CN103077490A - 旅游消费信息的数据处理方法 - Google Patents
旅游消费信息的数据处理方法 Download PDFInfo
- Publication number
- CN103077490A CN103077490A CN2013100338742A CN201310033874A CN103077490A CN 103077490 A CN103077490 A CN 103077490A CN 2013100338742 A CN2013100338742 A CN 2013100338742A CN 201310033874 A CN201310033874 A CN 201310033874A CN 103077490 A CN103077490 A CN 103077490A
- Authority
- CN
- China
- Prior art keywords
- consumption information
- algorithm
- information
- tourist
- tourism
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种旅游消费信息的数据处理方法,包括以下步骤:S01,获取旅客选取的多项旅游消费信息;S02,判断多项旅游消费信息与旅游景区之间的关联性与合理性、以及多项旅游消费信息之间的关联性与合理性;S03,根据旅游景区及其周边的旅游消费信息,分别通过智能感知算法获得与步骤S02中的判断结果相关的旅游消费搭配信息;S04,将旅游消费搭配信息通过面向语义与情感的推荐算法得到推荐消费信息;S05,将推荐消费信息呈现给旅客。本发明会自动围绕该旅游景区及周边的旅游消费信息进行关联性和合理性判断和搭配,从而快速方便地找到满足需求的旅游消费,降低了网上旅游消费的复杂度,为不同的旅客提供快捷方便的信息。
Description
技术领域
本发明涉及信息处理领域,特别涉及一种旅游消费信息的数据处理方法。
背景技术
目前,智慧旅游建设已在18个城市进行了试点建设,这也是近10年国家旅游信息化建设的重要工作。智慧旅游被称为是旅游信息化的第二次革命,是旅游业与现代科技创新融合发展的典范,是旅游业发展的未来趋势,也是旅游业成长为现代服务业的关键创新。
在目前的电子商务中,通常采用购物车的方式进行产品的预定与支付。客户从客户端或浏览器端将选择好的旅游消费信息,如酒店预订、票务订购等,放入购游车内暂存,在购买完毕后,进行在线支付。此处所述的购游车是一种只用于暂存涉旅消费的购物车。
然而,现有的购物车是采用的数据直接处理方式,而且所暂存的商品是固定的,且商品间的直接关联性要求不高,则本发明专利中的购游车用来解决当前购物车不能根据旅客的个性化需求进行定制,也不能进行多项旅游消费信息的搭配与推荐等问题;同时也是用来解决多项旅游消费之间、或旅游消费与旅游景区间是否具有关联性、合理性,所预定的旅游消费是否属于该旅游景区或其周边区域的范围内。因此,采用传统的购物车容易使旅客做出错误的选择,难以获得满意的旅游消费,从而给旅客带来了时间和经济上的损失。
发明内容
为解决上述技术问题,本发明的目的是帮助旅客定制、选择、获得满足需求的旅游消费信息的数据处理方法,以来降低旅客在时间和经济上的损失,并使旅客快速、有效、方便获取旅游消费信息的旅游消费数据处理方法。从而让旅客在线的实现旅游消费和预定,以缩短旅程时间、提高旅途质量、获取有效的旅游消费信息。
作为本发明的一个方面,提供了一种旅游消费信息的数据处理方法,包括以下步骤:S01,获取旅客定制的多项旅游消费信息,旅游消费信息来自不同的涉旅服务提供者;S02,判断多项旅游消费信息与旅游景区之间的关联性与合理性、以及多项旅游消费信息之间的关联性与合理性;S03,根据旅游景区及其周边的旅游消费信息,分别通过智能感知算法获得与步骤S02中的判断结果相关的旅游消费搭配信息;S04,将旅游消费搭配信息通过面向语义与情感的推荐算法得到推荐消费信息;S05,将推荐消费信息呈现给旅客。
优选地,在步骤S02中,根据预先建立的满足旅游消费的规则库、和/或关系库、和/或事务库采用判断推理、或正则算法、或遗传算法、或蚁群算法进行计算以判断关联性和合理性。
优选地,步骤S02还包括:在关联性和合理性的判断之后,还根据多个旅游消费信息与旅游景区之间的地域性判断该多个旅游消费信息的关联性与合理性。
优选地,步骤S03还包括:对智能感知算法推理得出的结果进行判断,如果该结果符步骤S02的关联性和合理性要求,则直接进入步骤S04;如果该结果不符合,则进一步使用智能感知算法对该结果进行推理,以得到消费搭配信息为止。
优选地,步骤S04包括:采用基于协同过滤和基于知识的推荐算法对推荐消费信息进行推荐。
优选地,感知算法包括语义感知和情感感知。
优选地,基于协同过滤和基于知识的推荐算法是将语义与情感引入到基于协同过滤、基于知识的推荐算法中加以实现的,智能感知算法是将语义、情感特征引入到蚁群等智能算法中,使智能算法寻优具有情感识别、判断等能力。
优选地,步骤S02、和/或步骤S03、和/或步骤S04、和/或步骤S05中的计算在云计算环境中完成。
本发明在旅客选择好旅游景区后,就会自动围绕该旅游景区及周边的旅游消费进行关联性和合理性判断和搭配,然后向旅客推荐最终旅游消费结果的列表以供选择。因此,旅客会获得与旅游景区相关联的多项正确的旅游消费信息,从而避免旅客做出错误的选择,避免了旅客经济上的损失。
附图说明
图1是本发明中的旅游消费信息的数据处理方法的流程图;
图2是关联性判断的示意图;
图3是合理性判断的示意图;
图4是关联性及合理性判断的流程图;
图5是消费搭配信息的流程图;
图6是推荐消费信息的流程图;以及
图7是旅客订购旅游消费的流程图。
具体实施方式
以下对本发明的实施例进行详细说明,但是本发明可以由权利要求限定和覆盖的多种不同方式实施。
本发明中的“旅游消费信息(产品)”通常包括路线选择、天气查询、路况获取、旅行社查询、旅游活动查找,酒店、各类票务、特色美食、餐饮、娱乐、旅游商品购物、导游租请、停车位、租车、旅游文化等。这些旅游消费信息是通过不同的涉旅提供商提供的,使得旅客在电子信息平台上订购这些旅游消费信息时感觉到复杂且不便捷,而且难以获得合适的服务来满足自己的旅游需求,以及定制和预定要求。同时,这些旅游消费信息所对应的旅游消费信息具有很强的地域性和关联性,即不同的旅游景区消费信息所对应的需求是不同的,也是存在差异性的;不同的旅客也对应于不同的旅游消费服务。因此,本发明就是来解决这些困难和差异性的,即当旅客选中某一地区的旅游消费信息后,通过本发明中的方法就能智能、自动地根据所选择的旅游消费信息推荐出该地区的旅游消费列表以供旅客选择订购。
旅客根据的自己需求通过电子信息平台(如智慧旅游平台等)选择所需的一项或多项旅游消费,通过本发明就生成了满足需求的旅游消费信息推荐列表呈现给旅客。
在此基础上,请参考图1,本发明提供了一种旅游消费信息的数据处理方法,包括以下步骤:
S01,获取由旅客选取的多项旅游消费信息,所述旅游消费信息来自不同的涉旅服务提供者;
S02,判断所述多项旅游消费信息与旅游景区之间的关联性和合理性、以及所述多项旅游消费信息之间的关联性和合理性;
S03,根据所述旅游景区及其周边的旅游消费信息,分别通过智能感知算法获得与所述步骤S02中的判断结果相关的旅游消费搭配信息。
S04,将所述消费搭配信息通过面向语义与情感(优选地,满足语义与情感的基于协同与基于知识等)的推荐算法得到推荐消费信息;
S05,将所述推荐消费信息呈现给该旅客。
当旅客提交其在电子信息平台上选择的旅游消费时,生成了相应的旅游消费信息。本方法首先获取这些旅游消费信息,然后判断这些旅游信息之间或旅游信息与旅游景区之间是否具有关联性和合理性。
其中,请参考图2和图4,关联性就是旅客选择的旅游消费是否与所选择的旅游景区相关联,如某旅客对某景区的选择已确定,该旅客就有可能要进行酒店、票务查询预购,进行天气、路程、旅行社查询,进行查看特色美食、娱乐、餐饮、停车位、导游和特色旅游商品等。当然,旅客在电子信息平台上进行选择时,需要根据自己的需求选择其中的一种或几种。这时就需要判断该旅客所选择的旅游消费是否与该旅游景区相关联,还需要判断所选择的旅游消费信息之间是否相关联,如关联性可以是旅客订购的旅游消费是否与旅游消息信息间,以及旅游消费与景区间及周边的是否存在关联,若不关联则需要重新判断,即旅客所选择的旅游消费信息要具有就近性,如当旅客定购了某景区的酒店,则通常所选取的餐饮、停车位、娱乐、行程安排等都需要与该酒店有关系,反之则不具备关联性。由于这个判断不是进行全局判断,而是当旅客选择旅游消费所对应的旅游景区后,才进行判断,因此,可以降低判断的复杂度,大大提高了判断计算的精确度。
由于这些旅游消费来自不同的涉旅提供者、且需求进行智能化、自动化处理,采用现有技术中的处理方法很难有效地完成旅游消费的搭配和推荐。
其中,旅游消费的搭配是指:当旅客选择旅游景区和旅游消费后,使用本发明中的方法根据旅游景区所属及其周边通过智能、感知算法来生成消费搭配信息,即自动完成搭配相关的旅游消费信息。
旅游消费的推荐是指:根据旅客的行为特征、个性化偏好,即根据游客的行为和个性化特征将消费搭配信息推荐给旅客,供旅客选择定购和预定。其中,推荐效率的高低,直接影响本发明的效率。而获取旅客的行为特征和个性化主要通过旅客在电子信息平台上的点击情况、评论、注册信息和以往的购买信息来确定,还可通过历史数据等方面的分析来确定。
可见,本发明提供了一种满足智慧旅游的在线旅游消费信息的数据处理方法,其改变了传统的旅游消费信息的数据处理方法,使旅客能获得满足自己需求的旅游消费信息,即旅客选择好旅游景区后,就会自动围绕该旅游景区及周边的旅游消费信息进行关联性和合理性判断和搭配,然后向旅客推荐最终旅游消费结果的列表以供选择。因此,旅客会获得与旅游景区相关联的多项正确的旅游消费信息,从而避免旅客做出错误的选择,避免了旅客经济上的损失。另外,也使得旅客获得旅游消费信息的过程更为便捷、智能、方便和有效,可以在短时间内获得自己的旅游消费处理结果,不再像传统的方面需要在一个电子信息平台上多次查找和订购;另外,对于涉旅运营商来说,更可以获得一个集成化、快速化的为旅客提供旅游消费服务的方法。
请参考图5,步骤S03中的智能感知算法包括智能搭配与感知搭配。请参考图5。采用智能搭配时,根据步骤S02的判断结果,可采用诸如遗传算法、蚁群算法等智能算法进行旅游消费信息的搭配,其搭配过程就是实现服务组合,而服务组合是一个NP(Non-Polynomial)难问题。因此,采用传统的旅游消费搭配方法,是很难达到一个理想服务组合效果的,即也无法获得满意的旅游消费信息的搭配结果。优选地,可采用基于云计算的服务智能组合方法来有效提高服务组合效率,满足不同旅客的需求,即在云计算环境下,实现具有智能感知的服务组合,所述服务组合根据步骤S02的判断结果,进行智能化的服务组合寻优,其寻优结果可实现旅游消费信息的智能化的搭配,从而这旅客提供合理的、有效的旅游消费搭配结果。
请参考图5,优选地,感知搭配采用语义化、情感化的方法来实现旅游消费的服务组合,其中,语义化采用基于描述逻辑的自动推理来实现;情感化则通过建立情感空间来实现情感感知、情感识别、情感交换等,然后再将语义与情感引入到智能算法中实行基于云计算的旅游消费的服务组合。特别地,在云计算环境下,根据步骤S02的判断结果,将语义与情感引入到蚁群等智能算法中实现最优化的服务组合。这样就实现了智能搭配与感知搭配的结合,形成了具有感知的智能算法,并且该算法能有效解决旅游消费服务的组合,这是因为旅游消费的选择本身就带有情感化和个性化的。
优选地,在步骤S02中,根据预先建立的满足旅游消费的规则库、和/或关系库、和/或事务库采用判断推理、或正则算法、或遗传算法、或蚁群算法进行计算以判断所述关联性和合理性。优选地,规则库、和/或关系库、和/或事务库是旅游消费信息的基础数据支撑库,它是由外部数据和自建数据组成。特别地,判断推理、正则算法、遗传算法、蚁群算法采用分布式计算,例如,这个计算可以是基于云计算的,由于云计算可以快速提高计算速度和计算能力,使其在极短时间内获得判断结果。
优选地,所述步骤S02还包括:在所述关联性的判断之后,还根据多个所述旅游消费信息与所述旅游景区之间的地域性判断该多个所述旅游消费信息的合理性,合理性指当旅客选择了消费景区后,通常情况就只能选择与该景区及周边相关的其它旅游消费,不能选择与景区及周边以外的旅游消费。其中,请参考图3和图4,合理性是指:要求旅客在选择了某个旅游景区后,就只能选择与该旅游景区相关联的旅游消费。如当旅客选择了某旅游景区后,旅客就只能在该景区及该景区周边中定制/选取旅游消费信息。这就是合理,反之亦然。
优选地,请结合图5,所述步骤S03还包括:对所述智能感知推理得出的结果进行判断,如果该结果符合S02所述的关联性和合理性要求,则直接进入步骤S04;如果该结果不符合要求,则进一步使用所述智能感知算法对该结果进行推理,以得到满足旅客的旅游消费要求为止。
优选地,请参考图6,所述步骤S04包括:采用基于知识的推荐算法和基于协同过滤的推荐算法相结合的方式对所述推荐消费信息进行推荐。进一步地,是将语义与情感引入到协同与基于知识的推荐算法中,使推荐具有情感识别、判断等能力。
其中,基于知识的推荐算法属于静态型的推荐算法,其直接分析已有的信息后向旅客推荐,往往这种推荐简单、易实现,但推荐准确率不高。基于协同过滤的推荐算法属于动态型的推荐算法,能动态分析旅客的行为特征、个性化及相关信息,这种模式计算要求高、信息的获取难度大,但能实时的分析旅客行为和个性化偏好,能有效提高推荐效率。
本发明中的协同过滤和基于知识的推荐算法在是在云计算环境中实现的,基于协同过滤的推荐算法具有新异兴趣发现、随着时间推移性能提高、推荐个性化的自动化程度高且能处理复杂的非结构化对象等优点,但也存在稀疏问题、可扩展性问题、新用户问题、取决于历史数据等缺点。而基于知识的推荐算法则具有将用户需求映射到产品上、能考虑非产品属性等优点,但也存在知识难获取、推荐是静态等缺点。因此,为了满足推荐要求,本发明在基于协同过滤的推荐算法和基于知识的推荐算法中引入语义与情感,即用语义和情感来改进基于协同过滤的推荐算法和基于知识的推荐算法中所遇到的上述缺点。
对于基于协同过滤的推荐算法来说,通过引入语义可以有效解决可扩展性,以及新用户特征、行为的判别等问题,即通过语义识别和推理来解决这些问题;并且通过引用情感则可以有效解决稀疏问题,即通过建立情感空间,然后通过情感识别、情感转换来解决这个问题。
对于基于知识的推荐算法来说,通过引入语义可解决知识获取的问题,以及通过引入情感可解决静态推荐的问题。其原理与基于协同过滤的推荐算法的原则一样。
在旅游消费信息的推荐过程中,其推荐的对象就是智能搭配结果,因此,智能搭配与推荐是关联的,智能搭配结果的效率高低,直接影响推荐的效果;而推荐结果的显示是根据智能搭配和旅客的旅客点击情况、评论分析、注册信息、历史数据等来确定的。
