智能推薦系統(tǒng)在鐵路客運(yùn)延伸服務(wù)中應(yīng)用研究

王 斌，朱建軍，譚 雪

（中國鐵道科學(xué)研究院集團(tuán)有限公司 電子計(jì)算技術(shù)研究所，北京 100081）

近年來，以互聯(lián)網(wǎng)、大數(shù)據(jù)、人工智能為代表的新一代信息技術(shù)日新月異，已經(jīng)給社會(huì)經(jīng)濟(jì)發(fā)展、人民生產(chǎn)生活帶來重大而深遠(yuǎn)的影響，智能推薦系統(tǒng)的出現(xiàn)一方面提升用戶對(duì)產(chǎn)品體驗(yàn)的滿意度[1]，同時(shí)其自身產(chǎn)生的經(jīng)濟(jì)效益也愈發(fā)顯著，對(duì)商品智能推薦系統(tǒng)的研究得到了業(yè)界的廣泛關(guān)注。許多知名的網(wǎng)站和應(yīng)用都通過引入推薦系統(tǒng)來提高銷量，吸引用戶注意力，提高用戶活躍度和吸引新的用戶。目前，智能推薦系統(tǒng)已經(jīng)在時(shí)裝零售、旅游市場(chǎng)、餐飲服務(wù)等行業(yè)中得到了廣泛應(yīng)用[2-5]。

當(dāng)前，鐵路為響應(yīng)“互聯(lián)網(wǎng)+”的國家戰(zhàn)略，制定并實(shí)施鐵路旅客服務(wù)的“互聯(lián)網(wǎng)+”行動(dòng)計(jì)劃[6]。基于12306互聯(lián)網(wǎng)售票系統(tǒng)延伸鐵路旅客出行服務(wù)鏈，開拓站車商業(yè)、酒店、餐飲、定制服務(wù)、旅游產(chǎn)品預(yù)訂等眾多與旅客相關(guān)的服務(wù)領(lǐng)域，是鐵路利用資源優(yōu)勢(shì)，開展資產(chǎn)經(jīng)營(yíng)，提高鐵路資源價(jià)值的重要舉措，是提升鐵路客運(yùn)服務(wù)水平、提高鐵路經(jīng)濟(jì)效益的重要手段，特別是對(duì)滿足龐大鐵路旅客群體日益增長(zhǎng)的個(gè)性化和差異化的需求具有重要的現(xiàn)實(shí)意義[7-8]。針對(duì)這一目的，研究基于鐵路客運(yùn)延伸服務(wù)的智能推薦系統(tǒng)，通過融合各類業(yè)務(wù)數(shù)據(jù)，并運(yùn)用大數(shù)據(jù)挖掘與數(shù)據(jù)分析等手段收集和分析鐵路旅客的行為，預(yù)測(cè)出旅客在旅途全行程中可能需要的其他相關(guān)服務(wù)產(chǎn)品，從而更加精準(zhǔn)定位旅客需求，實(shí)現(xiàn)客戶資源充分挖掘和運(yùn)用，為提供多樣化、個(gè)性化的客運(yùn)服務(wù)打下基礎(chǔ)。

1 智能推薦系統(tǒng)概述

1.1 推薦系統(tǒng)定義

推薦系統(tǒng)是一種信息過濾系統(tǒng)，用于預(yù)測(cè)用戶對(duì)物品的“評(píng)分”或“偏好”，引導(dǎo)用戶對(duì)商品進(jìn)行選擇[9]。推薦的目的是使用戶能夠從海量的信息中更加快速準(zhǔn)確過濾出有用的信息，從而提高網(wǎng)站的點(diǎn)擊率和轉(zhuǎn)化率。

推薦系統(tǒng)通用模型如圖1所示，主要由3個(gè)重要模塊組成：用戶模型、推薦對(duì)象模型以及推薦算法。推薦系統(tǒng)通過采集用戶和推薦對(duì)象的各種屬性和特征，建立用戶模型和推薦對(duì)象模型，經(jīng)過一定的推薦算法處理后找到與用戶個(gè)人偏好相匹配的特征，篩選出用戶可能感興趣的內(nèi)容并進(jìn)行推薦。

