基于用户历史行为的出行偏好预测方法及系统与流程

摘要: 本发明涉及行为预测领域,尤其涉及一种基于用户历史行为的出行偏好预测方法及系统。背景技术:1、随着信息技术的快速发展,移动互联网、智能交通和在线旅游平台的广泛应用...
基于用户历史行为的出行偏好预测方法及系统与流程

本发明涉及行为预测领域,尤其涉及一种基于用户历史行为的出行偏好预测方法及系统。

背景技术:

1、随着信息技术的快速发展,移动互联网、智能交通和在线旅游平台的广泛应用,使得人们的旅游行为呈现出多样化和个性化的趋势。用户在旅游平台上的行为数据被大量产生,包括旅游目的地搜索、线路查询、酒店及机票预订、景点浏览、旅游评价、收藏和分享等行为。现有的旅游偏好分析方法主要依赖统计分析、聚类或协同过滤等传统机器学习技术。这些方法虽然能够揭示用户群体偏好或高频行为,但在挖掘用户个体的时序行为特征、语义偏好及空间偏好方面存在局限。传统方法多为批量分析,难以实时反映用户行为的动态变化,导致偏好预测精度不足。用户历史旅游行为数据的高维、稀疏、非结构化特性,以及隐私保护和噪声数据问题,更增加了偏好预测的技术挑战。

技术实现思路

1、本发明为解决上述技术问题,提出了一种基于用户历史行为的出行偏好预测方法及系统,以解决至少一个上述技术问题。

2、为实现上述目的,本发明提供一种基于用户历史行为的出行偏好预测方法,包括以下步骤:

3、步骤s1:基于旅游平台采集用户的全量行为数据;对所述全量行为数据进行自适应数据处理,得到标准行为数据;

4、步骤s2:对标准行为数据进行行为特征解析,提取多维度行为特征;

5、步骤s3:对多维度行为特征进行差异化分段处理及数据划分,生成时序样本集;

6、步骤s4:对标准行为数据进行上下文场景识别,生成场景编码向量;

7、步骤s5:基于场景编码向量及时序样本集进行模型训练,构建 transformer多任务学习模型并进行行为预测,输出行为预测结果。

8、在本说明书中,提供一种基于用户历史行为的出行偏好预测系统,用于执行如上所述的基于用户历史行为的出行偏好预测方法,包括:

9、采集单元,用于基于旅游平台采集用户的全量行为数据;对所述全量行为数据进行自适应数据处理,得到标准行为数据;

10、解析单元,用于对标准行为数据进行行为特征解析,提取多维度行为特征;

11、划分单元,用于对多维度行为特征进行差异化分段处理及数据划分,生成时序样本集;

12、场景识别单元,用于对标准行为数据进行上下文场景识别,生成场景编码向量;

13、预测单元,用于基于场景编码向量及时序样本集进行模型训练,构建transformer多任务学习模型并进行行为预测,输出行为预测结果。

14、本发明的有益效果具体为:采集用户全量行为数据并进行自适应处理能够保证数据完整性和可靠性,剔除异常和重复记录,填补缺失值并统一特征标准。标准化处理后的数据具有一致性和结构化特征,使分析和建模能够直接反映用户真实行为模式,提升行为偏好理解和预测的准确性。多维度行为特征解析量化统计类、时序类、语义类和空间类信息,揭示用户行为频次、时间分布、兴趣主题和活动范围。行为模式和兴趣倾向清晰可见,动态兴趣规律和偏好趋势能够被有效表征,提高对用户出行行为理解的精度和完整性。通过多尺度时间窗口分段处理行为特征,可体现短期、中期和长期的兴趣变化趋势。动态标注和兴趣变化梯度揭示行为演化方向和速率,行为序列结构清晰,表现出时间依赖性和兴趣迁移规律,提高预测模型对用户行为变化的敏感度和准确性。上下文场景识别将行为映射为具体旅游场景类型,并以向量化形式表示,揭示用户行为的地理、时间和个性化特征关联。行为语义和场景环境清晰表达,使行为模式的空间和语义关系得以量化,场景偏好和兴趣模式能够直观呈现。基于场景编码和时序行为训练transformer多任务模型,可以捕捉行为序列中的长期依赖和兴趣演化规律。多任务并行输出目的地、出行方式、住宿类型等预测结果,提高行为预测精度和多维度覆盖能力,支持精细化用户偏好判断和决策模拟。

1.一种基于用户历史行为的出行偏好预测方法,其特征在于,包括以下步骤:

2.根据权利要求1所述的基于用户历史行为的出行偏好预测方法,其特征在于,步骤s1具体步骤为:

3.根据权利要求2所述的基于用户历史行为的出行偏好预测方法,其特征在于,所述全量行为数据包括搜索行为数据、交易行为数据、浏览行为数据、交互行为数据、内容生成数据及基础属性数据。

4.根据权利要求2所述的基于用户历史行为的出行偏好预测方法,其特征在于,步骤s2具体步骤为:

5.根据权利要求4所述的基于用户历史行为的出行偏好预测方法,其特征在于,所述多维度行为特征包括统计类特征、时序类特征、语义类特征及空间类特征;所述统计类特征包括行为频次、消费能力;所述时序类特征包括出行时间偏好、行为时段分布;语义类特征包括目的地偏好、出行主题;所述空间类特征包括地理位置、出行距离。

6.根据权利要求4所述的基于用户历史行为的出行偏好预测方法,其特征在于,步骤s3具体步骤为:

7.根据权利要求6所述的基于用户历史行为的出行偏好预测方法,其特征在于,步骤s4的具体步骤为:

8.根据权利要求7所述的基于用户历史行为的出行偏好预测方法,其特征在于,步骤s5的具体步骤为:

9.根据权利要求8所述的基于用户历史行为的出行偏好预测方法,其特征在于,所述采集用户最新的真实行为数据;根据所述真实行为数据对行为预测结果进行偏差反馈分析,以执行模型调优处理的具体步骤为:

10.一种基于用户历史行为的出行偏好预测系统,其特征在于,用于执行如权利要求1所述的基于用户历史行为的出行偏好预测方法,包括: