基于Expedia公司数据集的旅馆推荐

成员

  • 李杨
  • 魏思杰
  • 李苏畅
  • 罗伟

项目简介

人们在计划旅行时经常遇到选择旅馆的问题。对于每个目的地而言，有成百上千的旅馆可供选择。如何选择到与个人喜好相符合的旅馆是一个难题。我们是选择一个以前住过的有喜欢的甜点的旅馆？还是冒着风险选择一个以前没有住过的有游泳池的旅馆？

Expedia公司希望改进旅馆推荐算法，对每个用户提供个性化的旅馆推荐。这个问题的规模为每个月数百万条记录。

近来，Expedia使用搜索参数改进了他们的旅馆推荐算法，但是没有足够的用户数据进行个性化推荐。所以，他们提供了他们的数据集，在Kaggle平台上发布了竞赛。

数据集

数据集介绍

Expedia 提供了大量的用户行为数据。包括了用户在搜索什么，他们如何看待搜索结果（点击还是预定），搜索结果是不是一个旅行计划的一部分。数据是随机选择的，并且不具有对整体数据的代表性。

Expdeia 关注的是用户倾向于预定哪种旅馆类型。Expedia已经通过内部算法构建了旅馆的分类，将价格、用户评价、相距城市中心等因素作为考虑的变量将旅馆进行了聚类。这些旅馆类别将会准确地代表用户将要预测的旅馆类型，这样就避免了有的新旅馆没有历史数据的问题。 比赛的目标就是预测每一个用户将会预定哪一个旅馆类。

训练数据集和测试数据集在时间上是分开的：训练数据集来自2013年和2014年的数据，而测试数据集来自2015年的数据。训练数据包括了日志中的所有用户，包括了点击事件和预定事件，而测试数据集只包括预定事件。

数据集大小

训练数据文件：4.07G

测试数据文件：263M

数据集内容

Column name Description Data type
date_time Timestamp string
site_name ID of the Expedia point of sale (i.e. Expedia.com, Expedia.co.uk, Expedia.co.jp, …) int
posa_continent ID of continent associated with site_name int
user_location_country The ID of the country the customer is located int
user_location_region The ID of the region the customer is located int
user_location_city The ID of the city the customer is located int
orig_destination_distance Physical distance between a hotel and a customer at the time of search. A null means the distance could not be calculated double
user_id ID of user int
is_mobile 1 when a user connected from a mobile device, 0 otherwise tinyint
is_package 1 if the click/booking was generated as a part of a package (i.e. combined with a flight), 0 otherwise int
channel ID of a marketing channel int
srch_ci Checkin date string
srch_co Checkout date string
srch_adults_cnt The number of adults specified in the hotel room int
srch_children_cnt The number of (extra occupancy) children specified in the hotel room int
srch_rm_cnt The number of hotel rooms specified in the search int
srch_destination_id ID of the destination where the hotel search was performed int
srch_destination_type_id Type of destination int
hotel_continent Hotel continent int
hotel_country Hotel country int
hotel_market Hotel market int
is_booking 1 if a booking, 0 if a click tinyint
cnt Numer of similar events in the context of the same user session bigint
hotel_cluster ID of a hotel cluster int