王婧虹 李銀勝

(復(fù)旦大學(xué)軟件學(xué)院 上海 201203)

0 引 言

我國(guó)的酒店市場(chǎng)空間巨大，尤其是隨著經(jīng)濟(jì)水平和生活質(zhì)量的不斷提升，人們出行頻率大幅提高，對(duì)酒店服務(wù)的需求擴(kuò)大，酒店種類變得豐富且數(shù)量激增。因此，為用戶提供精準(zhǔn)有效的酒店推薦服務(wù)尤為重要。

目前國(guó)內(nèi)外均提出并實(shí)施了很多推薦系統(tǒng)，以方便用戶挑選酒店。但已有的推薦系統(tǒng)大多存在數(shù)據(jù)稀疏、冷啟動(dòng)以及對(duì)用戶行為缺乏理解的缺點(diǎn)，沒有挖掘用戶人性化數(shù)據(jù)，確定其興趣所在，推薦其真正感興趣的酒店資源。以下結(jié)合用戶場(chǎng)景介紹目前酒店推薦存在的問題。

總所周知，李彥宏、馬云、馬化騰分別為BAT創(chuàng)始人，均為中國(guó)著名男性企業(yè)家，如表1所示，因此對(duì)酒店的硬性需求基本一致。

表1 共同特征

若三位到達(dá)上海，需入住酒店時(shí)，按傳統(tǒng)推薦方法，均會(huì)推薦上海萬(wàn)豪虹橋大酒店，因其離虹橋機(jī)場(chǎng)近、地理位置優(yōu)越、商務(wù)風(fēng)格、環(huán)境安靜、設(shè)施齊全，較好滿足三位基本要求。酒店特征描述如表2所示。

表2 酒店特征

針對(duì)李彥宏，專注保守(性格)，崇尚極簡(jiǎn)主義(觀念)，為其推薦經(jīng)典的商務(wù)酒店即可，上海萬(wàn)豪虹橋大酒店乃不二之選；但針對(duì)馬云，不像其他二位本身家庭條件優(yōu)渥(環(huán)境)且擁有IT技術(shù)背景(知識(shí))，他創(chuàng)業(yè)歷程艱辛坎坷(經(jīng)歷)，且相對(duì)年齡較大(生理)，年輕時(shí)不懈拼搏如今事業(yè)有成的他相當(dāng)注重養(yǎng)生，喜愛太極(觀念)。因此在滿足基本需求的前提下，結(jié)合人性化特征，給馬云推薦環(huán)境靜謐，擁有可散步健身的大塊草坪的上海西郊賓館更為合適，符合其養(yǎng)生之道；針對(duì)馬化騰，典型的廣東潮汕人(環(huán)境)，鐘愛廣式美食(觀念)，對(duì)于率性的他(性格)，身處外地能很方便地品嘗到家鄉(xiāng)味道，定是人生幸事。因此在滿足基本需求的前提下，結(jié)合人性化特征，給馬化騰推薦周邊就有“潮汕食府”的上海虹橋新華聯(lián)索菲特大酒店更為合適，符合其飲食文化。上述三位人性化特征如表3所示。傳統(tǒng)推薦與人性化推薦結(jié)果對(duì)比情況如表4所示。

表3 人性化特征

續(xù)表3

表4 推薦對(duì)比

由此可見，客戶選擇酒店，其實(shí)是選擇一個(gè)短期的生活圈[10]，僅僅滿足其對(duì)硬件設(shè)施的需求是遠(yuǎn)遠(yuǎn)不夠的[13]，更需從多方面考慮其人性化特性，讓客戶體會(huì)到被推薦的酒店處處都在為其著想，賓至如歸[12]。

因此，本文提出了一種基于人性化用戶特征的在線酒店推薦方法。剖析、獲取用戶人性化特征形成酒店用戶模型，結(jié)合特征匹配與協(xié)同過濾方法為用戶推薦其感興趣的酒店。并于課題項(xiàng)目“酒店管理營(yíng)運(yùn)博弈沙盤”進(jìn)行實(shí)驗(yàn)，得出準(zhǔn)確率、召回率、運(yùn)行效率等綜合表現(xiàn)最佳的推薦方式，且在一定程度上解決冷啟動(dòng)和數(shù)據(jù)稀疏的問題。

1 相關(guān)工作

目前大部分酒店推薦系統(tǒng)基于用戶瀏覽和購(gòu)買歷史進(jìn)行興趣度分析，著力于采集電子商務(wù)網(wǎng)站中的大量注冊(cè)、交易、評(píng)價(jià)等用戶數(shù)據(jù)，和Web服務(wù)器中的日志數(shù)據(jù)、用戶購(gòu)物信息，但用戶的人性化特性鮮為關(guān)注。

