CN107977883A - 旅行包的推荐方法、装置及计算机设备 - Google Patents
旅行包的推荐方法、装置及计算机设备 Download PDFInfo
- Publication number
- CN107977883A CN107977883A CN201711193960.4A CN201711193960A CN107977883A CN 107977883 A CN107977883 A CN 107977883A CN 201711193960 A CN201711193960 A CN 201711193960A CN 107977883 A CN107977883 A CN 107977883A
- Authority
- CN
- China
- Prior art keywords
- sight spot
- service list
- demand
- visit
- sight
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0631—Item recommendations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9537—Spatial or temporal dependent retrieval, e.g. spatiotemporal queries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
- G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Strategic Management (AREA)
- Artificial Intelligence (AREA)
- Marketing (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Probability & Statistics with Applications (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Business, Economics & Management (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种旅行包的推荐方法、装置及计算机设备,该方法包括:根据用户的需求和景点集合,获取备选的景点服务列表;如果获取得到的所述备选的景点服务列表与线路数据库中已存在的旅游线路均不匹配,则计算所述备选的景点服务列表中游览景点所需的游览总时长;根据所述游览总时长调整所述备选的景点服务列表中的景点,生成旅行包并输出,且生成的所述旅行包的中景点的游览时长小于等于预设总时长。采用本发明中提供的旅行包的推荐方法、装置及计算机设备,根据用户对旅行包服务的个性化需求,量身定制不同的旅行包,使得用户可以快速找到符合自己需求的旅行包服务。
Description
技术领域
本发明涉及互联网技术领域,特别是涉及旅行包的推荐方法、装置及计算机设备。
背景技术
最近几来,互联网信息技术可谓是飞速发展,人民在物质生活有了基本保障后,也有了更高层次的消费需求。因此,在线旅游行业得到了蓬勃发展。随着SOC(ServiceOriented Computing)即面向服务计算的兴起,人们也改变了以前看待景点、酒店、餐饮的方法,转而以服务的概念来看待这些单个的服务产品,并且也产生了服务组合、服务推荐的观念,这就为相关人员研究旅行包推荐问题孕育了环境。在线旅游行业的发展,这其实就是“智能服务世界项目”在旅游领域的推广。
当前,互联网上充斥着各种各样的旅行方案,人们也可以方便地在网上浏览。然而,互联网中的旅行方案单一,难于与用户需求匹配。
发明内容
基于此,有必要针对缺乏个性化定制的旅行包服务的问题,提供一种旅行包的推荐方法、装置及计算机设备。
一种旅行包的推荐方法,所述方法包括:
根据用户的需求和景点集合,获取备选的景点服务列表;
如果获取得到的所述备选的景点服务列表与线路数据库中已存在的旅游线路均不匹配,则计算所述备选的景点服务列表中游览景点所需的游览总时长;
根据所述游览总时长调整所述备选的景点服务列表中的景点,生成旅行包并输出,且生成的所述旅行包的中景点的游览时长小于等于预设总时长。
本发明提供的旅行包的推荐方法,根据用户对旅行包服务的个性化需求,而量身定制不同的旅行包,能够为用户提供符合自己个性化需求的旅行包服务。
在其中一个实施例中,所述用户的需求包括硬性需求、负需求及软性需求;
所述根据用户的需求和景点集合,获取备选的景点服务列表的步骤包括:
根据所述硬性需求得到硬性需求服务列表S1;
根据所述负需求得到负需求服务列表S2;
根据所述软性需求匹配的服务项,得到预选软性需求服务列表S3_0;
从所述预选软性服务需求列表S3_0中删除在所述硬性需求及所述负需求列表中的服务项,得到软性需求服务列表S3;
根据所述硬性需求服务列表S1负需求服务列表S2软性需求服务列表S3得到所述备选的景点服务列表。
在其中一个实施例中,所述预设总时长为预设的游览天数及每天预设的游览时长之积。
在其中一个实施例中,所述根据所述游览总时长调整所述备选的景点服务列表中的景点,生成旅行包的步骤包括:
将所述硬性需求服务列表S1中的景点按热度降序排序;
从所述硬性需求服务列表S1中选取当前未被安排的最热门景点m,安排到第i天;
从所述硬性需求服务列表S1中选取与所述最热门景点m距离最近的景点n,并安排到所述第i天,使所述第i天的旅行路线最短;
重复执行,直至所述硬性需求服务列表S1为空或第i天的游览时长超出所述每天预设的游览时长,或者与所述最热门景点m最近的景点n与所述最热门景点m的距离超过距离阈值、并且后续的时间小于安排与所述最热门景点m最近的景点n所需的游览时间;
从所述硬性需求服务列表S1中选取与所述第i天最后一个景点距离最近的软性需求景点j,安排到所述第i天;
从所述软性需求服务列表S3中选取未被安排的、且与所述景点j距离最近的同类景点k安排到第i天,重复执行,直至所述软性需求服务列表S3为空或第i天的游览时长超出所述每天预设的游览时长,或者无同类景点;
继续安排第i+1天的景点,直到已经安排的游览天数等于预设的游览天数,得到景点的推荐结果。
在其中一个实施例中,所述从所述软性需求服务列表S3中选取未被安排的、且与所述景点j距离最近的同类景点k安排到第i天的步骤之前包括:
根据景点间的距离,通过聚类方法对所述软性需求服务列表S3进行聚类分析,得到聚类分析结果;
根据聚类分析结果对所述软性需求服务列表S3中的景点进行景点分类。
在其中一个实施例中,根据所述景点的推荐结果,获取酒店的推荐结果的步骤包括:
若未获取到用户指定的酒店需求,则将每天第一个景点提取到第一列表中;
计算所述第一列表中所述所有景点的重心;
搜索距所述重心第一预设距离内的所有酒店,并将搜索到的所述所有酒店均添加到第二列表中;
从所述第二列表中获取热度位于前列的第一预设数量的酒店,得到酒店的推荐结果。
在其中一个实施例中,根据所述景点的推荐结果,获取餐饮的推荐结果的步骤包括:
获取第i天最后一个景点的位置坐标;
搜索距所述最后一个景点的第二预设距离内的所有餐厅,并将搜索到的所述所有餐厅均添加到第三列表中;
从所述第三列表中获取热度位于前列的第二预设数量的餐厅;
重复执行,直至已经推荐天数等于所述预设的游览天数,得到餐厅的推荐结果。
一种旅行包的推荐装置,所述装置包括:
服务列表获取模块,用于根据用户的需求和景点集合,获取备选的景点服务列表;
游览总时长计算模块,用于在获取得到的所述备选的景点服务列表与线路数据库中已存在的旅游线路均不匹配时,则计算所述备选的景点服务列表中游览景点所需的游览总时长;
推荐模块,用于根据所述游览总时长调整所述备选的景点服务列表中的景点,生成旅行包并输出,且生成的所述旅行包的中景点的游览时长小于等于预设总时长。
本发明公开的旅行包的推荐装置,采用旅行包的推荐方法,对不同用户的不同个性化需求,提供符合用户个性化需求的旅行包服务。
一种计算机设备,包括处理器、存储器以及存储在存储器上的计算机指令,其中,所述计算机指令在被所述处理器执行时实现的方法包括以下步骤:
根据用户的需求和景点集合,获取备选的景点服务列表;
如果获取得到的所述备选的景点服务列表与线路数据库中已存在的旅游线路均不匹配,则计算所述备选的景点服务列表中游览景点所需的游览总时长;
根据所述游览总时长调整所述备选的景点服务列表中的景点,生成旅行包并输出,且生成的所述旅行包的中景点的游览时长小于等于预设总时长。
本发明提供的一种计算机设备,处理器执行旅行包的推荐方法,根据用户对旅行包服务的个性化需求,而量身定制不同的旅行包,能够为用户提供符合自己个性化需求的旅行包服务。
附图说明
图1为本发明旅行包的推荐方法的流程图;
图2为本发明旅行包的推荐方法中旅行包在线匹配算法的流程图;
图3为本发明旅行包的推荐方法中根据游览总时长推荐旅行包的流程图;
图4为本发明旅行包的推荐方法中获取景点的推荐结果的流程图;
图5为本发明旅行包的推荐方法中同类景点分类的流程图;
图6为本发明旅行包的推荐方法中Kmeans聚类算法流程图;
图7为本发明旅行包的推荐方法中最短路径调整的流程图;
图8为本发明旅行包的推荐方法中获取酒店的推荐结果的流程图;
图9为本发明旅行包的推荐方法中获取餐饮的推荐结果的流程图;
图10为本发明旅行包的推荐装置的结构示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例对本发明进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
在本发明中,旅行服务是指单个的旅行产品,例如单个的景点、酒店、餐厅等即可被视为单个的旅行服务;旅行包(travel package/tour package)的概念是区别于单个旅游服务产品的,它是一种成套的旅游产品,它将多个单独的旅游服务产品打包,以一个整体进行推荐,包含了旅行中的餐厅、酒店、景点等三大方面中的多个元素,为用户提供一整套的旅行解决方案。
本发明一种旅行包的推荐方法,如图1所示,该方法包括:
S100,根据用户的需求和景点集合,获取备选的景点服务列表。
具体地,所述用户的需求包括用户对酒店的星级、价位等的要求,及餐厅的喜好、人均消费等的要求,及希望旅行的天数等。所述景点集合包括旅行目的地、目的地中重点旅行景点、需要排除掉的旅行景点等。
具体地,所述备选的景点服务列表为根据用户的餐厅、酒店、旅行天数、景点等的要求而为客户指定的个性化的景点服务列表。
S200,如果获取得到的所述备选的景点服务列表与线路数据库中已存在的旅游线路均不匹配,则计算所述备选的景点服务列表中游览景点所需的游览总时长。
具体地,判断现有的数据库中是否存在满足所述S100中获取到的所述备选的景点服务列表中要求的旅行线路,如果存在,则调用旅行包在线匹配算法,景点部分直接为用户推荐已有线路,然后根据景点的推荐结果,获取酒店的推荐结果及餐饮的推荐结果。
如果不存在,则计算所述备选的景点服务列表中游览景点所需的游览总时长。
S300,根据所述游览总时长调整所述备选的景点服务列表中的景点,生成旅行包并输出,且生成的所述旅行包的中景点的游览时长小于等于预设总时长。
本发明旅行包的推荐方法,根据用户对景点、酒店、餐饮个性化的需求而量身定制不同的旅行包。
在其中一个实施例中,所述用户的需求包括硬性需求、负需求及软性需求。
具体地,硬性需求是指用户明确表示想要游玩的一“个”景点或餐厅或酒店;负需求是指用户明确表示不想去的一“个”景点或餐厅或酒店;软性需求是指用户表示想要游玩的一“类”景点或餐厅或酒店。
步骤S100中的所述根据用户的需求和景点集合,获取备选的景点服务列表的步骤包括:
根据所述硬性需求得到硬性需求服务列表S1。S1=[spotservicei],其中spotservicei表示每一条景点数据,由向量[IDi,namei,introductioni,…]构成,分别表示景点的ID,名字,简介等信息。
根据所述负需求得到负需求服务列表S2;S2=[spotservicei],其中spotservicei表示每一条景点数据,由向量[IDi,namei,introductioni,…]构成,分别表示景点的ID,名字,简介等信息。
根据所述软性需求匹配的服务项,得到预选软性需求服务列表S3_0;其中,软性需求的表述方法为SofDemand=[Description],Description=[popularity,type,rate,…]。匹配的原则是,从用户的描述中提取特征,若是关于type的描述则根据type提取出满足特征的一类景点,若是关于rate的描述则根据rate提取出满足特征的一类景点,以此类推。提取出的景点将被添加到服务列表S3_0中。若用户没有关于软性需求的描述,则默认从数据库中提取若干个热度最高的景点添加到S3_0中。S3_0=[spotservicei],其中spotservicei表示每一条景点数据,由向量[IDi,namei,introductioni,…]构成,分别表示景点的ID,名字,简介等信息。从所述预选软性服务需求列表S3_0中删除在所述硬性需求及所述负需求列表中的服务项,得到软性需求服务列表S3。