圖1 推薦系統(tǒng)通用模型

1.2 智能推薦系統(tǒng)發(fā)展

推薦系統(tǒng)是隨著互聯(lián)網(wǎng)、大數(shù)據(jù)等技術(shù)的發(fā)展不斷演變，已經(jīng)形成了不同的推薦方法：（1）通過人工生成的推薦系統(tǒng)，這種推薦系統(tǒng)比較簡(jiǎn)單，是通過后臺(tái)系統(tǒng)編輯內(nèi)容的權(quán)重值人為引導(dǎo)用戶做出選擇，因此推薦結(jié)果往往具有主觀性，不能反映用戶的實(shí)際需要。（2）一些簡(jiǎn)單的聚合類推薦系統(tǒng)，這些系統(tǒng)往往通過產(chǎn)品銷量、評(píng)論數(shù)、排行榜等簡(jiǎn)單的統(tǒng)計(jì)數(shù)據(jù)向用戶進(jìn)行內(nèi)容推薦。當(dāng)前，隨著人工智能、機(jī)器學(xué)習(xí)等技術(shù)的成熟，推薦系統(tǒng)變得更加智能化和人性化，產(chǎn)生了真正千人千面的智能推薦系統(tǒng)。

智能推薦系統(tǒng)也被稱為個(gè)性化推薦系統(tǒng)（Personalized Recommender Systems），是一套基于用戶行為數(shù)據(jù)的分析，通過多種智能化的推薦算法向用戶提供個(gè)性化推薦服務(wù)的系統(tǒng)。智能推薦系統(tǒng)利用數(shù)據(jù)挖掘、大數(shù)據(jù)分析、人工智能等手段將用戶對(duì)某類產(chǎn)品的瀏覽時(shí)間、點(diǎn)擊頻率、購買經(jīng)歷、咨詢次數(shù)、產(chǎn)品收藏等數(shù)據(jù)進(jìn)行提取分析，獲取不同用戶的購買行為，個(gè)人喜好，興趣習(xí)慣等因素，從而預(yù)測(cè)客戶的購買傾向，及時(shí)向客戶推薦相關(guān)的商品和信息，引導(dǎo)客戶的購買行為，積極促成交易的達(dá)成[10]。

2 推薦方法

2.1 基于內(nèi)容的推薦

基于內(nèi)容的推薦是信息過濾技術(shù)的延續(xù)和發(fā)展。該推薦方法通過比較內(nèi)容與用戶興趣的相似性，自動(dòng)匹配用戶偏好和感興趣的內(nèi)容，提供給用戶進(jìn)行選擇。基于內(nèi)容的推薦技術(shù)提取產(chǎn)品的特征屬性，將產(chǎn)品標(biāo)記為各種tag屬性標(biāo)簽，通過分析產(chǎn)品比率和相應(yīng)的產(chǎn)品屬性來預(yù)測(cè)用戶偏好。基于內(nèi)容的推薦方法的優(yōu)點(diǎn)是簡(jiǎn)單有效，能夠準(zhǔn)確推薦出用戶獨(dú)有的小眾偏好。

2.2 協(xié)同過濾推薦

協(xié)同過濾推薦的思想來源基于現(xiàn)實(shí)生活中朋友間的相互推薦。作為最為成功的推薦技術(shù)之一，它一般采用最近鄰算法，利用對(duì)象之間的相似程度來過濾信息。協(xié)同過濾分為基于用戶的協(xié)同過濾以及基于物品的協(xié)同過濾兩種方法，其區(qū)別在于一個(gè)是通過目標(biāo)用戶的最近鄰居用戶對(duì)商品評(píng)價(jià)的加權(quán)評(píng)價(jià)值來預(yù)測(cè)目標(biāo)用戶對(duì)特定商品的喜好程度，從而向目標(biāo)用戶提出建議；另一個(gè)是通過目標(biāo)用戶對(duì)某個(gè)物品的評(píng)分來預(yù)測(cè)其對(duì)相似物品的評(píng)分，選取評(píng)分最高的商品進(jìn)行推薦。協(xié)同過濾的最大優(yōu)點(diǎn)通用性強(qiáng)，對(duì)推薦對(duì)象沒有特殊的要求。協(xié)同過濾推薦的結(jié)果是系統(tǒng)根據(jù)用戶的購買模式或?yàn)g覽行為等隱式獲得的，不需要用戶努力地找到適合自己興趣的推薦信息。

