CN109446405A - 基于大数据的旅游产业推广方法及系统 - Google Patents
基于大数据的旅游产业推广方法及系统 Download PDFInfo
- Publication number
- CN109446405A CN109446405A CN201811064693.5A CN201811064693A CN109446405A CN 109446405 A CN109446405 A CN 109446405A CN 201811064693 A CN201811064693 A CN 201811064693A CN 109446405 A CN109446405 A CN 109446405A
- Authority
- CN
- China
- Prior art keywords
- travel industry
- isomery
- information
- big data
- promotion method
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 53
- 238000004458 analytical method Methods 0.000 claims abstract description 26
- 230000008451 emotion Effects 0.000 claims abstract description 25
- 238000012512 characterization method Methods 0.000 claims abstract description 15
- 238000012545 processing Methods 0.000 claims abstract description 14
- 230000006399 behavior Effects 0.000 claims description 16
- 230000019771 cognition Effects 0.000 claims description 12
- 238000000605 extraction Methods 0.000 claims description 11
- 238000013528 artificial neural network Methods 0.000 claims description 10
- 238000005516 engineering process Methods 0.000 claims description 10
- 230000007787 long-term memory Effects 0.000 claims description 10
- 238000013135 deep learning Methods 0.000 claims description 9
- 230000004927 fusion Effects 0.000 claims description 9
- 238000011156 evaluation Methods 0.000 claims description 8
- 230000008569 process Effects 0.000 claims description 6
- 238000004088 simulation Methods 0.000 claims description 6
- 206010028916 Neologism Diseases 0.000 claims description 3
- 230000001149 cognitive effect Effects 0.000 claims description 3
- 238000006317 isomerization reaction Methods 0.000 claims description 3
- 238000012360 testing method Methods 0.000 claims description 3
- 230000004069 differentiation Effects 0.000 abstract description 3
- 230000006870 function Effects 0.000 description 4
- 239000011159 matrix material Substances 0.000 description 4
- 230000004913 activation Effects 0.000 description 3
- 210000004027 cell Anatomy 0.000 description 3
- 238000013527 convolutional neural network Methods 0.000 description 3
- 238000007405 data analysis Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 230000000306 recurrent effect Effects 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000015654 memory Effects 0.000 description 2
- 230000006403 short-term memory Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000000151 deposition Methods 0.000 description 1
- 230000008034 disappearance Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 238000004880 explosion Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 210000002569 neuron Anatomy 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/30—Semantic analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
- G06F40/284—Lexical analysis, e.g. tokenisation or collocates
-
- 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
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0282—Rating or review of business operators or products
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/14—Travel agencies
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Finance (AREA)
- Audiology, Speech & Language Pathology (AREA)
- General Business, Economics & Management (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- Accounting & Taxation (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Human Resources & Organizations (AREA)
- Primary Health Care (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明涉及一种基于大数据的旅游产业推广方法及系统,包括:对特定区域内关于旅游产业的异构跨媒体信息进行采集;对异构跨媒体信息进行浅层分析处理,得到多个标准词汇;对各标准词汇进行语义解析,得到针对互联网内容表征的情感及观点;根据情感及观点,分析网络信息所体现的对对各旅游产业的舆论倾向;根据舆论倾向,调整对应旅游产业的推广方案。本发明通过对特定区域内关于旅游产业的异构跨媒体信息进行采集,进而通过对异构跨媒体信息进行浅层分析处理、语义解析,确定网络信息所体现的对各旅游产业的舆论倾向,从而可在大量数据中发现用户的消费偏好和需求,进而确定个性化、差异化的旅游产业推广方案,提高推广的精准度。
Description
技术领域
本发明涉及数据分析技术领域,特别涉及一种基于大数据的旅游产业推广方法及系统。
背景技术
根据世界旅游城市联合会《世界旅游经济趋势报告(2017)》,2017年全球旅游总人次和全球旅游总收入将分别增长7.5%和4.2%,达到113亿人次和5.39万亿美元;旅游经济对世界GDP增长的贡献率将达到5.87%,对发达经济体GDP增长的贡献率将达10.13%,对新兴经济体GDP增长的贡献率将为4.52%。全球旅游经济增速继续领先于全球经济增速,旅游产业已经成为世界经济发展的强大引擎。我国拥有丰富的旅游资源,从全国乃至全球吸引游客、技术、资金、人才资源,大力发展旅游产业,“让旅游走进来,让文化走出去,让旅游走出去,让红利走进来”对于促进我国旅游地经济发展和产业结构优化升级具有突出意义。
目前的旅游消费模式已由卖方市场转向买方市场,旅游方式也由传统的观光旅游模式转向观光、休闲、度假、户外健身等多元化旅游模式,旅游需求更加个性化、多元化,以游客需求为导向是旅游业发展的驱动力。
但是由于目前无法有效确定游客的需求、喜好等,从而导致无法及时、准确的为游客安排观光旅游路线等,即使得旅游景点推广的投放精准差。
发明内容
为了解决现有技术中的上述问题,即为了解决旅游景点推广的投放精准度,本发明提供了一种基于大数据的旅游产业推广方法及系统。
为解决上述技术问题,本发明提供了如下方案:
一种基于大数据的旅游产业推广方法,所述旅游产业推广方法包括:
对特定区域内关于旅游产业的异构跨媒体信息进行采集;
对异构跨媒体信息进行浅层分析处理,得到多个标准词汇;
对各所述标准词汇进行语义解析,得到针对互联网内容表征的情感及观点;
根据针对互联网内容表征的情感及观点,分析网络信息所体现的对各旅游产业的舆论倾向;
根据所述舆论倾向,调整对应旅游产业的推广方案。
可选的,所述对异构跨媒体信息进行浅层分析处理,得到多个标准词汇,具体包括:
基于深度学习方法,依次对所述异构跨媒体信息进行跨模态数据的特征提取、概念融合与联合语义分析;
根据提取的特征和/或语义分析结果,得到多个标准词汇。
可选的,所述基于深度学习方法,依次对所述异构跨媒体信息进行跨模态数据的特征提取、概念融合与联合语义分析,具体包括:
针对大规模、多源、异构化流数据信息,整合文本信息与动态网络结构特征,得到整合信息;
基于所述整合信息,在线获取群众对对应事件、话题的言论、态度,进行概念融合;
根据所述概念融合,基于认知计算构建知识表示框架,建立动力学模型,所述动力学模型为概念层级构建模型、推理规则及高层认知结构表示;
根据所述动力学模型,进行特征提取和语义分析。
可选的,所述建立动力学模型,具体包括:
采用随机自动机、隐马尔科夫模型等概率序列模型对个体网民行为进行建模,得到动力学模型;和/或
基于智能体模拟方法,对社会群体的网民的行为进行建模,得到动力学模型。
可选的,所述对各所述标准词汇进行语义解析,得到针对互联网内容表征的情感及观点,具体包括:
根据所述标准词汇确定各标准词对应的情感词组;
根据各所述情感词组所述情感新词,实现网民情感分析;
根据情感分析结果,通过构架分类器,确定网民的观点和态度。
可选的,所述旅游产业推广方法还包括:
根据互联网中节点属性和网络结构特征,分析各旅游产业的影响力,以修正对应旅游产业的推广方案。
可选的,所述根据互联网中节点属性和网络结构特征,分析各旅游产业的影响力,具体包括:
基于层次分析法,融合专家智慧,构建旅游资源的国际影响力评估指标体系;
根据互联网中节点属性和网络结构特征,以所述旅游资源的国际影响力评估指标体系为基础,构建国际认知度模型;
基于国际认知度模型,并融合深度学习技术,通过解析和计算,确定旅游资源产业的国际影响力最大化策略。
可选的,所述根据所述舆论倾向,调整对应旅游产业的推广方案,具体包括:
融合网络标签、网络结构、网民行为,确定场景信息;
根据所述场景信息,采用基于长短期记忆神经网络和张量分解的技术方法,架构实现智能推荐算法模型,解决数据稀疏性和冷启动问题;
根据所述舆论倾向及智能推荐模型进行仿真测试,整合多种在线营销模式,得到针对不同的目标群体生成不同的集成营销策略推广方案。
可选的,所述根据所述舆论倾向,调整对应旅游产业的推广方案,还包括:
对所述推广方法进行模拟评估;
根据评估的结果,调整所述推广方案。
为解决上述技术问题,本发明还提供了如下方案:
一种基于大数据的旅游产业推广系统,所述旅游产业推广系统包括:
信息采集单元,用于对特定区域内关于旅游产业的异构跨媒体信息进行采集;
浅层分析单元,用于对异构跨媒体信息进行浅层分析处理,得到多个标准词汇;
语义解析单元,用于对各所述标准词汇进行语义解析,得到针对互联网内容表征的情感及观点;
倾向分析单元,用于根据针对互联网内容表征的情感及观点,分析网络信息所体现的对各旅游产业的舆论倾向;
方案调整单元,用于根据所述舆论倾向,调整对应旅游产业的推广方案。
根据本发明的实施例,本发明公开了以下技术效果:
本发明通过对特定区域内关于旅游产业的异构跨媒体信息进行采集,进而通过对异构跨媒体信息进行浅层分析处理、语义解析,确定网络信息所体现的对各旅游产业的舆论倾向,从而可在大量数据中发现用户的消费偏好和需求,进而确定个性化、差异化的旅游产业推广方案,提高推广的精准度。
附图说明
图1是本发明基于大数据的旅游产业推广方法的流程图;
图2是本发明基于大数据的旅游产业推广方法的实施例示意图;
图3是本发明基于大数据的旅游产业推广系统的模块结构示意图。
符号说明:
信息采集单元—1,浅层分析单元—2,语义解析单元—3,倾向分析单元—4,方案调整单元—5。
具体实施方式
下面参照附图来描述本发明的优选实施方式。本领域技术人员应当理解的是,这些实施方式仅仅用于解释本发明的技术原理,并非旨在限制本发明的保护范围。
本发明的目的是提供一种基于大数据的旅游产业推广方法,通过对特定区域内关于旅游产业的异构跨媒体信息进行采集,进而通过对异构跨媒体信息进行浅层分析处理、语义解析,确定网络信息所体现的对各旅游产业的舆论倾向,从而可在大量数据中发现用户的消费偏好和需求,进而确定个性化、差异化的旅游产业推广方案,提高推广的精准度。
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
如图1所示,本发明基于大数据的旅游产业推广方法包括:
步骤100:对特定区域内关于旅游产业的异构跨媒体信息进行采集。
其中,特定区域可为全球范围、某个国家或者地区。
其中,所述异构跨媒体信息的来源为社交平台、新闻媒体、论坛、电视台、广播电台中至少一者。
步骤200:对异构跨媒体信息进行浅层分析处理,得到多个标准词汇。
