CN110297964A - 一种基于大数据分析的旅游景点推荐方法及装置 - Google Patents
一种基于大数据分析的旅游景点推荐方法及装置 Download PDFInfo
- Publication number
- CN110297964A CN110297964A CN201910243862.XA CN201910243862A CN110297964A CN 110297964 A CN110297964 A CN 110297964A CN 201910243862 A CN201910243862 A CN 201910243862A CN 110297964 A CN110297964 A CN 110297964A
- Authority
- CN
- China
- Prior art keywords
- family
- tourist
- tourism
- big data
- feature
- 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
- 238000007405 data analysis Methods 0.000 title claims abstract description 53
- 238000000034 method Methods 0.000 title claims abstract description 32
- 230000006870 function Effects 0.000 claims abstract description 27
- 238000010801 machine learning Methods 0.000 claims abstract description 27
- 239000000203 mixture Substances 0.000 claims abstract description 13
- 230000008676 import Effects 0.000 claims description 14
- 238000004458 analytical method Methods 0.000 claims description 13
- 239000000284 extract Substances 0.000 claims description 7
- 230000004913 activation Effects 0.000 claims description 4
- 238000005457 optimization Methods 0.000 claims description 4
- 238000000605 extraction Methods 0.000 claims description 3
- 238000011478 gradient descent method Methods 0.000 claims description 3
- 210000002569 neuron Anatomy 0.000 claims description 3
- 230000003252 repetitive effect Effects 0.000 claims description 3
- 241001575999 Hakka Species 0.000 claims 1
- 235000016278 Mentha canadensis Nutrition 0.000 claims 1
- 239000002131 composite material Substances 0.000 claims 1
- 101100100125 Mus musculus Traip gene Proteins 0.000 description 9
- 230000008569 process Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 230000000875 corresponding effect Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- VAYOSLLFUXYJDT-RDTXWAMCSA-N Lysergic acid diethylamide Chemical compound C1=CC(C=2[C@H](N(C)C[C@@H](C=2)C(=O)N(CC)CC)C2)=C3C2=CNC3=C1 VAYOSLLFUXYJDT-RDTXWAMCSA-N 0.000 description 1
- 230000037237 body shape Effects 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000012517 data analytics Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000033764 rhythmic process Effects 0.000 description 1
