在互联网和大数据的背景下,推荐系统已经在各个领域内得到广泛的应用,并成为互联网服务中的一个重要组成部分。根据实际需求,推荐系统从原来的推荐单一产品发展到同时推荐多个产品的组合包。通过在线旅游服务商预订机票正变得越来越流行。为了提高利润,服务商经常向乘客建议额外的可选辅助服务,如安全保险、贵宾休息室或接送服务。为了促进辅助服务的销售,当乘客购买航班时,服务商可以帮助选择默认勾选这些服务。然而,如果乘客不想购买这些服务,他将不得不自己取消这些服务,这将导致用户体验的负面影响。论文主要研究机票辅助服务组合包的个性化推荐方法。机票辅助服务相对于一般的产品有它的一些特殊性,比如服务没有特征较少,服务之间的不可直接比较等。文章通过分析用户特征及其历史购买的数据,提出了一种基于梯度下降决策树(GBDT)模型的个性化辅助服务推荐。还把GBDT应用于挖掘服务之间的相互关系,以便最终推荐服务包。此外,文章还从用户满意度和流失率出发,提出了企业长期收益的马尔科夫决策模型。并利用强化学习,得到最大化企业长期收益的推荐策略。最后,文章结合旅游服务商实际需求,提出了机票辅助服务组合包的个性化推荐系统的框架。框架包含了数据储存模块,推荐模块,后台监控模块。文章还利用文中提出的推荐算法实现推荐模块并测试框架性能。