优选地,所述步骤S02、和/或步骤S03、和/或步骤S04、和/或步骤S05中的计算在云计算环境中完成。
当游客根据推荐结果完成旅游消费信息的选择后就转向在线支付费用的步骤了,也可以实行评论,即所对购买的旅游消费进行评论。在评论时,需要对相关敏感关键字进行过滤。其中,在线支付平台可以采用支付宝、PayPal等。
总的来说,请参考图7,旅客通过本发明中所述的方法完成订购的过程可以为如下的过程:
1、旅客登陆一个电子信息化平台(如智慧旅游平台等)。
2、旅客根据自己的需求选择旅游景区,并根据旅游景区的选择并自动生成旅游消费信息。
3、将旅游消费信息加载至Cookie中。若游客尚未注册该平台,则提示游客进行注册;若游客已注册,则提示旅客登陆。
4、将旅游消费信息进行装载,并通过Cookie提交输出并采用本发明中的数据处理方法以云计算的方式进行处理。
5、将通过云计算得到的推荐消费信息返回到操作界面上供旅客选择,优选地,通常推荐给旅客的旅游消费列表一页不超过10个。
6、旅客根据自己的旅游要求,选择所推荐的旅游消费服务。
7、进行订购并在线支付。
8、返回支付结果界面,并进行评论。
本发明中的方法与现有技术中的购物车所采用的数据处理方法相比,其最大的区别就是,本发明可根据旅游消费的地域性、关联性和合理性进行自动判断、计算、处理(智能感知处理)和推荐后将推荐结果返回到操作界面上,供旅客选择订购并在线支付,这就减轻当前旅游消费的复杂性和手工操作性。同时,本中的方法是基于云计算的,是以云计算的要求角度进行发明的,即满足分布式通信要求的。
本发明在旅客选择好旅游景区后,就会自动围绕该旅游景区及周边的旅游消费信息进行关联性和合理性判断和搭配,从而避免旅客做出错误的选择、解决难以找到满足需求的旅游消费、降低网上旅游消费的复杂度,帮助旅客快速、便捷的获得旅游消费结果。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (8)
1.一种旅游消费信息的数据处理方法,其特征在于,包括以下步骤:
S01,获取旅客定制的多项旅游消费信息,所述旅游消费信息来自不同的涉旅服务提供者;
S02,判断所述多项旅游消费信息与旅游景区之间的关联性与合理性、以及所述多项旅游消费信息之间的关联性与合理性;
S03,根据所述旅游景区及其周边的旅游消费信息,分别通过智能感知算法获得与所述步骤S02中的判断结果相关的旅游消费搭配信息;
S04,将所述旅游消费搭配信息通过面向语义与情感的推荐算法得到推荐消费信息;
S05,将所述推荐消费信息呈现给所述旅客。
2.根据权利要求1所述的数据处理方法,其特征在于,在步骤S02中,根据预先建立的满足旅游消费的规则库、和/或关系库、和/或事务库采用判断推理、或正则算法、或遗传算法、或蚁群算法进行计算以判断所述关联性和合理性。
3.根据权利要求1所述的数据处理方法,其特征在于,所述步骤S02还包括:在所述关联性和合理性的判断之后,还根据多个所述旅游消费信息与所述旅游景区之间的地域性判断该多个所述旅游消费信息的关联性与合理性。
4.根据权利要求1所述的数据处理方法,其特征在于,所述步骤S03还包括:
对所述智能感知算法推理得出的结果进行判断,如果该结果符所述步骤S02所述的关联性和合理性要求,则直接进入步骤S04;如果该结果不符合,则进一步使用所述智能感知算法对该结果进行推理,以得到所述满足旅客的旅游消费搭配信息为止。
5.根据权利要求1所述的数据处理方法,其特征在于,所述步骤S04包括:
采用基于协同过滤和基于知识的推荐算法对所述推荐消费信息进行推荐。
6.根据权利要求1所述的数据处理方法,其特征在于,所述感知算法包括语义感知和情感感知。
7.根据权利要求5所述的数据处理方法,其特征在于,所述基于协同过滤和基于知识的推荐算法是将语义与情感引入到基于协同过滤、基于知识的推荐算法中加以实现的,所述的智能感知算法是将语义、情感特征引入到蚁群等智能算法中,使所述智能算法寻优各智能算法具有情感识别、判断等能力。
8.根据权利要求1所述的数据处理方法,其特征在于,所述步骤S02、和/或步骤S03、和/或步骤S04、和/或步骤S05中的计算在云计算环境中完成。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2013100338742A CN103077490A (zh) | 2013-01-29 | 2013-01-29 | 旅游消费信息的数据处理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2013100338742A CN103077490A (zh) | 2013-01-29 | 2013-01-29 | 旅游消费信息的数据处理方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN103077490A true CN103077490A (zh) | 2013-05-01 |
