具体实施方式

为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的每个其他实施例，都属于本申请保护的范围。

经研究发现，目前，需采取专家判断的方法，即专家根据酒店的地理位置、星级、房间数等基本属性数据，通过经验知识或者打分机制从单一角度评价酒店之间的竞争关系，这种评价方式得到的评价结果较为主观，且当酒店数量较多时，需耗费大量时间查看各个酒店信息，显然，这将消耗管理者大量的不必要时间。

基于此，本申请实施例提供了一种竞对酒店的推荐方法，可以准确地从多个候选酒店中确定出推荐的竞对酒店。

请参阅图1，图1为本申请实施例所提供的一种竞对酒店的推荐方法的流程图。如图1中所示，本申请实施例提供的竞对酒店的推荐方法，包括：

S101、获取用户浏览的待选择目标酒店的历史被浏览信息。

S102、基于所述历史被浏览信息，确定与所述待选择目标酒店之间存在流向关系的多个候选酒店。

S103、基于所述待选择目标酒店的目标参数信息和每个候选酒店的候选参数信息，确定所述待选择目标酒店与每个候选酒店之间在不同流向维度下的多个流向参数向量和所述多个候选酒店在不同属性维度下的多个属性参数向量。

S104、基于所述多个流向参数向量和所述多个属性参数向量，计算得到用于确定所述待选择目标酒店对应的竞对酒店的目标参数矩阵。

S105、计算所述目标参数矩阵中每列特征向量的列向量均值，并基于每列特征向量的列向量均值，确定该列特征向量对应的流向维度或属性维度的第一相对权重。

S106、基于所述目标参数矩阵和预先设置的正交变量，确定所述目标参数矩阵中每列特征向量对应的流向维度或属性维度的第二相对权重。

S107、基于所述目标参数矩阵、所述目标参数矩阵中每列特征向量对应的流向维度或属性维度的第一相对权重和第二相对权重，从所述多个候选酒店中确定出竞对酒店。

这里，用户可以指酒店的工作人员，当酒店工作人员想要从众多的酒店中确定出其工作的酒店的竞对酒店时，通常需要遍历浏览网络中的全部酒店，从而选取出存在竞争力的其他酒店。

用户还可以指预定酒店的旅客，当旅客在旅途过程中想要预定酒店时，通常需要经过大量的浏览后，才能够确定出想要预定的酒店。

在步骤S101，获取用户浏览的待选择目标酒店的历史被浏览信息。

该步骤中，获取用户当前正在浏览的待选择目标酒店的历史被浏览信息，其中，历史被浏览信息中包括浏览过待选择目标酒店的其他用户的浏览信息，其他用户的浏览信息中包括其他用户在浏览待选择目标酒店之前浏览或者预定过得其他酒店，以及在浏览待选择目标酒店之后浏览或者预定过得其他酒店等等。

流向关系包括客户流入关系和客户流出关系，其中，针对于待选择目标酒店，客户流出关系是指用户浏览了待选择目标酒店之后，预定了候选酒店，则待选择目标酒店与候选酒店之间存在客户流出关系；客户流入关系是指是，在浏览了候选酒店之后，预定了待选择目标酒店，则待选择目标酒店与候选酒店之间存在客户流入关系。

在一种实施方式中，步骤S102包括：基于所述历史被浏览信息，将与所述待选择目标酒店之间存在客户流入关系和/或客户流出关系的酒店确定为待筛选酒店；确定客户从所述待选择目标酒店流出至每个待筛选酒店的流出数量，以及客户从每个待筛选酒店流入至所述待选择目标酒店的流入数量；将所述流出数量大于预设流出阈值和/或所述流入数量大于预设流入阈值的待筛选酒店确定为候选酒店。

在上述步骤中，可以根据待选择目标酒店的历史被浏览信息，当确定其他用户在浏览了待选择目标酒店之后预定了其他酒店，则可以将该其他酒店确定为与待选择目标酒店之间存在客户流出关系的待筛选酒店；相应的，当确定其他用户在浏览了其他酒店之后预定了待选择目标酒店，则可以将该其他酒店确定为与待选择目标酒店之间存在客户流入关系的待筛选酒店，以此来确定出与待选择目标酒店之间存在客户流入关系和/或客户流出关系的多个待筛选酒店。

具体的，首先，针对于每个与待选择目标酒店之间存在客户流出关系的待筛选酒店，确定客户从待选择目标酒店流出至该待筛选酒店中的客户的流出数量，即在浏览了待选择目标酒店之后预定了该待筛选酒店的客户的数量，当流出数量大于预设流出阈值时，将该待筛选酒店确定为候选酒店。

其次，针对于每个与待选择目标酒店之间存在客户流入关系的待筛选酒店，确定客户从该待筛选酒店流入至待选择目标酒店中的客户的流入数量，即在浏览了该待筛选酒店之后预定了待选择目标酒店的客户的数量，当流入数量大于预设流入阈值时，将该待筛选酒店确定为候选酒店。

在步骤S103，基于所述待选择目标酒店的目标参数信息和每个候选酒店的候选参数信息，确定所述待选择目标酒店与每个候选酒店之间在不同流向维度下的多个流向参数向量和所述多个候选酒店在不同属性维度下的多个属性参数向量。

目标参数信息可以包括待选择目标酒店的全部房间的目标房间均价、待选择目标酒店的目标房间数量、待选择目标酒店的在线预定间夜数量、待选择目标酒店的目标酒店星级、待选择目标酒店的位置坐标、待选择目标酒店在用户所浏览的网络平台中的点评分分数。

候选参数信息可以包括候选酒店的全部房间的候选房间均价、候选酒店的候选房间数量、候选酒店的在线预定间夜数量、候选酒店的候选酒店星级、候选酒店的位置坐标、候选酒店在用户所浏览的网络平台中的点评分分数。

具体的，可以根据上述目标参数信息以及候选参数信息确定出的流向参数向量包括：流出间夜向量、流入间夜向量、流出房均价向量以及流入房均价向量中的至少一种；所述属性参数向量包括预定间夜向量、预定房均价向量、点评评分向量、酒店星级向量、酒店距离向量以及房间数量向量中的至少一种。

流出间夜向量是指从待选择目标酒店流出至各个候选酒店中的间夜量所组成的向量，即，用户在浏览了待选择目标酒店之后，在每个候选酒店中下单的间夜量所组成的向量；

酒店的间夜量也叫间夜数，是酒店在某个时间段内，房间出租率的计算单位，关于酒店间夜量的计算公式为间夜量＝入住房间数*入住天数。

流入间夜向量是指从各个候选酒店流入至待选择目标酒店中的间夜量所组成的向量，即，用户在浏览了各个候选酒店之后，在待选择目标酒店中下单的间夜量所组成的向量；

流出房均价向量是指从待选择目标酒店流出至各个候选酒店中的订单的平均价格所组成的向量，即，用户在浏览了待选择目标酒店之后，在每个候选酒店中下单的订单的平均价格所组成的向量；

流入房均价向量是指从各个候选酒店流入至待选择目标酒店中的订单的平均价格所组成的向量，即，用户在浏览了各个候选酒店之后，在待选择目标酒店中下单的订单的平均价格所组成的向量；

预定间夜向量是由各个候选酒店在线预定间夜量所组成的向量；

预定房均价向量是由各个候选酒店全部的平均房价所组成的向量；

点评评分向量是由各个候选酒店在用户所浏览的网络平台中的点评分分数所组成的向量；

酒店星级向量是由各个候选酒店的星级所组成的向量；

酒店距离向量是由各个候选酒店与待选择目标酒店之间的距离所组成的向量；

房间数量向量是由各个候选酒店的房间总数量所组成的向量。

在步骤S104，基于所述多个流向参数向量和所述多个属性参数向量，计算得到用于确定所述待选择目标酒店对应的竞对酒店的目标参数矩阵。

在一种实施方式中，步骤S104还包括：基于所述待选择目标酒店的目标参数信息，确定所述待选择目标酒店的目标酒店星级、目标房间数量、目标房间均价、流出房间均价、流入房间均价。

