[发明专利]OTA平台的基于用户偏好的酒店筛选方法及系统

权利要求书

1.一种OTA平台的基于用户偏好的酒店筛选方法，其特征在于，所述酒店筛选方法包括：

S1、获取每个用户的用户信息；

其中，所述用户信息包括用户历史筛选信息、用户历史浏览信息和用户历史订单信息中的至少一种；

S2、根据所述用户信息获取用户特征数据；

S3、基于XGBOOST模型对所述用户特征数据进行模型训练，获取用户偏好预测模型，并根据所述用户偏好预测模型获取第一用户偏好预测结果；

S4、根据所述第一用户偏好预测结果获取OTA平台的酒店筛选结果；

所述用户特征数据包括用户偏好的酒店星级、酒店价格、酒店品牌、酒店评分、酒店评论人数、酒店早餐类型、酒店床型、热销用户和比价用户中的至少一种；

步骤S3具体包括：

采用XGBOOST模型分别对所述酒店星级、所述酒店品牌、所述酒店早餐类型、所述酒店床型、所述热销用户和所述比价用户进行模型训练，获取对应的酒店星级预测模型、酒店品牌预测模型、酒店早餐类型预测模型、酒店床型预测模型、热销用户预测模型和比价用户预测模型，然后得到用户偏好的酒店星级预测结果、酒店品牌预测结果、酒店早餐类型预测结果、酒店床型预测结果、热销用户预测结果和比价用户预测结果；

采用XGBOOST模型与分位数回归模型相结合对所述酒店价格进行模型训练，获取酒店价格预测模型，然后得到用户偏好的酒店价格预测结果；

采用XGBOOST模型根据所述用户信息获取用户历史入住的酒店在所述OTA平台的酒店评分的范围，得到用户偏好的酒店评分的最小值；

采用XGBOOST模型根据所述用户信息获取用户历史入住的酒店在所述OTA平台的酒店评论人数的范围，得到用户偏好的酒店评论人数的最小值；

步骤S4之前还包括：

S31、获取每个城市的城市信息；

其中，所述城市信息包括酒店分布信息和/或酒店历史订单信息；

S32、采用XGBOOST模型分别对所述第一用户偏好预测结果和所述城市信息进行模型训练，获取城市数据修正模型；

S33、根据所述城市数据修正模型获取每个城市的每个酒店的修正结果；

其中，所述修正结果用于表征每个城市的每个酒店的酒店参数与所述第一用户偏好预测结果对应的酒店参数之间的差值。

2.如权利要求1所述的OTA平台的基于用户偏好的酒店筛选方法，其特征在于，步骤S4具体包括：

获取用户选择的目标城市，根据所述目标城市对应的所述修正结果和所述第一用户偏好预测结果获取第二用户偏好预测结果，并根据所述第二用户偏好预测结果获取OTA平台的酒店筛选结果。

3.如权利要求1所述的OTA平台的基于用户偏好的酒店筛选方法，其特征在于，步骤S3还包括：

根据所述用户偏好预测模型获取用户偏好预测概率，并判断所述用户偏好预测概率是否大于设定阈值，若是，则保留与所述用户偏好预测概率对应的第一用户偏好预测结果；若否，则放弃与所述用户偏好预测概率对应的第一用户偏好预测结果。