智能推薦系統在鐵路客運延伸服務中應用研究

王 斌，朱建軍，譚 雪

（中國鐵道科學研究院集團有限公司 電子計算技術研究所，北京 100081）

近年來，以互聯網、大數據、人工智能為代表的新一代信息技術日新月異，已經給社會經濟發展、人民生產生活帶來重大而深遠的影響，智能推薦系統的出現一方面提升用戶對產品體驗的滿意度[1]，同時其自身產生的經濟效益也愈發顯著，對商品智能推薦系統的研究得到了業界的廣泛關注。許多知名的網站和應用都通過引入推薦系統來提高銷量，吸引用戶注意力，提高用戶活躍度和吸引新的用戶。目前，智能推薦系統已經在時裝零售、旅游市場、餐飲服務等行業中得到了廣泛應用[2-5]。

當前，鐵路為響應“互聯網+”的國家戰略，制定并實施鐵路旅客服務的“互聯網+”行動計劃[6]。基于12306互聯網售票系統延伸鐵路旅客出行服務鏈，開拓站車商業、酒店、餐飲、定制服務、旅游產品預訂等眾多與旅客相關的服務領域，是鐵路利用資源優勢，開展資產經營，提高鐵路資源價值的重要舉措，是提升鐵路客運服務水平、提高鐵路經濟效益的重要手段，特別是對滿足龐大鐵路旅客群體日益增長的個性化和差異化的需求具有重要的現實意義[7-8]。針對這一目的，研究基于鐵路客運延伸服務的智能推薦系統，通過融合各類業務數據，并運用大數據挖掘與數據分析等手段收集和分析鐵路旅客的行為，預測出旅客在旅途全行程中可能需要的其他相關服務產品，從而更加精準定位旅客需求，實現客戶資源充分挖掘和運用，為提供多樣化、個性化的客運服務打下基礎。

1 智能推薦系統概述

1.1 推薦系統定義

推薦系統是一種信息過濾系統，用于預測用戶對物品的“評分”或“偏好”，引導用戶對商品進行選擇[9]。推薦的目的是使用戶能夠從海量的信息中更加快速準確過濾出有用的信息，從而提高網站的點擊率和轉化率。

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

圖1 推薦系統通用模型

1.2 智能推薦系統發展

推薦系統是隨著互聯網、大數據等技術的發展不斷演變，已經形成了不同的推薦方法：（1）通過人工生成的推薦系統，這種推薦系統比較簡單，是通過后臺系統編輯內容的權重值人為引導用戶做出選擇，因此推薦結果往往具有主觀性，不能反映用戶的實際需要。（2）一些簡單的聚合類推薦系統，這些系統往往通過產品銷量、評論數、排行榜等簡單的統計數據向用戶進行內容推薦。當前，隨著人工智能、機器學習等技術的成熟，推薦系統變得更加智能化和人性化，產生了真正千人千面的智能推薦系統。

智能推薦系統也被稱為個性化推薦系統（Personalized Recommender Systems），是一套基于用戶行為數據的分析，通過多種智能化的推薦算法向用戶提供個性化推薦服務的系統。智能推薦系統利用數據挖掘、大數據分析、人工智能等手段將用戶對某類產品的瀏覽時間、點擊頻率、購買經歷、咨詢次數、產品收藏等數據進行提取分析，獲取不同用戶的購買行為，個人喜好，興趣習慣等因素，從而預測客戶的購買傾向，及時向客戶推薦相關的商品和信息，引導客戶的購買行為，積極促成交易的達成[10]。

2 推薦方法

2.1 基于內容的推薦

基于內容的推薦是信息過濾技術的延續和發展。該推薦方法通過比較內容與用戶興趣的相似性，自動匹配用戶偏好和感興趣的內容，提供給用戶進行選擇。基于內容的推薦技術提取產品的特征屬性，將產品標記為各種tag屬性標簽，通過分析產品比率和相應的產品屬性來預測用戶偏好。基于內容的推薦方法的優點是簡單有效，能夠準確推薦出用戶獨有的小眾偏好。

2.2 協同過濾推薦

協同過濾推薦的思想來源基于現實生活中朋友間的相互推薦。作為最為成功的推薦技術之一，它一般采用最近鄰算法，利用對象之間的相似程度來過濾信息。協同過濾分為基于用戶的協同過濾以及基于物品的協同過濾兩種方法，其區別在于一個是通過目標用戶的最近鄰居用戶對商品評價的加權評價值來預測目標用戶對特定商品的喜好程度，從而向目標用戶提出建議；另一個是通過目標用戶對某個物品的評分來預測其對相似物品的評分，選取評分最高的商品進行推薦。協同過濾的最大優點通用性強，對推薦對象沒有特殊的要求。協同過濾推薦的結果是系統根據用戶的購買模式或瀏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 基于關聯規則的推薦

基于關聯規則的推薦是以關聯規則為基礎，其基本思想是通過數據分析挖掘物品之間的共性。一個規則本質上是一個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。基于關聯規則的推薦方法實現簡單，通用性較強，適合“推薦跟已購買商品搭配的商品”等場景，其直觀的表現就是用戶在購買某個商品的時候有多大傾向去購買另外一些商品。在延伸服務項目中，該規則可以應用于“火車票+”等場景，例如，旅客在訂購火車票的同時會多大程度上同時關注目的地周邊旅游景點、酒店等產品，從而將關注度高的產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同過濾推薦算法和內容推薦算法組合到一起生成一個輸出結果，再將這個輸出結果與別的方法進行融合。采用混合推薦技術由于將兩種或者多種推薦技術的優勢進行互補，從而使得推薦結果通常比單個算法表現更好，推薦內容也更加精準和個性化。在鐵路客運延伸服務應用中，我們也將融合多種不同的算法來綜合推薦結果，達到更貼合我們鐵路客運服務業務的目的。

3 智能推薦系統整體架構

基于鐵路客運延伸服務的智能推薦系統采用大數據挖掘和機器學習等技術來收集和提取客運延伸服務系統中產生的大量生產數據，如酒店，餐飲，旅游，定制服務，站內導航，站車商業，體驗店和廣告等。通過這些有價值信息的提取分析，對用戶行為，用戶喜好進行精準預測，從而為旅客推薦更優的、更具有個性化性的服務和產品。前端展示內容為了實現用戶的千人千面，后端服務需要建立復雜的用戶全網行為數據采集、存儲加工、數據建模和用戶畫像過程，要想最大化提升個性化推薦的效果，就必須覆蓋用戶全網行為軌跡，甚至用戶線下的行為軌跡，這就需要融合延伸服務所有業務系統數據，進行數據整合分析。智能推薦系統的整體架構如圖2所示。

圖2 智能推薦系統整體架構圖

3.1 延伸服務應用子系統

延伸服務應用子系統是智能推薦系統大量數據產生的來源，位于整個推薦系統的展示層。其主要依托鐵路內部網和互聯網，完成與路外系統、路內系統之間的信息交互，對路內路外資源進行資源整合。同時通過鐵路售票窗口、客服/呼叫中心、TVM自助終端以及12306網站、12306 APP等服務渠道向鐵路旅客提供一站式多樣化的旅途服務，提升鐵路旅客出行品質、豐富出行生活。鐵路客運延伸服務系統提供的業務功能包括面向旅客的餐飲服務、酒店預訂、旅游預訂、定制服務、站內導航、站車商業、體驗店、廣告等多個業務應用，形成“全過程、一站式”的服務方式。延伸服務應用子系統功能構成如圖3所示。

圖3 延伸服務應用子系統構成

3.2 用戶行為

用戶行為是智能推薦系統的關鍵，智能推薦系統是圍繞用戶展開的，用戶既是智能推薦系統的數據產生根源，也是推薦結果的最終目標。內容推薦要有一定目標人群，只有確定目標人群后才能針對性推薦。鐵路客運服務主要針對旅客的購買和出行記錄等行為進行分析，進行用戶特征提取，建立用戶畫像，劃分出不同的用戶群體，推送有針對性的產品和服務。用戶使整個數據流形成閉環，通過策略的不斷調整優化，最終實現更加精準的推薦結果。

3.3 推薦服務子系統

推薦服務子系統是智能推薦系統的核心模塊，負責把客運延伸服務各應用產生的數據進行收集，運用各種工具對數據進行加工和重新整理，實現多層次，多粒度的數據管理，將數據轉換為更加有用的信息并表達。同時利用推薦技術深入分析數據，提取用戶特征，為鐵路出行旅客建立用戶模型，為不同旅客提供個性化的推薦結果。推薦服務子系統由日志信息層、策略層和推薦結果層3層組成。

（1）日志信息層：主要負責旅客行為數據的采集，數據包括旅客的個人身份信息、服務產品購買過程產生的查看、購買、分享、評價等行為。個人屬性可以從用戶注冊信息中獲得；購買的歷史行為記錄主要存放于延伸服務各業務系統的后臺交易數據庫以及日志文件等存儲中，它是每位用戶以前歷次交易的詳細情況記錄以及點擊請求等。這些信息可以讓我們獲取到目標用戶對某一產品的偏好程度。

（2）策略層：系統采集的旅客行為數據需要圍繞用戶為主線來進行分析，對旅客進行用戶畫像設計，建立行為模型形成檔案。通過對鐵路旅客消費特征、喜好以及購買習慣和行為等數據進行分析將旅客劃分不同層級，為個性化推薦提供數據支持。通常我們需要將多種不同算法的結果通過加權重來進行融合，已達到更加符合實際業務的推薦結果。通過在策略層對數據進行分析，確定目標旅客進行細分，并動態的向旅客展示感興趣的服務產品，引導旅客進行消費，為旅客提供個性化服務。

（3）推薦結果層：根據收集的旅客信息不同，采用多種推薦方法對數據進行分析，可以得到該旅客最感興趣的商品列表推薦給旅客。考慮到計算量、計算時間延遲和節約計算資源，將推薦結果分為在線推薦和離線推薦兩種，離線結果來自大規模數據處理，通過在線算法對推薦結果進行加工并展示。

個性化產品推薦的核心目的是要滿足不同旅客的個別需求。鐵路客運延伸服務智能推薦系統的設計能夠針對鐵路旅客提供個性化的出行需求，從而幫助鐵路部門把12306互聯網售票系統網站的瀏覽者轉變為購買者，同時提高網站的交叉銷售能力和旅客對網站的忠誠度。在鐵路客運延伸服務中使用智能推薦系統后，能提高鐵路企業的銷售額，提升鐵路客運服務質量。

4 結束語

本文對智能推薦系統進行研究，分析了其在鐵路客運延伸服務中的應用前景。通過對旅客使用客運延伸服務系統預訂餐飲、酒店、旅游、定制服務等行為進行深度分析，將更加有利于購買和符合用戶需求的產品精準推送給潛在用戶，縮短用戶到產品的距離，提升用戶的消費體驗，同時，更好地發揮鐵路資源優勢，使價值達到最大化狀態。將鐵路客運的業務價值鏈由“單邊運輸服務”逐步發展至“多元化經營+多邊化平臺”，提高行業競爭力，促進鐵路客運服務和資產經營的轉型升級。