Family
ID=48154009
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2013100338742A Pending CN103077490A (zh) | 2013-01-29 | 2013-01-29 | 旅游消费信息的数据处理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103077490A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105404678A (zh) * | 2015-11-24 | 2016-03-16 | 中国科学院重庆绿色智能技术研究院 | 一种在线系统中用户定制推荐系统的方法 |
CN105512773A (zh) * | 2015-12-25 | 2016-04-20 | 中国民航信息网络股份有限公司 | 旅客出行目的预测方法及装置 |
CN105741131A (zh) * | 2016-01-22 | 2016-07-06 | 北京三快在线科技有限公司 | 一种推荐用户信息的方法及装置 |
CN106850858A (zh) * | 2017-03-28 | 2017-06-13 | 广州卓讯广告有限公司 | 一种基于地域信息的业务推送方法及系统 |
US10289641B2 (en) | 2015-10-16 | 2019-05-14 | Accenture Global Services Limited | Cluster mapping based on measured neural activity and physiological data |
CN113468409A (zh) * | 2020-03-31 | 2021-10-01 | 本田技研工业株式会社 | 推荐系统及推荐方法 |
CN117788226A (zh) * | 2024-02-23 | 2024-03-29 | 福建拾联乡村产业发展有限公司 | 一种数字乡村业务数据分析方法及系统 |
-
2013
- 2013-01-29 CN CN2013100338742A patent/CN103077490A/zh active Pending
Non-Patent Citations (2)
Title |
---|
胡志芳: ""基于案例推理的个性化旅游信息服务研究"", 《信息资源管理学报》 * |
赵晨阳: ""个性化旅游信息服务系统的基础理论与关键技术研究"", 《中国博士学位论文全文数据库 信息科技辑》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10289641B2 (en) | 2015-10-16 | 2019-05-14 | Accenture Global Services Limited | Cluster mapping based on measured neural activity and physiological data |
CN105404678A (zh) * | 2015-11-24 | 2016-03-16 | 中国科学院重庆绿色智能技术研究院 | 一种在线系统中用户定制推荐系统的方法 |
CN105512773A (zh) * | 2015-12-25 | 2016-04-20 | 中国民航信息网络股份有限公司 | 旅客出行目的预测方法及装置 |
CN105741131A (zh) * | 2016-01-22 | 2016-07-06 | 北京三快在线科技有限公司 | 一种推荐用户信息的方法及装置 |
US10937047B2 (en) | 2016-01-22 | 2021-03-02 | Beijing Sankuai Online Technology Co., Ltd | Recommending user information |
CN106850858A (zh) * | 2017-03-28 | 2017-06-13 | 广州卓讯广告有限公司 | 一种基于地域信息的业务推送方法及系统 |
CN113468409A (zh) * | 2020-03-31 | 2021-10-01 | 本田技研工业株式会社 | 推荐系统及推荐方法 |
CN117788226A (zh) * | 2024-02-23 | 2024-03-29 | 福建拾联乡村产业发展有限公司 | 一种数字乡村业务数据分析方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
TWI709867B (zh) | 資料處理方法及裝置 | |
CN103077490A (zh) | 旅游消费信息的数据处理方法 | |
