)競賽。隨著互聯(lián)網(wǎng)技術(shù)的發(fā)展W 及用戶信息的不斷完善，可W預(yù)見個性化推薦技術(shù)將有更加廣泛的應(yīng)用。
[0003] 目前大部分推薦系統(tǒng)主要利用用戶自身的信息，運樣雖然可W使用最準(zhǔn)確的建模 數(shù)據(jù)，但是部分用戶的行為信息過于稀少，并不足W建立偏好模型。而且運部分用戶所占的 比例并不小，從而會影響到整體的推薦效果。運類問題在某些領(lǐng)域有較好的解決辦法，例如 在視頻、新聞等領(lǐng)域可W直接推薦最熱口的信息，但是在電子商務(wù)領(lǐng)域并不適用?；谏鐣?關(guān)系的推薦技術(shù)充分利用了用戶之間的社會關(guān)系，相當(dāng)于對歷史訂單進(jìn)行合理擴充，能夠 增加偏好模型的準(zhǔn)確性。
[0004] 現(xiàn)有技術(shù)中的機票推薦系統(tǒng)根據(jù)用戶W往的訂單數(shù)據(jù)建立用戶偏好模型，使用用 戶偏好模型與用戶捜索結(jié)果逐條計算相似度，并根據(jù)相似度排序，將相似度最高的幾條結(jié) 果推薦給用戶。

【發(fā)明內(nèi)容】

[0005] 針對現(xiàn)有技術(shù)中的缺陷，本發(fā)明的目的是提供一種基于社會關(guān)系的機票個性化推 薦方法及系統(tǒng)。
[0006] 根據(jù)本發(fā)明一個方面提供的基于社會關(guān)系的機票個性化推薦方法，包括如下步 驟：
[0007] 步驟1:收集用戶的歷史機票訂單，判斷所述歷史機票訂單的數(shù)量是否大于設(shè)定闊 值，當(dāng)所述歷史機票訂單的數(shù)量大于等于設(shè)定闊值，進(jìn)入步驟3,當(dāng)所述歷史機票訂單的數(shù) 量小于設(shè)定闊值時進(jìn)入步驟2;
[000引步驟2:根據(jù)所述用戶中的乘客信息查找相關(guān)用戶，收集相關(guān)用戶的歷史機票訂 單；
[0009] 步驟3:根據(jù)收集到的歷史機票訂單，統(tǒng)計用戶在機票訂單的多個屬性信息中的偏 好，計算所述屬性信息的信息賭值，獲取每個屬性信息的權(quán)重，進(jìn)而生成用戶偏好模型；
[0010] 步驟4:根據(jù)所述用戶偏好模型將待預(yù)定機票的捜索結(jié)果進(jìn)行排序推薦給用戶。
[0011] 優(yōu)選地，所述相關(guān)用戶為如下任一種或任多種；
[0012] -相關(guān)用戶與用戶之間有相同的乘客中的第一匹配用戶；
[0013] -相關(guān)用戶中的乘客與用戶中的乘客之間多次共同乘坐過同一班次飛機的第二匹 配用戶。
[0014] 優(yōu)選地，所述第一匹配用戶的優(yōu)先級大于所述第二匹配用戶；
[0015] 當(dāng)所述第一匹配用戶的歷史機票訂單數(shù)量與所述用戶的歷史機票訂單數(shù)量的和 大于等于所述設(shè)定闊值時，停止查找第二匹配用戶，并進(jìn)入步驟3。
[0016] 優(yōu)選地，當(dāng)所述第一匹配用戶的數(shù)量為多個，多個所述第一匹配用戶之間的優(yōu)先 級按相同乘客的數(shù)量依次排序；
[0017] 當(dāng)優(yōu)先級在前面的第一匹配用戶的歷史機票訂單數(shù)量與所述用戶的歷史機票訂 單數(shù)量的和大于等于所述設(shè)定闊值時，停止統(tǒng)計優(yōu)先級在后面的第一匹配用戶的歷史機票 訂單數(shù)量，并進(jìn)入步驟3。
[0018] 優(yōu)選地，所述屬性信息為如下的任多種，
[0019] -航空公司；
[0020] -起飛時間；
