随着在线旅游业的发展,越来越多的用户通过在线票务网站订购机票。用户通过输入起飞城市、到达城市和起飞日期,即可在网页检索到所有航空公司提供的候选机票。虽然在线机票订购丰富了用户的选择,但多数航线的候选机票数量过大,产生信息过载现象,一定程度上增加了用户的选择成本,降低用户体验。因此,如何根据用户的偏好,为用户从候选机票中推荐满足其出行计划的机票,具有重要的研究和应用意义。文章针对如何个性化地为用户提供机票推荐这一问题展开研究。首先,根据机票的特征构建用户特征分布模型,提出基于用户偏好的机票推荐算法。其后,针对机票推荐中仍存在的一些问题,细化推荐场景,进一步提升机票推荐的效果。文章的主要研究内容体现在以下几个方面:1.提出基于用户特征分布的机票推荐算法。结合数据分析与领域相关知识,对机票进行关键特征选取,提出用户特征分布模型和基于该模型的机票推荐算法。本项工作作为深入研究的基础,贯穿后续章节。2.研究机票推荐领域中的冷启动问题。分析了航线间差异对机票推荐的影响,对航线冷启动和用户冷启动两类问题进行研究。对于前者,文章根据航线特征分布和用户行为分布衡量航线间的相似度,提出修正混合模型。对于后者,结合用户间的共同乘客和同乘关系,为用户构建社会关系,提出增强用户模型。3.研究机票推荐领域中的共享账户问题。在机票订购场景中,一个账户可能包含多位乘客,这些乘客间偏好可能有所差异。文章使用作者-主题模型对账户下每位乘客的行为习惯进行建模,结合当次购买的上下文信息对出行乘客进行预测,并将乘客预测结果结合到推荐过程中,提供更准确的机票推荐。4.提出结合隐性特征的机票推荐算法。通过对比起飞日期分别在工作日、周末、节假日的机票推荐效果,揭示用户行为在不同起飞日期可能发生变化的现象。通过转换矩阵将用户模型和机票内容映射到隐性空间,对用户在隐性空间的偏好进行建模。最后,综合用户在显性特征和隐性特征空间的偏好,提供更准确的机票推荐。