【技術實現步驟摘要】
本專利技術涉及數字處理，具體涉及一種基于大數據的民宿旅游推薦方法、系統及電子設備。
技術介紹
1、隨著互聯網技術的發展，在線購買預訂民宿的用戶越來越多，在海量的房源中，根據用戶的個性化需求，為用戶提供適合舒適的房源，可以極大的提高用戶的體驗感。當前，許多民宿預訂平臺和服務提供商開始利用大數據分析和人工智能技術來優化推薦系統，以提高用戶的體驗感。通過收集和分析用戶的歷史搜索、預訂行為、偏好和評價等數據，這些平臺可以建立起對用戶個性化需求的深入了解。基于這些數據，推薦系統可以自動化地為用戶篩選和推薦最合適的民宿選項。
2、在節假日訂房高峰期人流比較集中的時候，在對用戶進行民宿推薦的過程中，由于大部分人群的個性化數據具有相似性，且數據量較大，因此在進行推薦時，推薦結果具有一定的相似性，對用戶進行民宿推薦的結果過于集中。
技術實現思路
1、為了解決在對用戶進行民宿推薦的過程中，由于大部分人群的個性化數據具有相似性，導致對用戶進行民宿推薦的結果過于集中的技術問題，本專利技術的目的在于提供一種基于大數據的民宿旅游推薦方法、系統及電子設備，所采用的技術方案具體如下：
2、一種基于大數據的民宿旅游推薦方法，所述方法包括：
3、獲取當前用戶和樣本中所有用戶的歷史住宿記錄中的每個民宿的數量、每個民宿的所有標簽、每個民宿的每個標簽所對應的評分以及當前時刻前一定時間段內所有民宿的推薦次數，所述前一定時間段是指當前時刻之前的設定時間段；
4、根據當前用戶和樣本
5、根據所述所有用戶對每個標簽的關注度，獲取所有用戶對每個標簽的普適性；
6、根據當前用戶對每個標簽的關注度和所有用戶對每個標簽的普適性，獲取當前用戶每個標簽的個性化指標數據；
7、根據當前時刻前一定時間段內所有民宿的推薦次數，獲取每個民宿的資源分配集中度；
8、根據當前用戶的個性化指標數據和民宿的資源分配集中度，得到當前用戶優化的個性化指標數據；
9、根據當前用戶優化的個性化指標數據和所述每個民宿的每個標簽所對應的評分，得到對當前用戶進行民宿推薦的結果。
10、優選的，所述根據當前用戶和樣本中所有用戶的歷史住宿記錄中的每個民宿的數量、每個民宿的所有標簽、每個民宿的每個標簽所對應的評分，獲取當前用戶對每個標簽的關注度以及所有用戶對每個標簽的關注度的具體步驟包括：
11、根據當前用戶和樣本中所有用戶歷史住宿記錄中每個民宿的所有標簽、每個民宿的每個標簽所對應的評分，獲取所有民宿對應的每個標簽評分的均值和所有民宿對應的每個標簽評分的方差；
12、根據所有民宿對應的每個標簽評分的均值和所有民宿對應的每個標簽評分的方差，獲取當前用戶對每個標簽的關注度以及所有用戶對每個標簽的關注度。
13、優選的，根據所述所有用戶對每個標簽的關注度，獲取所有用戶對每個標簽的普適性的具體步驟包括：
14、根據所有用戶對每個標簽的關注度，得到所有用戶對于每個標簽的關注度的均值和方差；
15、根據所有用戶對于每個標簽的關注度的均值和方差，獲取所有用戶對每個標簽的普適性。
16、優選的，所述根據當前時刻前一定時間段內所有民宿的推薦次數，獲取每個民宿的資源分配集中度的具體步驟包括：
17、根據當前時刻前一定時間段內每個民宿的推薦次數占所有民宿的推薦次數的總數的比值，獲取每個民宿的資源分配集中度。
18、優選的，所述根據當前時刻前一定時間段內每個民宿的推薦次數占所有民宿的推薦次數的總數的比值，獲取每個民宿的資源分配集中度具體步驟包括：
19、所述根據當前時刻前三小時內每個民宿的推薦次數占所有民宿的推薦次數的總數的比值，獲取每個民宿的資源分配集中度。
20、優選的，所述根據當前用戶優化的個性化指標數據和所述每個民宿的每個標簽所對應的評分，得到對當前用戶進行民宿推薦的結果的具體步驟包括：
21、根據當前用戶優化的個性化指標數據和所述每個民宿的每個標簽所對應的評分，得到所有民宿對當前用戶的推薦度；
22、對所述所有民宿對當前用戶的推薦度進行排序，得到對當前用戶進行民宿推薦的結果。
23、優選的，所述根據當前用戶優化的個性化指標數據和所述每個民宿的每個標簽所對應的評分，得到所有民宿對當前用戶的推薦度的具體步驟包括：
24、根據當前用戶優化的個性化指標數據和所述每個民宿的每個標簽所對應的評分的乘積，得到所有民宿對當前用戶的推薦度。
25、優選的，對所述所有民宿對當前用戶的推薦度進行排序，得到對當前用戶進行民宿推薦的結果的具體步驟包括：
26、對所述所有民宿對當前用戶的推薦度進行由大到小的排序，得到對當前用戶進行民宿推薦的結果。
27、本專利技術還提供一種基于大數據的民宿旅游推薦系統，包括：