2.3 基于關(guān)聯(lián)規(guī)則的推薦

基于關(guān)聯(lián)規(guī)則的推薦是以關(guān)聯(lián)規(guī)則為基礎(chǔ)，其基本思想是通過數(shù)據(jù)分析挖掘物品之間的共性。一個(gè)規(guī)則本質(zhì)上是一個(gè)if-then語句，其決定了在用戶購買商品A的情況下有多大概率購買B商品。基于關(guān)聯(lián)規(guī)則的推薦方法實(shí)現(xiàn)簡(jiǎn)單，通用性較強(qiáng)，適合“推薦跟已購買商品搭配的商品”等場(chǎng)景，其直觀的表現(xiàn)就是用戶在購買某個(gè)商品的時(shí)候有多大傾向去購買另外一些商品。在延伸服務(wù)項(xiàng)目中，該規(guī)則可以應(yīng)用于“火車票+”等場(chǎng)景，例如，旅客在訂購火車票的同時(shí)會(huì)多大程度上同時(shí)關(guān)注目的地周邊旅游景點(diǎn)、酒店等產(chǎn)品，從而將關(guān)注度高的產(chǎn)品作為搭配組合推薦給用戶。

2.4 混合推薦

目前，最常用的混合推薦算法組合是將協(xié)同過濾推薦算法和內(nèi)容推薦算法組合到一起生成一個(gè)輸出結(jié)果，再將這個(gè)輸出結(jié)果與別的方法進(jìn)行融合。采用混合推薦技術(shù)由于將兩種或者多種推薦技術(shù)的優(yōu)勢(shì)進(jìn)行互補(bǔ)，從而使得推薦結(jié)果通常比單個(gè)算法表現(xiàn)更好，推薦內(nèi)容也更加精準(zhǔn)和個(gè)性化。在鐵路客運(yùn)延伸服務(wù)應(yīng)用中，我們也將融合多種不同的算法來綜合推薦結(jié)果，達(dá)到更貼合我們鐵路客運(yùn)服務(wù)業(yè)務(wù)的目的。

3 智能推薦系統(tǒng)整體架構(gòu)

基于鐵路客運(yùn)延伸服務(wù)的智能推薦系統(tǒng)采用大數(shù)據(jù)挖掘和機(jī)器學(xué)習(xí)等技術(shù)來收集和提取客運(yùn)延伸服務(wù)系統(tǒng)中產(chǎn)生的大量生產(chǎn)數(shù)據(jù)，如酒店，餐飲，旅游，定制服務(wù)，站內(nèi)導(dǎo)航，站車商業(yè)，體驗(yàn)店和廣告等。通過這些有價(jià)值信息的提取分析，對(duì)用戶行為，用戶喜好進(jìn)行精準(zhǔn)預(yù)測(cè)，從而為旅客推薦更優(yōu)的、更具有個(gè)性化性的服務(wù)和產(chǎn)品。前端展示內(nèi)容為了實(shí)現(xiàn)用戶的千人千面，后端服務(wù)需要建立復(fù)雜的用戶全網(wǎng)行為數(shù)據(jù)采集、存儲(chǔ)加工、數(shù)據(jù)建模和用戶畫像過程，要想最大化提升個(gè)性化推薦的效果，就必須覆蓋用戶全網(wǎng)行為軌跡，甚至用戶線下的行為軌跡，這就需要融合延伸服務(wù)所有業(yè)務(wù)系統(tǒng)數(shù)據(jù)，進(jìn)行數(shù)據(jù)整合分析。智能推薦系統(tǒng)的整體架構(gòu)如圖2所示。