- 238000012360 testing method 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
- 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
- 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)
- Databases & Information Systems (AREA)
- Tourism & Hospitality (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请实施例提供一种基于大数据分析的旅游景点推荐方法及装置。该方法包括：按游客类型对旅游景点进行分类，构建基于家庭结构特征的旅游信息大数据分析环境；采集游客家庭构成数据、历史旅游数据，采用基于家庭组合特征的旅游景点分析算法提取出游客家庭旅游特征；将游客家庭旅行特征导入基于家庭结构特征的旅游信息大数据分析环境，通过多层组合式机器学习算法，得出游客家庭的景点推荐；接收游客家庭的反馈信息，对游客家庭的景点推荐进行优化调整。本申请实施例的一种基于大数据分析的旅游景点推荐方法及装置，通过结合家庭旅游特点和大数据分析技术，提高了游客推荐准确度，优化了游客旅行体验。
Description
技术领域
本申请涉及大数据及旅游服务领域，尤其涉及一种基于大数据分析的旅游景点推荐方法及装置。
背景技术
旅游景点，是指以旅游及其相关活动为主要功能或主要功能之一的区域场所，能够满足游客参观游览、休闲度假、康乐健身等旅游需求，具备相应的旅游设施并提供相应的旅游服务的独立管理区。旅游景点推荐，根据游客的实际情况，综合旅游资源、旅游经济、旅游活动、旅游者等方面的信息，给游客提供最适合游客的游览线路，从而提高游客的旅行体验。传统旅游景点推荐方法，一般只通过游客的单一维度特征进行匹配，而没有考虑目前国内大规模出现的家庭旅行的特点。随着国家经济发展，面对假期相对集中的特点，游客举家出行旅游的旅行方式日益增多，如何针对中国家庭人员结构特点，有效提高旅游景点推荐准确度，优化家庭旅行体验，成为目前旅游景点推荐领域需要解决的技术难题。因此，可以考虑通过大数据技术，结合目前中国家庭结构及出游特点，改进旅游景点推荐方法。
发明内容
有鉴于此，本申请的目的在于提出一种基于大数据分析的旅游景点推荐方法及装置，结合家庭结构特点，解决目前旅游景点推荐过程中，准确度不高、推荐效率低的技术问题。
基于上述目的，本申请提出了一种基于大数据分析的旅游景点推荐方法，包括：
按游客类型对旅游景点进行分类，构建基于家庭结构特征的旅游信息大数据分析环境；
采集游客家庭构成数据、历史旅游数据，采用基于家庭组合特征的旅游景点分析算法提取出游客家庭旅游特征；
将所述游客家庭旅行特征导入所述基于家庭结构特征的旅游信息大数据分析环境，通过多层组合式机器学习算法，得出游客家庭的景点推荐；
接收所述游客家庭的反馈信息，对游客家庭的景点推荐进行优化调整。
在一些实施例中，所述按家庭人员类别进行旅游景点分类，构建基于家庭结构特征的旅游信息大数据分析环境，包括：
按照游客的年龄、性别、身体状况、旅行偏好、性格特征、旅行经历对所述旅游景点进行分类；
导入历史旅客统计信息进行机器学习，构建出针对不同家庭结构特征的旅游信息大数据分析环境。
在一些实施例中，所述采用基于家庭组合特征的旅游景点分析算法提取出游客家庭旅游特征，包括：
对家庭成员中每次家庭旅行的人员构成、景点线路、旅游反馈进行特征提取，得出至少一个家庭组合方式下的旅游特征。
在一些实施例中，所述多层组合式机器学习算法，包括：
所述机器学习算法中，中间隐层神经元的激活函数采用ReLU函数，公式为：
out＝max(0，in)，
其中in为游客家庭特征作为输入；out为游客家庭景点推荐作为输出；最后一层激活函数采用softmax函数，公式为：
其中Outi为第i层输出，zj为输入j经过加权、求和、偏向得到的中间变量；损失函数采用交叉熵损失函数，公式为：
其中x(i)为期望输出，为实际输出；优化函数采用随机梯度下降法，迭代训练直至进入稳态。
在一些实施例中，所述多层组合式机器学习算法，包括：
将家庭成员按不同旅游特征进行组合，得到至少一个家庭旅游组合；
按照所述家庭旅游组合中每个成员的旅行特征，将家庭旅游组合划分为至少两层，形成多层组合式家庭旅游组合；
将所述多层组合式家庭旅游组合导入所述基于家庭结构特征的旅游信息大数据分析环境中进行家庭旅游景点推荐。
在一些实施例中，所述将所述游客家庭旅行特征导入所述基于家庭结构特征的旅游信息大数据分析环境，通过多层组合式机器学习算法，得出游客家庭的景点推荐，包括：
当得到的景点推荐结果没有达到预定阈值时，对家庭成员进行多次组合，导入所述基于家庭结构特征的旅游信息大数据分析环境中进行家庭旅游景点推荐，选取最接近预定阈值的推荐结果返回。
在一些实施例中，所述接收所述游客家庭的反馈信息，对游客家庭的景点推荐进行优化调整，包括：
游客家庭按照自定义方法增加家庭组合方式，导入所述基于家庭结构特征的旅游信息大数据分析环境中进行家庭旅游景点推荐。
基于上述目的，本申请还提出了一种基于大数据分析的旅游景点推荐装置，包括：
构建模块，用于按游客类型对旅游景点进行分类，构建基于家庭结构特征的旅游信息大数据分析环境；
采集模块，用于采集游客家庭构成数据、历史旅游数据，采用基于家庭组合特征的旅游景点分析算法提取出游客家庭旅游特征；
分析模块，用于将所述游客家庭旅行特征导入所述基于家庭结构特征的旅游信息大数据分析环境，通过多层组合式机器学习算法，得出游客家庭的景点推荐；
优化模块，用于接收所述游客家庭的反馈信息，对游客家庭的景点推荐进行优化调整。
在一些实施例中，所述构建模块，包括：
分类单元，用于按照旅客的年龄、性别、身体状况、旅行偏好、性格特征、旅行经历对所述旅游景点进行分类；
导入单元，用于导入历史旅客统计信息进行机器学习，构建出针对不同家庭结构特征的旅游信息大数据分析环境。
在一些实施例中，所述分析模块，包括：
组合单元，用于将家庭成员按不同旅游特征进行组合，得到至少一个家庭旅游组合；
划分单元，用于按照所述家庭旅游组合中每个成员的旅行特征，将家庭旅游组合划分为至少两层，形成多层组合式家庭旅游组合；
推荐单元，用于将所述多层组合式家庭旅游组合导入所述基于家庭结构特征的旅游信息大数据分析环境中进行家庭旅游景点推荐。
附图说明
在附图中，除非另外规定，否则贯穿多个附图相同的附图标记表示相同或相似的部件或元素。这些附图不一定是按照比例绘制的。应该理解，这些附图仅描绘了根据本发明公开的一些实施方式，而不应将其视为是对本发明范围的限制。
图1示出根据本发明实施例的基于大数据分析的旅游景点推荐方法的流程图。
图2示出根据本发明实施例的基于大数据分析的旅游景点推荐装置的构成图。
图3示出根据本发明实施例的构建模块的构成图。
图4示出根据本发明实施例的分析模块的构成图。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。
需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
图1示出根据本发明实施例的基于大数据分析的旅游景点推荐方法的流程图。如图1所示，该基于大数据分析的旅游景点推荐方法包括：
步骤S11、按游客类型对旅游景点进行分类，构建基于家庭结构特征的旅游信息大数据分析环境；
在一种实施方式中，所述按家庭人员类别进行旅游景点分类，构建基于家庭结构特征的旅游信息大数据分析环境，包括：
按照游客的年龄、性别、身体状况、旅行偏好、性格特征、旅行经历对所述旅游景点进行分类；
导入历史旅客统计信息进行机器学习，构建出针对不同家庭结构特征的旅游信息大数据分析环境。
根据旅游业经验可以看出，以家庭组团方式进行旅行，对于中国人目前的家庭结构而言，一般涵盖了老、中、幼三代人，老年人普遍更想了解世界，想要前往更多的经典景点，喜欢在地标式景区拍照，但体力一般存在问题，不能前往需要大量体力、精力的景点；中年人或青年人则希望了解新奇的世界、未知的世界，一般具有探索精神，更像了解其他人的生活方式，对于传统景点的需求一般，而且体力、精力充沛，有时还偏向于挑战极限；幼儿则更多的是在家长指导下增长世界见识，往往需要更多的保护和知识的讲解，安全的考量更多一些，尤其对于一些年龄偏小的婴幼儿而言，携带他们旅行，家长们一般都希望省时省劲，又能够更多地获得家长想要的旅行体验。
基于以上对国人旅行过程中以家庭为单位出行的现状分析，可以按照家庭成员中不同的年龄、性别、身体状况、旅行偏好、性格特征、旅行经历先对旅游景点进行一个分类标记，同一个景点可以同时具有多个分类标记，因为一个景点往往能够满足多个家庭成员的需求，例如，天安门广场可能同时能满足老年人和青年人的需求。
将每个景点的游客数据及游客体验反馈导入大数据系统中，进行机器学习训练，构建出针对不同类型家庭组合的大数据系统，为旅游景点的推荐奠定环境基础。例如，可以将历史上各个时间段进入景点人员的年龄、性别、身体状况、旅行偏好、性格特征进行分析，并结合旅客的旅行体验反馈信息，得到不同类型家庭组合的大数据系统。
在一种实施方式中，所述采用基于家庭组合特征的旅游景点分析算法提取出游客家庭旅游特征，包括：
对家庭成员中每次家庭旅行的人员构成、景点线路、旅游反馈进行特征提取，得出至少一个家庭组合方式下的旅游特征。
具体来说，由于出行时间或出行偏好的不同，可以将家庭旅行成员按照不同类别进行组合，从而更加精准地进行旅游景点的偏好。
