[发明专利]一种民航旅客隐式交互特征挖掘与航班推荐方法及系统

说明书

本发明公开了一种民航旅客隐式交互特征挖掘与航班推荐方法及系统，属于民航数据处理技术领域，其特征在于，包括如下步骤：步骤一、细粒度建模并建立评分规则；步骤二、GNN隐式交互特征挖掘建模，包括旅客特征建模、项目特征建模及航班评分预测；步骤三、根据民航采集的数据，采用批训练方法，采用RMSprop方法优化模型；步骤四、确定神经网络神经元权值和偏置量；步骤五、使用该模型预测旅客未交互项目评分；步骤六、计算可推荐航班池的航班综合评分，产生推荐列表。本发明通过构建基于图神经网络的民航旅客隐式交互特征挖掘航班推荐模型，充分挖掘了旅客隐式交互特征和航班的隐式交互特征，提升了航班推荐的精准度。

技术领域

本发明属于民航数据处理技术领域，特别是涉及一种民航旅客隐式交互特征挖掘与航班推荐方法及系统。

背景技术

随着人们生活水平的提高，飞机出行越来越普遍，大量的交互数据为个性化推荐奠定了基石。高速磁浮列车等新兴出行工具在科技发展的洪流中应运而生，这对航空公司的收益带来了冲击。5G的到来为旅客在互联网选择航空产品提供更多便利，然而过于丰富的信息也为旅客带来了幸福的烦恼——信息过载。挖掘交互数据中的潜在特征，细化旅客偏好，能够为旅客提供更加精细的个性化服务，从而提升航空公司业务效益。在民航领域中，个性化推荐系统可以帮助旅客完成信息筛选，从而节约时间，提升旅客体验。近年来，个性化推荐系统已经在民航领域有所应用。民航个性化推荐领域涵盖附加服务推荐、座位推荐、航线推荐等。航班推荐领域尚未有研究者涉足，然而充分利用大数据时代下的海量数据为旅客提供航班推荐服务在民航领域有巨大的潜在价值。近年来基于图结构的神经网络发展迅速，学习图结构嵌入表征的框架称为图神经网络,因在推荐系统中，旅客商品之间的交互以及旅客对商品的评价是典型的图结构数据，近来很多研究者利用图神经网络的优势解决推荐领域问题且取得了良好的效果。PinSsge提出了随机游走神经网络学习图中节点信息，GraphRec融合了图结构的社交关系实现个性化推荐,NGCF通过高阶排序学习高阶节点信息以提高推荐的精准度。尽管这些模型在处理图结构数据上都取得了良好的效果，但是考虑到民航航班推荐领域的特殊性，文本提出了新的细粒度隐式交互特征挖掘建模，然而构建基于图神经网络的民航旅客隐式交互特征挖掘的航班推荐模型仍面临挑战。(1)考虑到民航领域中，航班号一般固定，且登记序列也不被人们关注。于乘客而言，更关注航班的属性，如航空公司、起飞时间、票价折扣和主舱位。(2)航空数据无显式评分(3)隐式信息提取及融合的模型框架搭建。针对以上问题，对航班采用航班细粒度建模并设计评分规则，构建基于图神经网络的民航旅客隐式交互特征挖掘的航班推荐模型挖掘旅客和细粒度属性间的隐式交互特征，丰富旅客和细粒度航班属性项目的潜在表征，提高旅客对未交互项目的评分精准度，最后综合细粒度属性评分生成航班推荐，提升个性化推荐的准确度。

发明内容

技术问题

本发明要解决的技术问题是为实现航班个性化精准推荐，充分挖掘旅客航班之间的潜在交互特征。通过构建基于图神经网络的民航旅客隐式交互特征挖掘航班推荐模型，充分挖掘了旅客隐式交互特征和航班的隐式交互特征，提升了航班推荐的精准度。首先在民航航班推荐领域本体的基础上引入航班细粒度建模并设计评分规则；然后采用图神经网络挖掘旅客和细粒度属性间的隐式交互特征并嵌入至实体中，得到有效的旅客和细粒度航班属性项目的潜在表征；最后综合细粒度属性评分得到航班推荐，生成更精确的推荐列表。

技术方案

本发明的第一目的是提供一种民航旅客隐式交互特征挖掘与航班推荐方法，包括如下步骤：

步骤一、细粒度建模并建立评分规则；

步骤二、GNN隐式交互特征挖掘建模，包括旅客特征建模、项目特征建模及航班评分预测；

步骤三、根据民航采集的数据，采用批训练方法，采用RMSprop方法优化模型；

步骤四、确定神经网络神经元权值和偏置量；