本發(fā)明涉及一種用戶畫像方法及設(shè)備，具體說是一種旅客畫像及數(shù)據(jù)分析的方法及裝置。

背景技術(shù)：

在交通運(yùn)輸和旅游行業(yè)中，每天都會產(chǎn)生大量的票務(wù)數(shù)據(jù)、線路數(shù)據(jù)，甚至是周邊的酒店訂單數(shù)據(jù)、餐飲訂單數(shù)據(jù)，當(dāng)然也包括旅客的個人身份數(shù)據(jù)。這些數(shù)據(jù)分散在不同的系統(tǒng)，它們龐大而且分散，看似毫無規(guī)律，沒有任何價值。但如果采用科學(xué)合理的方法整合這些數(shù)據(jù)，不僅可以得到旅客愛好興趣及行為特征的畫像，也可以用于預(yù)測行業(yè)發(fā)展趨勢以及旅客的未來行為特征，將為從業(yè)者帶來更大的價值。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明的目的是提供一種旅客畫像及數(shù)據(jù)分析的方法及裝置，通過整合、分析交通運(yùn)輸和旅游行業(yè)中產(chǎn)生的數(shù)據(jù)為旅客用戶進(jìn)行畫像，挖掘用戶愛好，解決旅客基本特征描述，細(xì)分客戶群，預(yù)測行業(yè)發(fā)展趨勢以及旅客的未來行為特征，并為旅客的個性化服務(wù)提供支撐。

本發(fā)明所述一種旅客畫像及數(shù)據(jù)分析的方法，其特征在于包括如下步驟：

A)建立數(shù)據(jù)庫；從數(shù)據(jù)源中獲取旅客身份信息和行為數(shù)據(jù)，存入數(shù)據(jù)庫；

B)建立標(biāo)簽?zāi)Ｐ?；根?jù)數(shù)據(jù)庫中的旅客身份信息的特征和行為數(shù)據(jù)的特征建立相應(yīng)的標(biāo)簽并賦予每一標(biāo)簽相應(yīng)的值域和權(quán)重；所述標(biāo)簽權(quán)重的取值表示該標(biāo)簽對用戶行為影響的重要程度；標(biāo)簽的權(quán)重表示為時間衰減因子與數(shù)據(jù)來源權(quán)重的乘積；所述時間衰減因子與標(biāo)簽的形成時間相關(guān)，所述數(shù)據(jù)來源權(quán)重與標(biāo)簽數(shù)據(jù)的來源相關(guān)；

C)計(jì)算標(biāo)簽權(quán)重；利用如下算法計(jì)算標(biāo)簽的權(quán)重Tij，得到一組歸并的標(biāo)簽，形成當(dāng)前時間窗的用戶畫像；

T_ij＝R_ij*W_ij

其中，

R_ij表示第i個標(biāo)簽中第j個值的時間因子，i代表標(biāo)簽編號，j代表該標(biāo)簽中第j個值,其計(jì)算公式如下：

$R_{ij}=\underset{m=1}{\overset{K_{ij}}{\mathrm{\Σ}}}{R}_{ij}^m/K_{ij}$

其中，K_ij為數(shù)據(jù)集合中與第i個標(biāo)簽第j個值對應(yīng)的數(shù)據(jù)條數(shù)；

R_ij^m是第m條記錄的時間因子。其計(jì)算公式如下：

其中t_now^m-t_start^m<＝t_max

t_now^m第m條數(shù)據(jù)當(dāng)前時間，t_start^m為第m條數(shù)據(jù)生成時間，(t_now^m-t_start^m)為數(shù)據(jù)生成距離當(dāng)前時間間隔，α為時間因子衰減率，t_max為時間窗口大小，即超過該時間窗口的數(shù)據(jù)記錄不用來計(jì)算標(biāo)簽權(quán)重；

數(shù)據(jù)來源權(quán)重W_ij表示為：

i代表標(biāo)簽編號，j代表該標(biāo)簽中第j個值。W_ij表示第i個標(biāo)簽中第j個值的數(shù)據(jù)權(quán)重；計(jì)算公式如下：

$W_{ij}=K_{ij}/\underset{j}{\mathrm{\&Sigma;}}{K}_{ij}$

K_ij為數(shù)據(jù)集合中與第i個標(biāo)簽第j個值對應(yīng)的數(shù)據(jù)條數(shù)；

D)預(yù)測分析；利用上述步驟獲得的數(shù)據(jù)建立時間序列分析模型，使用時間序列分析模型預(yù)測用戶未來的行為。

在步驟B)，所述旅客身份信息的特征和行為數(shù)據(jù)的特征包括結(jié)構(gòu)化數(shù)據(jù)和非結(jié)構(gòu)化數(shù)據(jù)。