文獻(xiàn)[1]采集用戶已訪問的酒店資源集合以及在線提交的資源要求等信息。根據(jù)用戶于酒店網(wǎng)站上的在線行為，抽象出瀏覽用戶特征并構(gòu)建信息庫(kù)，形成用戶模塊。分析用戶興趣特征和產(chǎn)品特征的相似性，利用聚類方法，挖掘出與用戶興趣相關(guān)的酒店產(chǎn)品。量化用戶興趣特征和產(chǎn)品特征，匹配算法簡(jiǎn)單明了，但產(chǎn)品特征需一一列舉，且不易量化的特性均被忽略。文獻(xiàn)[2-3]采集用戶酒店評(píng)論信息，得到用戶偏好和酒店評(píng)價(jià)數(shù)據(jù)。根據(jù)用戶輸入對(duì)酒店的要求(如城市，出游類型等信息，及對(duì)房間、食物、位置、服務(wù)、設(shè)備等的偏好)，來構(gòu)建用戶模型。文獻(xiàn)[2]認(rèn)為群體用戶的整體評(píng)價(jià)往往會(huì)忽略推薦用戶某方面的特定需求。因此先為評(píng)論提取偏好，根據(jù)有相同或相似偏好的用戶評(píng)價(jià)來形成推薦列表。協(xié)同過濾的思想，存在冷啟動(dòng)、數(shù)據(jù)稀疏問題。文獻(xiàn)[3]提出線下評(píng)估方法，線下提取酒店用戶評(píng)論并進(jìn)行處理得到項(xiàng)目特征矩陣，結(jié)合協(xié)同過濾，加快推薦速度，一定程度上優(yōu)化冷啟動(dòng)問題但無(wú)法徹底解決，且需要不斷更新離線資源。文獻(xiàn)[4]采集用戶內(nèi)部數(shù)據(jù)(如國(guó)籍、性別、年齡等)和外部數(shù)據(jù)(如設(shè)備、社交媒體、時(shí)間、環(huán)境等)。通過對(duì)用戶內(nèi)外部信息數(shù)據(jù)進(jìn)行語(yǔ)義特征提取等處理，并進(jìn)行情感分析、行為分析、偏好分析，來構(gòu)建用戶模型。文獻(xiàn)[5]采集用戶基本信息和網(wǎng)站操作信息數(shù)據(jù)，根據(jù)用戶基本信息(性別、年齡、職業(yè)等)、用戶偏好信息及用戶操作行為(學(xué)習(xí)記錄、收藏夾等)來構(gòu)建模型。文獻(xiàn)[6]采集用戶瀏覽網(wǎng)站時(shí)的眼動(dòng)追蹤數(shù)據(jù)和鼠標(biāo)追蹤數(shù)據(jù)，來得到用戶偏好，再做基于內(nèi)容的推薦。

綜上，目前已有的推薦系統(tǒng)大多存在數(shù)據(jù)稀疏、冷啟動(dòng)以及對(duì)用戶行為缺乏理解的問題。幾乎沒有挖掘用戶人性化數(shù)據(jù)，確定其興趣所在，推薦其真正感興趣的酒店資源。因此，本文結(jié)合用戶人性化特征，更準(zhǔn)確、高效地為用戶推薦酒店。

2 預(yù)備知識(shí)

2.1 用戶建模與推薦技術(shù)

國(guó)內(nèi)外相關(guān)研究機(jī)構(gòu)與學(xué)者在用戶建模以及推薦技術(shù)領(lǐng)域取得了大量的研究成果：目前廣泛采用用戶行為分析觀察法來獲取用戶喜好信息，通過獲取到的用戶喜好信息建立用戶模型[8]。一般通過基于知識(shí)的推薦技術(shù)來直接啟發(fā)用戶主動(dòng)提供偏好和需求，進(jìn)而通過用戶偏好結(jié)構(gòu)以及關(guān)聯(lián)規(guī)則和樣例以及評(píng)論屬性來建立用戶輪廓模型[9]；基于內(nèi)容的推薦技術(shù)主要從用戶表示喜愛或者正面反饋的內(nèi)容來獲取用戶偏好，進(jìn)而通過基于關(guān)鍵詞的向量空間模型、基于內(nèi)容的標(biāo)簽網(wǎng)絡(luò)以及潛在的主題模型等技術(shù)來構(gòu)建用戶輪廓模型；基于協(xié)同過濾的推薦技術(shù)通過獲取到的用戶偏好模型，運(yùn)用余弦相似度、皮爾遜相似度等方法找到其相似用戶[11]，再為其推薦相似用戶喜愛的產(chǎn)品，以取得較高的推薦成效。然而這些方法所采取的用戶數(shù)據(jù)相對(duì)較為單一，往往只是用戶某個(gè)維度的體現(xiàn)，從而導(dǎo)致在推薦上的人性化效果不足。

2.2 人性化用戶模型

人性化用戶模型由作者所在課題組李銀勝[22]、沈劍平[19]等人提出，亦稱數(shù)字靈魂模型Cyber-Anima。Cyber-Anima模型旨在反映個(gè)體的內(nèi)生特征概念，這些內(nèi)生特征會(huì)對(duì)個(gè)體行為產(chǎn)生重大影響。該模型對(duì)用戶人性化特征進(jìn)行數(shù)字處理，為探索用戶欲望和推理用戶意圖提供了全新的視角。個(gè)體內(nèi)生特征可從用戶輸入、互聯(lián)網(wǎng)資源、應(yīng)用系統(tǒng)、便攜式設(shè)備等處獲取的信息進(jìn)行關(guān)聯(lián)、相互轉(zhuǎn)換，不斷更新、完善。因此，Cyber-Anima對(duì)于身處網(wǎng)絡(luò)世界的個(gè)體來說是與生俱來的，在使用過程中無(wú)需再收集各種用戶相關(guān)數(shù)據(jù)。所以，若結(jié)合人性化用戶模型，可解決傳統(tǒng)協(xié)同過濾方法的冷啟動(dòng)和數(shù)據(jù)稀疏問題[22]。

表5 六大維度內(nèi)容

人性化模型采用基于本體的表示法，將六個(gè)維度中的屬性作為本體的概念對(duì)和關(guān)系，從而結(jié)構(gòu)化、語(yǔ)義化地描述用戶[14]。在構(gòu)建過程中，通過確定本體的頂層概念，即用戶模型的六個(gè)維度，然后按照六個(gè)維度的具體定義，將其子維度表示成相應(yīng)的子概念。用戶模型維度可以表示為D∷=C×R，其中C表示概念集，R表示關(guān)系集。其中關(guān)系是概念之間的聯(lián)系，本文在構(gòu)建人性化個(gè)體模型本體時(shí)主要運(yùn)用的幾種關(guān)系類型[14]如表6所示。

表6 概念間關(guān)系類型

2.3 語(yǔ)義特征提取

構(gòu)建用戶模型時(shí)涉及到語(yǔ)義特征提取技術(shù)，用戶信息中往往包含大量文本信息。文本的特征項(xiàng)的選取即為從文本中抽取具有代表性的詞來表示文本信息的特征[19]。文本信息通常使用向量空間模型(VSM)來表示，每個(gè)文檔表示為一個(gè)特征向量V=(t1w1,t2w2,…,tnwn)，其中ti為詞條項(xiàng)，wi為權(quán)值。

如果某個(gè)詞或短語(yǔ)在一個(gè)文本中出現(xiàn)的頻率TF(term-frequency)高，在其他文本中出現(xiàn)的頻率低，則認(rèn)為該詞或短語(yǔ)具有良好的區(qū)別能力[21]。IDF(Inverse Document Frequency)指逆向文件頻率，如果包含詞條t的文檔越少，IDF越大，則說明詞條t具有很好的類別區(qū)分能力。

結(jié)合TF與IDF，TF-IDF計(jì)算方法如下所示：

(1)

式中:tfi為詞i在訓(xùn)練集中的詞頻，N為訓(xùn)練集文本數(shù)，ni未出現(xiàn)詞i的文本數(shù)目。

3 基于人性化用戶特征的酒店推薦

3.1 整體架構(gòu)

本文依托于所在實(shí)驗(yàn)室提出的私有云瀏覽器“彩云閣”，在這里每個(gè)個(gè)體都擁有自己的Cyber-Anima模型[22]，本文將其應(yīng)用到酒店推薦領(lǐng)域，提取出與酒店選擇相關(guān)的用戶特征，形成人性化酒店用戶模型。綜合用戶特征與酒店特征匹配結(jié)果和協(xié)同過濾方法所得結(jié)果，可得酒店推薦候選集。如圖1所示。

圖1 整體架構(gòu)

3.2 酒店模型

針對(duì)酒店可量化的參數(shù)，如星級(jí)、房型、房?jī)r(jià)、設(shè)施、設(shè)備、服務(wù)等，進(jìn)行歸一化處理，可得酒店特征參數(shù)表，如表7所示。

表7 酒店特征參數(shù)

