CN104978700A - 一种旅游网站中针对老年人自助游的实时推荐方法 - Google Patents

Abstract

本发明涉及一种旅游网站中针对老年人自助游的实时推荐方法，属于信息推荐技术领域。本发明对目标老人用户的信息进行获取；通过获取旅游景点的基本信息对所有旅游景点进行初步筛选，得到待选景点；对待选景点的评价信息与构建的敏感词语料库进行冷暖词匹配验证；通过计算得到每个待选景点的敏感值；针对所有旅游景点的敏感值按照从大到小的顺序进行推荐。本发明根据老年人自由游的信息以及旅游网站中对景点的描述信息和已有的评价信息计算每个景点的对针对老年人的敏感值，充分考虑到了老年人在自助游中安全性的问题，为老年人的自助游提供了实时可靠的安全的信息，通过对阈值的设定，可以有效控制老人自助游的风险系数。

Description

一种旅游网站中针对老年人自助游的实时推荐方法

技术领域

本发明涉及一种旅游网站中针对老年人自助游的实时推荐方法，属于信息推荐技术领域。

背景技术

随着生活水平的不断提高，越来越多的老年人选择在闲暇是时间内选择自助游。但是安全性依然是老年人自助游的隐患之一，怎样为老年人提供一个适合的自助游信息也是需要关注的问题。

互联网已经是我们获取信息的主要渠道之一，老年人也乐意于在互联网中获取实时信息来参考。虽然很多旅游网站给出了自助游中旅游景点的介绍与评价，但是没有针对老年人的自助游特有的特点来进行信息筛选。在为老年人提供自助游信息的时候我们需要对天气适不适合老年人的身体状况，旅游景点的路况适不适合老年人进行旅行，旅游景点附近是否有急救中心等一系列针对老人的健康安全的考虑。而现在的旅游网站忽略了这些问题，所以现有的旅游网站的旅游信息推荐对于老年人的自助游旅行并不适合。

发明内容

本发明提供了一种旅游网站中针对老年人自助游的实时推荐方法，以用于解决普通旅游网站在自助游推荐信息中忽略了老年人自身特点的问题。

本发明的技术方案是：一种旅游网站中针对老年人自助游的实时推荐方法，对目标老人用户的信息进行获取；通过获取旅游景点的基本信息对所有旅游景点进行初步筛选，得到待选景点；对待选景点的评价信息与构建的敏感词语料库进行冷暖词匹配验证；通过计算得到每个待选景点的敏感值；针对所有旅游景点的敏感值按照从大到小的顺序进行推荐。

所述方法的具体步骤如下：

Step1、对目标老人用户的信息获取：通过查询目标老人用户的所填信息得到用户的基本信息；

所述用户的基本信息包括用户的年龄、出发地点、出发时间、旅行时间、身体状况；

Step2、对所有旅游景点进行初步筛选：首先根据用户的出发地点计算得到与旅游景点的距离以及需要在交通上花费的时间；然后根据用户的旅行时间安排排除在交通上花费的时间超出预算的旅游景点；根据出发时间，得到剩余旅游景点在当下时节的气候状况、路况信息，给定各项数据指标一定的取值范围及路况要求，筛选出符合数据指标范围及路况要求的的旅游景点作为待选景点；

所述数据指标为旅游网站已经建立的针对旅游景点的温度、湿度、风力、海拔高度数据指标；

Step3、对待选景点的评价信息与构建的敏感词语料库进行冷暖词匹配验证：使用旅游网站的数据库获取筛选出的旅游景点的用户评价信息；剔除每个景点的评价信息的无效词与符号，可以得到用户评价信息的分词结果；

每个待选景点的所有评价信息的分词结果与敏感词数据库进行一一比对，将匹配到的暖词和该词语匹配成功的总次数以{nkey1:nk1,nkey2:nk2,…}的结构存放在Python的Dictionary中；将匹配到的冷词和该词语匹配成功的的总次数以{key1:k2,key2:k2,…}的结构存放在Python的Dictionary中；

Step4、计算每个待选景点的敏感值：

把暖词和冷词的Dictionary结构转换成二维数据结构，得到[[nkey1,nk1], [nkey2,nk2],…]和[[key1,k1], [key2,k2],…]的List的形式，通过计算暖词的List中嵌套的nk获取了暖词和冷词的出现的总次数M；通过计算冷词的List中嵌套的k获取冷词的出现的总次数N；计算得到每个待选景点的敏感值值；