一種旅客畫像及數(shù)據(jù)分析裝置，包括：

用于存儲旅客身份信息和行為數(shù)據(jù)的數(shù)據(jù)庫；

用于存儲標(biāo)簽并生成標(biāo)簽?zāi)Ｐ偷臉?biāo)簽庫；每一標(biāo)簽具有相應(yīng)的值域和權(quán)重；所述標(biāo)簽權(quán)重的取值表示該標(biāo)簽對用戶行為影響的重要程度；標(biāo)簽的權(quán)重表示為時間衰減因子與數(shù)據(jù)來源權(quán)重的乘積；所述時間衰減因子與標(biāo)簽的形成時間相關(guān)，所述數(shù)據(jù)來源權(quán)重與標(biāo)簽數(shù)據(jù)的來源相關(guān)；

用于計(jì)算標(biāo)簽權(quán)重的計(jì)算器；該計(jì)算器利用如下算法計(jì)算標(biāo)簽的權(quán)重Tij，得到一組歸并的標(biāo)簽，形成當(dāng)前時間窗的用戶畫像；

T_ij＝R_ij*W_ij

其中，

R_ij表示第i個標(biāo)簽中第j個值的時間因子，i代表標(biāo)簽編號，j代表該標(biāo)簽中第j個值,其計(jì)算公式如下：

$R_{ij}=\underset{m=1}{\overset{K_{ij}}{\mathrm{\&Sigma;}}}{R}_{ij}^m/K_{ij}$

其中，K_ij為數(shù)據(jù)集合中與第i個標(biāo)簽第j個值對應(yīng)的數(shù)據(jù)條數(shù)；

R_ij^m是第m條記錄的時間因子。其計(jì)算公式如下：

其中t_now^m-t_start^m<＝t_max

t_now^m第m條數(shù)據(jù)當(dāng)前時間，t_start^m為第m條數(shù)據(jù)生成時間，(t_now^m-t_start^m)為數(shù)據(jù)生成距離當(dāng)前時間間隔，α為時間因子衰減率，t_max為時間窗口大小，即超過該時間窗口的數(shù)據(jù)記錄不用來計(jì)算標(biāo)簽權(quán)重；

數(shù)據(jù)來源權(quán)重W_ij表示為：

i代表標(biāo)簽編號，j代表該標(biāo)簽中第j個值。W_ij表示第i個標(biāo)簽中第j個值的數(shù)據(jù)權(quán)重；計(jì)算公式如下：

$W_{ij}=K_{ij}/\underset{j}{\mathrm{\&Sigma;}}{K}_{ij}$

K_ij為數(shù)據(jù)集合中與第i個標(biāo)簽第j個值對應(yīng)的數(shù)據(jù)條數(shù)；

用于輸出的輸出設(shè)備。

由于采用上述技術(shù)方案，本發(fā)明通過整合、分析交通運(yùn)輸和旅游行業(yè)中產(chǎn)生的數(shù)據(jù)為旅客用戶進(jìn)行畫像，挖掘用戶愛好，解決旅客基本特征描述，細(xì)分客戶群，預(yù)測行業(yè)發(fā)展趨勢以及旅客的未來行為特征，并為旅客的個性化服務(wù)提供支撐。

具體實(shí)施方式

本發(fā)明所述一種旅客畫像及數(shù)據(jù)分析的方法，包括如下步驟：

A)建立數(shù)據(jù)庫；從數(shù)據(jù)源中獲取旅客身份信息和行為數(shù)據(jù)，存入數(shù)據(jù)庫；該步驟從各類數(shù)據(jù)源系統(tǒng)中抽取原始數(shù)據(jù)，包括但不限于票務(wù)系統(tǒng)中的訂票記錄，列車、飛機(jī)上的訂餐記錄，周邊酒店的訂單數(shù)據(jù)，餐飲訂單數(shù)據(jù)，其它平臺的標(biāo)簽數(shù)據(jù)，用戶行為日志數(shù)據(jù)，社交網(wǎng)絡(luò)中的用戶日常消息數(shù)據(jù)，并將這些數(shù)據(jù)清洗，轉(zhuǎn)換為數(shù)據(jù)庫可識別的數(shù)據(jù)，存入到數(shù)據(jù)庫中。