28、采集模塊，用于獲取當前用戶和樣本中所有用戶的歷史住宿記錄中的每個民宿的數量、每個民宿的所有標簽、每個民宿的每個標簽所對應的評分以及當前時刻前一定時間段內所有民宿的推薦次數，所述前一定時間段是指當前時刻之前的設定時間段；
29、關注度獲取模塊，用于根據當前用戶和樣本中所有用戶的歷史住宿記錄中的每個民宿的數量、每個民宿的所有標簽、每個民宿的每個標簽所對應的評分，獲取當前用戶對每個標簽的關注度以及所有用戶對每個標簽的關注度；
30、普適性獲取模塊，用于根據所述所有用戶對每個標簽的關注度，獲取所有用戶對每個標簽的普適性；
31、個性化指標數據獲取模塊，用于根據當前用戶對每個標簽的關注度和所有用戶對每個標簽的普適性，獲取當前用戶每個標簽的個性化指標數據；
32、資源分配集中度獲取模塊，用于根據當前時刻前一定時間段內所有民宿的推薦次數，獲取每個民宿的資源分配集中度；
33、優化模塊，用于根據當前用戶的個性化指標數據和民宿的資源分配集中度，得到當前用戶優化的個性化指標數據；
34、結果獲取模塊，用于根據當前用戶優化的個性化指標數據和所述每個民宿的每個標簽所對應的評分，得到對當前用戶進行民宿推薦的結果。
35、本專利技術還提供一種電子設備，包括存儲器、處理器及存儲在所述存儲器上并可在所述處理器上運行的計算機程序，所述處理器執行所述程序時實現以上任一項所述的基于大數據的民宿旅游推薦方法。
36、本專利技術具有如下有益效果：
37、本專利技術根據當前用戶和樣本中所有用戶的歷史住宿記錄中的每個民宿的數量、每個民宿的所有標簽、每個民宿的每個標簽所對應的評分，獲取當前用戶對每個標簽的關注度以及所有用戶對每個標簽的關注度；根據所述所有用戶對每個標簽的關注度，獲取所有用戶對每個標簽的普適性；根據當本文檔來自技高網...
【技術保護點】
1.一種基于大數據的民宿旅游推薦方法，其特征在于，所述方法包括：
2.根據權利要求1所述的基于大數據的民宿旅游推薦方法，其特征在于，所述根據當前用戶和樣本中所有用戶的歷史住宿記錄中的每個民宿的數量、每個民宿的所有標簽、每個民宿的每個標簽所對應的評分，獲取當前用戶對每個標簽的關注度以及所有用戶對每個標簽的關注度的具體步驟包括：
3.根據權利要求1所述的基于大數據的民宿旅游推薦方法，其特征在于，根據所述所有用戶對每個標簽的關注度，獲取所有用戶對每個標簽的普適性的具體步驟包括：
4.根據權利要求1所述的基于大數據的民宿旅游推薦方法，其特征在于，所述根據當前時刻前一定時間段內所有民宿的推薦次數，獲取每個民宿的資源分配集中度的具體步驟包括：
5.根據權利要求4所述的基于大數據的民宿旅游推薦方法，其特征在于，所述根據當前時刻前一定時間段內每個民宿的推薦次數占所有民宿的推薦次數的總數的比值，獲取每個民宿的資源分配集中度具體步驟包括：
6.根據權利要求1至5中任一項所述的基于大數據的民宿旅游推薦方法，其特征在于，
7.根據權
8.根據權利要求6所述的基于大數據的民宿旅游推薦方法，其特征在于，對所述所有民宿對當前用戶的推薦度進行排序，得到對當前用戶進行民宿推薦的結果的具體步驟包括：
9.一種基于大數據的民宿旅游推薦系統，其特征在于，包括：
10.一種電子設備，包括存儲器、處理器及存儲在所述存儲器上并可在所述處理器上運行的計算機程序，其特征在于，所述處理器執行所述程序時實現如權利要求1至8中任一項所述的基于大數據的民宿旅游推薦方法。
...【技術特征摘要】
1.一種基于大數據的民宿旅游推薦方法，其特征在于，所述方法包括：
2.根據權利要求1所述的基于大數據的民宿旅游推薦方法，其特征在于，所述根據當前用戶和樣本中所有用戶的歷史住宿記錄中的每個民宿的數量、每個民宿的所有標簽、每個民宿的每個標簽所對應的評分，獲取當前用戶對每個標簽的關注度以及所有用戶對每個標簽的關注度的具體步驟包括：
3.根據權利要求1所述的基于大數據的民宿旅游推薦方法，其特征在于，根據所述所有用戶對每個標簽的關注度，獲取所有用戶對每個標簽的普適性的具體步驟包括：
4.根據權利要求1所述的基于大數據的民宿旅游推薦方法，其特征在于，所述根據當前時刻前一定時間段內所有民宿的推薦次數，獲取每個民宿的資源分配集中度的具體步驟包括：
5.根據權利要求4所述的基于大數據的民宿旅游推薦方法，其特征在于，所述根據當前時刻前一定時間段內每個民宿的推薦次數占所有民...
【專利技術屬性】
技術研發人員：李亮，黃小芳，孫喜峰，但文紅，
申請(專利權)人：貴州師范大學，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。