所述敏感值：ascr=M-N；

Step5、给出最后的推荐信息：把得到的ascr值进行从小到大进行排列，景点的ascr的值越大表示越适宜用户自助游，推荐时，景点的ascr与阈值T进行比较：

如果ascr＞T，则说明旅游景点的敏感值超过阈值，推荐该旅游景点；

如果ascr≤T，则说明旅游景点的敏感值没有超过了阈值，不推荐该旅游景点。

所述阈值T的理论取值范围为[5,+∞)。

本发明的有益效果是：根据老年人自由游的信息以及旅游网站中对景点的描述信息和已有的评价信息计算每个景点的对针对老年人的敏感值，充分考虑到了老年人在自助游中安全性的问题，为老年人的自助游提供了实时可靠的安全的信息，通过对阈值的设定，可以有效控制老人自助游的风险系数。

附图说明

图1为本发明的流程图。

具体实施方式

实施例1：如图1所示，一种旅游网站中针对老年人自助游的实时推荐方法，对目标老人用户的信息进行获取；通过获取旅游景点的基本信息对所有旅游景点进行初步筛选，得到待选景点；对待选景点的评价信息与构建的敏感词语料库进行冷暖词匹配验证；通过计算得到每个待选景点的敏感值；针对所有旅游景点的敏感值按照从大到小的顺序进行推荐。

所述方法的具体步骤如下：

Step1、对目标老人用户的信息获取：通过查询目标老人用户的所填信息得到用户的基本信息；

所述用户的基本信息包括用户的年龄、出发地点、出发时间、旅行时间、身体状况；

Step2、对所有旅游景点进行初步筛选：首先根据用户的出发地点计算得到与旅游景点的距离以及需要在交通上花费的时间；然后根据用户的旅行时间安排排除在交通上花费的时间超出预算的旅游景点；根据出发时间，得到剩余旅游景点在当下时节的气候状况、路况信息，给定各项数据指标一定的取值范围及路况要求，筛选出符合数据指标范围及路况要求的的旅游景点作为待选景点；

所述数据指标为旅游网站已经建立的针对旅游景点的温度、湿度、风力、海拔高度数据指标；

Step3、对待选景点的评价信息与构建的敏感词语料库进行冷暖词匹配验证：使用旅游网站的数据库获取筛选出的旅游景点的用户评价信息；剔除每个景点的评价信息的无效词与符号，可以得到用户评价信息的分词结果；

每个待选景点的所有评价信息的分词结果与敏感词数据库进行一一比对，将匹配到的暖词和该词语匹配成功的总次数以{nkey1:nk1,nkey2:nk2,…}的结构存放在Python的Dictionary中；将匹配到的冷词和该词语匹配成功的的总次数以{key1:k2,key2:k2,…}的结构存放在Python的Dictionary中；

Step4、计算每个待选景点的敏感值：

把暖词和冷词的Dictionary结构转换成二维数据结构，得到[[nkey1,nk1], [nkey2,nk2],…]和[[key1,k1], [key2,k2],…]的List的形式，通过计算暖词的List中嵌套的nk获取了暖词和冷词的出现的总次数M；通过计算冷词的List中嵌套的k获取冷词的出现的总次数N；计算得到每个待选景点的敏感值值；

所述敏感值：ascr=M-N；

Step5、给出最后的推荐信息：把得到的ascr值进行从小到大进行排列，景点的ascr的值越大表示越适宜用户自助游，推荐时，景点的ascr与阈值T进行比较：

如果ascr＞T，则说明旅游景点的敏感值超过阈值，推荐该旅游景点；

如果ascr≤T，则说明旅游景点的敏感值没有超过了阈值，不推荐该旅游景点。

所述阈值T的理论取值范围为[5,+∞)。

实施例2：如图1所示，一种旅游网站中针对老年人自助游的实时推荐方法，对目标老人用户的信息进行获取；通过获取旅游景点的基本信息对所有旅游景点进行初步筛选，得到待选景点；对待选景点的评价信息与构建的敏感词语料库进行冷暖词匹配验证；通过计算得到每个待选景点的敏感值；针对所有旅游景点的敏感值按照从大到小的顺序进行推荐。

所述方法的具体步骤如下：

Step1、对目标老人用户的信息获取：通过查询目标老人用户的所填信息得到用户的基本信息；

所述用户的基本信息包括用户的年龄、出发地点、出发时间、旅行时间、身体状况；

Step2、对所有旅游景点进行初步筛选：首先根据用户的出发地点计算得到与旅游景点的距离以及需要在交通上花费的时间；然后根据用户的旅行时间安排排除在交通上花费的时间超出预算的旅游景点；根据出发时间，得到剩余旅游景点在当下时节的气候状况、路况信息，给定各项数据指标一定的取值范围及路况要求，筛选出符合数据指标范围及路况要求的的旅游景点作为待选景点；

所述数据指标为旅游网站已经建立的针对旅游景点的温度、湿度、风力、海拔高度数据指标；

Step3、对待选景点的评价信息与构建的敏感词语料库进行冷暖词匹配验证：使用旅游网站的数据库获取筛选出的旅游景点的用户评价信息；剔除每个景点的评价信息的无效词与符号，可以得到用户评价信息的分词结果；

每个待选景点的所有评价信息的分词结果与敏感词数据库进行一一比对，将匹配到的暖词和该词语匹配成功的总次数以{nkey1:nk1,nkey2:nk2,…}的结构存放在Python的Dictionary中；将匹配到的冷词和该词语匹配成功的的总次数以{key1:k2,key2:k2,…}的结构存放在Python的Dictionary中；

Step4、计算每个待选景点的敏感值：

把暖词和冷词的Dictionary结构转换成二维数据结构，得到[[nkey1,nk1], [nkey2,nk2],…]和[[key1,k1], [key2,k2],…]的List的形式，通过计算暖词的List中嵌套的nk获取了暖词和冷词的出现的总次数M；通过计算冷词的List中嵌套的k获取冷词的出现的总次数N；计算得到每个待选景点的敏感值值；

所述敏感值：ascr=M-N；

Step5、给出最后的推荐信息：把得到的ascr值进行从小到大进行排列，景点的ascr的值越大表示越适宜用户自助游，推荐时，景点的ascr与阈值T进行比较：

如果ascr＞T，则说明旅游景点的敏感值超过阈值，推荐该旅游景点；

如果ascr≤T，则说明旅游景点的敏感值没有超过了阈值，不推荐该旅游景点。

实施例3：如图1所示，一种旅游网站中针对老年人自助游的实时推荐方法，对目标老人用户的信息进行获取；通过获取旅游景点的基本信息对所有旅游景点进行初步筛选，得到待选景点；对待选景点的评价信息与构建的敏感词语料库进行冷暖词匹配验证；通过计算得到每个待选景点的敏感值；针对所有旅游景点的敏感值按照从大到小的顺序进行推荐。

实施例4：如图1所示，一种旅游网站中针对老年人自助游的实时推荐方法，所述方法的具体步骤如下：

Step1、对目标老人用户的信息获取：通过查询目标老人用户的所填信息得到用户的年龄，出发地点，出发时间，旅行时间以及身体状况等基本信息。用户的年纪和身体状况是为了系统自动设定一个安全阈值；而出发地点，出发时间，旅行时间是为了结合旅游网站的数据库信息对旅游景点进行筛选。

Step2、对所有旅游景点进行初步筛选：首先根据用户的出发地点计算得到与旅游景点的距离以及需要在交通上花费的时间；然后根据用户的旅行时间安排排除在交通上花费的时间超出预算的旅游景点；根据出发时间，得到剩余旅游景点在当下时节的气候状况、路况信息，给定各项数据指标一定的取值范围及路况要求，筛选出符合数据指标范围及路况要求的的旅游景点作为待选景点；

Step3、对待选景点的评价信息与构建的敏感词语料库进行冷暖词匹配验证：敏感词语料库的构建分为暖词语料库的构建和冷词语料库的构建。暖词语料库主要包括旅客在描述旅游景点温度适宜，路况较好，心情愉悦等所可以用到的词语。例如在描述旅游景点温度适宜时包括暖洋洋，阳光灿烂，风和日丽等；冷词语料库主要包括旅客在描述旅游景点温度恶劣，路况不好，心情糟糕等所可以用到的词语，例如在描述旅游景点路况不好时包括崎岖不平，坑坑洼洼，路况起伏等。因为语料库较小采用Python List结构存储在内存中，Python的List结构事先提供了丰富的API以及可以支持不同的数据类型，可以效率极高的查找某一元素信息。

选取每个景点的已存在用户的评价信息。利用Python开源组件BeautifulSoup中的prettify函数来格式化页面信息，剔除页面所包括的语气助词（如啊，了，吧等）。页面信息与敏感词语料库进行一一匹配，将匹配到的暖词和该词语匹配成功的总次数以{nkey1:nk1,nkey2:nk2,…}的结构存放在Python的Dictionary中；将匹配到的冷词和该词语匹配成功的总次数以{key1:k2,key2:k2,…}的结构存放在Python的Dictionary中。