B)建立標(biāo)簽?zāi)Ｐ?；根?jù)數(shù)據(jù)庫中的旅客身份信息的特征和行為數(shù)據(jù)的特征建立相應(yīng)的標(biāo)簽并賦予每一標(biāo)簽相應(yīng)的值域和權(quán)重；所述標(biāo)簽權(quán)重的取值表示該標(biāo)簽對用戶行為影響的重要程度；標(biāo)簽的權(quán)重表示為時間衰減因子與數(shù)據(jù)來源權(quán)重的乘積；所述時間衰減因子與標(biāo)簽的形成時間相關(guān)，所述數(shù)據(jù)來源權(quán)重與標(biāo)簽數(shù)據(jù)的來源相關(guān)；

該步驟產(chǎn)出標(biāo)簽、及部分標(biāo)簽對應(yīng)的權(quán)重。建模時選取的特征除了用戶的基本特征，包括但不限于姓名，性別，出生年月，學(xué)歷等外，結(jié)合鐵路，航空領(lǐng)域的特點(diǎn)，還需要選擇出發(fā)時間，到達(dá)時間，行程時長，旅客選擇的座位，座位等級，旅途過程中旅客喜愛的娛樂等因素；以及在具體運(yùn)用場景中，各類數(shù)據(jù)源數(shù)據(jù)對結(jié)果數(shù)據(jù)的權(quán)重產(chǎn)生的影響；分別將信息歸屬到靜態(tài)屬性和動態(tài)屬性兩類中。對于特征的處理上，動態(tài)屬性還需要考慮時間對權(quán)重的影響。

具體的處理步驟是，

1)從用戶的基本特征中，抽取特征并轉(zhuǎn)換為標(biāo)簽；

2)從用戶的消費(fèi)記錄中，抽取訂票及其它訂單信息，轉(zhuǎn)換為標(biāo)簽，標(biāo)簽的權(quán)重則表示為時間衰減因子r*數(shù)據(jù)來源權(quán)重w；

3)使用改進(jìn)聚類的方法，從其它非結(jié)構(gòu)化數(shù)據(jù)中分離出用戶的特征標(biāo)簽，輸出的標(biāo)簽的權(quán)重受時間衰減因子的影響。

C)計(jì)算標(biāo)簽權(quán)重；利用如下算法計(jì)算標(biāo)簽的權(quán)重Tij，得到一組歸并的標(biāo)簽，形成當(dāng)前時間窗的用戶畫像；

T_ij＝R_ij*W_ij

其中，

R_ij表示第i個標(biāo)簽中第j個值的時間因子，i代表標(biāo)簽編號，j代表該標(biāo)簽中第j個值,其計(jì)算公式如下：

$R_{ij}=\underset{m=1}{\overset{K_{ij}}{\mathrm{\&Sigma;}}}{R}_{ij}^m/K_{ij}$

其中，K_ij為數(shù)據(jù)集合中與第i個標(biāo)簽第j個值對應(yīng)的數(shù)據(jù)條數(shù)；

R_ij^m是第m條記錄的時間因子。其計(jì)算公式如下：

其中t_now^m-t_start^m<＝t_max

t_now^m第m條數(shù)據(jù)當(dāng)前時間，t_start^m為第m條數(shù)據(jù)生成時間，(t_now^m-t_start^m)為數(shù)據(jù)生成距離當(dāng)前時間間隔，α為時間因子衰減率，t_max為時間窗口大小，即超過該時間窗口的數(shù)據(jù)記錄不用來計(jì)算標(biāo)簽權(quán)重；

數(shù)據(jù)來源權(quán)重W_ij表示為：

i代表標(biāo)簽編號，j代表該標(biāo)簽中第j個值。W_ij表示第i個標(biāo)簽中第j個值的數(shù)據(jù)權(quán)重；計(jì)算公式如下：

$W_{ij}=K_{ij}/\underset{j}{\mathrm{\&Sigma;}}{K}_{ij}$

K_ij為數(shù)據(jù)集合中與第i個標(biāo)簽第j個值對應(yīng)的數(shù)據(jù)條數(shù)；

例如：在系統(tǒng)中定義，來源于訂票系統(tǒng)及其子系統(tǒng)的權(quán)重為0.6，其它的為0.4；

場景1：從用戶在訂票系統(tǒng)點(diǎn)餐子系統(tǒng)的點(diǎn)餐記錄中，不存在標(biāo)簽“紅燒牛肉”，在用戶的SNS數(shù)據(jù)中，存在標(biāo)簽“紅燒牛肉”，其計(jì)算時間衰減權(quán)重為0.21；則其歸并后的標(biāo)簽“紅燒牛肉”，權(quán)重為0*0.6+0.21*0.4。

