鉴于酒店行业在线评价体系的复杂性及其对目标市场定位的重要性,本文通过分析在线评论、优化酒店服务与潜在顾客之间的匹配度,创新性地提出了一种新的酒店推荐算法,旨在提高复杂情景下推荐结果的准确性,提升顾客满意度及酒店的市场竞争...鉴于酒店行业在线评价体系的复杂性及其对目标市场定位的重要性,本文通过分析在线评论、优化酒店服务与潜在顾客之间的匹配度,创新性地提出了一种新的酒店推荐算法,旨在提高复杂情景下推荐结果的准确性,提升顾客满意度及酒店的市场竞争力。首先,描述研究问题,突出筛选机制在电子商务交易匹配系统中的重要性。其次,为尽可能地保留原始评论数据,引入复杂信息表征工具,将文本形式的在线评论转化为概率语言术语集(probabilistic linguistic term sets,PLTSs)信息。再次,考虑海量的评论主体通常具有不同犹豫程度的偏好,考虑悲观和乐观偏好,提出一种基于不完全模糊关系的双极偏好权重分配方法。接着,结合高斯混合聚类算法,提出概率语言环境下的分布熵惩罚-高斯混合(DEPGMM)聚类算法,并获取在线评论隶属于不同类别的条件概率,进而获得聚类等价类。进一步,引入三支决策理论方法,给出面向智能推荐的概率语言三支决策过程。最后,通过对三家酒店筛选排序,结合参数分析和对比分析验证所提出方法的有效性和可行性。展开更多
文摘鉴于酒店行业在线评价体系的复杂性及其对目标市场定位的重要性,本文通过分析在线评论、优化酒店服务与潜在顾客之间的匹配度,创新性地提出了一种新的酒店推荐算法,旨在提高复杂情景下推荐结果的准确性,提升顾客满意度及酒店的市场竞争力。首先,描述研究问题,突出筛选机制在电子商务交易匹配系统中的重要性。其次,为尽可能地保留原始评论数据,引入复杂信息表征工具,将文本形式的在线评论转化为概率语言术语集(probabilistic linguistic term sets,PLTSs)信息。再次,考虑海量的评论主体通常具有不同犹豫程度的偏好,考虑悲观和乐观偏好,提出一种基于不完全模糊关系的双极偏好权重分配方法。接着,结合高斯混合聚类算法,提出概率语言环境下的分布熵惩罚-高斯混合(DEPGMM)聚类算法,并获取在线评论隶属于不同类别的条件概率,进而获得聚类等价类。进一步,引入三支决策理论方法,给出面向智能推荐的概率语言三支决策过程。最后,通过对三家酒店筛选排序,结合参数分析和对比分析验证所提出方法的有效性和可行性。