其中，流出房间均价是指客户浏览了待选择目标酒店的房间之后，在候选酒店中预定了同类型房间的均价；流入房间均价是指客户浏览了候选酒店的房间之后，在待选择目标酒店中预定了同类型房间的均价。

分别计算所述流出房均价向量与所述流出房间均价、所述流入房均价向量与所述流入房间均价、所述酒店星级向量与所述目标酒店星级、所述预定房均价向量与所述目标房间均价以及所述房间数量向量与所述目标房间数量之间的差值，得到计算后的流出房均价向量流入房均价向量酒店星级向量预定房均价向量以及房间数量向量

分别对所述流出间夜向量所述流入间夜向量所述预定间夜向量所述点评评分向量所述酒店距离向量以及计算后的流出房均价向量流入房均价向量酒店星级向量预定房均价向量以及房间数量向量进行特征归一化处理，得到归一化后的流出间夜向量、流入间夜向量、预定间夜向量、点评评分向量、酒店距离向量、流出房均价向量、流入房均价向量、酒店星级向量、预定房均价向量以及房间数量向量。

这里，对上述向量进行归一化处理的目的在于，使得归一化后的流出间夜向量流入间夜向量点评评分向量以及房间数量向量与原值成反比，归一化后的其他向量与原值成正比。

基于所述归一化后的流出间夜向量、流入间夜向量、预定间夜向量、点评评分向量、酒店距离向量、流出房均价向量、流入房均价向量、酒店星级向量以及预定房均价向量，拼接得到所述待选择目标酒店的目标参数矩阵。

这里，拼接得到的目标参数矩阵中列特征向量为各个候选酒店在某个流向维度或属性维度下对应的特征值，行特征向量为某一个候选酒店在所有流向维度或属性维度下对应的特征值。

在一种实施方式中，步骤S105包括：计算所述目标参数矩阵中每列特征向量的列向量均值，针对于每列特征向量，比对该列特征向量的列向量均值与所述目标参数矩阵中的每列特征向量的列向量均值，确定该列特征向量与每列特征向量之间的比对结果；基于确定出的每个比对结果，计算得到该列特征向量对应的流向维度或属性维度的第一相对权重。

在得到待选择目标酒店的目标参数矩阵后，计算目标参数矩阵中每列特征向量的列向量均值avg_f_ii∈[1，l]，l为目标参数矩阵的列数，分别比对每两列特征向量的列向量均值，确定每列特征向量与目标参数矩阵中每列特征向量之间的比对结果，这里，目标参数矩阵中的每列特征向量包括该列特征向量自身，在比对过程中当该列特征向量与其自身进行比对时，则可认为两者之间的列向量均值是相等的，这样，便可以确定出一个l*l的比对结果向量其中，比对结果向量中对角线上的元素即为每列特征向量与其自身的比对结果；具体的，当列特征向量的列向量均值大于目标参数矩阵中列特征向量的列向量均值时，则确定出的比对结果为1；相反的，当列特征向量的列向量均值小于目标参数矩阵中的每个目标参数向量的向量均值时，则确定出的比对结果为0；当列特征向量的列向量均值等于目标参数矩阵中的每个目标参数向量的向量均值时，则确定出的比对结果为0.5。

因此，经过比对向量均值得到的对比结果矩阵为：

其中，为对比结果矩阵中第i行第j列的元素，avg_f_i为第i列特征向量的列向量均值，avg_f_j为第j个与第i列特征向量的列向量均值进行比对的第j列特征向量的列向量均值，l为目标参数矩阵的列数。

进而，通过以下公式计算得到每列特征向量对应的流向维度或属性维度的第一相对权重：

其中，q_i为第i列特征向量对应的流向维度或属性维度的第一相对权重，为对比结果矩阵中第i行第j列的元素。

在一种实施方式中，步骤S106包括：针对于所述目标参数矩阵中的每列特征向量，基于该列特征向量以及预先设置的正交变量，确定该列特征向量对应的流向维度或属性维度的第二相对权重。

