CN110222245B - 一种提示方法及装置 - Google Patents

一种提示方法及装置 Download PDF

Info

Publication number
CN110222245B
CN110222245B CN201910413463.3A CN201910413463A CN110222245B CN 110222245 B CN110222245 B CN 110222245B CN 201910413463 A CN201910413463 A CN 201910413463A CN 110222245 B CN110222245 B CN 110222245B
Authority
CN
China
Prior art keywords
target information
recommendation
list
user
recommended
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.)
Active
Application number
CN201910413463.3A
Other languages
English (en)
Other versions
CN110222245A (zh
Inventor
张新华
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Vivo Mobile Communication Co Ltd
Original Assignee
Vivo Mobile Communication Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Vivo Mobile Communication Co Ltd filed Critical Vivo Mobile Communication Co Ltd
Priority to CN201910413463.3A priority Critical patent/CN110222245B/zh
Publication of CN110222245A publication Critical patent/CN110222245A/zh
Application granted granted Critical
Publication of CN110222245B publication Critical patent/CN110222245B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G06F16/903—Querying
    • G06F16/9035—Filtering based on additional data, e.g. user or group profiles
    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/067—Enterprise or organisation modelling

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Theoretical Computer Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Development Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Educational Administration (AREA)
  • Marketing (AREA)
  • Databases & Information Systems (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供了一种提示方法及移动终端，属于通信技术领域。其中，所述提示方法包括：获取影响出行携带决策的目标信息，将所述目标信息输入至候选对象对应的推荐指数预测模型，得到所述候选对象的推荐指数，所述推荐指数预测模型通过针对所述候选对象的数据样本集训练得到，根据所述推荐指数向用户推送携带提示信息，所述携带提示信息包含推荐携带的一个或多个所述候选对象。通过上述方法，移动终端可以根据获取到的影响决策的目标信息向用户推送携带提示信息，帮助用户规划出行需要携带的行李物品，为用户出行带来了便利，改善了用户的出行体验。