步骤300:对各所述标准词汇进行语义解析,得到针对互联网内容表征的情感及观点。
步骤400:根据针对互联网内容表征的情感及观点,分析网络信息所体现的对各旅游产业的舆论倾向。
步骤500:根据所述舆论倾向,调整对应旅游产业的推广方案。
其中,在步骤200中,所述对异构跨媒体信息进行浅层分析处理,得到多个标准词汇,具体包括:
步骤201:基于深度学习方法,依次对所述异构跨媒体信息进行跨模态数据的特征提取、概念融合与联合语义分析;
步骤202:根据提取的特征和/或语义分析结果,得到多个标准词汇。
进一步地,在步骤201中(如图2所示),所述基于深度学习方法,依次对所述异构跨媒体信息进行跨模态数据的特征提取、概念融合与联合语义分析,具体包括:
步骤201a:针对大规模、多源、异构化流数据信息,整合文本信息与动态网络结构特征,得到整合信息。
步骤201b:基于所述整合信息,在线获取群众对对应事件、话题的言论、态度,进行概念融合。
步骤201c:根据所述概念融合,基于认知计算构建知识表示框架,建立动力学模型。
步骤201d:根据所述动力学模型,进行特征提取和语义分析。
其中,所述动力学模型为概念层级构建模型、推理规则及高层认知结构表示。所述建立动力学模型,具体包括:
采用随机自动机、隐马尔科夫模型等概率序列模型对个体网民行为进行建模,得到动力学模型;和/或基于智能体模拟方法,对社会群体的网民的行为进行建模,得到动力学模型。
网民群体行为研究重点研究动态社会群体的识别方法,构建多种动态社会群体行为预测模型;分析动态社会群体社会接触网络的拓扑结构特征,实现网络关键节点动态挖掘技术(关键节点可选为精准营销的初始种子),探索动态社会群体的演化规律,实现对动态社会群体社区的智能化监控技术;基于动态社会群体行为信息库,构建领域知识驱动的动态社会群体行为模型,挖掘影响动态社会群体行为的可操作知识。
除群体社会行为建模外,还对网民心理与行为进行综合分析,结合心理地理信息系统中的区域特征指标体系,实现实时动态的情感分析、计算,为实现旅游项目的精准营销提供基础。
在步骤202中,所述对各所述标准词汇进行语义解析,得到针对互联网内容表征的情感及观点,具体包括:
步骤202a:根据所述标准词汇确定各标准词对应的情感词组。
步骤202b:根据各所述情感词组所述情感新词,实现网民情感分析。
步骤202c:根据情感分析结果,通过构架分类器,确定网民的观点和态度。
在步骤500中,所述根据所述舆论倾向,调整对应旅游产业的推广方案,具体包括:
步骤501:融合网络标签、网络结构、网民行为,确定场景信息。
步骤502:根据所述场景信息,采用基于长短期记忆神经网络和张量分解的技术方法,架构实现智能推荐算法模型,解决数据稀疏性和冷启动问题。
步骤503:根据所述舆论倾向及智能推荐模型进行仿真测试,整合多种在线营销模式,得到针对不同的目标群体生成不同的集成营销策略推广方案。
步骤504:对所述推广方法进行模拟评估。
步骤505:根据评估的结果,调整所述推广方案。
智能推荐模型采用智能推荐算法,所述智能推荐算法可以采用目前流行的长短期记忆神经网络(Long short term memory,LSTM)。LSTM是一个简单的递归神经网络,可以用作建筑组件或者(隐藏层的)块,以用于最终更大的递归神经网络。长短期记忆模块本身就是一个经常性网络,因为它包含类似于传统递归神经网络中的连接的经常性连接。长短期记忆模块由四个主要部分组成:一个细胞元,一个输入门,一个输出门和一个忘记门。单元格负责在任意时间间隔内“记住”值;因此长短期记忆中的“记忆”一词。三个门中的每一个都可以被认为是一个“传统的”人工神经元,就像在一个多层(或前馈)神经网络中那样:也就是说,他们计算一个加权和的激活(使用激活函数)。直觉上,他们可以被认为是通过长短期记忆连接的价值流的监管者;因此被称为“门”。这些门和小区之间有连接。一些连接是经常性的,其中一些不是。
长期短期的表述是指长短期记忆是可以持续很长一段时间的短期记忆模型。不同类型的模型,它们在组件或连接上有所不同。长短期记忆非常适合对重要事件之间的时间序列进行分类,处理和预测未知大小和持续时间的时滞。在训练传统循环神经网络时,加入了其独特的处理爆炸和消失梯度问题且对间隙长度的相对不敏感性给长短期记忆带来了优势,在许多应用中相对于替代的循环神经网络,隐马尔可夫模型和其他序列学习方法。具体地说,这一方法使先前的信息与当前的任务得以联系,并使计算机可以处理输入和输出是不同长度序列这一类问题。对于t时刻的输入xt,可以通过以下的公式基于ht-1和xt连续地计算以下的变量:
其中,σ是元素级别的逻辑sigmoid函数,tanh是反三角函数,⊙是元素对应项乘法。Wxf、Whf、Wxi、Whi、Wxg、Whg分别表示门的权值矩阵中对应行列的元素,bf表示门的权值矩阵的第f列对应的斜率,bi表示门的权值矩阵的第i列对应的斜率,bg表示门的权值矩阵的第g列对应的斜率,ft,it和ot分别是遗忘门,输入门和输出门的输出。ct是细胞元状态值,ht是隐藏状态值,gt是计算新的ct的候选值。
优选地,本发明基于大数据的旅游产业推广方法还包括:
步骤600:根据互联网中节点属性和网络结构特征,分析各旅游产业的影响力,以修正对应旅游产业的推广方案。
其中,在步骤600中,所述根据互联网中节点属性和网络结构特征,分析各旅游产业的影响力,具体包括:
步骤601:基于层次分析法(Analytic Hierarchy Process,简称AHP),融合专家智慧,构建旅游资源的国际影响力评估指标体系;
步骤602:根据互联网中节点属性和网络结构特征,以所述旅游资源的国际影响力评估指标体系为基础,构建国际认知度模型;
步骤603:基于国际认知度模型,并融合深度学习技术,通过解析和计算,确定旅游资源产业的国际影响力最大化策略。
本发明基于AHP层次分析法,融合专家智慧,构建旅游资源的国际影响力评估指标体系,并以其为基础,构建国际认知度模型。进而基于微分博弈框架,并融合深度学习技术,以解析和计算两种形式提供中国旅游资源国际影响力最大化策略。
该层次分析主要算法为卷积神经网络(Convolutional Neural Network,CNN)。一个卷积网络由多层构成,卷积网络的每一层通过不同的可微函数将一堆激励的转换成另一堆激励。本发明用输入层,池化层卷积层以及RELU层和全连接层的堆叠来形成一个完整的卷积网络架构。过程如下:
输入层:输入形式应为三维矩阵形式
卷积层:每一层卷积层基于某一个小区域之间的点积的结果计算它们的权重。
RELU层:RELU层通过激活函数,例如零阈值函数max(0,x),完成数据转换,得到的数据结构大小不变。
池化层:池化层将沿着空间维度(宽度,高度)执行下采样操作,合并某一些卷积层得到的结果。
全连接层:全连接层将计算类分数,其中每个数字对应于一个类的分数。
本发明基于大数据的旅游产业推广方法通过对特定区域内异构跨媒体信息的感知和采集,通过人工智能方法和大数据分析技术对移动互联网环境下的媒体内容进行深度融合与理解,构建一套中国旅游产业国际认知度评估指标体系,研究旅游景区在国际范围的认知度(包括提及度、正负面情感倾向、观点、态度等),推出一套实时动态的中国旅游资源影响力排行榜。以此为基础,面向社交媒体和移动新媒体分析中国旅游文化在国际上传播和扩散的机理,以影响力动态博弈为框架,以海量用户属性和行为大数据为基础总结归纳多文化并存情况下面向全球的旅游产业精准营销策略,并通过计算模拟手段对沿线旅游项目在国际上的营销推广策略进行推演评估和优化。
此外,本发明还提供一种基于大数据的旅游产业推广系统,可提高旅游景点推广的投放精准度。
如图3所示,本发明基于大数据的旅游产业推广系统包括信息采集单元1、浅层分析单元2、语义解析单元3、倾向分析单元4及方案调整单元5。
其中,所述信息采集单元1用于对特定区域内关于旅游产业的异构跨媒体信息进行采集。所述异构跨媒体信息的来源为社交平台、新闻媒体、论坛、电视台、广播电台中至少一者;
所述浅层分析单元2用于对异构跨媒体信息进行浅层分析处理,得到多个标准词汇。
所述语义解析单元3用于对各所述标准词汇进行语义解析,得到针对互联网内容表征的情感及观点。
所述倾向分析单元4用于根据针对互联网内容表征的情感及观点,分析网络信息所体现的对各旅游产业的舆论倾向。
所述方案调整单元5用于根据所述舆论倾向,调整对应旅游产业的推广方案。
相对于现有技术,本发明基于大数据的旅游产业推广系统与上述基于大数据的旅游产业推广方法的有益效果相同,在此不再赘述。
至此,已经结合附图所示的优选实施方式描述了本发明的技术方案,但是,本领域技术人员容易理解的是,本发明的保护范围显然不局限于这些具体实施方式。在不偏离本发明的原理的前提下,本领域技术人员可以对相关技术特征作出等同的更改或替换,这些更改或替换之后的技术方案都将落入本发明的保护范围之内。
Claims (10)
1.一种基于大数据的旅游产业推广方法,其特征在于,所述旅游产业推广方法包括:
对特定区域内关于旅游产业的异构跨媒体信息进行采集;
对异构跨媒体信息进行浅层分析处理,得到多个标准词汇;
对各所述标准词汇进行语义解析,得到针对互联网内容表征的情感及观点;
根据针对互联网内容表征的情感及观点,分析网络信息所体现的对各旅游产业的舆论倾向;
根据所述舆论倾向,调整对应旅游产业的推广方案。
2.根据权利要求1所述的基于大数据的旅游产业推广方法,其特征在于,所述对异构跨媒体信息进行浅层分析处理,得到多个标准词汇,具体包括:
基于深度学习方法,依次对所述异构跨媒体信息进行跨模态数据的特征提取、概念融合与联合语义分析;
根据提取的特征和/或语义分析结果,得到多个标准词汇。
3.根据权利要求2所述的基于大数据的旅游产业推广方法,其特征在于,所述基于深度学习方法,依次对所述异构跨媒体信息进行跨模态数据的特征提取、概念融合与联合语义分析,具体包括:
针对大规模、多源、异构化流数据信息,整合文本信息与动态网络结构特征,得到整合信息;
基于所述整合信息,在线获取群众对对应事件、话题的言论、态度,进行概念融合;
根据所述概念融合,基于认知计算构建知识表示框架,建立动力学模型,所述动力学模型为概念层级构建模型、推理规则及高层认知结构表示;
根据所述动力学模型,进行特征提取和语义分析。
4.根据权利要求3所述的基于大数据的旅游产业推广方法,其特征在于,所述建立动力学模型,具体包括:
