机票辅助服务组合包的个性化推荐方法

发布时间：2020-07-04 22:50

【摘要】：在互联网和大数据的背景下,推荐系统已经在各个领域内得到广泛的应用,并成为互联网服务中的一个重要组成部分。根据实际需求,推荐系统从原来的推荐单一产品发展到同时推荐多个产品的组合包。通过在线旅游服务商预订机票正变得越来越流行。为了提高利润,服务商经常向乘客建议额外的可选辅助服务,如安全保险、贵宾休息室或接送服务。为了促进辅助服务的销售,当乘客购买航班时,服务商可以帮助选择默认勾选这些服务。然而,如果乘客不想购买这些服务,他将不得不自己取消这些服务,这将导致用户体验的负面影响。论文主要研究机票辅助服务组合包的个性化推荐方法。机票辅助服务相对于一般的产品有它的一些特殊性,比如服务没有特征较少,服务之间的不可直接比较等。文章通过分析用户特征及其历史购买的数据,提出了一种基于梯度下降决策树(GBDT)模型的个性化辅助服务推荐。还把GBDT应用于挖掘服务之间的相互关系,以便最终推荐服务包。此外,文章还从用户满意度和流失率出发,提出了企业长期收益的马尔科夫决策模型。并利用强化学习,得到最大化企业长期收益的推荐策略。最后,文章结合旅游服务商实际需求,提出了机票辅助服务组合包的个性化推荐系统的框架。框架包含了数据储存模块,推荐模块,后台监控模块。文章还利用文中提出的推荐算法实现推荐模块并测试框架性能。
【学位授予单位】：上海交通大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：V354;TP391.3
【图文】：

机票辅助服务组合包的个性化推荐方法

1默认勾选Fig1 1DefaultCHeck

机器学习,最优决策,方法,单次

图 2 1 马尔科夫决策Fig 2 1 Markov Decision Processes决策的机器学习方法。现实中很多问题涉及到用户和系统的不断交互次交互的长期收益，比如用户浏览网站，在电商上购买商品等，然而往利用监督模型或者基于上下文的方法单纯地考虑一次交互带来的收分用户的访问和用户本身，每次用户访问都相当于一个新的用户，用史不能得到很有效的利用。从长远收益的角度看，每次只考虑单次收一种贪心算法，但这种贪心算法不一定能到达最优值。比如在 Halla于用户浏览网页的问题进行了研究，提出了最优化单次点击量和长期方案，并进行对比。单次点击量 click through rate(CTR) 和长期点击V）最优化函数如下：T otal # of ClicksT otal # of V isitsT otal # of Clicks

【参考文献】