例如，学龄儿童的出行时间只能是寒暑假期间，而工作人员的出行时间则一般在法定节假日期间，这样可以规划出一个双方都能接受的旅行时间，结合出行成员的其他属性，导入大数据分析系统进行旅游景点的推荐。
又如，老年人比较偏向于前往一些红色景点，而年轻人则一般对红色景点不是特别推崇，儿童则需要前往一些红色景点进行爱国主义教育，因此，可以将老年人和儿童作为一组，结合老年人和儿童需要节奏慢一点、安全系数高一点的旅行期盼，导入大数据分析系统进行旅游景点的推荐。
如此，可以根据用户家庭的不同需求，划分出多个分组，让用户家庭选择一个最符合用户家庭需求的方案进行景点推荐。
步骤S12、采集游客家庭构成数据、历史旅游数据，采用基于家庭组合特征的旅游景点分析算法提取出游客家庭旅游特征；
具体来说，在进行家庭组合的景点推荐时，除了需要输入诸如家庭成员的身体状况、旅行偏好、性格特征这类自身属性信息，还需要结合用户的历史旅行数据进行推荐。例如，家庭中老年人已经几乎去过了所有红色景点了，已经产生了审美疲劳，在进行旅游景点推荐的时候应该为家庭组合避免再推荐红色景点了。
家庭出行组合出的分组可能是多个，不同家庭组合具备的特征也会因出游成员的不同而不同，因此，也会针对不同的家庭组合产生不同的景点推荐结果。这让出行家庭可以根据不同情况进行家庭分组，让出行家庭根据实际情况在多个旅游景点推荐方案中选择一个最符合需求的出行方案。
在一种实施方式中，所述多层组合式机器学习算法，包括：
所述机器学习算法中，中间隐层神经元的激活函数采用ReLU函数，公式为：
out＝max(0，in)，
其中in为游客家庭特征作为输入；out为游客家庭景点推荐作为输出；最后一层激活函数采用softmax函数，公式为：
其中outi为第i层输出，zj为输入j经过加权、求和、偏向得到的中间变量；损失函数采用交叉熵损失函数，公式为：
其中x(i)为期望输出，为实际输出；优化函数采用随机梯度下降法，迭代训练直至进入稳态。
在一种实施方式中，所述多层组合式机器学习算法，包括：
将家庭成员按不同旅游特征进行组合，得到至少一个家庭旅游组合；
按照所述家庭旅游组合中每个成员的旅行特征，将家庭旅游组合划分为至少两层，形成多层组合式家庭旅游组合；
将所述多层组合式家庭旅游组合导入所述基于家庭结构特征的旅游信息大数据分析环境中进行家庭旅游景点推荐。
步骤S13、将所述游客家庭旅行特征导入所述基于家庭结构特征的旅游信息大数据分析环境，通过多层组合式机器学习算法，得出游客家庭的景点推荐；
在一种实施方式中，所述将所述游客家庭旅行特征导入所述基于家庭结构特征的旅游信息大数据分析环境，通过多层组合式机器学习算法，得出游客家庭的景点推荐，包括：
当得到的景点推荐结果没有达到预定阈值时，对家庭成员进行多次组合，导入所述基于家庭结构特征的旅游信息大数据分析环境中进行家庭旅游景点推荐，选取最接近预定阈值的推荐结果返回。
具体来说，根据游客的不同属性类别，可以将出行家庭成员分为多层，然后将各层之间的家庭成员进行组合，形成若干家庭成员分组，于是就得到了所述多层组合式机器学习算法的输入端；通过多层组合式机器学习，得到的输出为各种不同组合的景点推荐指数，推荐指数越高说明该景点更值得向该家庭组合进行推荐。
步骤S14、接收所述游客家庭的反馈信息，对游客家庭的景点推荐进行优化调整。
在一种实施方式中，所述接收所述游客家庭的反馈信息，对游客家庭的景点推荐进行优化调整，包括：
游客家庭按照自定义方法增加家庭组合方式，导入所述基于家庭结构特征的旅游信息大数据分析环境中进行家庭旅游景点推荐。
具体来说，旅游景点推荐的最后还可以让用户进行反馈参与，即当用户收到推荐结果后，发现距离理想的景点还需要若干约束条件进行进一步的优化，用户可以将该约束条件作为附加条件，加入大数据分析系统中，进行机器学习，为旅行家庭提供更为优化的旅游景点推荐方案。例如，当游客家庭进行旅行推荐后，发现希望避开景点的高峰期进入景点，据此，可以将该反馈条件作为附加条件，加入大数据分析系统中，进行旅游景点推荐。
图2示出根据本发明实施例的基于大数据分析的旅游景点推荐装置的构成图。如图2所示，该基于大数据分析的旅游景点推荐装置整体可以分为：
构建模块21，用于按游客类型对旅游景点进行分类，构建基于家庭结构特征的旅游信息大数据分析环境；
采集模块22，用于采集游客家庭构成数据、历史旅游数据，采用基于家庭组合特征的旅游景点分析算法提取出游客家庭旅游特征；
分析模块23，用于将所述游客家庭旅行特征导入所述基于家庭结构特征的旅游信息大数据分析环境，通过多层组合式机器学习算法，得出游客家庭的景点推荐；
优化模块24，用于接收所述游客家庭的反馈信息，对游客家庭的景点推荐进行优化调整。
图3示出根据本发明实施例的构建模块的构成图。从图3可以看出，构建模块21包括：
分类单元211，用于按照旅客的年龄、性别、身体状况、旅行偏好、性格特征、旅行经历对所述旅游景点进行分类；
导入单元212，用于导入历史旅客统计信息进行机器学习，构建出针对不同家庭结构特征的旅游信息大数据分析环境。