获取预先设置的正交变量Z_k，建立每个目标参数向量与正交变量Z_k之间的关联关系：

f_i＝α_i1*Z₁+α_i2*Z₂+…+α_ik*Z_k；

其中，f_i为目标参数矩阵中第i列特征向量，通过正交变量Z_k对第i列特征向量进行拟合，α_i1为f_i关于正交变量Z₁的拟合系数，α_i2为f_i关于正交变量Z₂的拟合系数，α_ik为f_i中关于正交变量Z_k的拟合系数。

进一步的，在确定出第i列特征向量f_i关于每个正交变量Z的拟合系数之后，基于各个拟合系数，通过以下公式计算得到该列特征向量对应的流向维度或属性维度的第二相对权重：

其中，ε_i为第i列特征向量对应的流向维度或属性维度的第二相对权重，α_in为第i列特征向量关于正交变量Z_n的拟合系数，k为正交变量的数量。

这样，本申请通过组合权重避免权重分析有失偏颇，保证主客观分析的中立性，提高评价结果的科学可靠性。

在一种实施方式中，步骤S107包括：针对于所述目标参数矩阵中每列特征向量，基于该列特征向量对应的流向维度或属性维度的第一相对权重和第二相对权重，计算得到该列特征向量对应的流向维度或属性维度的组合权重；针对于每个候选酒店，基于该候选酒店在所述目标参数矩阵中对应的行特征向量以及该行特征向量中每个特征元素对应的流向维度或属性维度的组合权重，计算得到该候选酒店的评估分值；基于计算得到的多个候选酒店的评估分值，从所述多个候选酒店中确定出所述待选择目标酒店的竞对酒店。

在该步骤中，当确定出每个目标参数向量f_i的第一相对权重q_i和第二相对权重ε_i之后，通过以下公式计算得到该目标参数向量f_i的组合权重：

其中，ω_i为第i列特征向量f_i对应的流向维度或属性维度的组合权重，q_i为第i列特征向量f_i对应的流向维度或属性维度的第一相对权重，ε_i为第i列特征向量f_i对应的流向维度或属性维度的第二相对权重。

作为示例，可以按照组合权重对列特征向量对应的流向维度或属性维度所表示的特征进行排序，如表1所示，表1为特征重要性示意表：

表1特征重要性示意表

进一步的，通过以下公式计算得到每个候选酒店的评估分值：

S_n＝g_n*W_i；

其中，S_n为第n个候选酒店的评估分值，g_n为目标参数矩阵f_i中第n个候选酒店对应的行特征向量，W_i为g_n中每个元素对应的组合权重ω_i的集合。

最后，基于计算得到的每个候选酒店的评估分值，从多个候选酒店中确定出待选择目标酒店的竞对酒店；具体的，可以将评估分值大于预设评估阈值的候选酒店确定为待选择目标酒店的竞对酒店；或者，按照候选酒店的评估分值，降序排列多个候选酒店，将前预设位数的候选酒店确定为待选择目标酒店的竞对酒店。

在一种实施方式中，在所述基于所述酒店分值向量，从所述多个候选酒店中确定出竞对酒店之后，所述推荐方法还包括：基于每个竞对酒店的评估分值确定每个竞对酒店的显示层级，并按照所述显示层级将每个竞对酒店显示给所述用户。

当接收到用户下发的显示指令时，根据每个竞对酒店的评估分值，确定每个竞对酒店的显示层级，进而，按照显示层级逐一的将每个竞对酒店显示给用户。这里，竞对酒店的评估分值是指竞对酒店对应的候选酒店的评估分值，这里，显示层级可以是预先设置好的，具体的，可以设置每个层级对应的分值范围，当竞对酒店的评估分值落入层级对应的分值范围内时，则将该层级确定为该竞对酒店的显示层级。

在一种实施方式中，通过以下步骤确定每个竞对酒店的显示层级：基于每个竞对酒店的评估分值，确定每两个竞对酒店之间的评估差值；从确定出的多个评估差值中确定出最大评估差值，以及所述多个评估差值中除所述最大评估差值之外最大的次级评估差值；基于所述最大评估差值和所述次级评估差值，确定每个显示层级的分值范围；基于每个竞对酒店的评估分值，确定该竞对酒店所属显示层级。

这里，在确定每个竞对酒店的显示层级时，首先，分别确定每两个竞对酒店之间的评估差值；其次，从确定出的多个评估差值中，确定出最大评估差值，以及多个评估差值中除最大评估差值之外的最大的次级评估差值；然后，根据最大评估差值以及次级评估差值，确定每个显示层级所覆盖的分值范围；最后，当一竞对酒店的评估分值位于显示层级的分值范围内时，将该竞对酒店显示在该显示层级中。

作为示例的，假设，C₁，C₂，...，C_n为按评分由高到低排序的n个竞争酒店，存在最大评估差值绝对值为C_Sp(为位置第p的酒店与位置第p-1的酒店评分差值)，次级评估差值绝对值为C_Sq(为位置第q的酒店与位置第q-1的酒店评分差值)，其中，p，q∈[1，n]，按照排序序号对竞对酒店进行分组，则：

第一层竞争酒店为C₁，C₂，…C_min(p，q)-1

第二层竞争酒店为C_min(p，q)，…C_max(p，q)-1

第三层竞争酒店为C_max(p，q)，…C_n

需要说明的是，若只有一家竞对酒店，则只展示1层；若只有两家竞争酒店，则第一层展示一家，第二层展示一家。

本申请实施例提供的竞对酒店的推荐方法，获取用户浏览的待选择目标酒店的历史被浏览信息；基于所述历史被浏览信息，确定与所述待选择目标酒店之间存在流向关系的多个候选酒店；基于所述待选择目标酒店的目标参数信息和每个候选酒店的候选参数信息，确定所述待选择目标酒店与每个候选酒店之间在不同流向维度下的多个流向参数向量和所述多个候选酒店在不同属性维度下的多个属性参数向量；基于所述多个流向参数向量和所述多个属性参数向量，计算得到用于确定所述待选择目标酒店对应的竞对酒店的目标参数矩阵；计算所述目标参数矩阵中每列特征向量的列向量均值，并基于每列特征向量的列向量均值，确定该列特征向量对应的流向维度或属性维度的第一相对权重；基于所述目标参数矩阵和预先设置的正交变量，确定所述目标参数矩阵中每列特征向量对应的流向维度或属性维度的第二相对权重；基于所述目标参数矩阵、所述目标参数矩阵中每列特征向量对应的流向维度或属性维度的第一相对权重和第二相对权重，从所述多个候选酒店中确定出竞对酒店。这样，便能够根据待选择目标酒店与各候选酒店在不同流向维度下的关联特征，准确地为用户推荐相关的竞对酒店，有助于提高推荐结果的准确性，可以减少用户在网络中的浏览时间。

请参阅图2、图3，图2为本申请实施例所提供的一种竞对酒店的推荐装置的结构示意图之一，图3为本申请实施例所提供的一种竞对酒店的推荐装置的结构示意图之二。如图2中所示，所述推荐装置200包括：

信息获取模块210，用于获取用户浏览的待选择目标酒店的历史被浏览信息；

候选酒店确定模块220，用于基于所述历史被浏览信息，确定与所述待选择目标酒店之间存在流向关系的多个候选酒店；

第一向量确定模块230，用于基于所述待选择目标酒店的目标参数信息和每个候选酒店的候选参数信息，确定所述待选择目标酒店与每个候选酒店之间在不同流向维度下的多个流向参数向量和所述多个候选酒店在不同属性维度下的多个属性参数向量；

第二向量确定模块240，用于基于所述多个流向参数向量和所述多个属性参数向量，计算得到用于确定所述待选择目标酒店对应的竞对酒店的目标参数矩阵；

第一权重确定模块250，用于计算所述目标参数矩阵中每列特征向量的列向量均值，并基于每列特征向量的列向量均值，确定该列特征向量对应的流向维度或属性维度的第一相对权重；

第二权重确定模块260，用于基于所述目标参数矩阵和预先设置的正交变量，确定所述目标参数矩阵中每列特征向量对应的流向维度或属性维度的第二相对权重；

竞对酒店确定模块270，用于基于所述目标参数矩阵、所述目标参数矩阵中每列特征向量对应的流向维度或属性维度的第一相对权重和第二相对权重，从所述多个候选酒店中确定出竞对酒店。

进一步的，如图3所示，所述推荐装置200还包括层级显示模块280，所述层级显示模块280用于：

基于每个竞对酒店的评估分值确定每个竞对酒店的显示层级，并按照所述显示层级将每个竞对酒店显示给所述用户。

进一步的，所述流向参数向量包括流出间夜向量、流入间夜向量、流出房均价向量以及流入房均价向量中的至少一种；所述属性参数向量包括预定间夜向量、预定房均价向量、点评评分向量、酒店星级向量、酒店距离向量以及房间数量向量中的至少一种。

进一步的，所述第二向量确定模块240在用于基于所述多个流向参数向量和所述多个属性参数向量，计算得到用于确定所述待选择目标酒店对应的竞对酒店的目标参数矩阵时，所述第二向量确定模块240用于：

基于所述待选择目标酒店的目标参数信息，确定所述待选择目标酒店的目标酒店星级、目标房间数量、目标房间均价、流出房间均价、流入房间均价；

分别计算所述流出房均价向量与所述流出房间均价、所述流入房均价向量与所述流入房间均价、所述酒店星级向量与所述目标酒店星级、所述预定房均价向量与所述目标房间均价以及所述房间数量向量与所述目标房间数量之间的差值，得到计算后的流出房均价向量、流入房均价向量、酒店星级向量、预定房均价向量以及房间数量向量；

分别对所述流出间夜向量、所述流入间夜向量、所述预定间夜向量、所述点评评分向量、所述酒店距离向量，以及计算后的流出房均价向量、流入房均价向量、酒店星级向量、预定房均价向量以及房间数量向量进行特征归一化处理，得到归一化后的流出间夜向量、流入间夜向量、预定间夜向量、点评评分向量、酒店距离向量、流出房均价向量、流入房均价向量、酒店星级向量、预定房均价向量以及房间数量向量；

基于所述归一化后的流出间夜向量、流入间夜向量、预定间夜向量、点评评分向量、酒店距离向量、流出房均价向量、流入房均价向量、酒店星级向量以及预定房均价向量，拼接得到所述待选择目标酒店的目标参数矩阵。

进一步的，所述候选酒店确定模块220在用于基于所述历史被浏览信息，确定与所述待选择目标酒店之间存在流向关系的多个候选酒店时，所述候选酒店确定模块220用于：

基于所述历史被浏览信息，将与所述待选择目标酒店之间存在客户流入关系和/或客户流出关系的酒店确定为待筛选酒店；

确定客户从所述待选择目标酒店流出至每个待筛选酒店的流出数量，以及客户从每个待筛选酒店流入至所述待选择目标酒店的流入数量；

将所述流出数量大于预设流出阈值和/或所述流入数量大于预设流入阈值的待筛选酒店确定为候选酒店。

进一步的，所述第一权重确定模块250在用于计算所述目标参数矩阵中每列特征向量的列向量均值，并基于每列特征向量的列向量均值，确定该列特征向量对应的流向维度或属性维度的第一相对权重时，所述第一权重确定模块250用于：

计算所述目标参数矩阵中每列特征向量的列向量均值，针对于每列特征向量，比对该列特征向量的列向量均值与所述目标参数矩阵中的每列特征向量的列向量均值，确定该列特征向量与每列特征向量之间的比对结果；

基于确定出的每个比对结果，计算得到该列特征向量对应的流向维度或属性维度的第一相对权重。

进一步的，所述第二权重确定模块260在用于基于所述目标参数矩阵和预先设置的正交变量，确定所述目标参数矩阵中每列特征向量对应的流向维度或属性维度的第二相对权重时，所述第二权重确定模块260用于：

针对于所述目标参数矩阵中的每列特征向量，基于该列特征向量以及预先设置的正交变量，确定该列特征向量对应的流向维度或属性维度的第二相对权重。

进一步的，所述竞对酒店确定模块270在用于基于所述目标参数矩阵、所述目标参数矩阵中每列特征向量对应的流向维度或属性维度的第一相对权重和第二相对权重，从所述多个候选酒店中确定出竞对酒店时，所述竞对酒店确定模块270用于：

针对于所述目标参数矩阵中每列特征向量，基于该列特征向量对应的流向维度或属性维度的第一相对权重和第二相对权重，计算得到该列特征向量对应的流向维度或属性维度的组合权重；

针对于每个候选酒店，基于该候选酒店在所述目标参数矩阵中对应的行特征向量以及该行特征向量中每个特征元素对应的流向维度或属性维度的组合权重，计算得到该候选酒店的评估分值；

基于计算得到的多个候选酒店的评估分值，从所述多个候选酒店中确定出所述待选择目标酒店的竞对酒店。

进一步的，所述层级显示模块280用于通过以下步骤确定每个竞对酒店的显示层级：

基于每个竞对酒店的评估分值，确定每两个竞对酒店之间的评估差值；

从确定出的多个评估差值中确定出最大评估差值，以及所述多个评估差值中除所述最大评估差值之外最大的次级评估差值；

基于所述最大评估差值和所述次级评估差值，确定每个显示层级的分值范围；

基于每个竞对酒店的评估分值，确定该竞对酒店所属显示层级。

本申请实施例提供的竞对酒店的推荐装置，获取用户浏览的待选择目标酒店的历史被浏览信息；基于所述历史被浏览信息，确定与所述待选择目标酒店之间存在流向关系的多个候选酒店；基于所述待选择目标酒店的目标参数信息和每个候选酒店的候选参数信息，确定所述待选择目标酒店与每个候选酒店之间在不同流向维度下的多个流向参数向量和所述多个候选酒店在不同属性维度下的多个属性参数向量；基于所述多个流向参数向量和所述多个属性参数向量，计算得到用于确定所述待选择目标酒店对应的竞对酒店的目标参数矩阵；计算所述目标参数矩阵中每列特征向量的列向量均值，并基于每列特征向量的列向量均值，确定该列特征向量对应的流向维度或属性维度的第一相对权重；基于所述目标参数矩阵和预先设置的正交变量，确定所述目标参数矩阵中每列特征向量对应的流向维度或属性维度的第二相对权重；基于所述目标参数矩阵、所述目标参数矩阵中每列特征向量对应的流向维度或属性维度的第一相对权重和第二相对权重，从所述多个候选酒店中确定出竞对酒店。这样，便能够根据待选择目标酒店与各候选酒店在不同流向维度下的关联特征，准确地为用户推荐相关的竞对酒店，有助于提高推荐结果的准确性，可以减少用户在网络中的浏览时间。

请参阅图4，图4为本申请实施例所提供的一种电子设备的结构示意图。如图4中所示，所述电子设备400包括处理器410、存储器420和总线430。

所述存储器420存储有所述处理器410可执行的机器可读指令，当电子设备400运行时，所述处理器410与所述存储器420之间通过总线430通信，所述机器可读指令被所述处理器410执行时，可以执行如上述图1所示方法实施例中的竞对酒店的推荐方法的步骤，具体实现方式可参见方法实施例，在此不再赘述。

本申请实施例还提供一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时可以执行如上述图1所示方法实施例中的竞对酒店的推荐方法的步骤，具体实现方式可参见方法实施例，在此不再赘述。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在本申请所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，又例如，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。

所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(Read-OnlyMemory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。

最后应说明的是：以上所述实施例，仅为本申请的具体实施方式，用以说明本申请的技术方案，而非对其限制，本申请的保护范围并不局限于此，尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本申请实施例技术方案的精神和范围，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以权利要求的保护范围为准。