[0021] -艙位等級；
[0022] -飛機類型；
[0023] -票價級別。
[0024] 根據(jù)本發(fā)明另一個方面提供的基于社會關(guān)系的機票個性化推薦系統(tǒng)，包括機票訂 單收集判斷模塊、相關(guān)用戶查找模塊、偏好模型生成模塊W及相關(guān)機票推薦模塊；
[0025] 機票訂單收集判斷模塊，用于收集用戶的歷史機票訂單，判斷所述歷史機票訂單 的數(shù)量是否大于設(shè)定闊值，當(dāng)所述機票訂單的數(shù)量大于等于設(shè)定闊值，觸發(fā)偏好模型生成 模塊，當(dāng)所述機票訂單的數(shù)量小于設(shè)定闊值時觸發(fā)相關(guān)用戶查找模塊；
[0026] 相關(guān)用戶查找模塊，用于根據(jù)所述用戶中的乘客信息查找相關(guān)用戶，收集相關(guān)用 戶的歷史機票訂單；
[0027] 偏好模型生成模塊，用于根據(jù)收集到的歷史機票訂單，統(tǒng)計用戶在機票訂單的多 個屬性信息中的偏好，計算所述屬性信息的信息賭值，獲取每個屬性信息的權(quán)重，進(jìn)而生成 用戶偏好模型；
[0028] 相關(guān)機票推薦模塊，用于根據(jù)所述用戶偏好模型將待預(yù)定機票的捜索結(jié)果進(jìn)行排 序推薦給用戶。
[0029] 優(yōu)選地，所述相關(guān)用戶為如下任一種或任多種；
[0030] -相關(guān)用戶與用戶之間有相同的乘客中的第一匹配用戶；
[0031] -相關(guān)用戶中的乘客與用戶中的乘客之間多次共同乘坐過同一班次飛機的第二匹 配用戶。
[0032] 優(yōu)選地，所述第一匹配用戶的優(yōu)先級大于所述第二匹配用戶；
[0033] 當(dāng)所述第一匹配用戶的歷史機票訂單數(shù)量與所述用戶的歷史機票訂單數(shù)量的和 大于等于所述設(shè)定闊值時，停止查找第二匹配用戶，觸發(fā)偏好模型生成模塊。
[0034] 優(yōu)選地，當(dāng)所述第一匹配用戶的數(shù)量為多個，多個所述第一匹配用戶之間的優(yōu)先 級按相同乘客的數(shù)量依次排序；
[0035] 當(dāng)優(yōu)先級在前面的第一匹配用戶的歷史機票訂單數(shù)量與所述用戶的歷史機票訂 單數(shù)量的和大于等于所述設(shè)定闊值時，停止統(tǒng)計優(yōu)先級在后面的第一匹配用戶的歷史機票 訂單數(shù)量，觸發(fā)偏好模型生成模塊。
[0036] 優(yōu)選地，所述屬性信息為如下的任多種，
[0037] -航空公司；
[003引-起飛時間；
[0039] -艙位等級；
[0040] -飛機類型；
[0041] -票價級別。
[0042] 與現(xiàn)有技術(shù)相比，本發(fā)明具有如下的有益效果：
[0043] 1、本發(fā)明除了考慮用戶自己的歷史訂單之外，還利用了用戶之間的社會關(guān)系，并 且運種關(guān)系可W容易地利用原本的數(shù)據(jù)挖掘出來，不需要額外的數(shù)據(jù)，從而通過適當(dāng)?shù)匮a 充訂單較少的用戶的數(shù)據(jù)，可W幫助運部分用戶更好地建用戶偏好模型，從而提升個性化 推薦的整體效果；
[0044] 2、本發(fā)明原理簡單，能夠適用于多種領(lǐng)域的個性化推薦。
【附圖說明】
[0045] 通過閱讀參照W下附圖對非限制性實施例所作的詳細(xì)描述，本發(fā)明的其它特征、 目的和優(yōu)點將會變得更明顯：
[0046] 圖1為本發(fā)明中的用戶關(guān)系圖；
[0047] 圖2為本發(fā)明中的基于社會關(guān)系的機票個性化推薦方法的流程圖。
【具體實施方式】
[0048] 下面結(jié)合具體實施例對本發(fā)明進(jìn)行詳細(xì)說明。W下實施例將有助于本領(lǐng)域的技術(shù) 人員進(jìn)一步理解本發(fā)明，但不W任何形式限制本發(fā)明。應(yīng)當(dāng)指出的是，對本領(lǐng)域的普通技術(shù) 人員來說，在不脫離本發(fā)明構(gòu)思的前提下，還可W做出若干變形和改進(jìn)。運些都屬于本發(fā)明 的保護(hù)范圍。
[0049] 相比于火車和長途汽車，飛機的訂票具有更加靈活多變的特性，包括多個航空公 司、不同檔次的機票艙位、多變的機票價格等。當(dāng)用戶在售票網(wǎng)站捜索從出發(fā)地到目的地的 機票時，如果能夠給每位用戶推薦符合其偏好的機票，將可W為用戶節(jié)省瀏覽時間，同時也 可W為售票網(wǎng)站帶來更高的轉(zhuǎn)化率。獲得用戶偏好最直接的途徑就是統(tǒng)計并分析用戶的歷 史訂單。對于出行較為頻繁的乘客，我們可W獲得更加準(zhǔn)確的偏好分析，但根據(jù)我們對網(wǎng)站 訂票數(shù)據(jù)的深層次分析，訂單稀少的乘客仍占據(jù)相當(dāng)大的比例，而我們很難為運部分乘客 建立準(zhǔn)確的偏好模型。由于售票網(wǎng)站的操作特性，用戶購票時登錄的網(wǎng)站賬戶與實際乘客 之間并非都是一對一的關(guān)系。有的網(wǎng)站賬戶為多名乘客購買過機票，有的乘客出現(xiàn)在多個 網(wǎng)站賬戶中，還有些乘客之間雖然沒有網(wǎng)站賬戶的聯(lián)系，卻乘坐過同一班航班。運些乘客之 間具有社會關(guān)系，通常社會關(guān)系越密切的乘客具有越相近的偏好，如果我們可W利用到與 乘客有社會關(guān)系的其他乘客的歷史訂單，將可W更好地為訂單稀少的乘客建立偏好模型， 從而提升推薦效果。運種基于社會關(guān)系的推薦技術(shù)充分利用了個體之間的聯(lián)系，從而豐富 了用于構(gòu)建用戶偏好模型所需的信息，本發(fā)明可W用在其他具有類似應(yīng)用場景的推薦技術(shù) 中。
[0050] 在本實施例中，本發(fā)明提供的基于社會關(guān)系的機票個性化推薦方法，包括如下步 驟：
[0051] 步驟1:收集用戶的歷史機票訂單，判斷所述歷史機票訂單的數(shù)量是否大于設(shè)定闊 值，當(dāng)所述歷史機票訂單的數(shù)量大于等于設(shè)定闊值，進(jìn)入步驟3,當(dāng)所述歷史機票訂單的數(shù) 量小于設(shè)定闊值時進(jìn)入步驟2;
[0052] 步驟2:根據(jù)所述用戶中的乘客信息查找相關(guān)用戶，收集相關(guān)用戶的歷史機票訂 單；
[0053] 步驟3:根據(jù)收集到的歷史機票訂單，統(tǒng)計用戶在機票訂單的多個屬性信息中的偏 好，計算所述屬性信息的信息賭值，獲取每個屬性信息的權(quán)重，進(jìn)而生成用戶偏好模型；
[0054] 步驟4:根據(jù)所述用戶偏好模型將待預(yù)定機票的捜索結(jié)果進(jìn)行排序推薦給用戶。
[0055] 所述相關(guān)用戶為如下任一種或任多種；
[0056] -相關(guān)用戶與用戶之間有相同的乘客中的第一匹配用戶；
[0057] -相關(guān)用戶中的乘客與用戶中的乘客之間多次共同乘坐過同一班次飛機的第二匹 配用戶。
[0058] 所述第一匹配用戶的優(yōu)先級大于所述第二匹配用戶；當(dāng)所述第一匹配用戶的歷史 機票訂單數(shù)量與所述用戶的歷史機票訂單數(shù)量的和大于等于所述設(shè)定闊值時，停止查找第 二匹配用戶，并進(jìn)入步驟3。
[0059] 當(dāng)所述第一匹配用戶的數(shù)量為多個，多個所述第一匹配用戶之間的優(yōu)先級按相同 乘客的數(shù)量依次排序；當(dāng)優(yōu)先級在前面的第一匹配用戶的歷史機票訂單數(shù)量與所述用戶的 歷史機票訂單數(shù)量的和大于等于所述設(shè)定闊值時，停止統(tǒng)計優(yōu)先級在后面的第一匹配用戶 的歷史機票訂單數(shù)量，并進(jìn)入步驟3。
[0060] 具體為，如圖1所示，統(tǒng)計歷史機票訂單的數(shù)據(jù)的粒度為用戶級別，而一位用戶又 可能包含多名乘客，運些乘客是實際的乘機人，與用戶不一定是一對一的關(guān)系。用戶之間的 社會關(guān)系正是依據(jù)乘機人之間的聯(lián)系建立。本發(fā)明針對的是自身訂單數(shù)量稀少，但與其他 用戶有社會關(guān)系的用戶，運一部分用戶在所有用戶中也占有一定的比例，因此可W提升總 體的推薦效果。用戶1包含Ξ名乘客，用戶2和用戶3分別包含兩名乘客。乘客使用加密過的 身份信息作為標(biāo)識?？蒞看到，用戶1與用戶2包含共同的乘客P2,用戶1和用戶3包含具有同 乘關(guān)系的乘客P3和P5。而用戶2和用戶3包含共同乘客P4,因此運Ξ位用戶之間具有社會關(guān) 系。其中用戶2和用戶3的關(guān)系最為緊密，雖然用戶1和用戶2也包含一名共同乘客，但是用戶 3本身只包含兩名乘客，而用戶1有Ξ名乘客。關(guān)系最為疏遠(yuǎn)的是用戶1和用戶3,因為他們僅 僅包含同乘過的乘客。運里同乘的含義是共同乘坐過飛機兩次W上。
[0061] 所述屬性信息為如下的任多種，
[0062] -航空公司；
[0063] -起飛時間；
[0064] -艙位等級；
[0065] -飛機類型；
[0066] -票價級別。
[0067] 本發(fā)明提供的基于社會關(guān)系的機票個性化推薦系統(tǒng)，包括機票訂單收集判斷模 塊、相關(guān)用戶查找模塊、偏好模型生成模塊W及相關(guān)機票推薦模塊；
[0068] 機票訂單收集判斷模塊，用于收集用戶的歷史機票訂單，判斷所述歷史機票訂單 的數(shù)量是否大于設(shè)定闊值，當(dāng)所述機票訂單的數(shù)量大于等于設(shè)定闊值，觸發(fā)偏好模型生成 模塊，當(dāng)所述機票訂單的數(shù)量小于設(shè)定闊值時觸發(fā)相關(guān)用戶查找模塊；
[0069] 相關(guān)用戶查找模塊，用于根據(jù)所述用戶中的乘客信息查找相關(guān)用戶，收集相關(guān)用 戶的歷史機票訂單；
[0070] 偏好模型生成模塊，用于根據(jù)收集到的歷史機票訂單，統(tǒng)計用戶在機票訂單的多 個屬性信息中的偏好，計算所述屬性信息的信息賭值，獲取每個屬性信息的權(quán)重，進(jìn)而生成 用戶偏好模型；
[0071] 相關(guān)機票推薦模塊，用于根據(jù)所述用戶偏好模型將待預(yù)定機票的捜索結(jié)果進(jìn)行排 序推薦給用戶。
[0072] 所述相關(guān)用戶為如下任一種或任多種；
[0073] -相關(guān)用戶與用戶之間有相同的乘客中的第一匹配用戶；
[0074] -相關(guān)用戶中的乘客與用戶中的乘客之間多次共同乘坐過同一班次飛機的第二匹 配用戶。
[0075] 所述第一匹配用戶的優(yōu)先級大于所述第二匹配用戶；
[0076] 當(dāng)所述第一匹配用戶的歷史機票訂單數(shù)量與所述用戶的歷史機票訂單數(shù)量的和 大于等于所述設(shè)定闊值時，停止查找第二匹配用戶，觸發(fā)偏好模型生成模塊。
