干货 | 当你在携程搜索时，背后的推荐系统是如何工作的

作者简介

葛荣亮，携程搜索部门高级研发工程师。2015年加入携程，目前主要负责搜索平台的前端+数据挖据工作。

一、前言

随着旅游业的发展，人们对搜索的要求越来越高。智能化大趋势下，个性化的推荐系统的应用及用户需求也越来越广泛。

旅游推荐系统主要面临的问题及挑战包括：

• 用户维度，用户的需求多种多样，如本地异地的差异，年龄、家庭结构的差异等；

• 时间、地理维度，每个时间点的需求都是不同的，如季节(冬季的温泉，夏季避暑...)、早中晚的需求差异，不同城市用户对同一目的地的旅游产品类别需求可能不同；

• 产品维度，如何输出多样性的产品也是推荐系统考虑的重点，如相似的酒店、景点等。

针对以上面临的问题和挑战，本文将分享携程推荐系统的更新迭代过程。

二、推荐系统架构

携程搜索推荐系统架构如下：

                           

抛开业务和数据部分，这里只简单介绍推荐服务的结构，其简要构造如下：

 

2.1 用户行为

用户行为数据展示了用户的操作习惯和偏好。对这部分数据进行离线分析，可以更好地理解用户，以此来做线上产品的推荐源。

对线上需要的行为数据，可以取一个月或者近7天的历史数据，以保证数据的时效性。