Description

一种提示方法及装置
技术领域
本发明实施例涉及通信技术领域，尤其涉及一种提示方法及装置。
背景技术
日常生活中经常有出行的场景，出行前难免要收拾行李，但是由于考虑 不充分、个人记性不好、时间匆忙或者其他原因，有时人们会忘记携带一些 必需的物品或者会携带一些无法通过安检、海关等的不适宜携带的物品，这 些给人们的出行带来很多不便。
发明人在对现有技术的研究过程中发现，目前移动终端技术中，并没有 帮助用户规划出行需要携带的行李物品并提醒用户进行携带的功能，使得用 户可能会在出行中携带不合适的物品或忘记携带必需的物品，造成用户出行 的体验较差。
发明内容
本发明提供一种提示方法及装置，以便解决移动终端中没有帮助用户规 划出行需要携带的行李物品的功能，造成用户出行体验较差的问题。
为了解决上述技术问题，本发明是这样实现的：
第一方面，本发明实施例提供了一种提示方法，应用于移动终端，该方 法可以包括：
获取影响出行携带决策的目标信息；
将所述目标信息输入至候选对象对应的推荐指数预测模型，得到所述候 选对象的推荐指数；所述候选对象为待决策的出行是否携带的对象，所述推 荐指数预测模型通过针对所述候选对象的数据样本集训练得到；
根据所述推荐指数向用户推送携带提示信息，所述携带提示信息包含推 荐携带的一个或多个所述候选对象。
第二方面，本发明实施例提供了一种提示装置，应用于移动终端，该装 置可以包括：
目标信息获取模块，用于获取影响出行携带决策的目标信息；
推荐指数获取模块，用于将所述目标信息输入至候选对象对应的推荐指 数预测模型，得到所述候选对象的推荐指数；所述候选对象为待决策的出行 是否携带的对象，所述推荐指数预测模型通过针对所述候选对象的数据样本 集训练得到；
推送模块，用于根据所述推荐指数向用户推送携带提示信息，所述携带 提示信息包含推荐携带的一个或多个所述候选对象。
第三方面，本发明实施例提供了一种移动终端，包括处理器、存储器及 存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程 序被所述处理器执行时实现如第一方面所述的提示方法的步骤。
第四方面，本发明实施例提供了一种计算机可读存储介质，所述计算机 可读存储介质上存储计算机程序，所述计算机程序被处理器执行时实现如第 一方面所述的提示方法的步骤。
在本发明实施例中，移动终端可以获取影响出行携带决策的目标信息， 将所述目标信息输入至候选对象对应的推荐指数预测模型，得到所述候选对 象的推荐指数，根据所述推荐指数向用户推送携带提示信息，所述携带提示 信息包含推荐携带的一个或多个所述候选对象。通过上述方法，移动终端可 以根据获取到的影响决策的目标信息向用户推送携带提示信息，帮助用户规 划出行需要携带的行李物品，为用户出行带来了便利，改善了用户的出行体 验。
附图说明
图1是本发明实施例提供的提示方法的流程图之一；
图2是本发明实施例提供的提示方法的流程图之二；
图3是本发明实施例提供的提示装置的结构框图之一；
图4是本发明实施例提供的提示装置的结构框图之二；
图5为实现本发明各个实施例的一种移动终端的硬件结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行 清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是 全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创 造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
图1是本发明实施例提供的提示方法的流程图之一，该方法可以应用于 移动终端，该方法可以包括：
步骤101、获取影响出行携带决策的目标信息。
在本发明实施例中，移动终端首先获取用户的出行信息，再从出行信息 中获取影响行李携带的决策因素对应的目标信息。该决策因素可以包括目的 地、场景、出行方式、出行日期、天气、返程日期等；在上述决策因素对应 的目标信息中，目的地可以是目的国家和城市等信息，场景可以是回老家、 出差、旅游等信息，出行方式可以是飞机、高铁、公共汽车、自驾等，出行 日期为出发日期信息，天气为出行时间段内目的地城市的天气情况，返程日 期为返回出发地的日期信息。需要说明的是，上述决策因素包括的种类和各 决策因素包括的内容种类可以根据需求进行设置，本发明实施例不做具体限 定。
具体地，移动终端可以在用户购买车票或机票时，从车票或机票信息中 获取包括出行日期、目的地、出行方式等决策因素对应的目标信息。例如， 根据出行日期结合目的地，推断用户出行的场景是回老家、出差还是旅游等； 联网查询在对应的出行日期条件下，目的地的天气状况等，最终获得上述决 策因素对应的目标信息。例如，在决策因素为目的地、场景、出行方式、出 行日期、天气、返程日期的情况下，所述目标信息可以是：香港、出差、乘 飞机、5月5日、第一天小雨最高气温18℃，第二天多云最高气温25℃，第 三天晴天最高气温29℃、5月8日。
步骤102、将所述目标信息输入至候选对象对应的推荐指数预测模型， 得到所述候选对象的推荐指数，所述推荐指数预测模型通过针对所述候选对 象的数据样本集训练得到。
在本发明实施例中，候选对象是指待决策的出行是否携带的对象，候选 对象可以包括各种常用行李物品，例如：雨伞、充电宝、各种季节的衣物、 各种常备药品、各种洗漱用品、护肤用品等，每一单件物品为一个候选对象。 可以为候选对象逐个进行编码，从而标识出不同的候选对象，方便处理器进 行识别。例如，雨伞可以编码为001、充电宝可以编码为002等。通过预先 的对各候选对象的数据样本集的训练，得到每个候选对象对应的推荐指数预 测模型，该模型可以预测对应的候选物品在不同内容的目标信息下的推荐携 带指数。具体地，移动终端可以将目标信息同时输入至多个候选对象对应的 推荐指数预测模型，从而可以并行得到多个候选对象对应的推荐指数。
推荐指数一般是属于一段取值范围之间的数，表示一个候选对象适合作 为行李携带的指数。例如，推荐指数的取值范围可以为0-1，推荐指数越接 近于1，可以表示该候选对象越推荐携带，推荐指数越接近于0，可以表示 该候选对象越不推荐携带。
例如，将目标信息“香港、出差、乘飞机、5月5日、第一天小雨最高 气温18℃，第二天多云最高气温25℃，第三天晴天最高气温29℃、5月8 日”输入至“雨伞”这个候选对象对应的推荐指数预测模型，可以得到雨伞 的推荐指数；将上述目标信息输入至“短袖”这个候选对象对应的推荐指数 预测模型，可以得到短袖的推荐指数。
步骤103、根据所述推荐指数向用户推送携带提示信息，所述携带提示 信息包含推荐携带的一个或多个所述候选对象。
在本发明实施例中，移动终端根据候选对象对应的推荐指数，选取推荐 指数较高的候选对象，和/或，推荐指数较低的候选对象，向用户推送携带提 示信息。用户根据携带提示信息，可以知道哪些行李物品推荐携带，哪些行 李物品不推荐携带，进而方便用户规划出行携带的行李物品，减少了用户整 理行李物品的用时，也降低了用户携带不合适的行李物品的可能性，为用户 出行带来了便利。
综上所述，在本发明实施例中，移动终端可以获取影响出行携带决策的 目标信息，将所述目标信息输入至候选对象对应的推荐指数预测模型，得到 所述候选对象的推荐指数，根据所述推荐指数向用户推送携带提示信息，所 述携带提示信息包含推荐携带的一个或多个所述候选对象。通过上述方法， 移动终端可以根据获取到的影响决策的目标信息向用户推送携带提示信息， 帮助用户规划出行需要携带的行李物品，为用户出行带来了便利。
图2是本发明实施例提供的提示方法的流程图之二，该方法可以包括：
步骤201、获取待训练的推荐指数预测模型，并初始化所述待训练的推 荐指数预测模型的参数，所述推荐指数预测模型由多棵模型树组成。