图4示出根据本发明实施例的分析模块的构成图。从图4可以看出，分析模块23包括：
组合单元231，用于将家庭成员按不同旅游特征进行组合，得到至少一个家庭旅游组合；
划分单元232，用于按照所述家庭旅游组合中每个成员的旅行特征，将家庭旅游组合划分为至少两层，形成多层组合式家庭旅游组合；
推荐单元233，用于将所述多层组合式家庭旅游组合导入所述基于家庭结构特征的旅游信息大数据分析环境中进行家庭旅游景点推荐。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本发明的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本发明的实施例所属技术领域的技术人员所理解。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(RAM)，只读存储器(ROM)，可擦除可编辑只读存储器(EPROM或闪速存储器)，光纤装置，以及便携式只读存储器(CDROM)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。
应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。
此外，在本发明各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读存储介质中。所述存储介质可以是只读存储器，磁盘或光盘等。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到其各种变化或替换，这些都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。
Claims (10)
1.一种基于大数据分析的旅游景点推荐方法，其特征在于，包括：
按游客类型对旅游景点进行分类，构建基于家庭结构特征的旅游信息大数据分析环境；
采集游客家庭构成数据、历史旅游数据，采用基于家庭组合特征的旅游景点分析算法提取出游客家庭旅游特征；
将所述游客家庭旅行特征导入所述基于家庭结构特征的旅游信息大数据分析环境，通过多层组合式机器学习算法，得出游客家庭的景点推荐；
接收所述游客家庭的反馈信息，对游客家庭的景点推荐进行优化调整。
2.根据权利要求1所述的方法，其特征在于，所述按家庭人员类别进行旅游景点分类，构建基于家庭结构特征的旅游信息大数据分析环境，包括：
按照游客的年龄、性别、身体状况、旅行偏好、性格特征、旅行经历对所述旅游景点进行分类；
导入历史旅客统计信息进行机器学习，构建出针对不同家庭结构特征的旅游信息大数据分析环境。
3.根据权利要求1所述的方法，其特征在于，所述采用基于家庭组合特征的旅游景点分析算法提取出游客家庭旅游特征，包括：
对家庭成员中每次家庭旅行的人员构成、景点线路、旅游反馈进行特征提取，得出至少一个家庭组合方式下的旅游特征。
4.根据权利要求1所述的方法，其特征在于，所述多层组合式机器学习算法，包括：
所述机器学习算法中，中间隐层神经元的激活函数采用ReLU函数，公式为：
out＝max(0，in)，
其中in为游客家庭特征作为输入；out为游客家庭景点推荐作为输出；最后一层激活函数采用softtmax函数，公式为：
其中outi为第i层输出，zj为输入j经过加权、求和、偏向得到的中间变量；损失函数采用交叉熵损失函数，公式为：
其中x(i)为期望输出，为实际输出；优化函数采用随机梯度下降法，迭代训练直至进入稳态。
5.根据权利要求1所述的方法，其特征在于，所述多层组合式机器学习算法，包括：
将家庭成员按不同旅游特征进行组合，得到至少一个家庭旅游组合；
按照所述家庭旅游组合中每个成员的旅行特征，将家庭旅游组合划分为至少两层，形成多层组合式家庭旅游组合；
将所述多层组合式家庭旅游组合导入所述基于家庭结构特征的旅游信息大数据分析环境中进行家庭旅游景点推荐。
6.根据权利要求1所述的方法，其特征在于，所述将所述游客家庭旅行特征导入所述基于家庭结构特征的旅游信息大数据分析环境，通过多层组合式机器学习算法，得出游客家庭的景点推荐，包括：
当得到的景点推荐结果没有达到预定阈值时，对家庭成员进行多次组合，导入所述基于家庭结构特征的旅游信息大数据分析环境中进行家庭旅游景点推荐，选取最接近预定阈值的推荐结果返回。
7.根据权利要求1所述的方法，其特征在于，所述接收所述游客家庭的反馈信息，对游客家庭的景点推荐进行优化调整，包括：
游客家庭按照自定义方法增加家庭组合方式，导入所述基于家庭结构特征的旅游信息大数据分析环境中进行家庭旅游景点推荐。
8.一种基于大数据分析的旅游景点推荐装置，其特征在于，包括：
构建模块，用于按游客类型对旅游景点进行分类，构建基于家庭结构特征的旅游信息大数据分析环境；
采集模块，用于采集游客家庭构成数据、历史旅游数据，采用基于家庭组合特征的旅游景点分析算法提取出游客家庭旅游特征；
分析模块，用于将所述游客家庭旅行特征导入所述基于家庭结构特征的旅游信息大数据分析环境，通过多层组合式机器学习算法，得出游客家庭的景点推荐；
优化模块，用于接收所述游客家庭的反馈信息，对游客家庭的景点推荐进行优化调整。
9.根据权利要求8所述的装置，其特征在于，所述构建模块，包括：
分类单元，用于按照旅客的年龄、性别、身体状况、旅行偏好、性格特征、旅行经历对所述旅游景点进行分类；
导入单元，用于导入历史旅客统计信息进行机器学习，构建出针对不同家庭结构特征的旅游信息大数据分析环境。
10.根据权利要求8所述的装置，其特征在于，所述分析模块，包括：
组合单元，用于将家庭成员按不同旅游特征进行组合，得到至少一个家庭旅游组合；
划分单元，用于按照所述家庭旅游组合中每个成员的旅行特征，将家庭旅游组合划分为至少两层，形成多层组合式家庭旅游组合；
推荐单元，用于将所述多层组合式家庭旅游组合导入所述基于家庭结构特征的旅游信息大数据分析环境中进行家庭旅游景点推荐。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910243862.XA CN110297964A (zh) | 2019-03-28 | 2019-03-28 | 一种基于大数据分析的旅游景点推荐方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910243862.XA CN110297964A (zh) | 2019-03-28 | 2019-03-28 | 一种基于大数据分析的旅游景点推荐方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110297964A true CN110297964A (zh) | 2019-10-01 |
Family
ID=68026530
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910243862.XA Pending CN110297964A (zh) | 2019-03-28 | 2019-03-28 | 一种基于大数据分析的旅游景点推荐方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110297964A (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110990703A (zh) * | 2019-12-06 | 2020-04-10 | 重庆锐云科技有限公司 | 一种基于用户健康状态的旅游目的地智能推荐系统及方法 |
| CN111612590A (zh) * | 2020-03-19 | 2020-09-01 | 江苏智檬智能科技有限公司 | 基于人工智能大数据的旅游景点推荐方法及装置 |
| CN111784446A (zh) * | 2020-06-22 | 2020-10-16 | 马上游科技股份有限公司 | 旅游服务的管理方法及系统 |
| CN111914183A (zh) * | 2020-09-29 | 2020-11-10 | 江西省气象信息中心(江西省气象培训中心、江西省农村经济信息中心) | 旅游计划推荐方法、装置、可读存储介质及计算机设备 |
| CN111949885A (zh) * | 2020-08-27 | 2020-11-17 | 桂林电子科技大学 | 一种面向旅游景点的个性化推荐方法 |
| CN112231595A (zh) * | 2020-10-13 | 2021-01-15 | 王琰 | 基于大数据的智慧旅游目标匹配系统及方法 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20090216633A1 (en) * | 2008-02-26 | 2009-08-27 | Travelocity.Com Lp | System, Method, and Computer Program Product for Assembling and Displaying a Travel Itinerary |
| CN104537028A (zh) * | 2014-12-19 | 2015-04-22 | 百度在线网络技术（北京）有限公司 | 一种网页信息处理方法及装置 |
| CN105657038A (zh) * | 2016-02-04 | 2016-06-08 | 云南今日游情科技有限公司 | 一种具有组队功能的旅游景点多功能服务系统及实现方法 |
| CN106227900A (zh) * | 2016-09-06 | 2016-12-14 | 北京易游华成科技有限公司 | 景点推荐设备、方法及系统 |
| CN106599092A (zh) * | 2016-11-24 | 2017-04-26 | 宇龙计算机通信科技(深圳)有限公司 | 旅游景点的推荐方法及装置 |
| TWM546561U (zh) * | 2017-01-06 | 2017-08-01 | Chienkuo Tech Univ | 具選擇性之旅遊景點推薦系統 |
| CN108537691A (zh) * | 2018-06-08 | 2018-09-14 | 延晋 | 一种区域游览智能管理系统及方法 |
| CN108537373A (zh) * | 2018-03-27 | 2018-09-14 | 黄晓鸣 | 旅游信息推荐方法和装置 |
-
2019
- 2019-03-28 CN CN201910243862.XA patent/CN110297964A/zh active Pending
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20090216633A1 (en) * | 2008-02-26 | 2009-08-27 | Travelocity.Com Lp | System, Method, and Computer Program Product for Assembling and Displaying a Travel Itinerary |
| CN104537028A (zh) * | 2014-12-19 | 2015-04-22 | 百度在线网络技术（北京）有限公司 | 一种网页信息处理方法及装置 |
| CN105657038A (zh) * | 2016-02-04 | 2016-06-08 | 云南今日游情科技有限公司 | 一种具有组队功能的旅游景点多功能服务系统及实现方法 |
| CN106227900A (zh) * | 2016-09-06 | 2016-12-14 | 北京易游华成科技有限公司 | 景点推荐设备、方法及系统 |
| CN106599092A (zh) * | 2016-11-24 | 2017-04-26 | 宇龙计算机通信科技(深圳)有限公司 | 旅游景点的推荐方法及装置 |
| TWM546561U (zh) * | 2017-01-06 | 2017-08-01 | Chienkuo Tech Univ | 具選擇性之旅遊景點推薦系統 |
| CN108537373A (zh) * | 2018-03-27 | 2018-09-14 | 黄晓鸣 | 旅游信息推荐方法和装置 |
| CN108537691A (zh) * | 2018-06-08 | 2018-09-14 | 延晋 | 一种区域游览智能管理系统及方法 |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110990703A (zh) * | 2019-12-06 | 2020-04-10 | 重庆锐云科技有限公司 | 一种基于用户健康状态的旅游目的地智能推荐系统及方法 |
| CN111612590A (zh) * | 2020-03-19 | 2020-09-01 | 江苏智檬智能科技有限公司 | 基于人工智能大数据的旅游景点推荐方法及装置 |
| CN111784446A (zh) * | 2020-06-22 | 2020-10-16 | 马上游科技股份有限公司 | 旅游服务的管理方法及系统 |
| CN111949885A (zh) * | 2020-08-27 | 2020-11-17 | 桂林电子科技大学 | 一种面向旅游景点的个性化推荐方法 |
| CN111914183A (zh) * | 2020-09-29 | 2020-11-10 | 江西省气象信息中心(江西省气象培训中心、江西省农村经济信息中心) | 旅游计划推荐方法、装置、可读存储介质及计算机设备 |
| CN112231595A (zh) * | 2020-10-13 | 2021-01-15 | 王琰 | 基于大数据的智慧旅游目标匹配系统及方法 |
| CN112231595B (zh) * | 2020-10-13 | 2021-10-26 | 四川旅投数字信息产业发展有限责任公司 | 基于大数据的智慧旅游目标匹配系统及方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110297964A (zh) | 一种基于大数据分析的旅游景点推荐方法及装置 | |
| Stylos et al. | Destination images, holistic images and personal normative beliefs: Predictors of intention to revisit a destination | |
| Massoni et al. | Bigger, more diverse and better? Mapping structural diversity and its recreational value in urban green spaces | |
| CN109461037A (zh) | 评论观点聚类方法、装置和终端 | |
| van Weerdenburg et al. | Where to go and what to do: Extracting leisure activity potentials from Web data on urban space | |
| KR20160029330A (ko) | 사용자 특성 및 여행지 특성에 기반한 여행지 추천 시스템 및 방법 | |
| CN110134765A (zh) | 一种基于情感分析的餐厅用户评论分析系统及方法 | |
| CN107203849A (zh) | 基于大数据的区域人才供给量化分析方法 | |
| CN100495391C (zh) | 信息查询系统及其方法 | |
| CN109740049A (zh) | 文章的生成方法和装置 | |
| CN110781300B (zh) | 基于百度百科知识图谱的旅游资源文化特色评分算法 | |
| Bruzzese et al. | Civil society’s perception of forest ecosystem services. A case study in the Western Alps | |
| Benckendorff et al. | Understanding Generation-Y tourists: managing the risk and change associated with a new emerging market. | |
| Woods | Theory and methodology in population geography | |
| CN109213852A (zh) | 一种旅游目的地图片推荐方法 | |
| Losa et al. | The socio-cultural dimension of women's labour force participation choices in Switzerland | |
| Gati et al. | Congruence and consistency derived from the circular and the hierarchical models as predictors of occupational choice satisfaction | |
| Ishihara et al. | Development of a kansei engineering artificial intelligence sightseeing application | |
| Patil et al. | Design precedents to design innovation: Category-based reasoning in problem-solving | |
| Hopkins | Decimating Dewey: introducing a bookshop arrangement for shelving the nonfiction collection | |
| Paschen | Decolonizing the gaze at Uluru (Ayers Rock). | |
| Rahimianzarif et al. | The effects of service provision and construction activities in Iranian villages on villagers’ subjective perceptions of rural life within the concept of quality of life: The case of Hamadan Province | |
| CN109242594A (zh) | 一种旅游团组生成方法、装置及存储介质 | |
| Hahnel-Peeters et al. | Why Boulder Springs has no boulders and no springs: Evolved landscape preferences and naming conventions. | |
| CN118378774B (zh) | 适用于地质文化村的旅游路径规划方法和系统 |
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: 20191001 |
|
| RJ01 | Rejection of invention patent application after publication |