圖2 智能推薦系統(tǒng)整體架構(gòu)圖

3.1 延伸服務(wù)應(yīng)用子系統(tǒng)

延伸服務(wù)應(yīng)用子系統(tǒng)是智能推薦系統(tǒng)大量數(shù)據(jù)產(chǎn)生的來源，位于整個(gè)推薦系統(tǒng)的展示層。其主要依托鐵路內(nèi)部網(wǎng)和互聯(lián)網(wǎng)，完成與路外系統(tǒng)、路內(nèi)系統(tǒng)之間的信息交互，對(duì)路內(nèi)路外資源進(jìn)行資源整合。同時(shí)通過鐵路售票窗口、客服/呼叫中心、TVM自助終端以及12306網(wǎng)站、12306 APP等服務(wù)渠道向鐵路旅客提供一站式多樣化的旅途服務(wù)，提升鐵路旅客出行品質(zhì)、豐富出行生活。鐵路客運(yùn)延伸服務(wù)系統(tǒng)提供的業(yè)務(wù)功能包括面向旅客的餐飲服務(wù)、酒店預(yù)訂、旅游預(yù)訂、定制服務(wù)、站內(nèi)導(dǎo)航、站車商業(yè)、體驗(yàn)店、廣告等多個(gè)業(yè)務(wù)應(yīng)用，形成“全過程、一站式”的服務(wù)方式。延伸服務(wù)應(yīng)用子系統(tǒng)功能構(gòu)成如圖3所示。

圖3 延伸服務(wù)應(yīng)用子系統(tǒng)構(gòu)成

3.2 用戶行為

用戶行為是智能推薦系統(tǒng)的關(guān)鍵，智能推薦系統(tǒng)是圍繞用戶展開的，用戶既是智能推薦系統(tǒng)的數(shù)據(jù)產(chǎn)生根源，也是推薦結(jié)果的最終目標(biāo)。內(nèi)容推薦要有一定目標(biāo)人群，只有確定目標(biāo)人群后才能針對(duì)性推薦。鐵路客運(yùn)服務(wù)主要針對(duì)旅客的購買和出行記錄等行為進(jìn)行分析，進(jìn)行用戶特征提取，建立用戶畫像，劃分出不同的用戶群體，推送有針對(duì)性的產(chǎn)品和服務(wù)。用戶使整個(gè)數(shù)據(jù)流形成閉環(huán)，通過策略的不斷調(diào)整優(yōu)化，最終實(shí)現(xiàn)更加精準(zhǔn)的推薦結(jié)果。

3.3 推薦服務(wù)子系統(tǒng)

推薦服務(wù)子系統(tǒng)是智能推薦系統(tǒng)的核心模塊，負(fù)責(zé)把客運(yùn)延伸服務(wù)各應(yīng)用產(chǎn)生的數(shù)據(jù)進(jìn)行收集，運(yùn)用各種工具對(duì)數(shù)據(jù)進(jìn)行加工和重新整理，實(shí)現(xiàn)多層次，多粒度的數(shù)據(jù)管理，將數(shù)據(jù)轉(zhuǎn)換為更加有用的信息并表達(dá)。同時(shí)利用推薦技術(shù)深入分析數(shù)據(jù)，提取用戶特征，為鐵路出行旅客建立用戶模型，為不同旅客提供個(gè)性化的推薦結(jié)果。推薦服務(wù)子系統(tǒng)由日志信息層、策略層和推薦結(jié)果層3層組成。

（1）日志信息層：主要負(fù)責(zé)旅客行為數(shù)據(jù)的采集，數(shù)據(jù)包括旅客的個(gè)人身份信息、服務(wù)產(chǎn)品購買過程產(chǎn)生的查看、購買、分享、評(píng)價(jià)等行為。個(gè)人屬性可以從用戶注冊(cè)信息中獲得；購買的歷史行為記錄主要存放于延伸服務(wù)各業(yè)務(wù)系統(tǒng)的后臺(tái)交易數(shù)據(jù)庫以及日志文件等存儲(chǔ)中，它是每位用戶以前歷次交易的詳細(xì)情況記錄以及點(diǎn)擊請(qǐng)求等。這些信息可以讓我們獲取到目標(biāo)用戶對(duì)某一產(chǎn)品的偏好程度。