在本发明实施例中，可以预先对候选对象对应的推荐指数预测模型进行 训练。步骤201-步骤205为推荐指数预测模型训练的方法过程。
首先需要选取推荐指数预测模型，可以选取基于模型树算法的初始模型， 该初始模型由多个模型树组成；然后预设推荐指数预测模型参数，该参数可 以包括学习率、模型个数、训练样本占总模型样本的比例等。每种候选对象 对应一个推荐指数预测模型，可以根据选取的候选对象个数确定需要训练的 推荐指数预测模型个数。
步骤202、通过所述目标信息样本训练所述推荐指数预测模型的第一棵 模型树。
在本发明实施例中，数据样本集中每个数据样本包括：目标信息样本， 而在目标信息样本中包括推荐指数样本值。其中，目标信息样本包括在限定 的决策因素种类下包括的出行信息内容。所述决策因素可以根据实际需求进 行设置，可以将尽可能多的影响行李决策的因素作为决策因素，并且尽可能 全面的获取每一种决策因素对应的目标信息内容。例如，可以尽可能全面的 获取世界上各个城市信息作为目的地这个决策因素对应的目标信息内容，尽 可能全面的获取各种出行方式作为出行方式这个决策因素对应的目标信息内容，以使目标信息样本涵盖尽可能多的样本信息。例如，例如，在决策因 素种类为目的地、场景、出行方式、出行日期、天气、返程日期的情况下， 所述目标信息样本可以是：香港、出差、乘飞机、5月5日、第一天小雨最 高气温18℃，第二天多云最高气温25℃，第三天晴天最高气温29℃、5月8 日。
所述推荐指数样本值表示在目标信息样本限定的条件下是否推荐携带 所述候选对象。其中，可以设置若推荐携带某件候选对象，则该候选对象的 推荐指数样本值为1，若不推荐携带某件候选对象，则该候选对象的推荐指 数样本值为0。例如，在上述目标信息样本限定的条件下，对于雨伞这个候 选对象，是推荐携带的，可以设置雨伞的推荐指数样本值为1；对于棉衣这 个候选对象，是不推荐携带的，可以设置棉衣的推荐指数样本值为0。可以 理解，推荐指数样本值的取值可以根据实际应用而定，本发明实施例对此不 做具体限定。
在具体实施中，首先统计人们出行的常见行李物品作为候选对象，生成 常见候选对象库Q，其中共包含M件候选对象，每件候选对象记为Qj。可 以选取目的地、场景、出行方式、天气、出行时间等作为决策因素，将在每 种决策因素下，对应的目标信息类型记为xi，其中，i＝1,2,…,I。例如，在出 行方式决策因素下，xi可以取飞机、火车、高铁、自驾等；将某件候选对象 在某种目标信息类型xi下对应的推荐值用yi来表示，可以设yi∈[0,1]。例如， 护照在场景为出国的情况下为必带物品，yi取1，打火机在出行方式为飞机 的情况下不能带，yi取0。
设候选对象Qj在各种决策因素下的样本集为Tj，则Tj可以用式(1)来 表示：
Tj＝{(xi,1,xi,2,...,xi,n,yi)},(yi∈[0,1],n＝1,2,…,N,j＝1,2,…J) (1)
其中，xi,1,xi,2,...,xi,n分别为第i个目标信息样本中n种不同的决策因素， yi为上述第i个目标信息样本中n种决策因素对应的候选对象的推荐值，i 最大值为目标信息样本的总数目，N为决策因素的总数目；J为候选对象库 Q中包含的候选对象的数目。对于某一种决策因素，若xi,1,xi,2,...,xi,n中有一种 决策因素可以直接确定该候选对象的推荐值，则认为其他决策因素对应的推 荐值对最终的推荐指数的影响效果为无效，具体地，其他决策因素取任意值， 该候选对象的推荐指数样本值均仅取决于该决策因素。例如，对于打火机这 种候选对象，若第一项表示出行方式，则其中一个目标信息样本为(001，…,0)， 其中，001可以表示出行方式为飞机，在该出行方式下不推荐携带打火机， 若002可以表示出行方式为火车，003可以表示出行方式为高铁，则，还可 以构造目标信息样本(002,…,1),(003,…,1)；若011可以表示天气为晴，012 可以表示天气为多云，013可以表示天气为阴，则还可以构造目标信息样本 (001,011,…,0)(001,012,…,0),(001,013,…,0),(002,011,…,1),(003,011,…,1),(002, 012,…,1),(003,012,…,1),(002,013,…,1),(003,013,…,1)，若021可以表示出行 场景为出差，022可以表示出行场景为回老家，023可以表示出行场景为旅 游，则还可以构造目标信息样本如下：
(001,011,021,…,0),(001,012,021,…,0),(001,013,021,…,0),(001,011,022,…, 0),(001,012,022,…,0),(001,013,022,…,0),(001,011,023,…,0),(001,012,023,…,0), (001,013,023,…,0),(002,011,021,…,1),(003,011,021,…,1),(002,012,021,…,1),(0 03,012,021,…,1),(002,013,021,…,1),(003,013,021,…,1),(002,011,022,…,1),(003 ,011,022,…,1),(002,012,022,…,1),(003,012,022,…,1),(002,013,022,…,1),(003,0 13,022,…,1),(002,011,023,…,1),(003,011,023,…,1),(002,012,023,…,1),(003,012 ,023,…,1),(002,013,023,…,1),(003,013,023,…,1)。
在目标信息样本中，打火机在出行方式为飞机的情况下不能带，则出行 方式为飞机的情况下推荐值为0，其他出行方式对应的推荐值为1，所以出 行方式这种决策因素可以直接确定打火机的推荐值，则将其他决策因素，例 如天气、出行场景等对应的推荐值置为空。
基于式(1)建立目标信息样本，该目标信息样本中的每一个样本包括 各种决策因素对应的目标信息及在该目标信息下对应的推荐指数样本值。通 过所述目标信息样本训练推荐指数预测模型的第一棵模型树。
使用GBDT(Gradient Boosting Decision Tree，梯度提升模型树)算法，通 过目标信息样本训练第一棵模型树。具体地，将样本集Tj输入第一棵模型树， 进行多次迭代训练，计算第一棵模型树与所有决策因素的信息增益，并据此 生成第一棵模型树上的预测函数f1(X)＝Tj(X；Θ1)，第一棵模型树上的预测函 数即为第一棵回归树Tj(X；Θ1)，Θ1表示第一棵回归树的参数。
步骤203、在训练其余每个模型树之前，根据上一棵模型树对应的预测 函数计算每个目标信息样本对应的预测值。
在本发明实施例中，将上一颗模型树对应的预测函数记为fk-1(X)，从而 可以将每个目标样本的xi,1,xi,2,...,xi,n输入至fk-1(X)中，得到预测值，其中， xi,1,xi,2,...,xi,n作为输入向量X的每项。
步骤204、针对每个目标信息样本，计算所述预测值与推荐指数样本值 的差值，并将所述目标信息样本中的推荐指数样本值更新为所述差值。
在本发明实施例中，在训练每一棵模型树时，针对每个目标信息样本， 计算预测值与推荐指数样本值之间的差值，并将所述目标信息样本中的推荐 指数样本值更新为所述差值。
例如，计算第k-1棵模型树输出的预测值与第k-1棵模型树训练时采用 的推荐指数样本值之间的差值，将其作为该目标信息样本新的推荐指数样本 值
步骤205、通过更新所述推荐指数样本值之后的目标信息样本训练所述 其余每棵模型树，得到推荐指数预测模型。
可以理解，上一棵模型树的预测值和样本值之间的差值作为下一棵模型 树的目标值，以指导下一棵模型树的训练。