[0077] 當(dāng)所述第一匹配用戶的數(shù)量為多個，多個所述第一匹配用戶之間的優(yōu)先級按相同 乘客的數(shù)量依次排序；
[0078] 當(dāng)優(yōu)先級在前面的第一匹配用戶的歷史機票訂單數(shù)量與所述用戶的歷史機票訂 單數(shù)量的和大于等于所述設(shè)定闊值時，停止統(tǒng)計優(yōu)先級在后面的第一匹配用戶的歷史機票 訂單數(shù)量，觸發(fā)偏好模型生成模塊。
[0079] 所述屬性信息為如下的任多種，
[0080] -航空公司；
[0081 ]-起飛時間；
[0082] -艙位等級；
[0083] -飛機類型；
[0084] -票價級別。
[0085] 更為具體的如表1所示，
[0086] 表1為機票屬性列表
[0087]
[0088] 如圖2所示的是機票個性化推薦流程，本發(fā)明的整體流程為，首先根據(jù)歷史機票訂 單構(gòu)建用戶偏好模型，偏好模型包括表1的五個屬性信息。五個屬性信息對于不同的用戶可 能占有不同的權(quán)重，因此計算用戶在每個屬性信息所做選擇的信息賭，信息賭表示信息的 混亂程度，賭值越小代表用戶在運個屬性上的行為越一致，因此具有更加明顯的偏好。對于 信息賭越小的屬性，賦予它越大的權(quán)重。用戶偏好模型建立完成后，使用待預(yù)定機票與戶偏 好模型進(jìn)行比較，相似度越高的條目越符合用戶的偏好，相似度的比較可W根據(jù)余弦值得 出。最后將相似度最高的幾個待預(yù)定機票條目推薦給用戶即可。
[0089] W上對本發(fā)明的具體實施例進(jìn)行了描述。需要理解的是，本發(fā)明并不局限于上述 特定實施方式，本領(lǐng)域技術(shù)人員可W在權(quán)利要求的范圍內(nèi)做出各種變形或修改，運并不影 響本發(fā)明的實質(zhì)內(nèi)容。
【主權(quán)項】
1. 一種基于社會關(guān)系的機票個性化推薦方法，其特征在于，包括如下步驟： 步驟1:收集用戶的歷史機票訂單，判斷所述歷史機票訂單的數(shù)量是否大于設(shè)定閾值， 當(dāng)所述歷史機票訂單的數(shù)量大于等于設(shè)定閾值，進(jìn)入步驟3,當(dāng)所述歷史機票訂單的數(shù)量小 于設(shè)定閾值時進(jìn)入步驟2; 步驟2:根據(jù)所述用戶中的乘客信息查找相關(guān)用戶，收集相關(guān)用戶的歷史機票訂單； 步驟3:根據(jù)收集到的歷史機票訂單，統(tǒng)計用戶在機票訂單的多個屬性信息中的偏好， 計算所述屬性信息的信息熵值，獲取每個屬性信息的權(quán)重，進(jìn)而生成用戶偏好模型； 步驟4:根據(jù)所述用戶偏好模型將待預(yù)定機票的搜索結(jié)果進(jìn)行排序推薦給用戶。2. 根據(jù)權(quán)利要求1所述的基于社會關(guān)系的機票個性化推薦方法，其特征在于，所述相關(guān) 用戶為如下任一種或任多種； -相關(guān)用戶與用戶之間有相同的乘客中的第一匹配用戶； -相關(guān)用戶中的乘客與用戶中的乘客之間多次共同乘坐過同一班次飛機的第二匹配用 戶。3. 根據(jù)權(quán)利要求2所述的基于社會關(guān)系的機票個性化推薦方法，其特征在于，所述第一 匹配用戶的優(yōu)先級大于所述第二匹配用戶； 當(dāng)所述第一匹配用戶的歷史機票訂單數(shù)量與所述用戶的歷史機票訂單數(shù)量的和大于 等于所述設(shè)定閾值時，停止查找第二匹配用戶，并進(jìn)入步驟3。4. 