面向航班搜索推荐的多元共识聚类框架
信息检索
2020-02-27 v2 人工智能
机器学习
机器学习
摘要
在旅游业中，在线客户根据若干特征（如旅行成本和时长或设施质量）预订其行程。为旅行搜索提供个性化推荐，需要对客户进行适当细分。聚类集成方法旨在克服经典聚类方法众所周知的问题，即每种方法依赖不同的理论模型，从而只能在数据空间中识别对应于该模型的簇。聚类集成方法结合多个聚类结果（每个来自不同的算法配置），以生成对应于初始簇之间一致的更鲁棒的共识簇。我们提出一种新的基于聚类集成多目标优化的框架，用于分析 Amadeus 客户搜索数据并改进个性化推荐。该框架优化聚类集成搜索空间中的多样性，并在无需用户输入的情况下自动确定合适的簇数。实验结果在 Amadeus 客户搜索数据上，根据内部（调整兰德指数）和外部（Amadeus 业务指标）验证，将该方法的效率与其他现有方法进行比较。
引用
@article{arxiv.2002.10241,
title = {Multi-objective Consensus Clustering Framework for Flight Search Recommendation},
author = {Sujoy Chatterjee and Nicolas Pasquier and Simon Nanty and Maria A. Zuluaga},
journal= {arXiv preprint arXiv:2002.10241},
year = {2020}
}