在实际应用中，每棵回归树需要大量目标信息样本进行训练，在所有样 本的损失值小于预设损失值阈值时，该棵模型树训练完成，此时将上一棵模 型树的预测函数与当前回归树相加得到新的预测函数。
例如，根据第一棵模型树的预测函数f1(X)和第一棵回归树Tj(x；Θ1)得到 第二棵模型树的预测函数：f2(X)＝f1(X)+Tj(x；Θ1)。
类似的，可以基于上一棵模型树的预测函数fk-1(X)和回归树函数 Tj(x；Θk-1)建立下一棵模型树的预测函数fk(X)，如式(2)所示：
fk(X)＝fk-1(X)+Tj(X；Θk-1) (2)
其中，损失值可以采用均方差，或其他损失函数，本发明实施例对其不 加以限制。
在本发明实施例中，每棵回归树对应一种类型的决策因素与推荐指数的 关系，从而得到所有类型的决策因素与推荐指数的关系对应的回归树之后， 将所有回归树函数相加得到推荐指数预测模型，如公式(3)所示：
Figure BDA0002063572050000091
其中，f(X)为候选对象Qj在各种目标信息类型下的推荐指数，K为回归 树的个数，也即决策因素的类型数目。
训练完成后，将不同的目标信息输入推荐指数预测模型f(X)，可以得到 每个目标信息对应的预测推荐指数。
根据上述步骤201-步骤205的模型训练方法，分别选取每一件候选对象 进行GBDT算法迭代训练，可以得到该候选对象对应的推荐指数预测模型。 因为每一件候选对象对应的推荐指数预测模型，都是综合考虑各种决策因素 训练得到的，所以该模型可以在各种决策因素结合的复杂场景下计算出每一 件候选对象的推荐值。
步骤206、获取车票购买记录，并从所述车票购买记录中提取影响携带 决策的目标信息；和/或，接收在目标页面中输入的影响携带决策的目标信息。
在本发明实施例中，移动终端可以在用户使用移动终端购买车票或机票 时，自动提取用户购买记录中涉及的出行日期、目的地、出行方式等信息， 进而根据出行日期和目的地查询用户到达目的地后的天气情况，根据目的地、 返程日期和用户历史出行记录推断出行的场景是回老家、出差还是旅游等。 最终可以获取到包括目的地、场景、出行方式、出行日期、天气、返程日期 等决策因素对应的目标信息。
其中，上述决策因素包括的种类可以是移动终端预设的，也可以是用户 根据自身需求手动输入来增减或修改移动终端预设的决策因素的种类或移 动提取到的目标信息包含的内容，以此来作为移动终端自动获取方式的补充。
步骤207、将所述目标信息输入至候选对象对应的推荐指数预测模型， 得到所述候选对象的推荐指数。
在本发明实施例中，候选对象是指各种常用行李物品，例如：雨伞、充 电宝、各种季节的衣物、各种常备药品、各种洗漱用品、护肤用品等，每一 单个物品为一个候选对象。通过预先的对各候选对象的数据样本集的训练， 得到每个候选对象对应的推荐指数预测模型，该模型可以预测对应的候选物 品在不同内容的目标信息下的推荐携带指数。具体地，移动终端可以将目标 信息输入至多个候选对象对应的推荐指数预测模型，从而可以得到多个候选 对象对应的推荐指数。
推荐指数一般是属于一段取值范围之间的数，表示一个候选对象适合作 为行李携带的指数。例如，推荐指数的取值范围可以为0-1，推荐指数越接 近于1，可以表示该候选对象越推荐携带，推荐指数越接近于0，可以表示 该候选对象越不推荐携带。
例如，将目标信息“香港、出差、乘飞机、5月5日、第一天小雨最高 气温18℃，第二天多云最高气温25℃，第三天晴天最高气温29℃、5月8 日”输入至“雨伞”这个候选对象对应的推荐指数预测模型，可以得到雨伞 的推荐指数；将上述目标信息输入至“棉衣”这个候选对象对应的推荐指数 预测模型，可以得到棉衣的推荐指数。
步骤208、选取所述推荐指数大于预设阈值的候选对象添加至预设的推 荐清单。
移动终端在将常用的候选对象分别输入对应的推荐指数预测模型后，可 以得到每个候选对象对应的推荐指数，从中选取推荐指数大于预设阈值的候 选对象，作为推荐携带的候选对象，并将该候选对象的名称添加至预设的推 荐清单。
可选地，移动终端根据目标信息和用户生活习惯获取每个候选对象推荐 携带的数量信息，并将所述数量信息匹配至候选对象，将其添加至预设的推 荐清单。这样，可以使用户在整理行李物品时，一并获知应该携带的物品数 量，进一步优化了用户的行李决策。
步骤209、根据所述目标信息查询对应的违禁对象。
移动终端在从车票购买记录中、或从用户在目标页面的输入中提取到影 响携带决策的目标信息后，根据目标信息包括的出行目的地、出行方式等信 息，联网查询该目标信息对应的不宜携带或禁止携带的候选对象。例如，查 询目的地当地的风俗习惯、法律法规，以及判定出行路线是否要经过海关和 安检，出行方式对应的不适宜携带的物品等。例如，移动终端判断用户的出 行目的地是某国某市，出行方式是飞机，则查询该目的地禁止入境的物品、 以及在飞机出行方式下不易携带的物品。
步骤210、将所述违禁对象添加至预设的不推荐清单。
在本发明实施例中，移动终端在获取到目标信息对应的违禁对象后，将 违禁对象作为不推荐携带的候选对象，并将该不推荐对象的名称添加至预设 的不推荐清单。
步骤211、将所述推荐清单、所述不推荐清单通过携带提示信息推送给 用户。
移动终端可以将上述已添加推荐对象的预设推荐清单和已添加违禁对 象的预设不推荐清单作为携带提示信息以通知消息的方式向用户进行推送。 用户在获取到该携带提示信息后，可以根据推荐清单和不推荐清单上涉及的 候选对象整理出行的行李物品，提高了用户整理行李物品的效率，减低了用 户携带不适宜的行李物品的可能性，节省了用户的时间。
步骤212、获取用户针对欲携带对象拍摄的图像。
在本发明实施例中，当用户整理好行李物品后，可以将欲携带的行李物 品进行拍摄，并上传至移动终端相应的位置。具体地，为保证移动终端准确、 完整地识别出所有的物品，用户可以对欲携带的行李物品进行多角度拍摄， 并保证所有的物品都能被拍摄到。
步骤213、从所述图像中识别所述欲携带对象集。
在获得欲携带对象的图像后，移动终端基于图像分割、图像识别、图像 分类等技术，对图像中的物品进行识别，获取物品的名称、种类、数量等信 息，从而得到欲携带对象集，该欲携带对象集中包括用户欲携带的候选对象 的名称。
步骤214、获取预设的推荐清单与所述欲携带对象集的差集，得到第一 提示清单。
移动终端将欲携带对象集中的候选对象的名称与预设推荐清单中的候 选对象的名称进行对比，获得差异信息，即包含在预设推荐清单中而并不包 含在欲携带对象集中的候选对象，并根据该差异信息中包括的候选对象的名 称建立第一提示清单。
步骤215、获取预设的不推荐清单与所述欲携带对象集的交集，得到第 二提示清单。
移动终端将欲携带对象集中的候选对象的名称与预设的不推荐清单中 的候选对象的名称进行对比，获取两者中的交集信息，即两者中同时包含的 候选对象信息，并根据该交集信息中包括的候选对象的名称建立第二提示清 单。
步骤216、将所述第一提示清单、所述第二提示清单推送给用户。
移动终端可以将第一提示清单、第二提示清单以通知消息的方式推送给 用户。用户可以根据第一提示清单，获知应该携带而未携带的行李物品的名 称，从而增加应该携带的行李物品；根据第二提示清单，获知不应携带而已 携带的行李物品的名称，从而将不应该携带的行李物品去除。
移动终端通过上述推送第一提示清单、第二提示清单的方式，可以使用 户在整理好行李物品后，及时获知自己应该携带而未携带的行李物品，以及 在欲携带的行李物品中，有哪些不应该携带的行李物品，帮助用户在整理好 行李物品后检查携带物品的适宜性，进一步优化了行李决策，为用户带来了 便利。
可选地，以语音提醒的方式向用户推送第一提示清单和第二提示清单。