酒店特征矩陣如下所示：

H(f)=(H11,H12,…，H1j,H21,…，H2j,…，Hij)

(2)

式中：Hij表示第i家酒店的第j個(gè)特征。兩個(gè)酒店間相關(guān)性可通過余弦相似度得到，如下所示：

(3)

3.3 用戶模型

與酒店特征一一對(duì)應(yīng)，結(jié)合用戶基本信息、輸入信息及人性化信息可得用戶偏好矩陣U(f)，如下所示：

U(f)=(U1,U2,…，Uj)

(4)

式中：Uj表示用戶u對(duì)第j個(gè) 特征的偏好。

為了更好地發(fā)掘用戶之間的潛在聯(lián)系，更進(jìn)一步解決數(shù)據(jù)稀疏性問題，本文采用用戶-用戶矩陣對(duì)用戶進(jìn)行建模，并通過余弦相似度計(jì)算它們之間的相似度，如下式所示：

(5)

緊接著，用戶u就可以通過n個(gè)相似的用戶(u1,u2,…，un)和他們間的相似度(sim_u1,sim_u2,…,sim_un)表示。

3.4 推薦算法

將會(huì)影響酒店選擇人性化特征引入到用戶建模過程中，得到人性化酒店用戶模型，再通過協(xié)同過濾的思想進(jìn)行推薦。因此，稱其為基于人性化特征的協(xié)同過濾(Collaborative Filtering Based on Humanized Features)，簡(jiǎn)稱HF-CF。

在為酒店和用戶分別建模后，可計(jì)算用戶u對(duì)酒店i的期望評(píng)分pr(u,i)，如下式所示：

pr(u,i)=r(v,j)×sim_u(u,v)×sim_h(i,j)

(6)

式中：r(v,j)表示用戶v對(duì)酒店j的評(píng)分，sim_u(u,v)為用戶u和用戶v之間的相似度，sim_h(i,j)為酒店i和酒店j之間的相似度。

最后，根據(jù)期望評(píng)分可篩選出Top-N家酒店作為推薦候選集。

4 實(shí) 驗(yàn)

4.1 評(píng)價(jià)指標(biāo)

本文采用針對(duì)推薦方法常用的準(zhǔn)確率、召回率和F1-Score三個(gè)指標(biāo)來分析推薦效果[20]。其中，準(zhǔn)確率是指被推薦的列表中用戶真正感興趣的項(xiàng)目所占比例，反映了準(zhǔn)確推薦的能力；召回率是指用戶感興趣的列表中被推薦項(xiàng)目的所占比例，反映了全面推薦的能力；F1-Score綜合準(zhǔn)確率和召回率，反映推薦服務(wù)的綜合評(píng)價(jià)。推薦結(jié)果的列聯(lián)表如表8所示。

表8 列聯(lián)表

因此，評(píng)價(jià)指標(biāo)準(zhǔn)確率、召回率、F1-Score可通過以下公式計(jì)算：

(7)

(8)

(9)

以上三大指標(biāo)的值范圍均0-1，值越大表示推薦效果越好。但準(zhǔn)確率和召回率相互影響，一般來說，若要達(dá)到高準(zhǔn)確率，必須舍棄一些召回率，反之亦然。因此，準(zhǔn)確率和召回率需要平衡，即讓F1_Score值達(dá)到最佳。

4.2 實(shí)驗(yàn)平臺(tái)及數(shù)據(jù)

本文以“酒店管理營(yíng)運(yùn)博弈沙盤”為實(shí)驗(yàn)平臺(tái)，該沙盤是由所在實(shí)驗(yàn)室研發(fā)并已被數(shù)十家酒店管理院校使用的電子學(xué)習(xí)軟件，旨在幫助學(xué)生更形象生動(dòng)、直觀快速地了解并掌握酒店管理營(yíng)運(yùn)知識(shí)。根據(jù)用戶需求與偏好分配酒店是該軟件核心功能之一，因此，一個(gè)準(zhǔn)確高效的建模和推薦方法非常重要。

沙盤中酒店數(shù)據(jù)和用戶數(shù)據(jù)，初期從各大酒店預(yù)訂網(wǎng)站歷史訂單、評(píng)價(jià)中抓取、處理、分析后所得。在投入使用后，不斷地產(chǎn)生新的訂單數(shù)據(jù)，且各院校師生會(huì)注入當(dāng)?shù)鼐频陻?shù)據(jù)與自身信息及偏好數(shù)據(jù)。整個(gè)數(shù)據(jù)庫(kù)可供所有用戶共享，真實(shí)性、有效性較高，并不斷更新、維護(hù)。