采用随机自动机、隐马尔科夫模型等概率序列模型对个体网民行为进行建模,得到动力学模型;和/或
基于智能体模拟方法,对社会群体的网民的行为进行建模,得到动力学模型。
5.根据权利要求1所述的基于大数据的旅游产业推广方法,其特征在于,所述对各所述标准词汇进行语义解析,得到针对互联网内容表征的情感及观点,具体包括:
根据所述标准词汇确定各标准词对应的情感词组;
根据各所述情感词组所述情感新词,实现网民情感分析;
根据情感分析结果,通过构架分类器,确定网民的观点和态度。
6.根据权利要求1所述的基于大数据的旅游产业推广方法,其特征在于,所述旅游产业推广方法还包括:
根据互联网中节点属性和网络结构特征,分析各旅游产业的影响力,以修正对应旅游产业的推广方案。
7.根据权力要求6所述的基于大数据的旅游产业推广方法,其特征在于,所述根据互联网中节点属性和网络结构特征,分析各旅游产业的影响力,具体包括:
基于层次分析法,融合专家智慧,构建旅游资源的国际影响力评估指标体系;
根据互联网中节点属性和网络结构特征,以所述旅游资源的国际影响力评估指标体系为基础,构建国际认知度模型;
基于国际认知度模型,并融合深度学习技术,通过解析和计算,确定旅游资源产业的国际影响力最大化策略。
8.根据权力要求1-7中任一项所述的基于大数据的旅游产业推广方法,其特征在于,所述根据所述舆论倾向,调整对应旅游产业的推广方案,具体包括:
融合网络标签、网络结构、网民行为,确定场景信息;
根据所述场景信息,采用基于长短期记忆神经网络和张量分解的技术方法,架构实现智能推荐算法模型,解决数据稀疏性和冷启动问题;
根据所述舆论倾向及智能推荐模型进行仿真测试,整合多种在线营销模式,得到针对不同的目标群体生成不同的集成营销策略推广方案。
9.根据权力要求8所述的基于大数据的旅游产业推广方法,其特征在于,所述根据所述舆论倾向,调整对应旅游产业的推广方案,还包括:
对所述推广方法进行模拟评估;
根据评估的结果,调整所述推广方案。
10.一种基于大数据的旅游产业推广系统,其特征在于,所述旅游产业推广系统包括:
信息采集单元,用于对特定区域内关于旅游产业的异构跨媒体信息进行采集;
浅层分析单元,用于对异构跨媒体信息进行浅层分析处理,得到多个标准词汇;
语义解析单元,用于对各所述标准词汇进行语义解析,得到针对互联网内容表征的情感及观点;
倾向分析单元,用于根据针对互联网内容表征的情感及观点,分析网络信息所体现的对各旅游产业的舆论倾向;
方案调整单元,用于根据所述舆论倾向,调整对应旅游产业的推广方案。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811064693.5A CN109446405B (zh) | 2018-09-12 | 2018-09-12 | 基于大数据的旅游产业推广方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811064693.5A CN109446405B (zh) | 2018-09-12 | 2018-09-12 | 基于大数据的旅游产业推广方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109446405A true CN109446405A (zh) | 2019-03-08 |
CN109446405B CN109446405B (zh) | 2021-04-30 |
Family
ID=65532838
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811064693.5A Active CN109446405B (zh) | 2018-09-12 | 2018-09-12 | 基于大数据的旅游产业推广方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109446405B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110942337A (zh) * | 2019-10-31 | 2020-03-31 | 天津中科智能识别产业技术研究院有限公司 | 一种基于互联网大数据的精准旅游营销方法 |
CN111476622A (zh) * | 2019-11-21 | 2020-07-31 | 北京沃东天骏信息技术有限公司 | 一种物品推送方法及装置、计算机可读存储介质 |
CN114781400A (zh) * | 2022-06-17 | 2022-07-22 | 之江实验室 | 一种跨媒体知识语义表达方法和装置 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030078790A1 (en) * | 2001-10-19 | 2003-04-24 | O'donovan David C. | Method of increasing awareness of and interest in literacy by display of statue-size book replicas |