在得到的列表S1、S2、S3中,需要对列表进行手动调整,以剔除列表中的重复景点。保证三个列表S1、S2、S3中得到的景点是互斥的。优先级是S2>S1>S3,即在S2中出现的景点不出现在S1、S3中,在S2、S1中出现的景点不出现在S3中。
根据所述硬性需求服务列表S1、负需求服务列表S2、软性需求服务列表S3得到所述备选的景点服务列表。
具体地,当用户输入“我想去北京玩三天,吃全聚德,喜欢住在市中心,不想去天坛”时,进行分词为“想去、北京、玩、三天、吃、全聚德、喜欢、住在、市中心、不想去、天坛”。常见的负需求关键词有如“不想、不去、不喜欢”。当发生匹配后,即将负需求关键词其后紧跟的名词列入负需求服务列表S2,表示用户不想得到此服务。上述例子中,“不想去”即为负需求关键词,其后紧跟的名词“天坛”即被列入负需求服务列表,在后续的推荐过程中,我们将不会推荐“天坛”这一景点服务。
然后匹配服务标准名称,如“颐和园、全聚德、四季”等,表示用户的这些需求需要得到优先满足,列入硬性需求服务列表S1。上述例子中,“全聚德”即被列入硬性需求服务列表,在后续的推荐过程中,将优先推荐“全聚德”这一餐饮服务。此外,我们还将针对性识别用户的目的地信息和旅行时间信息,作为特殊的硬性需求进行处理。如上述例子中的“北京”、“三天”。
最后偏好性关键词如“辣、西餐、安静、历史底蕴”等,表示用户希望得到此类服务,列入软性需求服务列表S3。上述例子中,“市中心”即被列入软性需求服务列表中,在后续的推荐过程中,我们将推荐满足“市中心”条件的酒店服务。
具体地,如图2所示,所述旅行包在线匹配算法步骤具体为:
S210,进行预设的游览天数N的匹配,从数据库中筛选出符合要求的旅行包记录为TB1;
S220,进行硬性需求服务列表S1的匹配,从旅行包记录TB1中筛选出符合要求的旅行包记为TB2;
S230,进行负需求服务列表S2的匹配,从旅行包记录TB2中剔除不符合要求的剩下的旅行包作为TB3;
S240,若TB3不为空,进行软性需求服务列表S3的匹配,从中推荐匹配度最高的旅行包(即热门程度最高的旅行包)。
另外,若旅行包在线匹配算法进行到S230,旅行包记录集TB3为空时,则计算所述备选的景点服务列表中游览景点所需的游览总时长。
所述旅行包在线匹配算法是从TB3列表中选择热门程度最高的旅行包。所述旅行包在线匹配算法对于此热门程度Popularity的定义由如下公式表示。
Popularityk=∑popularityi
其中,i∈S3∩travelbagk,travelbagk表示TB3列表中的第k个旅行包,Popularityk表示第k个旅行包的热门程度,popularityi表示第i个景点的热门程度。
具体地,步骤S200中的计算所述备选的景点服务列表中游览景点所需的游览总时长,若游览总时长小于等于预设的游览天数及每天预设的游览时长之积(即预设总时长)时,进行旅行包的推荐;否则,提示“您的旅程太过紧张…”,并提示重新输入。
进一步地,所述备选的景点服务列表中游览景点所需的游览总时长主要考虑硬性需求服务列表S1中游览景点所需的游览总时长,即优先安排硬性需求服务列表S1中的景点。
则游览硬性需求服务列表S1中的景点所需的游览总时长∑Costingtimeying小于等于预设的游览天数N及每天预设的游览时长h之积,即满足:
∑Costingtimeying≤h×N。
具体地,每天预设的游览时长为8小时,预设的游览天数为N,则用户理论上可以游览8*N小时。有的景点需要花较长的时间,如八达岭长城,北京欢乐谷等;而有的景点,比如鸟巢、水立方每个景点可能最多只需要游览1个小时。则所有硬性需求服务列表S1中的景点所需的游览总时长∑Costingtimeying应小于用户理论上可以游览的总时长8*N小时。如果不能满足,输出“您的旅程太过紧张…”,并提示重新输入。
具体地,如图3所示,步骤S300中的所述根据所述游览总时长调整所述备选的景点服务列表中的景点,生成旅行包并输出的步骤包括:
S310,根据所述游览总时长,获取景点的推荐结果;
S320,根据所述景点的推荐结果,获取酒店的推荐结果及餐饮的推荐结果。
在一个实施例中,如图4所示,步骤S310中的根据所述游览总时长,获取景点的推荐结果的步骤包括:
S410,将所述硬性需求服务列表S1中的景点按热度降序排序。
S420,从所述硬性需求服务列表S1中选取当前未被安排的最热门景点m,安排到第i天。
具体地,S420中将当前未被安排的最热门景点m,安排到第i天后,将景点m从所述硬性需求服务列表S1中删除。
S430,从所述硬性需求服务列表S1中选取与所述最热门景点m距离最近的景点n,并安排到所述第i天,使所述第i天的旅行路线最短。
在一个实施例中,S430中将与所述最热门景点m距离最近的景点n,安排到所述第i天后,将景点n从所述硬性需求服务列表S1中删除。
可以理解,从S420开始,将从第一天起为用户逐步生成旅行包。推荐旅行包的原则是优先满足用户最根本的需求(硬性需求),所以推荐从硬性需求开始。推荐硬性需求的原则也是优先满足大众的需求,所以在推荐硬性需求之前对硬性需求服务列表S1按热度进行了排序,优先推荐热度最高的景点。
S440,重复执行,直至所述硬性需求服务列表S1为空或第i天的游览时长超出所述每天预设的游览时长,或者与所述最热门景点m最近的景点n与所述最热门景点m的距离超过距离阈值、并且后续的时间足够安排与所述最热门景点m最近的景点n。
即推荐硬性需求景点的停止条件有三个:
①硬性需求服务列表S1硬性需求服务列表S1为空,即已完成对硬性需求景点的推荐;
②第i天已安排不下硬性需求服务列表S1的景点,即满足:
其中,ki表示第k天已安排的第i个景点,jk表示第k天最多推荐jk个,8为每天的预设的游览时长为8小时。
③即待安排的硬性需求景点与上一个已经安排的硬性需求景点间的距离已经超过距离阈值并且后续的时间足以安排此必游景点。
其中距离阈值用于衡量两个景点间的距离是否过远。此处强调“并且后续的时间足以安排此必游景点”。若两个景点间的距离过远,而时间又比较充裕,那么在同一天安排这两个景点就会让行程显得过于仓促,所以本发明将景点间距离超过距离阈值的两个景点安排在不同的天数游览。若游览时间不充裕,本发明也只能将这样的两个景点安排在同一天,但会向用户提醒这样的安排行程较为紧张。
在一个实施例中,距离阈值的设定值是10km。
S450,从所述硬性需求服务列表S1中选取与所述第i天最后一个景点距离最近的软性需求景点j,安排到所述第i天。
可以理解,S450中将与所述第i天最后一个景点距离最近的软性需求景点j,安排到所述第i天后,还可以将软性需求景点j从软性需求服务列表S3中删除。
S460,从所述软性需求服务列表S3中选取未被安排的、且与所述景点j距离最近的同类景点k安排到第i天,重复执行,直至所述软性需求服务列表S3为空或第i天的游览时长超出所述每天预设的游览时长,或者无同类景点。
说明:S450与S460进行软性需求景点的安排。
具体地,如图5所示,所述从所述软性需求服务列表S3中选取未被安排的、且与所述景点j距离最近的同类景点k安排到第i天的步骤之前包括:
S510,根据景点间的距离,通过聚类方法对所述软性需求服务列表S3进行聚类分析,得到聚类分析结果;
S520,根据聚类分析结果对所述软性需求服务列表S3中的景点进行景点分类。
软性需求景点事先会进行聚类处理,聚类的依据是景点的坐标信息通过聚类处理,软性需求景点会被分为N类,N为旅行天数。在进行推荐的时候,一天中只推荐一类软性需求景点,已经被推荐的一类软性需求也不会在其它天重复推荐。
进一步地,本申请中所采用的聚类方法是Kmeans聚类分析,聚类的依据是景点的坐标,聚类的结果是可以把地理上相近的景点聚为一类然后统一推荐。
如图6所示,Kmeans聚类的算法流程如下所述:
S610,输入软性需求服务列表S3中的景点作为聚类的对象;
S620,从软性需求服务列表S3中随机选取Q个初始点作为聚类的初始中心点;
S630,遍历软性需求服务列表S3中所有景点,计算每个景点到所有中心点的距离,然后将每个景点划分到最近中心点所属的类;
S640,找出每次聚类的均值,并作为新的中心点;重复S630和S640直到中心点收敛(相邻两次运算中心点的位移小于一定阈值即代表收敛)。
推荐的方法是,如果当天已经安排了硬性需求的景点,并且算法执行到了S450,那么会推荐与最后一个硬性需求景点最近的软性需求服务列表S3中,属于没有被推荐的类中的景点。
如果当天没有安排硬性需求的景点,那么算法会选一类没有推荐过的软性需求景点进行推荐,并且当天只推荐此类景点。
执行S450、S460,推荐软件需求景点的停止条件有两个:
①当天已无同类软性需求景点可以推荐;
②当天已安排不下同类软性需求景点,即满足:
其中,Hki表示第k天推荐的第i个硬性需求景点,Hjk表示第k天最多安排Hjk个硬性需求景点;Ski表示第k天推荐的第i个软性需求景点,Sjk表示第k天最多安排Sjk个软性需求景点,8为每天的预设的游览时长为8小时。
由于Kmeans聚类方法具有局部收敛性,所以旅行包的推荐结果具有多样性。如果用户对推荐的结果不满意,重新进行在线生成,算法就可以为用户推荐另一条路线。
S470,继续安排第i+1天的景点,直到已经安排的游览天数等于预设的游览天数,得到景点的推荐结果。
更进一步地,通过上述S410-S470生成的旅行包,在保留每一天所安排的所有景点的前提下,对每一天的行程进行调整,使每一天旅游路线的路径最短。
说明:本发明对每一天的路线都进行了最短路径调整,将每个景点都选为初始点,寻找最短路径,然后综合选择其中最短的一条作为当天的旅行路线。如图7所示,对于每一个初始景点,利用贪婪算法进行最短路径调整的步骤如下:
S710,初始化距离数组;
S720,选定一个景点作为最开始参观的景点;
S730,从所有未游览过的景点中选择与当前最后一个景点距离最近的景点;
S740,重复S730,直到当天所有景点都已经参观。
景点的推荐结果中仅包含景点的旅行包是以二维动态数组的形式存储,第一维表示第i天,第二维为第i天的景点按游览的先后顺序存储。
具体地,如图8所示,步骤S320中的根据所述景点的推荐结果,获取酒店的推荐结果的步骤包括:
S810,判断是否有用户指定的酒店需求。
S820,如果用户有明确给出想要下榻的酒店,从用户的需求中提取关键词然后进行关键词匹配。
进一步地,如果用户给出的关键字能唯一地标识一个酒店,就会为用户推荐该酒店。如果用户给出的关键词不能唯一地标识一个酒店而是一系列酒店,比如汉庭、七天、如家之类的连锁酒店,就会推荐距离景点重心G最近的几个酒店。
更进一步地,如果用户给出的关键词不能唯一地标识一个酒店而是一系列酒店,就会推荐距离景点重心G最近的三个酒店。
S830,如果用户没有指定的酒店需求,则默认用户没有这方面的需求。为了提高用户的体验度,让用户每天从酒店到第一景点的距离之和最小,所以,把酒店推荐到景点重心G附近。
将每天第一个景点提取到第一列表Sfirst中。
S840,计算所述第一列表Sfirst中所述所有景点的重心G。
更进一步地,从所述第一列表Sfirst中筛除距离其他景点的距离较远的景点,被筛除的景点a满足:
Distancea_b>2*Threshold
其中,Distancea_b为景点a和景点b之间的距离,Threshold为距离阈值。
然后计算所述第一列表Sfirst中所有剩余景点的重心G,即把所述第一列表Sfirst中所有剩余景点的经纬度求平均值。
Center_LATB=means(LATBc)
Center_LNGB=means(LNGBc)
其中,LATBc为景点c的纬度,LNGBc为景点c的经度,c∈Sfirst;means()为求平均值;(Center_LATB,Center_LNGB)为重心G的坐标值。
S850,搜索距所述重心第一预设距离内的所有酒店,并将搜索到的所述所有酒店均添加到第二列表中。
首先给出附近酒店的范围,范围由下式给出:
{Center_LATB-range<LATB<Center_LATB+range,
Center_LNGB-range<LNGB<Center_LNGB+range}
其中,range为附近酒店与重心G的距离值。
与重心G相距range范围内的所有的酒店均添加到第二列表中。
更进一步地,在北京地区的一个经纬度(北纬40度,东经116.3度左右),纬度每变化0.01度,距离约相差1.1千米;经度每变化0.01度,距离相差0.8千米左右。所以这样做大致能确定以重心G为中心,距离重心G径向距离为1的矩形区域。在这样一个区域中的所有酒店都会被添加到第二列表中。
{Center_LATB-0.01<LATB<Center_LATB+0.01,
Center_LAGB-0.01<LNGB<Center_LNGB+0.01}
如果上述确定的range为0.01的范围内,没有满足要求的酒店,则调整range,每次增加0.01直到能在这个范围内搜索到酒店为止。
S860,从所述第二列表中获取热度位于前列的第一预设数量的酒店,得到酒店的推荐结果。
更进一步地,热度位于前列的第一预设数量的酒店可以选推荐热度最高的三个酒店。
对于第二列表中的景点,综合考虑其他标准为用户推荐。如可以考虑的指标有score(用户的评分),间接反映酒店的热度和用户的综合体验。为用户推荐第二列表中score评分最高的三个酒店。
具体地,如图9所示,根据所述景点的推荐结果,获取餐饮的推荐结果的步骤包括:
S910,从i=1开始,获取第i天最后一个景点的位置坐标。
S920,搜索距所述最后一个景点的第二预设距离内的所有餐厅,并将搜索到的所述所有餐厅均添加到第三列表中。
搜索方法与酒店推荐部分的方法类似:设最后一个景点经纬度为(Last_LNGB,Last_LATB)则最后一个景点所确定的范围如下所示:
{Last_LATB-range<LATB<Last_LATB+range,
Last_LNGB-range<LNGB<Last_LNGB+range}
range值从0.01开始调整,每次增加0.01直到能在这个范围搜索到餐厅为止。
S930,从所述第三列表中获取热度位于前列的第二预设数量的餐厅。
更进一步地,热度位于前列的第二预设数量的餐厅可以推荐热度最高的三个餐厅(考虑用户需求)。
餐厅的热度可以通过指标rate(餐厅的评级)来决定,这个指标是由三个评价标准得到的:店铺口味flavor、店铺环境environment、店铺服务service,计算公式:
这个指标能综合反映餐厅的质量和用户的满意度。如果没有用户的需求,则从R列表中推荐出rate指数最高的三个餐厅作为每天的餐厅推荐。如果用户有特别的需求,则会进行关键词匹配,明确用户需求的一个或一类餐厅,然后把此餐厅匹配到距离最后一个景点最近的一天。
S940,重复执行,直至已经推荐天数等于所述预设的游览天数,得到餐厅的推荐结果。
最终,我们得到了为用户推荐的旅行包集合,旅行包的数据格式为TBi={tpi,tbj={sj1,…,sjnj},rj|j=1,2…,Ni}。其中TBi表示第i个旅行包;tpi为推荐的酒店;tbj为旅行包第j天的行程,共Ni天;sj1为第j天行程中的第1个景点,共nj个景点;rj表示为用户推荐的第j个餐厅。
本发明旅行包的推荐方法,将单个服务产品打造成一个整体来进行推荐,一体化、全方位地满足了用户旅游、住宿、餐饮三大领域多个方面的需求。
本发明旅行包的推荐方法,在为用户推荐景点及路线时,包括推荐酒店和餐厅时,进行了多方面的考量,使用了Kmeans聚类分析、最短路径算法等,使用户在交通上所经历的路径最短,所消耗的时间最少。
本发明旅行包的推荐方法,基于已知的用户需求包括硬性需求、软性需求、负需求和旅行天数,利用已知的景点、酒店、餐厅的经纬度坐标,通过旅行包在线匹配和生成算法,为用户进行旅行包的个性化设计和推荐。
本发明的一个实施例一种旅行包的推荐装置,结构如图10所示,所述装置包括:
服务列表获取模块100,用于根据用户的需求和景点集合,获取备选的景点服务列表;
游览总时长计算模块200,用于在获取得到的所述备选的景点服务列表与线路数据库中已存在的旅游线路均不匹配时,则计算所述备选的景点服务列表中游览景点所需的游览总时长;
推荐模块300,用于根据所述游览总时长调整所述备选的景点服务列表中的景点,生成旅行包并输出,且生成的所述旅行包的中景点的游览时长小于等于预设总时长。
一种计算机设备,包括处理器、存储器以及存储在存储器上的计算机指令,所述计算机指令在被所述处理器执行时实现的方法包括以下步骤:
根据用户的需求和景点集合,获取备选的景点服务列表;
如果获取得到的所述备选的景点服务列表与数据库中已存在的旅游线路均不匹配,计算所述备选的景点服务列表中游览景点所需的游览总时长;
根据所述游览总时长推荐旅行包。
作为一个实施例,所述用户的需求包括硬性需求、负需求及软性需求;
所述根据用户的需求和景点集合,获取备选的景点服务列表的步骤包括:
根据所述硬性需求得到硬性需求服务列表S1;
根据所述负需求得到负需求服务列表S2;
根据所述软性需求匹配的服务项,得到预选软性需求服务列表S3_0;
从所述预选软性服务需求列表S3_0中删除在所述硬性需求及所述负需求列表中的服务项,得到软性需求服务列表S3。
作为一个实施例,所述游览总时长不大于预设的游览天数及每天预设的游览时长之积。
作为一个实施例,处理器所执行的所述计算机指令所实现的所述根据游览总时长推荐旅行包的步骤包括:
根据所述游览总时长,获取景点的推荐结果;
根据所述景点的推荐结果,获取酒店的推荐结果及餐饮的推荐结果。
作为一个实施例,处理器所执行的所述计算机指令所实现的所述根据所述游览总时长,获取景点的推荐结果的步骤包括:
将所述硬性需求服务列表S1中的景点按热度降序排序;
从所述硬性需求服务列表S1中选取当前未被安排的最热门景点m,安排到第i天;
从所述硬性需求服务列表S1中选取与所述最热门景点m距离最近的景点n,并安排到所述第i天,使所述第i天的旅行路线最短;
重复执行,直至所述硬性需求服务列表S1为空或第i天的游览时长超出所述每天预设的游览时长,或者与所述最热门景点m最近的景点n与所述最热门景点m的距离超过距离阈值、并且后续的时间足够安排与所述最热门景点m最近的景点n;
从所述硬性需求服务列表S1中选取与所述第i天最后一个景点距离最近的软性需求景点j,安排到所述第i天;
从所述软性需求服务列表S3中选取未被安排的、且与所述景点j距离最近的同类景点k安排到第i天,重复执行,直至所述软性需求服务列表S3为空或第i天的游览时长超出所述每天预设的游览时长,或者无同类景点;
继续安排第i+1天的景点,直到已经安排的游览天数等于预设的游览天数,得到景点的推荐结果。
作为一个实施例,处理器所执行的所述计算机指令所实现的所述从所述软性需求服务列表S3中选取未被安排的、且与所述景点j距离最近的同类景点k安排到第i天的步骤之前包括:
根据景点间的距离,通过聚类方法对所述软性需求服务列表S3进行聚类分析,得到聚类分析结果;
根据聚类分析结果对所述软性需求服务列表S3中的景点进行景点分类。
作为一个实施例,处理器所执行的所述计算机指令所实现的根据所述景点的推荐结果,获取酒店的推荐结果的步骤包括:
若未获取到用户指定的酒店需求,则将每天第一个景点提取到第一列表中;
计算所述第一列表中所述所有景点的重心;
搜索距所述重心第一预设距离内的所有酒店,并将搜索到的所述所有酒店均添加到第二列表中;
从所述第二列表中获取热度位于前列的第一预设数量的酒店,得到酒店的推荐结果。
作为一个实施例,处理器所执行的所述计算机指令所实现的根据所述景点的推荐结果,获取餐饮的推荐结果的步骤包括:
获取第i天最后一个景点的位置坐标;
搜索距所述最后一个景点的第二预设距离内的所有餐厅,并将搜索到的所述所有餐厅均添加到第三列表中;
从所述第三列表中获取热度位于前列的第二预设数量的餐厅;
重复执行,直至已经推荐天数等于所述预设的游览天数,得到餐厅的推荐结果。
一种可读存储介质,所述可读存储介质存储有计算机指令,其中,所述计算机指令在被所述处理器执行时实现的方法包括以下步骤:
根据用户的需求和景点集合,获取备选的景点服务列表;
如果获取得到的所述备选的景点服务列表与数据库中已存在的旅游线路均不匹配,计算所述备选的景点服务列表中游览景点所需的游览总时长;
根据所述游览总时长推荐旅行包。
作为一种实施例,处理器执行所述计算机指令所实现方法中,所述用户的需求包括硬性需求、负需求及软性需求;
所述根据用户的需求和景点集合,获取备选的景点服务列表的步骤包括:
根据所述硬性需求得到硬性需求服务列表S1;
根据所述负需求得到负需求服务列表S2;
根据所述软性需求匹配的服务项,得到预选软性需求服务列表S3_0;
从所述预选软性服务需求列表S3_0中删除在所述硬性需求及所述负需求列表中的服务项,得到软性需求服务列表S3。
作为一种实施例,其中,处理器所执行的所述计算机指令所实现的所述游览总时长不大于预设的游览天数及每天预设的游览时长之积。
作为一种实施例,其中,处理器所执行的所述计算机指令所实现的所述根据游览总时长推荐旅行包的步骤包括:
根据所述游览总时长,获取景点的推荐结果;
根据所述景点的推荐结果,获取酒店的推荐结果及餐饮的推荐结果。
作为一种实施例,其中,处理器所执行的所述计算机指令所实现的所述根据所述游览总时长,获取景点的推荐结果的步骤包括:
将所述硬性需求服务列表S1中的景点按热度降序排序;
从所述硬性需求服务列表S1中选取当前未被安排的最热门景点m,安排到第i天;
从所述硬性需求服务列表S1中选取与所述最热门景点m距离最近的景点n,并安排到所述第i天,使所述第i天的旅行路线最短;
重复执行,直至所述硬性需求服务列表S1为空或第i天的游览时长超出所述每天预设的游览时长,或者与所述最热门景点m最近的景点n与所述最热门景点m的距离超过距离阈值、并且后续的时间足够安排与所述最热门景点m最近的景点n;
从所述硬性需求服务列表S1中选取与所述第i天最后一个景点距离最近的软性需求景点j,安排到所述第i天;
从所述软性需求服务列表S3中选取未被安排的、且与所述景点j距离最近的同类景点k安排到第i天,重复执行,直至所述软性需求服务列表S3为空或第i天的游览时长超出所述每天预设的游览时长,或者无同类景点;
继续安排第i+1天的景点,直到已经安排的游览天数等于预设的游览天数,得到景点的推荐结果。
作为一种实施例,其中,处理器所执行的所述计算机指令所实现的所述从所述软性需求服务列表S3中选取未被安排的、且与所述景点j距离最近的同类景点k安排到第i天的步骤之前包括:
根据景点间的距离,通过聚类方法对所述软性需求服务列表S3进行聚类分析,得到聚类分析结果;
根据聚类分析结果对所述软性需求服务列表S3中的景点进行景点分类。
作为一种实施例,其中,处理器所执行的所述计算机指令所实现的根据所述景点的推荐结果,获取酒店的推荐结果的步骤包括:
若未获取到用户指定的酒店需求,则将每天第一个景点提取到第一列表中;
计算所述第一列表中所述所有景点的重心;
搜索距所述重心第一预设距离内的所有酒店,并将搜索到的所述所有酒店均添加到第二列表中;
从所述第二列表中获取热度位于前列的第一预设数量的酒店,得到酒店的推荐结果。
作为一种实施例,其中,处理器所执行的所述计算机指令所实现的根据所述景点的推荐结果,获取餐饮的推荐结果的步骤包括:
获取第i天最后一个景点的位置坐标;
搜索距所述最后一个景点的第二预设距离内的所有餐厅,并将搜索到的所述所有餐厅均添加到第三列表中;
从所述第三列表中获取热度位于前列的第二预设数量的餐厅;
重复执行,直至已经推荐天数等于所述预设的游览天数,得到餐厅的推荐结果。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上所述实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种旅行包的推荐方法,其特征在于,所述方法包括:
根据用户的需求和景点集合,获取备选的景点服务列表;
如果获取得到的所述备选的景点服务列表与线路数据库中已存在的旅游线路均不匹配,则计算所述备选的景点服务列表中游览景点所需的游览总时长;
根据所述游览总时长调整所述备选的景点服务列表中的景点,生成旅行包并输出,且生成的所述旅行包的中景点的游览时长小于等于预设总时长。
2.根据权利要求1所述的方法,其特征在于,所述用户的需求包括硬性需求、负需求及软性需求;
所述根据用户的需求和景点集合,获取备选的景点服务列表的步骤包括:
根据所述硬性需求得到硬性需求服务列表S1;
根据所述负需求得到负需求服务列表S2;
根据所述软性需求匹配的服务项,得到预选软性需求服务列表S3_0;
从所述预选软性服务需求列表S3_0中删除在所述硬性需求及所述负需求列表中的服务项,得到软性需求服务列表S3;
根据所述硬性需求服务列表S1、负需求服务列表S2、软性需求服务列表S3得到所述备选的景点服务列表。
3.根据权利要求2所述的方法,其特征在于,所述预设总时长为预设的游览天数及每天预设的游览时长之积。
4.根据权利要求3所述的方法,其特征在于,所述根据所述游览总时长调整所述备选的景点服务列表中的景点,生成旅行包并输出的步骤包括:
根据所述游览总时长,获取景点的推荐结果;
根据所述景点的推荐结果,获取酒店的推荐结果及餐饮的推荐结果。
5.根据权利要求4所述的方法,其特征在于,所述根据所述游览总时长,获取景点的推荐结果的步骤包括:
将所述硬性需求服务列表S1中的景点按热度降序排序;
从所述硬性需求服务列表S1中选取当前未被安排的最热门景点m,安排到第i天;
从所述硬性需求服务列表S1中选取与所述最热门景点m距离最近的景点n,并安排到所述第i天,使所述第i天的旅行路线最短;
重复执行,直至所述硬性需求服务列表S1为空或第i天的游览时长超出所述每天预设的游览时长,或者与所述最热门景点m最近的景点n与所述最热门景点m的距离超过距离阈值、并且后续的时间小于安排与所述最热门景点m最近的景点n所需的游览时间;
从所述硬性需求服务列表S1中选取与所述第i天最后一个景点距离最近的软性需求景点j,安排到所述第i天;
从所述软性需求服务列表S3中选取未被安排的、且与所述景点j距离最近的同类景点k安排到第i天,重复执行,直至所述软性需求服务列表S3为空或第i天的游览时长超出所述每天预设的游览时长,或者无同类景点;
继续安排第i+1天的景点,直到已经安排的游览天数等于预设的游览天数,得到景点的推荐结果。
6.根据权利要求5所述的方法,其特征在于,所述从所述软性需求服务列表S3中选取未被安排的、且与所述景点j距离最近的同类景点k安排到第i天的步骤之前包括:
根据景点间的距离,通过聚类方法对所述软性需求服务列表S3进行聚类分析,得到聚类分析结果;
根据聚类分析结果对所述软性需求服务列表S3中的景点进行景点分类。
7.根据权利要求5所述的方法,其特征在于,根据所述景点的推荐结果,获取酒店的推荐结果的步骤包括:
若未获取到用户指定的酒店需求,则将每天第一个景点提取到第一列表中;
计算所述第一列表中所述所有景点的重心;
搜索距所述重心第一预设距离内的所有酒店,并将搜索到的所述所有酒店均添加到第二列表中;
从所述第二列表中获取热度位于前列的第一预设数量的酒店,得到酒店的推荐结果。
8.根据权利要求5所述的方法,其特征在于,根据所述景点的推荐结果,获取餐饮的推荐结果的步骤包括:
获取第i天最后一个景点的位置坐标;
搜索距所述最后一个景点的第二预设距离内的所有餐厅,并将搜索到的所述所有餐厅均添加到第三列表中;
从所述第三列表中获取热度位于前列的第二预设数量的餐厅;
重复执行,直至已经推荐天数等于所述预设的游览天数,得到餐厅的推荐结果。
9.一种旅行包的推荐装置,其特征在于,所述装置包括:
服务列表获取模块,用于根据用户的需求和景点集合,获取备选的景点服务列表;
游览总时长计算模块,用于在获取得到的所述备选的景点服务列表与线路数据库中已存在的旅游线路均不匹配时,则计算所述备选的景点服务列表中游览景点所需的游览总时长;
推荐模块,用于根据所述游览总时长调整所述备选的景点服务列表中的景点,生成旅行包并输出,且生成的所述旅行包的中景点的游览时长小于等于预设总时长。
10.一种计算机设备,包括处理器、存储器以及存储在存储器上的计算机指令,其特征在于,所述计算机指令在被所述处理器执行时实现权利要求1-8任一项所述方法中的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711193960.4A CN107977883A (zh) | 2017-11-24 | 2017-11-24 | 旅行包的推荐方法、装置及计算机设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711193960.4A CN107977883A (zh) | 2017-11-24 | 2017-11-24 | 旅行包的推荐方法、装置及计算机设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107977883A true CN107977883A (zh) | 2018-05-01 |
Family
ID=62011509
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711193960.4A Pending CN107977883A (zh) | 2017-11-24 | 2017-11-24 | 旅行包的推荐方法、装置及计算机设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107977883A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110825778A (zh) * | 2019-11-05 | 2020-02-21 | 上海景域文化传播股份有限公司 | 一种自动组合酒店和景点成度假线路的装置和方法 |
CN111721295A (zh) * | 2020-05-23 | 2020-09-29 | 芜湖扬宇机电技术开发有限公司 | 一种动物园景点观光路线规划方法和系统 |
CN113901329A (zh) * | 2021-12-07 | 2022-01-07 | 环球数科集团有限公司 | 旅游住宿推荐方法、装置和计算机设备 |
CN114049181A (zh) * | 2022-01-05 | 2022-02-15 | 环球数科集团有限公司 | 基于ota的旅游住宿动态处理方法、系统和存储介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110153654A1 (en) * | 2009-12-18 | 2011-06-23 | Electronics And Telecommunications Research Institute | Natural language-based tour destination recommendation apparatus and method |
CN103995840A (zh) * | 2014-04-30 | 2014-08-20 | 洛阳众意信息技术服务有限公司 | 一种面向客制化的国内旅游线路智慧生成方法 |
CN104537029A (zh) * | 2014-12-19 | 2015-04-22 | 百度在线网络技术(北京)有限公司 | 查询处理方法及装置 |
TW201624394A (zh) * | 2014-12-29 | 2016-07-01 | 鴻海精密工業股份有限公司 | 旅遊協助方法及移動終端 |
CN105812541A (zh) * | 2014-12-30 | 2016-07-27 | 鸿富锦精密工业(武汉)有限公司 | 旅游协助方法及移动终端 |
CN105955981A (zh) * | 2016-04-15 | 2016-09-21 | 清华大学 | 一种基于需求分类和主题分析的个性化旅行包推荐方法 |
CN106447456A (zh) * | 2016-10-11 | 2017-02-22 | 广东国汇旅游信息有限公司 | 一种旅游系统 |
-
2017
- 2017-11-24 CN CN201711193960.4A patent/CN107977883A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110153654A1 (en) * | 2009-12-18 | 2011-06-23 | Electronics And Telecommunications Research Institute | Natural language-based tour destination recommendation apparatus and method |
CN103995840A (zh) * | 2014-04-30 | 2014-08-20 | 洛阳众意信息技术服务有限公司 | 一种面向客制化的国内旅游线路智慧生成方法 |
CN104537029A (zh) * | 2014-12-19 | 2015-04-22 | 百度在线网络技术(北京)有限公司 | 查询处理方法及装置 |