本文獲取沙盤數(shù)據(jù)庫(kù)中1 382條用戶數(shù)據(jù)、967條酒店數(shù)據(jù)和15 377條訂單數(shù)據(jù)進(jìn)行實(shí)驗(yàn)。

4.3 基線算法

個(gè)性化推薦系統(tǒng)的推薦算法主要有基于內(nèi)容的推薦、基于協(xié)同過濾的推薦、基于知識(shí)的推薦、基于效用的推薦和混合推薦等[18]。在酒店推薦領(lǐng)域，由于酒店各項(xiàng)指標(biāo)十分明確，有不少直接使用特征參數(shù)匹配的方法。本文采用特征參數(shù)匹配方法與基于協(xié)同過濾的推薦方法作為基線算法。

特征參數(shù)匹配方法FM(Features Matching)：將服務(wù)項(xiàng)特征與用戶偏好進(jìn)行一一匹配，往往可以達(dá)到較高的準(zhǔn)確率。但前期服務(wù)項(xiàng)數(shù)據(jù)與用戶偏好信息的獲取相當(dāng)復(fù)雜，且數(shù)據(jù)量達(dá)到一定范圍時(shí)，計(jì)算效率急劇下降，擴(kuò)展性較差。

基于協(xié)同過濾的推薦方法CF(Collaborative Filtering)：主要是通過對(duì)未評(píng)分項(xiàng)進(jìn)行評(píng)分預(yù)測(cè)來實(shí)現(xiàn)，又可分為基于用戶的協(xié)同過濾與基于項(xiàng)目的協(xié)同過濾[15]。它只依賴用戶行為，不需要對(duì)內(nèi)容進(jìn)行深入了解，適用范圍廣，可以用來推薦復(fù)雜項(xiàng)目，能起到意想不到的推薦結(jié)果[16]。但前期需要大量的用戶行為數(shù)據(jù)，即冷啟動(dòng)問題[17]；且用戶量與項(xiàng)目量常常較為龐大，兩者間存在用戶行為關(guān)系的較為有限，即數(shù)據(jù)稀疏問題。本文運(yùn)用人性化用戶模型，可較好地解決這兩個(gè)問題。

4.4 實(shí)驗(yàn)結(jié)果與分析

通過相關(guān)數(shù)據(jù)采集、處理，酒店建模，用戶建模，基于協(xié)同過濾計(jì)算，可得出推薦結(jié)果。其中，用戶模型中用n個(gè)相似用戶及相似度表示用戶u。當(dāng)用戶模型參數(shù)n取不同值時(shí)，推薦效果如表9所示。

表9 用戶模型參數(shù)n不同時(shí)推薦效果

當(dāng)n小于或等于6時(shí)，隨著數(shù)值增大，各項(xiàng)指標(biāo)都逐漸升高；n大于6后，各項(xiàng)指標(biāo)上升空間極為有限。結(jié)合推薦效率，取n為6時(shí)的推薦效果與基線算法對(duì)比。根據(jù)三大指標(biāo)統(tǒng)計(jì)結(jié)果如表10所示。

表10 實(shí)驗(yàn)結(jié)果比較

可以看出，本文提出的方法整體推薦效果良好，召回率和F1-Score值均比兩種基線算法的高。盡管準(zhǔn)確率相比特征參數(shù)匹配方法較低一點(diǎn)，但可擴(kuò)展性和推薦效率更為客觀。

5 結(jié) 語(yǔ)

本文分析了現(xiàn)有酒店推薦系統(tǒng)的現(xiàn)狀，其主要缺點(diǎn)在于只對(duì)用戶表象信息進(jìn)行提取，缺乏全方面深入挖掘用戶的人性化特征，如知識(shí)、性格、觀念等。因此，本文提出一種基于人性化特征的酒店推薦方法，更加精準(zhǔn)地分析用戶的真實(shí)意圖，提高個(gè)性化推薦的效果。以基于協(xié)同過濾的推薦算法作為基線算法，結(jié)合用戶人性化特征，計(jì)算出推薦結(jié)果，并通過實(shí)驗(yàn)驗(yàn)證了該方法的可行性和有效性。

接下來仍有諸多工作需要繼續(xù)，更多與酒店相關(guān)的業(yè)務(wù)知識(shí)和市場(chǎng)情況有待深入學(xué)習(xí)并分析，讓研究更符合現(xiàn)實(shí)；更多人性化特征需要不斷探索發(fā)掘，來完善人性化用戶模型，讓推理和推薦邏輯更嚴(yán)謹(jǐn)；此外，可引入更先進(jìn)的推薦算法，提高準(zhǔn)確率和推薦效率。