面向在线旅行社搜索的反馈聚类：一个案例研究

理解在线客户的选做出选择在旅游行业中的需求日益增长。在许多实际情境中，唯一可用的信息是客户执行的航班搜索查询，而无额外的用户画像知识。一般而言，客户的航班预订受价格、时长、中转次数等驱动。然而，并非所有客户都会对这些标准赋予相同的重要性。这就需要将同一类客户（即具有相同的预订标准）所执行的所有航班搜索归为一组。对于单个聚类，某组推荐的有效性可根据历史完成的预订数量来衡量。该有效性度量起到反馈的作用，即一种外部知识，可将其重新组合以迭代地获得最终的细分。本文描述了我们的在线旅行社（OTA）航班搜索用例并突出其具体特征。针对上述动机，我们通过提出一种称为Split-or-Merge（S/M）的新算法来解决航班搜索细分问题。该算法是Split-Merge-Evolve（SME）方法的一种变体。SME方法已在学界作为一种迭代过程被提出，其通过拆分和合并受反馈独立评估的聚类来更新由K-means算法给出的聚类。据我们所知，文献中尚未报道SME方法在真实数据上的先前应用。在此，我们对SME与S/M方法在真实数据上进行了实验评估。在SME与S/M方法下所获得的领域特定度量上的影响表明，反馈聚类技术在OTA航班搜索领域的处理中极具前景。