具体地，可以设置推送第一提示清单的语音提示为：“您有未携带的必 需行李物品，名称为：***，请您及时携带！”；可以设置推送第二提示清 单的语音提示为：“对不起，您携带了不合适的行李物品，名称为：***， 请您及时将上述物品取出，谢谢！”。
上述以语音提示的方式推送第一提示清单和第二提示清单，对于出行时 间紧张的用户，避免了需要查看对比清单信息的行为，可以使用户更为方便、 直观地获知清单中的物品名称，节省了用户时间。
综上所述，本发明实施例提供的提示方法，除具有图1中所示的提示方 法所具有的有益效果外，还将推荐清单、不推荐清单通过携带提示信息推送 给用户，提高了用户整理行李物品的效率，降低了用户携带不适宜的行李物 品的可能性，节省了用户的时间；并且以推送第一提示清单、第二提示清单 的方式，可以使用户在整理好行李物品后，及时获知自己应该携带而未携带 的行李物品，以及在欲携带的行李物品中，有哪些不应该携带的行李物品， 帮助用户在整理好行李物品后检查携带物品的适宜性，进一步优化了行李决策，为用户带来了便利。
图3是本发明实施例提供的一种提示装置的结构框图之一，如图3所示， 该提示装置300可以包括：
目标信息获取模块301，用于获取影响出行携带决策的目标信息；
推荐指数获取模块302，用于将所述目标信息输入至候选对象对应的推 荐指数预测模型，得到所述候选对象的推荐指数；所述候选对象为待决策的 出行是否携带的对象，所述推荐指数预测模型通过针对所述候选对象的数据 样本集训练得到；
推送模块303，用于根据所述推荐指数向用户推送携带提示信息，所述 携带提示信息包含推荐携带的一个或多个所述候选对象。
综上所述，本发明实施例提供的提示装置能够实现图1的方法实施例中 的各个过程，为避免重复，这里不再赘述。在本发明实施例中，移动终端可 以获取影响出行携带决策的目标信息，将所述目标信息输入至候选对象对应 的推荐指数预测模型，得到所述候选对象的推荐指数，根据所述推荐指数向 用户推送携带提示信息，所述携带提示信息包含推荐携带的一个或多个所述 候选对象。通过上述方法，移动终端可以根据获取到的影响决策的目标信息 向用户推送携带提示信息，帮助用户规划出行需要携带的行李物品，为用户 出行带来了便利，改善了用户的出行体验。
可选地，参照图4，在上述图3的基础上，示出了另一种提示装置的结 构框图。其中，所述装置300还可以包括：
初始化模块304，用于获取待训练的推荐指数预测模型，并初始化所述 待训练的推荐指数预测模型的参数，所述推荐指数预测模型由多棵模型树组 成；
第一训练模块305，用于通过所述目标信息样本训练所述推荐指数预测 模型的第一棵模型树；
预测值计算模块306，用于在训练其余每个模型树之前，根据上一棵模 型树对应的预测函数计算每个目标信息样本对应的预测值；
样本值确定模块307，用于针对每个目标信息样本，计算所述预测值与 推荐指数样本值的差值，并将所述目标信息样本中的推荐指数样本值更新为 所述差值；
训练模块308，用于通过更新所述推荐指数样本值之后的目标信息样本 训练所述其余每棵模型树，得到推荐指数预测模型。
所述推送模块303包括：
选取子模块3031，用于选取所述推荐指数大于预设阈值的候选对象添加 至预设的推荐清单；
第一推送子模块3032，用于将所述推荐清单通过携带提示信息推送给用 户。
所述推送模块303还包括：
查询子模块3033，用于根据所述目标信息查询对应的违禁对象；
添加子模块3034，用于将所述违禁对象添加至预设的不推荐清单；
第二推送子模块3035，用于将所述推荐清单、所述不推荐清单通过携带 提示信息推送给用户。
所述装置300还包括：
图像获取模块309，用于获取用户针对欲携带对象拍摄的图像；
识别模块400，用于从所述图像中识别所述欲携带对象集；
第一提示清单获取模块401，用于获取预设的推荐清单与所述欲携带对 象集的差集，得到第一提示清单；
第二提示清单获取模块402，用于获取预设的不推荐清单与所述欲携带 对象集的交集，得到第二提示清单；
提示清单推送模块403，用于将所述第一提示清单、所述第二提示清单 推送给用户。
所述目标信息获取模块301包括：
提取子模块3011，用于获取车票购买记录，并从所述车票购买记录中提 取影响携带决策的目标信息；
和/或，
接收子模块3012，用于接收在目标页面中输入的影响携带决策的目标信 息。
综上所述，本发明实施例提供的提示装置能够实现图2的方法实施例中 的各个过程，为避免重复，这里不再赘述。
本发明实施例提供的提示装置，除具有图3中所示的提示装置所具有的 有益效果外，还将推荐清单、不推荐清单通过携带提示信息推送给用户，提 高了用户整理行李物品的效率，降低了用户携带不适宜的行李物品的可能性， 节省了用户的时间；并且以推送第一提示清单、第二提示清单的方式，可以 使用户在整理好行李物品后，及时获知自己应该携带而未携带的行李物品， 以及在欲携带的行李物品中，有哪些不应该携带的行李物品，帮助用户在整 理好行李物品后检查携带物品的适宜性，进一步优化了行李决策，为用户带来了便利。
图5为实现本发明各个实施例的一种移动终端的硬件结构示意图，
该移动终端500包括但不限于：射频单元501、网络模块502、音频输 出单元503、输入单元504、传感器505、显示单元506、用户输入单元507、 接口单元508、存储器509、处理器510以及电源511等部件。本领域技术 人员可以理解，图5中示出的移动终端结构并不构成对移动终端的限定，移 动终端可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的 部件布置。在本发明实施例中，移动终端包括但不限于手机、平板电脑、笔 记本电脑、掌上电脑、车载终端、可穿戴设备、以及计步器等。
其中，处理器510，用于获取影响出行携带决策的目标信息；将所述目 标信息输入至候选对象对应的推荐指数预测模型，得到所述候选对象的推荐 指数；所述候选对象为待决策的出行是否携带的对象，所述推荐指数预测模 型通过针对所述候选对象的数据样本集训练得到；根据所述推荐指数向用户 推送携带提示信息，所述携带提示信息包含推荐携带的一个或多个所述候选 对象。
综上所述，移动终端可以获取影响出行携带决策的目标信息，将所述目 标信息输入至候选对象对应的推荐指数预测模型，得到所述候选对象的推荐 指数，根据所述推荐指数向用户推送携带提示信息，所述携带提示信息包含 推荐携带的一个或多个所述候选对象。通过上述方法，移动终端可以根据获 取到的影响决策的目标信息向用户推送携带提示信息，帮助用户规划出行需 要携带的行李物品，为用户出行带来了便利，改善了用户的出行体验。
应理解的是，本发明实施例中，射频单元501可用于收发信息或通话过 程中，信号的接收和发送，具体的，将来自基站的下行数据接收后，给处理 器510处理；另外，将上行的数据发送给基站。通常，射频单元501包括但 不限于天线、至少一个放大器、收发信机、耦合器、低噪声放大器、双工器 等。此外，射频单元501还可以通过无线通信系统与网络和其他设备通信。
移动终端通过网络模块502为用户提供了无线的宽带互联网访问，如帮 助用户收发电子邮件、浏览网页和访问流式媒体等。
音频输出单元503可以将射频单元501或网络模块502接收的或者在存 储器509中存储的音频数据转换成音频信号并且输出为声音。而且，音频输 出单元503还可以提供与移动终端500执行的特定功能相关的音频输出(例 如，呼叫信号接收声音、消息接收声音等等)。音频输出单元503包括扬声 器、蜂鸣器以及受话器等。
输入单元504用于接收音频或视频信号。输入单元504可以包括图形处 理器(Graphics Processing Unit，GPU)5041和麦克风5042，图形处理器5041 对在视频捕获模式或图像捕获模式中由图像捕获装置(如摄像头)获得的静 态图片或视频的图像数据进行处理。处理后的图像帧可以显示在显示单元506上。经图形处理器5041处理后的图像帧可以存储在存储器509(或其它 存储介质)中或者经由射频单元501或网络模块502进行发送。麦克风5042 可以接收声音，并且能够将这样的声音处理为音频数据。处理后的音频数据 可以在电话通话模式的情况下转换为可经由射频单元501发送到移动通信基 站的格式输出。
移动终端500还包括至少一种传感器505，比如光传感器、运动传感器 以及其他传感器。具体地，光传感器包括环境光传感器及接近传感器，其中， 环境光传感器可根据环境光线的明暗来调节显示面板5061的亮度，接近传 感器可在移动终端500移动到耳边时，关闭显示面板5061和/或背光。作为 运动传感器的一种，加速计传感器可检测各个方向上(一般为三轴)加速度 的大小，静止时可检测出重力的大小及方向，可用于识别移动终端姿态(比 如横竖屏切换、相关游戏、磁力计姿态校准)、振动识别相关功能(比如计 步器、敲击)等；传感器505还可以包括指纹传感器、压力传感器、虹膜传 感器、分子传感器、陀螺仪、气压计、湿度计、温度计、红外线传感器等， 在此不再赘述。
显示单元506用于显示由用户输入的信息或提供给用户的信息。显示单 元506可包括显示面板5061，可以采用液晶显示器(Liquid Crystal Display， LCD)、有机发光二极管(Organic Light-Emitting Diode,OLED)等形式来 配置显示面板5061。
用户输入单元507可用于接收输入的数字或字符信息，以及产生与移动 终端的用户设置以及功能控制有关的键信号输入。具体地，用户输入单元507 包括触控面板5071以及其他输入设备5072。触控面板5071，也称为触摸屏， 可收集用户在其上或附近的触摸操作(比如用户使用手指、触笔等任何适合 的物体或附件在触控面板5071上或在触控面板5071附近的操作)。触控面 板5071可包括触摸检测装置和触摸控制器两个部分。其中，触摸检测装置 检测用户的触摸方位，并检测触摸操作带来的信号，将信号传送给触摸控制 器；触摸控制器从触摸检测装置上接收触摸信息，并将它转换成触点坐标， 再送给处理器510，接收处理器510发来的命令并加以执行。此外，可以采 用电阻式、电容式、红外线以及表面声波等多种类型实现触控面板5071。除 了触控面板5071，用户输入单元507还可以包括其他输入设备5072。具体 地，其他输入设备5072可以包括但不限于物理键盘、功能键(比如音量控 制按键、开关按键等)、轨迹球、鼠标、操作杆，在此不再赘述。
进一步的，触控面板5071可覆盖在显示面板5061上，当触控面板5071 检测到在其上或附近的触摸操作后，传送给处理器510以确定触摸事件的类 型，随后处理器510根据触摸事件的类型在显示面板5061上提供相应的视 觉输出。虽然在图5中，触控面板5071与显示面板5061是作为两个独立的 部件来实现移动终端的输入和输出功能，但是在某些实施例中，可以将触控 面板5071与显示面板5061集成而实现移动终端的输入和输出功能，具体此 处不做限定。
接口单元508为外部装置与移动终端500连接的接口。例如，外部装置 可以包括有线或无线头戴式耳机端口、外部电源(或电池充电器)端口、有线 或无线数据端口、存储卡端口、用于连接具有识别模块的装置的端口、音频 输入/输出(I/O)端口、视频I/O端口、耳机端口等等。接口单元508可以用于 接收来自外部装置的输入(例如，数据信息、电力等等)并且将接收到的输入 传输到移动终端500内的一个或多个元件或者可以用于在移动终端500和外 部装置之间传输数据。
存储器509可用于存储软件程序以及各种数据。存储器509可主要包括 存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功 能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区 可存储根据手机的使用所创建的数据(比如音频数据、电话本等)等。此外， 存储器509可以包括高速随机存取存储器，还可以包括非易失性存储器，例 如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
处理器510是移动终端的控制中心，利用各种接口和线路连接整个移动 终端的各个部分，通过运行或执行存储在存储器509内的软件程序和/或模块， 以及调用存储在存储器509内的数据，执行移动终端的各种功能和处理数据， 从而对移动终端进行整体监控。处理器510可包括一个或多个处理单元；优 选的，处理器510可集成应用处理器和调制解调处理器，其中，应用处理器 主要处理操作系统、用户界面和应用程序等，调制解调处理器主要处理无线 通信。可以理解的是，上述调制解调处理器也可以不集成到处理器510中。
移动终端500还可以包括给各个部件供电的电源511(比如电池)，优 选的，电源511可以通过电源管理系统与处理器510逻辑相连，从而通过电 源管理系统实现管理充电、放电、以及功耗管理等功能。
另外，移动终端500包括一些未示出的功能模块，在此不再赘述。
可选的，本发明实施例还提供一种移动终端，包括处理器510，存储器 509，存储在存储器509上并可在所述处理器510上运行的计算机程序，该 计算机程序被处理器510执行时实现上述提示方法实施例的各个过程，且能 达到相同的技术效果，为避免重复，这里不再赘述。
本发明实施例还提供一种计算机可读存储介质，计算机可读存储介质上 存储有计算机程序，该计算机程序被处理器执行时实现上述文本编辑方法实 施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。 其中，所述的计算机可读存储介质，如只读存储器(Read-Only Memory，简 称ROM)、随机存取存储器(Random Access Memory，简称RAM)、磁碟 或者光盘等。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变 体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品 或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是 还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的 情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过 程、方法、物品或者装置中还存在另外的相同要素。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述 实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通 过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的 技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式 体现出来，该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、 光盘)中，包括若干指令用以使得一台终端(可以是手机，计算机，服务器， 空调器，或者网络设备等)执行本发明各个实施例所述的方法。
上面结合附图对本发明的实施例进行了描述，但是本发明并不局限于上 述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的， 本领域的普通技术人员在本发明的启示下，在不脱离本发明宗旨和权利要求 所保护的范围情况下，还可做出很多形式，均属于本发明的保护之内。