場景2：從用戶在訂票系統(tǒng)點(diǎn)餐子系統(tǒng)的點(diǎn)餐記錄中，存在標(biāo)簽“紅燒牛肉”，其計(jì)算時間衰減后的權(quán)重為0.65，在用戶的SNS數(shù)據(jù)中，不存在標(biāo)簽“紅燒牛肉”，則其歸并后的標(biāo)簽“紅燒牛肉”，權(quán)重為0.65*0.6+0*0.4。

場景3：從用戶在訂票系統(tǒng)點(diǎn)餐子系統(tǒng)的點(diǎn)餐記錄中，存在標(biāo)簽“紅燒牛肉”，其計(jì)算時間衰減后的權(quán)重為0.65，在用戶的SNS數(shù)據(jù)中，亦存在標(biāo)簽“紅燒牛肉”，其計(jì)算時間衰減權(quán)重為0.21；則其歸并后的標(biāo)簽“紅燒牛肉”，權(quán)重為0.65*0.6+0.21*0.4。

D)預(yù)測分析；利用上述步驟獲得的數(shù)據(jù)建立時間序列分析模型，使用時間序列分析模型預(yù)測用戶未來的行為。當(dāng)然，利用該系統(tǒng)，也可以通過標(biāo)簽分類的旅客，以某一特定標(biāo)簽作為特征，可以找到一組擁有此特征的旅客，實(shí)現(xiàn)對旅客的細(xì)分。或者以每個旅客為中心，找到其擁有的相關(guān)標(biāo)簽，即可知道旅客的興趣，習(xí)慣，并以此為精準(zhǔn)營銷提供支撐。

在上述步驟B)，所述旅客身份信息的特征和行為數(shù)據(jù)的特征包括結(jié)構(gòu)化數(shù)據(jù)和非結(jié)構(gòu)化數(shù)據(jù)。

一種旅客畫像及數(shù)據(jù)分析裝置，包括：

用于存儲旅客身份信息和行為數(shù)據(jù)的數(shù)據(jù)庫；

用于存儲標(biāo)簽并生成標(biāo)簽?zāi)Ｐ偷臉?biāo)簽庫；每一標(biāo)簽具有相應(yīng)的值域和權(quán)重；所述標(biāo)簽權(quán)重的取值表示該標(biāo)簽對用戶行為影響的重要程度；標(biāo)簽的權(quán)重表示為時間衰減因子與數(shù)據(jù)來源權(quán)重的乘積；所述時間衰減因子與標(biāo)簽的形成時間相關(guān)，所述數(shù)據(jù)來源權(quán)重與標(biāo)簽數(shù)據(jù)的來源相關(guān)；

用于計(jì)算標(biāo)簽權(quán)重的計(jì)算器；該計(jì)算器利用如下算法計(jì)算標(biāo)簽的權(quán)重Tij，得到一組歸并的標(biāo)簽，形成當(dāng)前時間窗的用戶畫像；

T_ij＝R_ij*W_ij

其中，

R_ij表示第i個標(biāo)簽中第j個值的時間因子，i代表標(biāo)簽編號，j代表該標(biāo)簽中第j個值,其計(jì)算公式如下：

$R_{ij}=\underset{m=1}{\overset{K_{ij}}{\mathrm{\&Sigma;}}}{R}_{ij}^m/K_{ij}$

其中，K_ij為數(shù)據(jù)集合中與第i個標(biāo)簽第j個值對應(yīng)的數(shù)據(jù)條數(shù)；

R_ij^m是第m條記錄的時間因子。其計(jì)算公式如下：

其中t_now^m-t_start^m<＝t_max

t_now^m第m條數(shù)據(jù)當(dāng)前時間，t_start^m為第m條數(shù)據(jù)生成時間，(t_now^m-t_start^m)為數(shù)據(jù)生成距離當(dāng)前時間間隔，α為時間因子衰減率，t_max為時間窗口大小，即超過該時間窗口的數(shù)據(jù)記錄不用來計(jì)算標(biāo)簽權(quán)重；

數(shù)據(jù)來源權(quán)重W_ij表示為：

i代表標(biāo)簽編號，j代表該標(biāo)簽中第j個值。W_ij表示第i個標(biāo)簽中第j個值的數(shù)據(jù)權(quán)重；計(jì)算公式如下：

$W_{ij}=K_{ij}/\underset{j}{\mathrm{\&Sigma;}}{K}_{ij}$

K_ij為數(shù)據(jù)集合中與第i個標(biāo)簽第j個值對應(yīng)的數(shù)據(jù)條數(shù)；

用于輸出的輸出設(shè)備。