设敏感暖词nkey1，初始化保存结构为{nkey1:0}，如果匹配到成功一个，则暖词nkey1保存结构变为{nkey1:1}，相当于nk1的值加1，以此类推。

Step4、计算每个待选景点的敏感值：

把暖词和冷词的Dictionary结构转换成二维数据结构，得到[[nkey1,nk1], [nkey2,nk2],…]和[[key1,k1], [key2,k2],…]的List的形式，过计算暖词的List中嵌套的nk获取了暖词的出现的总次数M。通过计算冷词的List中嵌套的k获取冷词的出现的总次数N。不仅可以方便的计算冷词和暖词出现的次数，而且可以节省存储空间。得到暖词的出现的总次数M和冷词的出现的总次数N后，可以计算得到每个景点的ascr值。

ascr=M-N

Step5、给出最后的推荐信息：

循环计算出每个景点的ascr值，旅游景点按照ascr值从大到小进行推荐，ascr的值越大表示越适宜老人自助游。推荐时，景点的ascr值与阈值T进行比较

If ascr≤T:

      htm = null //不显示旅游景点信息

elif ascr＞T:

      htm = html.get('spot') //显示旅游景点信息

表1 不同阈值情况下自助游推荐的采纳结果

通过以上的实验和实例数据分析，我们可以看到本文所设计的老年人自助游推荐方式的采纳率相对于传统算法的采纳率提升较大。而随着阈值T的改变，虽然满意度变化不大，但是可以有效控制老人自助游的风险系数。

上面结合附图对本发明的具体实施方式作了详细说明，但是本发明并不限于上述实施方式，在本领域普通技术人员所具备的知识范围内，还可以在不脱离本发明宗旨的前提下作出各种变化。

Claims (3)

1.一种旅游网站中针对老年人自助游的实时推荐方法，其特征在于：对目标老人用户的信息进行获取；通过获取旅游景点的基本信息对所有旅游景点进行初步筛选，得到待选景点；对待选景点的评价信息与构建的敏感词语料库进行冷暖词匹配验证；通过计算得到每个待选景点的敏感值；针对所有旅游景点的敏感值按照从大到小的顺序进行推荐。

2.根据权利要求1所述的旅游网站中针对老年人自助游的实时推荐方法，其特征在于：所述方法的具体步骤如下：

Step1、对目标老人用户的信息获取：通过查询目标老人用户的所填信息得到用户的基本信息；

所述用户的基本信息包括用户的年龄、出发地点、出发时间、旅行时间、身体状况；

Step2、对所有旅游景点进行初步筛选：首先根据用户的出发地点计算得到与旅游景点的距离以及需要在交通上花费的时间；然后根据用户的旅行时间安排排除在交通上花费的时间超出预算的旅游景点；根据出发时间，得到剩余旅游景点在当下时节的气候状况、路况信息，给定各项数据指标一定的取值范围及路况要求，筛选出符合数据指标范围及路况要求的的旅游景点作为待选景点；

所述数据指标为旅游网站已经建立的针对旅游景点的温度、湿度、风力、海拔高度数据指标；

Step3、对待选景点的评价信息与构建的敏感词语料库进行冷暖词匹配验证：使用旅游网站的数据库获取筛选出的旅游景点的用户评价信息；剔除每个景点的评价信息的无效词与符号，可以得到用户评价信息的分词结果；

每个待选景点的所有评价信息的分词结果与敏感词数据库进行一一比对，将匹配到的暖词和该词语匹配成功的总次数以{nkey1:nk1,nkey2:nk2,…}的结构存放在Python的Dictionary中；将匹配到的冷词和该词语匹配成功的的总次数以{key1:k2,key2:k2,…}的结构存放在Python的Dictionary中；

Step4、计算每个待选景点的敏感值：

把暖词和冷词的Dictionary结构转换成二维数据结构，得到[[nkey1,nk1], [nkey2,nk2],…]和[[key1,k1], [key2,k2],…]的List的形式，通过计算暖词的List中嵌套的nk获取了暖词和冷词的出现的总次数M；通过计算冷词的List中嵌套的k获取冷词的出现的总次数N；计算得到每个待选景点的敏感值值；

所述敏感值：ascr=M-N；

Step5、给出最后的推荐信息：把得到的ascr值进行从小到大进行排列，景点的ascr的值越大表示越适宜用户自助游，推荐时，景点的ascr与阈值T进行比较：

如果ascr＞T，则说明旅游景点的敏感值超过阈值，推荐该旅游景点；

如果ascr≤T，则说明旅游景点的敏感值没有超过了阈值，不推荐该旅游景点。

3.根据权利要求2所述的旅游网站中针对老年人自助游的实时推荐方法，其特征在于：所述阈值T的理论取值范围为[5,+∞)。