（2）策略層：系統(tǒng)采集的旅客行為數(shù)據(jù)需要圍繞用戶為主線來進(jìn)行分析，對(duì)旅客進(jìn)行用戶畫像設(shè)計(jì)，建立行為模型形成檔案。通過對(duì)鐵路旅客消費(fèi)特征、喜好以及購買習(xí)慣和行為等數(shù)據(jù)進(jìn)行分析將旅客劃分不同層級(jí)，為個(gè)性化推薦提供數(shù)據(jù)支持。通常我們需要將多種不同算法的結(jié)果通過加權(quán)重來進(jìn)行融合，已達(dá)到更加符合實(shí)際業(yè)務(wù)的推薦結(jié)果。通過在策略層對(duì)數(shù)據(jù)進(jìn)行分析，確定目標(biāo)旅客進(jìn)行細(xì)分，并動(dòng)態(tài)的向旅客展示感興趣的服務(wù)產(chǎn)品，引導(dǎo)旅客進(jìn)行消費(fèi)，為旅客提供個(gè)性化服務(wù)。

（3）推薦結(jié)果層：根據(jù)收集的旅客信息不同，采用多種推薦方法對(duì)數(shù)據(jù)進(jìn)行分析，可以得到該旅客最感興趣的商品列表推薦給旅客。考慮到計(jì)算量、計(jì)算時(shí)間延遲和節(jié)約計(jì)算資源，將推薦結(jié)果分為在線推薦和離線推薦兩種，離線結(jié)果來自大規(guī)模數(shù)據(jù)處理，通過在線算法對(duì)推薦結(jié)果進(jìn)行加工并展示。

個(gè)性化產(chǎn)品推薦的核心目的是要滿足不同旅客的個(gè)別需求。鐵路客運(yùn)延伸服務(wù)智能推薦系統(tǒng)的設(shè)計(jì)能夠針對(duì)鐵路旅客提供個(gè)性化的出行需求，從而幫助鐵路部門把12306互聯(lián)網(wǎng)售票系統(tǒng)網(wǎng)站的瀏覽者轉(zhuǎn)變?yōu)橘徺I者，同時(shí)提高網(wǎng)站的交叉銷售能力和旅客對(duì)網(wǎng)站的忠誠度。在鐵路客運(yùn)延伸服務(wù)中使用智能推薦系統(tǒng)后，能提高鐵路企業(yè)的銷售額，提升鐵路客運(yùn)服務(wù)質(zhì)量。

4 結(jié)束語

本文對(duì)智能推薦系統(tǒng)進(jìn)行研究，分析了其在鐵路客運(yùn)延伸服務(wù)中的應(yīng)用前景。通過對(duì)旅客使用客運(yùn)延伸服務(wù)系統(tǒng)預(yù)訂餐飲、酒店、旅游、定制服務(wù)等行為進(jìn)行深度分析，將更加有利于購買和符合用戶需求的產(chǎn)品精準(zhǔn)推送給潛在用戶，縮短用戶到產(chǎn)品的距離，提升用戶的消費(fèi)體驗(yàn)，同時(shí)，更好地發(fā)揮鐵路資源優(yōu)勢(shì)，使價(jià)值達(dá)到最大化狀態(tài)。將鐵路客運(yùn)的業(yè)務(wù)價(jià)值鏈由“單邊運(yùn)輸服務(wù)”逐步發(fā)展至“多元化經(jīng)營(yíng)+多邊化平臺(tái)”，提高行業(yè)競(jìng)爭(zhēng)力，促進(jìn)鐵路客運(yùn)服務(wù)和資產(chǎn)經(jīng)營(yíng)的轉(zhuǎn)型升級(jí)。