Claims (12)

1.一种提示方法，应用于移动终端，其特征在于，所述方法包括：
获取影响出行携带决策的目标信息；
将所述目标信息输入至候选对象对应的推荐指数预测模型，得到所述候选对象的推荐指数；所述候选对象为待决策的出行是否携带的对象，所述推荐指数预测模型通过针对所述候选对象的数据样本集训练得到；
根据所述推荐指数向用户推送携带提示信息，所述携带提示信息包含推荐携带的一个或多个所述候选对象；
获取预设的推荐清单与欲携带对象集的差集，得到第一提示清单；
获取预设的不推荐清单与所述欲携带对象集的交集，得到第二提示清单；
将第一提示清单、第二提示清单推送给用户；
其中，所述根据所述推荐指数向用户推送携带提示信息，包括：
选取所述推荐指数大于预设阈值的候选对象添加至预设的推荐清单；
将所述推荐清单通过携带提示信息推送给用户。
2.根据权利要求1所述的方法，其特征在于，在根据所述推荐指数向用户推送携带提示信息的步骤之后，所述方法还包括：
获取用户针对欲携带对象拍摄的图像；
从所述图像中识别所述欲携带对象集。
3.根据权利要求1所述的方法，其特征在于，在所述将所述推荐清单通过携带提示信息推送给用户的步骤之前，所述方法还包括：
根据所述目标信息查询对应的违禁对象；
将所述违禁对象添加至预设的不推荐清单；
所述将所述推荐清单通过携带提示信息推送给用户的步骤，包括：
将所述推荐清单、所述不推荐清单通过携带提示信息推送给用户。
4.根据权利要求1所述的方法，其特征在于，所述数据样本集中每个数据样本包括目标信息样本，所述目标信息样本包括推荐指数样本值，所述推荐指数样本值表示在所述目标信息样本限定的条件下是否推荐携带所述候选对象，通过针对所述候选对象的数据样本集训练得到推荐指数预测模型的步骤，包括：
获取待训练的推荐指数预测模型，并初始化所述待训练的推荐指数预测模型的参数，所述推荐指数预测模型由多棵模型树组成；
通过所述目标信息样本训练所述推荐指数预测模型的第一棵模型树；
在训练其余每个模型树之前，根据上一棵模型树对应的预测函数计算每个目标信息样本对应的预测值；
针对每个目标信息样本，计算所述预测值与推荐指数样本值的差值，并将所述目标信息样本中的推荐指数样本值更新为所述差值；
通过更新所述推荐指数样本值之后的目标信息样本训练所述其余每棵模型树，得到推荐指数预测模型。
5.根据权利要求1所述的方法，其特征在于，所述获取影响出行携带决策的目标信息包括：
获取车票购买记录，并从所述车票购买记录中提取影响携带决策的目标信息；
和/或，接收在目标页面中输入的影响携带决策的目标信息。
6.一种提示装置，应用于移动终端，其特征在于，所述装置包括：
目标信息获取模块，用于获取影响出行携带决策的目标信息；
推荐指数获取模块，用于将所述目标信息输入至候选对象对应的推荐指数预测模型，得到所述候选对象的推荐指数；所述候选对象为待决策的出行是否携带的对象，所述推荐指数预测模型通过针对所述候选对象的数据样本集训练得到；
推送模块，用于根据所述推荐指数向用户推送携带提示信息，所述携带提示信息包含推荐携带的一个或多个所述候选对象；
第一提示清单获取模块，用于获取预设的推荐清单与欲携带对象集的差集，得到第一提示清单；
第二提示清单获取模块，用于获取预设的不推荐清单与所述欲携带对象集的交集，得到第二提示清单；
提示清单推送模块，用于将第一提示清单、第二提示清单推送给用户；
其中，所述推送模块包括：
选取子模块，用于选取所述推荐指数大于预设阈值的候选对象添加至预设的推荐清单；
第一推送子模块，用于将所述推荐清单通过携带提示信息推送给用户。
7.根据权利要求6所述的装置，其特征在于，所述装置还包括：
图像获取模块，用于获取用户针对欲携带对象拍摄的图像；
识别模块，用于从所述图像中识别所述欲携带对象集。
8.根据权利要求6所述的装置，其特征在于，所述推送模块还包括：
查询子模块，用于根据所述目标信息查询对应的违禁对象；
添加子模块，用于将所述违禁对象添加至预设的不推荐清单；
第二推送子模块，用于将所述推荐清单、所述不推荐清单通过携带提示信息推送给用户。
9.根据权利要求6所述的装置，其特征在于，所述数据样本集中每个数据样本包括：目标信息样本以及推荐指数样本值，所述推荐指数样本值表示在所述目标信息样本限定的条件下是否推荐携带所述候选对象，所述装置还包括：
初始化模块，用于获取待训练的推荐指数预测模型，并初始化所述待训练的推荐指数预测模型的参数，所述推荐指数预测模型由多棵模型树组成；
第一训练模块，用于通过所述目标信息样本训练所述推荐指数预测模型的第一棵模型树；
预测值计算模块，用于在训练其余每个模型树之前，根据上一棵模型树对应的预测函数计算每个目标信息样本对应的预测值；
样本值确定模块，用于针对每个目标信息样本，计算所述预测值与推荐指数样本值的差值，并将所述目标信息样本中的推荐指数样本值更新为所述差值；
训练模块，用于通过更新所述推荐指数样本值之后的目标信息样本训练所述其余每棵模型树，得到推荐指数预测模型。
10.根据权利要求6所述的装置，其特征在于，所述目标信息获取模块包括：
提取子模块，用于获取车票购买记录，并从所述车票购买记录中提取影响携带决策的目标信息；
和/或，
接收子模块，用于接收在目标页面中输入的影响携带决策的目标信息。
11.一种移动终端，包括处理器、存储器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如权利要求1至5任一所述的提示方法。
12.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储计算机程序，所述计算机程序被处理器执行时实现如权利要求1至5任一所述的提示方法。
CN201910413463.3A 2019-05-17 2019-05-17 一种提示方法及装置 Active CN110222245B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910413463.3A CN110222245B (zh) 2019-05-17 2019-05-17 一种提示方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910413463.3A CN110222245B (zh) 2019-05-17 2019-05-17 一种提示方法及装置