根據(jù)權(quán)利要求2所述的基于社會關(guān)系的機票個性化推薦方法，其特征在于，當(dāng)所述第 一匹配用戶的數(shù)量為多個，多個所述第一匹配用戶之間的優(yōu)先級按相同乘客的數(shù)量依次排 序； 當(dāng)優(yōu)先級在前面的第一匹配用戶的歷史機票訂單數(shù)量與所述用戶的歷史機票訂單數(shù) 量的和大于等于所述設(shè)定閾值時，停止統(tǒng)計優(yōu)先級在后面的第一匹配用戶的歷史機票訂單 數(shù)量，并進(jìn)入步驟3。5. 根據(jù)權(quán)利要求1所述的基于社會關(guān)系的機票個性化推薦方法，其特征在于，所述屬性 信息為如下的任多種， -航空公司； _起飛時間； -艙位等級； -飛機類型； -票價級別。6. -種基于社會關(guān)系的機票個性化推薦系統(tǒng)，其特征在于，包括機票訂單收集判斷模 塊、相關(guān)用戶查找模塊、偏好模型生成模塊以及相關(guān)機票推薦模塊； 機票訂單收集判斷模塊，用于收集用戶的歷史機票訂單，判斷所述歷史機票訂單的數(shù) 量是否大于設(shè)定閾值，當(dāng)所述機票訂單的數(shù)量大于等于設(shè)定閾值，觸發(fā)偏好模型生成模塊， 當(dāng)所述機票訂單的數(shù)量小于設(shè)定閾值時觸發(fā)相關(guān)用戶查找模塊； 相關(guān)用戶查找模塊，用于根據(jù)所述用戶中的乘客信息查找相關(guān)用戶，收集相關(guān)用戶的 歷史機票訂單； 偏好模型生成模塊，用于根據(jù)收集到的歷史機票訂單，統(tǒng)計用戶在機票訂單的多個屬 性信息中的偏好，計算所述屬性信息的信息熵值，獲取每個屬性信息的權(quán)重，進(jìn)而生成用戶 偏好模型； 相關(guān)機票推薦模塊，用于根據(jù)所述用戶偏好模型將待預(yù)定機票的搜索結(jié)果進(jìn)行排序推 薦給用戶。7. 根據(jù)權(quán)利要求6所述的基于社會關(guān)系的機票個性化推薦系統(tǒng)，其特征在于，所述相關(guān) 用戶為如下任一種或任多種； -相關(guān)用戶與用戶之間有相同的乘客中的第一匹配用戶； -相關(guān)用戶中的乘客與用戶中的乘客之間多次共同乘坐過同一班次飛機的第二匹配用 戶。8. 根據(jù)權(quán)利要求7所述的基于社會關(guān)系的機票個性化推薦系統(tǒng)，其特征在于，所述第一 匹配用戶的優(yōu)先級大于所述第二匹配用戶； 當(dāng)所述第一匹配用戶的歷史機票訂單數(shù)量與所述用戶的歷史機票訂單數(shù)量的和大于 等于所述設(shè)定閾值時，停止查找第二匹配用戶，觸發(fā)偏好模型生成模塊。9. 根據(jù)權(quán)利要求7所述的基于社會關(guān)系的機票個性化推薦系統(tǒng)，其特征在于，當(dāng)所述第 一匹配用戶的數(shù)量為多個，多個所述第一匹配用戶之間的優(yōu)先級按相同乘客的數(shù)量依次排 序； 當(dāng)優(yōu)先級在前面的第一匹配用戶的歷史機票訂單數(shù)量與所述用戶的歷史機票訂單數(shù) 量的和大于等于所述設(shè)定閾值時，停止統(tǒng)計優(yōu)先級在后面的第一匹配用戶的歷史機票訂單 數(shù)量，觸發(fā)偏好模型生成模塊。10. 根據(jù)權(quán)利要求6所述的基于社會關(guān)系的機票個性化推薦系統(tǒng)，其特征在于，所述屬 性信息為如下的任多種， -航空公司； _起飛時間； -艙位等級； -飛機類型； -票價級別。
【文檔編號】G06Q10/02GK105824929SQ201610153992
【公開日】2016年8月3日
【申請日】2016年3月17日
【發(fā)明人】曹健, 趙亞峰, 華逸群
【申請人】上海交通大學(xué)