一种基于用户行为的酒店排序方法、云端服务器及系统技术方案

本发明专利技术实施例提供一种基于用户行为的酒店排序方法、云端服务器及系统，所述方法包括：获取收集的电商领域酒店预订产品的用户行为数据；对所述用户行为数据进行分布式数据处理，获取分布式处理后的酒店排序结果；将所述分布式处理后的酒店排序结果发送给电商领域酒店预订产品的搜索用户。本技术发明专利技术的计算周期可以为一天，完全自动化，不需要任何人工干预；其数据计算方式为分布式，较之之前的单点数据库，具有良好的水平扩展性。同时中间数据层和抽象模型的构造为后续的其他数据挖掘工作提供了方便的数据接口，取得了转化率的大幅提升。

【技术实现步骤摘要】
一种基于用户行为的酒店排序方法、云端服务器及系统
本专利技术涉及互联网
，尤其涉及一种基于用户行为的酒店排序方法、云端 服务器及系统。
技术介绍
对用户行为的理解和建模是互联网技术皇冠上的宝石。数据挖掘和机器学习方法 在精准广告投放、搜索、个性化推荐等方面的成功应用，加深了这一领域的研究深度，同时 坚定了各大互联网公司在此领域落地的决心。现有的搜索排序方法是基于人工手动调整 的，工作量大，更新周期长且没有理论基础，使得互联网公司长期以来用户购买转化率稳定 在较低的数值不能得到提升。 现有技术的酒店排序方法主要是靠人工经验、人工调整。订单数据库记录了历史 订单的详细数据，由于订单数据库本质上是事务性数据库而非数据仓库，单机生成报表时 间缓慢，周期长，一般的周期在半个月左右。 业务人员将每个酒店的订单量，点击量等数据形成报表之后，根据一些人工经验 赋权，形成酒店排序表。现有技术方案的缺点：1.特征赋权方法为手工，公式和权重都没有 可信度。2.人工调整资源消耗巨大。在商品、场景较少的情况下暂且可行，一旦增多，由于 组合爆炸，人工调整是不可行的。3.数据处理量大，ETL(Extraction-Transformation-Loa ding，数据提取、转换和加载）更新周期慢（一个月），需要手工编辑，耗时耗力。4.无法在 此基础上为后续的个性化推荐、分场景分query (问题）排序做出技术基础。5.实际数据 证明，人工调整策略的转化率（CVR，Conversion Rate)稳定在8?9%之间，无法进一步提 升，如下表1所示：

【技术保护点】
一种基于用户行为的酒店排序方法，其特征在于，所述基于用户行为的酒店排序方法包括：获取收集的电商领域酒店预订产品的用户行为数据；对所述用户行为数据进行分布式数据处理，获取分布式处理后的酒店排序结果；将所述分布式处理后的酒店排序结果发送给电商领域酒店预订产品的搜索用户。

【技术特征摘要】
1. 一种基于用户行为的酒店排序方法，其特征在于，所述基于用户行为的酒店排序方 法包括： 获取收集的电商领域酒店预订产品的用户行为数据； 对所述用户行为数据进行分布式数据处理，获取分布式处理后的酒店排序结果； 将所述分布式处理后的酒店排序结果发送给电商领域酒店预订产品的搜索用户。2. 如权利要求1所述基于用户行为的酒店排序方法，其特征在于， 所述用户行为数据为日志数据，该日志数据包括：搜索请求日志、点击事件日志、展现 日志。3. 如权利要求1所述基于用户行为的酒店排序方法，其特征在于，所述获取收集的电 商领域酒店预订产品的用户行为数据，包括： 通过日志传输平台实时收集所述电商领域酒店预订产品的用户行为数据。4. 如权利要求1所述基于用户行为的酒店排序方法，其特征在于，所述对所述用户行 为数据进行分布式数据处理，获取分布式处理后的酒店排序结果，包括： 对所述用户行为数据进行分布式数据处理，通过数据建模与数据提取、转换和加载ETL 获取竞赛图模型； 根据所述竞赛图模型，获取所述分布式处理后的酒店排序结果。5. 如权利要求4所述基于用户行为的酒店排序方法，其特征在于， 所述对所述用户行为数据进行分布式数据处理，通过数据建模与数据提取、转换和加 载ETL获取竞赛图模型，包括：对所述用户行为数据进行分布式数据处理，通过数据建模与 数据提取、转换和加载ETL进行六元组的主流程抽象模型构造，获取竞赛图模型； 所述根据所述竞赛图模型，获取所述分布式处理后的酒店排序结果，包括：根据所述竞 赛图模型进行迭代计算求得排序值，以获取所述分布式处理后的酒店排序结果。6. -种基于用户行...

【专利技术属性】
技术研发人员：陈沁宇，
申请(专利权)人：艺龙网信息技术北京有限公司，
类型：发明
国别省市：北京;11