Höpken et al. | Business intelligence for cross-process knowledge extraction at tourism destinations | |
Chen et al. | Determinants of behavioral intention to use the Personalized Location-based Mobile Tourism Application: An empirical study by integrating TAM with ISSM | |
Cieśla et al. | Multi-Criteria decision making process in metropolitan transport means selection based on the sharing mobility idea | |
US20160203422A1 (en) | Method and electronic travel route building system, based on an intermodal electronic platform | |
Bai et al. | A novel approach to independent taxi scheduling problem based on stable matching | |
EP3046058A1 (en) | Method and electronic travel route building system, based on an intermodal electronic platform | |
CN105677910A (zh) | 智能推荐方法及系统 | |
US20150294238A1 (en) | Travel planning system | |
CN101763611A (zh) | 基于宽带网络的智能旅游行程规划系统 | |
US10083474B2 (en) | Persona for opaque travel item selection | |
CN109155041A (zh) | 提供与社交图相关联的基于旅行或促销的推荐 | |
Salazar | Hospitality trends: opportunities and challenges | |
KR102540147B1 (ko) | 빅데이터를 활용한 ai 골프 여행 서비스 시스템 | |
Masoud et al. | Formulations for optimal shared ownership and use of autonomous or driverless vehicles | |
JP6778616B2 (ja) | 1つまたは複数のウェブサイトからの商品またはサービスを比較する方法 | |
Liu | RETRACTED ARTICLE: Empirical study on B2C e-commerce logistics network optimisation of agricultural products | |
CN112925974A (zh) | 优化的产品确定系统 | |
Du et al. | Research on the method of acquiring customer individual demand based on the Quantitative Kano Model | |
US20130198026A1 (en) | Method and system for an event marketplace | |
US20130218610A1 (en) | Method and System for Aggregating Travelers to Transact Air Travel Reservations | |
Kachniewska | Big Data Analysis as a tool for predictive intelligence and experience personalization in tourism | |
Selvaraj et al. | Offline-to-Online Service and Big Data Analysis for End-to-end Freight Management System. | |
Nan et al. | Role of information security-based tourism management system in the intelligent recommendation of tourism resources. |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20130501 |