CN101464983A (zh) * | 2007-12-18 | 2009-06-24 | 汤溪蔚 | 一种电子商务应用方法及其系统 |
US20120271844A1 (en) * | 2011-04-20 | 2012-10-25 | Microsoft Corporation | Providng relevant information for a term in a user message |
CN103235818A (zh) * | 2013-04-27 | 2013-08-07 | 北京百度网讯科技有限公司 | 一种基于网页情感倾向性的信息推送方法和装置 |
CN105183749A (zh) * | 2015-07-13 | 2015-12-23 | 北京奇虎科技有限公司 | 一种爬取推广内容并供搜索使用的方法和装置 |
CN107067230A (zh) * | 2017-04-12 | 2017-08-18 | 安徽有果信息技术服务有限公司 | 一种智能旅游大数据平台 |
CN107315778A (zh) * | 2017-05-31 | 2017-11-03 | 温州市鹿城区中津先进科技研究院 | 一种基于大数据情感分析的自然语言舆情分析方法 |
CN107967258A (zh) * | 2017-11-23 | 2018-04-27 | 广州艾媒数聚信息咨询股份有限公司 | 文本信息的情感分析方法和系统 |
CN108108454A (zh) * | 2017-12-28 | 2018-06-01 | 中译语通科技(青岛)有限公司 | 一种基于多语种舆情分析的旅游大数据系统 |
-
2018
- 2018-09-12 CN CN201811064693.5A patent/CN109446405B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030078790A1 (en) * | 2001-10-19 | 2003-04-24 | O'donovan David C. | Method of increasing awareness of and interest in literacy by display of statue-size book replicas |
CN101464983A (zh) * | 2007-12-18 | 2009-06-24 | 汤溪蔚 | 一种电子商务应用方法及其系统 |
US20120271844A1 (en) * | 2011-04-20 | 2012-10-25 | Microsoft Corporation | Providng relevant information for a term in a user message |
CN103235818A (zh) * | 2013-04-27 | 2013-08-07 | 北京百度网讯科技有限公司 | 一种基于网页情感倾向性的信息推送方法和装置 |
CN105183749A (zh) * | 2015-07-13 | 2015-12-23 | 北京奇虎科技有限公司 | 一种爬取推广内容并供搜索使用的方法和装置 |
CN107067230A (zh) * | 2017-04-12 | 2017-08-18 | 安徽有果信息技术服务有限公司 | 一种智能旅游大数据平台 |
CN107315778A (zh) * | 2017-05-31 | 2017-11-03 | 温州市鹿城区中津先进科技研究院 | 一种基于大数据情感分析的自然语言舆情分析方法 |
CN107967258A (zh) * | 2017-11-23 | 2018-04-27 | 广州艾媒数聚信息咨询股份有限公司 | 文本信息的情感分析方法和系统 |
CN108108454A (zh) * | 2017-12-28 | 2018-06-01 | 中译语通科技(青岛)有限公司 | 一种基于多语种舆情分析的旅游大数据系统 |
Non-Patent Citations (2)
Title |
---|
DONATELLA PRIVITERA: ""Tourist Valorisation of Urban Poverty: an Empirical Study on the Web"", 《TOURIST VALORISATION OF URBAN POVERTY: AN EMPIRICAL STUDY ON THE WEB》 * |
付业勤: ""旅游危机事件网络舆情研究:构成、机理与管控"", 《中国博士学位论文全文数据库 社会科学Ⅰ辑》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110942337A (zh) * | 2019-10-31 | 2020-03-31 | 天津中科智能识别产业技术研究院有限公司 | 一种基于互联网大数据的精准旅游营销方法 |
CN111476622A (zh) * | 2019-11-21 | 2020-07-31 | 北京沃东天骏信息技术有限公司 | 一种物品推送方法及装置、计算机可读存储介质 |