Publications (2)

Publication Number Publication Date
CN110222245A CN110222245A (zh) 2019-09-10
CN110222245B true CN110222245B (zh) 2021-07-23

Family

ID=67821408

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910413463.3A Active CN110222245B (zh) 2019-05-17 2019-05-17 一种提示方法及装置

Country Status (1)

Country Link
CN (1) CN110222245B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110636173B (zh) * 2019-09-25 2021-04-13 Oppo广东移动通信有限公司 一种信息提醒方法及相关装置
CN113129476A (zh) * 2019-12-27 2021-07-16 佛山市云米电器科技有限公司 智能门锁控制方法、智能门锁及计算机可读存储介质
CN115953192A (zh) * 2023-01-31 2023-04-11 深圳市优行商旅科技有限公司 一种基于商旅大数据的智能预测方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9449282B2 (en) * 2010-07-01 2016-09-20 Match.Com, L.L.C. System for determining and optimizing for relevance in match-making systems
CN106157151A (zh) * 2016-06-29 2016-11-23 厦门趣处网络科技有限公司 一种基于用户兴趣的信息聚合方法、系统
CN106781325A (zh) * 2017-01-11 2017-05-31 胡渐佳 基于语音识别的电子设备出门提醒系统
CN106920063A (zh) * 2015-12-24 2017-07-04 中国移动通信集团公司 一种信息提醒的方法和装置
CN107066628A (zh) * 2017-05-15 2017-08-18 京东方科技集团股份有限公司 穿衣推荐方法及装置
CN107181862A (zh) * 2017-05-16 2017-09-19 维沃移动通信有限公司 一种信息提示方法及移动终端

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9449282B2 (en) * 2010-07-01 2016-09-20 Match.Com, L.L.C. System for determining and optimizing for relevance in match-making systems
CN106920063A (zh) * 2015-12-24 2017-07-04 中国移动通信集团公司 一种信息提醒的方法和装置
CN106157151A (zh) * 2016-06-29 2016-11-23 厦门趣处网络科技有限公司 一种基于用户兴趣的信息聚合方法、系统
CN106781325A (zh) * 2017-01-11 2017-05-31 胡渐佳 基于语音识别的电子设备出门提醒系统
CN107066628A (zh) * 2017-05-15 2017-08-18 京东方科技集团股份有限公司 穿衣推荐方法及装置
CN107181862A (zh) * 2017-05-16 2017-09-19 维沃移动通信有限公司 一种信息提示方法及移动终端

Also Published As

Publication number Publication date
CN110222245A (zh) 2019-09-10

Similar Documents

Publication Publication Date Title
CN108520058B (zh) 一种商家信息推荐方法及移动终端
CN108494947B (zh) 一种图像分享方法及移动终端
CN111260665B (zh) 图像分割模型训练方法和装置
US20190066680A1 (en) Method of activating voice-recognition service and electronic device for implementing same
CN110222245B (zh) 一种提示方法及装置
US20180189615A1 (en) Electronic apparatus and method of operating the same
CN108984731A (zh) 歌单推荐方法、装置及存储介质
CN107766403B (zh) 一种相册处理方法、移动终端以及计算机可读存储介质
CN108460817B (zh) 一种拼图方法及移动终端
CN110298212B (zh) 模型训练方法、情绪识别方法、表情显示方法及相关设备
CN111506758B (zh) 物品名称确定方法、装置、计算机设备及存储介质
CN108363750B (zh) 服装推荐方法及相关产品
CN108289057B (zh) 视频编辑方法、装置及智能移动终端
CN108334196B (zh) 一种文件处理方法及移动终端
CN107818787B (zh) 一种语音信息的处理方法、终端及计算机可读存储介质
CN110544287B (zh) 一种配图处理方法及电子设备
WO2022227507A1 (zh) 唤醒程度识别模型训练方法及语音唤醒程度获取方法
CN110516113A (zh) 一种视频分类的方法、视频分类模型训练的方法及装置
CN109302528B (zh) 一种拍照方法、移动终端及计算机可读存储介质
CN111796926A (zh) 指令执行方法、装置、存储介质及电子设备
CN108446339B (zh) 一种应用图标的分类方法及移动终端
CN112685578A (zh) 一种多媒体信息内容提供方法及装置
CN111737520A (zh) 一种视频分类方法、视频分类装置、电子设备及存储介质
CN109658198B (zh) 一种商品推荐方法及移动终端
CN109670105B (zh) 搜索方法及移动终端

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