TW201624394A (zh) * | 2014-12-29 | 2016-07-01 | 鴻海精密工業股份有限公司 | 旅遊協助方法及移動終端 |
CN105812541A (zh) * | 2014-12-30 | 2016-07-27 | 鸿富锦精密工业(武汉)有限公司 | 旅游协助方法及移动终端 |
CN105955981A (zh) * | 2016-04-15 | 2016-09-21 | 清华大学 | 一种基于需求分类和主题分析的个性化旅行包推荐方法 |
CN106447456A (zh) * | 2016-10-11 | 2017-02-22 | 广东国汇旅游信息有限公司 | 一种旅游系统 |
Non-Patent Citations (1)
Title |
---|
徐洁等: "基于概率主题模型的景点知识挖掘及其可视化", 《计算机应用》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110825778A (zh) * | 2019-11-05 | 2020-02-21 | 上海景域文化传播股份有限公司 | 一种自动组合酒店和景点成度假线路的装置和方法 |
CN110825778B (zh) * | 2019-11-05 | 2020-12-25 | 上海景域文化传播股份有限公司 | 一种自动组合酒店和景点成度假线路的装置和方法 |
CN111721295A (zh) * | 2020-05-23 | 2020-09-29 | 芜湖扬宇机电技术开发有限公司 | 一种动物园景点观光路线规划方法和系统 |
CN113901329A (zh) * | 2021-12-07 | 2022-01-07 | 环球数科集团有限公司 | 旅游住宿推荐方法、装置和计算机设备 |
CN113901329B (zh) * | 2021-12-07 | 2022-03-22 | 环球数科集团有限公司 | 旅游住宿推荐方法、装置和计算机设备 |
CN114049181A (zh) * | 2022-01-05 | 2022-02-15 | 环球数科集团有限公司 | 基于ota的旅游住宿动态处理方法、系统和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105068661B (zh) | 基于人工智能的人机交互方法和系统 | |
CN105159933B (zh) | 旅游信息推荐方法及装置 | |
US9996998B2 (en) | Adaptive advisory engine and methods to predict preferential activities available at a region associated with lodging | |
CN105955981B (zh) | 一种基于需求分类和主题分析的个性化旅行包推荐方法 | |
CN104123398B (zh) | 一种信息推送方法及装置 | |
CN107977883A (zh) | 旅行包的推荐方法、装置及计算机设备 | |
CN106886837A (zh) | 基于时间规划的自由行行程推荐方法 | |
EP3465478A1 (en) | Method for providing one or more customized media centric products | |
CN104598602B (zh) | 通过计算机实现的基于场景的信息推荐方法及装置 | |
CN106776930B (zh) | 一种融入时间和地理位置信息的地点推荐方法 | |
US11049199B2 (en) | Contextual trip itinerary generator | |
CN113590954A (zh) | 一种旅游景点智能匹配推荐方法、系统及计算机存储介质 | |
US20100088190A1 (en) | Method and system for determining travel destinations | |
US9609485B2 (en) | Predicting companion data types associated with a traveler at a geographic region including lodging | |
Nugroho | ASEAN tourism marketing communication attribute: An exploratory research at Goaseantv | |
Salazar | Hospitality trends: opportunities and challenges | |
CN109359287A (zh) | 交互式文化旅游景区景点在线推荐系统及方法 | |
Komsic et al. | Tourism destination competitiveness and online reputation: Conceptualization and literature framework analysis | |
CN109839120A (zh) | 行程规划方法、装置、介质及电子设备 | |
JP2022551773A (ja) | 宿のおすすめ装置及び方法 | |
Komšić et al. | Tourism destination competitiveness and online reputation: conceptualization and literature framework analysis. | |
Ge et al. | MPG: not so random exploration of a city | |
CN110781300A (zh) | 基于百度百科知识图谱的旅游资源文化特色评分算法 | |
Li et al. | Exploring personalized travel route using POIs | |
KR20200052786A (ko) | 소셜웨어 데이터를 이용한 사용자 별 라이프스타일 판별 및 관광지 추천 방법 및 시스템 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180501 |
|
RJ01 | Rejection of invention patent application after publication |