CN114781400A (zh) * | 2022-06-17 | 2022-07-22 | 之江实验室 | 一种跨媒体知识语义表达方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
CN109446405B (zh) | 2021-04-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108363690A (zh) | 基于神经网络的对话语义意图预测方法及学习训练方法 | |
CN110427490A (zh) | 一种基于自注意力机制的情感对话生成方法与装置 | |
CN109145112A (zh) | 一种基于全局信息注意力机制的商品评论分类方法 | |
Ren et al. | Crsal: Conversational recommender systems with adversarial learning | |
CN109753566A (zh) | 基于卷积神经网络的跨领域情感分析的模型训练方法 | |
Wen et al. | Dynamic interactive multiview memory network for emotion recognition in conversation | |
CN107357838A (zh) | 基于多任务学习的对话策略在线实现方法 | |
CN109446405A (zh) | 基于大数据的旅游产业推广方法及系统 | |
Wang et al. | A survey of hybrid human-artificial intelligence for social computing | |
CN107808168B (zh) | 一种基于强弱关系的社交网络用户行为预测方法 | |
Cabada et al. | Mining of educational opinions with deep learning | |
CN113360618A (zh) | 一种基于离线强化学习的智能机器人对话方法及系统 | |
Lee et al. | Sumbt+ larl: Effective multi-domain end-to-end neural task-oriented dialog system | |
CN112000793B (zh) | 一种面向人机交互的对话目标规划方法 | |
Li | A recommendation model for college English digital teaching resources using collaborative filtering and few-shot learning technology | |
Jiang et al. | A computational model of emotion based on audio‐visual stimuli understanding and personalized regulation with concurrency | |
CN115481316A (zh) | 一种多模型融合知识蒸馏推荐模型 | |
CN114048361A (zh) | 基于深度学习的众包软件开发者推荐方法 | |
Wang et al. | Sentiment Classification of Educational Tourism Reviews Based on Parallel CNN and LSTM with Attention Mechanism | |
CN114358364A (zh) | 一种基于注意力机制的短视频点击率大数据预估方法 | |
Li et al. | Personalized education resource recommendation method based on deep learning in intelligent educational robot environments | |
Praveena et al. | A Review on Deep Neural Network Design and Their Applications | |
Dong | Using deep learning and genetic algorithms for melody generation and optimization in music | |
Xu et al. | Memory attention neural network for multi-domain dialogue state tracking | |
Shi et al. | Design of personalized recommendation system for swimming teaching based on deep learning |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |