CN111143680A - 路线的推荐方法、系统、电子设备及计算机存储介质 - Google Patents

路线的推荐方法、系统、电子设备及计算机存储介质 Download PDF

Info

Publication number
CN111143680A
CN111143680A CN201911376447.8A CN201911376447A CN111143680A CN 111143680 A CN111143680 A CN 111143680A CN 201911376447 A CN201911376447 A CN 201911376447A CN 111143680 A CN111143680 A CN 111143680A
Authority
CN
China
Prior art keywords
route
recommended
user
spot
scenic spot
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
Application number
CN201911376447.8A
Other languages
English (en)
Other versions
CN111143680B (zh
Inventor
李毅
胡胜蓝
陈诗芸
罗荣锦
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.)
Shanghai Ctrip Business Co Ltd
Original Assignee
Shanghai Ctrip Business 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 Shanghai Ctrip Business Co Ltd filed Critical Shanghai Ctrip Business Co Ltd
Priority to CN201911376447.8A priority Critical patent/CN111143680B/zh
Publication of CN111143680A publication Critical patent/CN111143680A/zh
Application granted granted Critical
Publication of CN111143680B publication Critical patent/CN111143680B/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
    • G06F16/95—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
    • 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
    • G06Q30/0241—Advertisements
    • G06Q30/0251—Targeted advertisements
    • G06Q30/0255—Targeted advertisements based on user history
    • 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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Databases & Information Systems (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Finance (AREA)
  • Development Economics (AREA)
  • Economics (AREA)
  • Accounting & Taxation (AREA)
  • Human Resources & Organizations (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Primary Health Care (AREA)
  • Game Theory and Decision Science (AREA)
  • Navigation (AREA)

Abstract

本发明公开了一种路线的推荐方法、系统、电子设备及计算机存储介质，方法包括：获取用户在OTA网站的历史数据；将历史数据输入至矩阵分解算法以得到用户的主题偏好以及主题偏好对应的主题偏好权重；获取目的地全部的景点信息，并生成景点集合；生成若干初始推荐路线以及路线偏好得分；根据主题偏好权重及路线偏好得分计算每一初始推荐路线的推荐得分；根据推荐得分对若干初始推荐路线排序，并基于排序向用户推荐路线。本发明不仅可以为用户推荐多条初始旅行推荐路线，还可以向用户推荐个性化的路线，也提升用户获取路线的效率，在旅行前降低了用户访问陌生城市前做攻略的复杂度，在旅行中提升了用户基于路线获取交通方式以及实时信息的便捷度。

Description

路线的推荐方法、系统、电子设备及计算机存储介质
技术领域
本发明涉及计算机信息技术领域，特别涉及一种路线的推荐方法、系统、电子设备及计算机存储介质。
背景技术
在旅游行业，随着社会经济的不断发展，用户可以选择的旅游目的地变得更多，但在互联网信息急剧膨胀的前提下，对于信息的操作和获取也日益复杂。在用户决定了出行目的地后，往往需要花费大量时间和精力去做路线规划。
发明内容
本发明要解决的技术问题是为了克服现有技术中用户难以在短时间内找到最适合自己的旅行路线的缺陷，提供了一种高效率且个性化的旅行路线的推荐方法、系统、电子设备及计算机存储介质。
本发明是通过下述技术方案来解决上述技术问题：
本发明提供了一种路线的推荐方法，所述推荐方法包括：
获取用户在OTA(在线旅行代理)网站的历史数据；
将所述历史数据输入至矩阵分解算法以得到用户的主题偏好以及主题偏好对应的主题偏好权重；
获取用户出行目的地全部的景点信息，并根据全部的景点信息生成景点集合；
根据所述景点集合生成若干初始推荐路线以及每一初始推荐路线的路线偏好得分；
根据用户的主题偏好权重以及每一初始推荐路线与用户的主题偏好匹配的路线偏好得分计算每一初始推荐路线的推荐得分；
根据所述推荐得分对若干初始推荐路线排序，并基于所述排序向用户推荐路线。
其中，可以通过埋点获取的方式获取历史数据。
其中，历史数据可以被送到流处理进行解析，并进行数据的清洗，而后输入至矩阵分解算法。
其中，所述景点信息包括景点的经纬度、景点的游玩时长、景点的标签、景点的热度。
本发明中，通过用户旅行目的地的景点信息与获取的用户信息相结合，在合理考虑用户需求的情况下，可以为用户推荐多条初始旅行推荐路线以供用户选择，本发明一方面基于用户的需求可以向用户推荐个性化的路线，另一方面提升了用户获取旅行路线的效率，不仅在旅行前降低了用户访问陌生城市前做旅行路线攻略的复杂度，还可以在旅行中提升了用户基于路线获取交通方式以及实时信息的便捷度。
较佳地，所述景点信息包括景点热度信息；
根据所述景点集合生成若干初始推荐路线的步骤包括：
S1、选取若干景点热度信息排名最高的景点作为热度集合；
S2、从所述热度集合里选取所述景点热度信息排名最高的景点为当前推荐景点，判断排名最高的景点的游览时间是否小于用户当日限制时间，若否，则生成初始推荐路线，所述初始推荐路线仅仅包括当前推荐景点，若是，则执行步骤S31；
S31、选取离所述当前推荐景点的距离最近的景点为下一推荐景点，判断所有推荐景点的总游览时间是否小于用户当日限制时间，若小于，则执行步骤S32，若不小于，则执行步骤S33；
S32、将所述下一推荐景点作为当前推荐景点，返回步骤S31；
S33、确定包括所有推荐景点的路线为初始推荐路线，将当前的景点热度信息排名最高的景点从所述热度集合中删除，返回步骤S2；
所述总游览时间包括景点间的交通往返时间；
和/或，
根据所述全部景点信息生成若干条初始推荐路线的步骤包括：
S1、选取若干景点热度信息排名最高的景点作为热度集合；
S2、从所述热度集合里选取所述景点热度信息排名最高的景点为当前推荐景点，判断排名最高的景点的游览时间是否小于用户当日限制时间，若否，则生成初始推荐路线，所述初始推荐路线仅仅包括当前推荐景点，若是，则执行步骤S41；
S41、选取若干离所述当前推荐景点距离最近的景点生成近景集合；
S42、在所述近景集合选取离所述当前推荐景点的距离最近的景点为下一推荐景点，判断所有推荐景点的总游览时间是否小于用户当日限制时间，若小于，则执行步骤S43，若不小于，则执行步骤S44；
S43、将所述下一推荐景点作为当前推荐景点，返回步骤S42；
S44、确定包括所有推荐景点的路线为初始推荐路线，将离所述当前推荐景点的距离最近的景点从所述近景集合中删除，返回步骤S42；
所述总游览时间包括景点间的交通往返时间。
本发明中，可以通过多种方式为用户推荐初始推荐路线，从而增加了用户选择的丰富度。
较佳地，
在步骤S31中，还包括：若判断所有推荐景点的总游览时间大于用户当日限制时间，则将下一推荐景点从所有的推荐景点中去除，并执行步骤S33；
和/或，
在步骤S41中，还包括：若判断所有推荐景点的总游览时间大于用户当日限制时间，则将下一推荐景点从所有的推荐景点中去除，并执行步骤S44。
本发明中，可以给用户推荐合适时长的路线，从而避免给用户推荐的游玩时间过长而降低用户的体验度。
较佳地，所述景点信息还包括景点的评论信息与描述信息；
获取用户出行目的地全部的景点信息的步骤后还包括：
根据所述评论信息与描述信息获取每一景点的高频关键词，并根据所述高频关键词设置每一景点的标签及每一标签对应的权重，每一景点包括至少一标签；
生成每一初始推荐路线的路线偏好得分的步骤包括：
根据下述公式计算一条初始推荐路线的路线偏好得分；
Figure BDA0002341098980000041
其中，n表示初始推荐路线的景点个数，i表示某一标签，poitag表示根据某一景点的某一标签对应的权重设置的分数，route_tagi表示某一初始推荐路线的某一标签对应的路线偏好得分。
其中，高频关键词的挖掘，主要通过挖掘评论、简介中主题词、同义词及互现词的高频词汇得到。
较佳地，所述历史数据包括历史浏览数据及历史订单数据；
获取用户出行目的地全部的景点信息的步骤前包括：
获取用户还未出行的订单数据；
从所述还未出行的订单数据中提取用户的目的地；
根据用户的主题偏好权重以及每一初始推荐路线与用户的主题偏好匹配的路线偏好得分计算每一初始推荐路线的推荐得分的步骤包括：
根据下面的公式计算每一初始推荐路线的推荐得分：
Figure BDA0002341098980000042
其中，score表示某一初始推荐路线的推荐得分，poi_tagi表示根据用户主题偏好权重设置的分数，route_tagi表示与用户主题偏好匹配的景点的标签的分数，n表示某一初始推荐路线中的景点数量。
较佳地，用户还未出行的订单数据还包括：用户的游玩天数；
基于所述排序向用户推荐路线的步骤包括：
生成得分最高的路线；
将得分最高的路线加入至用户推荐路线集合中，并设置计数器加1，所述推荐路线集合包括用于计算所述推荐路线数量的所述计数器，所述计数器的初始值为0；
判断所述计数器的计算数目是否大于用户的游玩天数，若否，则将所述推荐得分最高的路线中所有的景点从所述景点集合中去除，并继续执行根据所述景点集合生成若干初始推荐路线以及每一初始推荐路线的路线偏好得分的步骤直至所述计数器的计算数目大于用户的游玩天数；
按照先后顺序向用户推荐所述用户推荐路线集合中的路线；
生成得分最高的路线的步骤包括生成所述路线的总游玩时长、景点的游玩顺序、景点之间的距离及景点之间的交通方式。
本发明中，综合考虑路线中用户的主题偏好来进行排序，并根据用户的主题偏好结合对应的初始推荐路线的标签，从而根据不同偏好的权重分求和，从而得到合理的个性化推荐结果。
本发明中，能够根据用户的需求提供较为完整的行程路线，为用户的行程决策提供参考，在行前节约用户做旅游规划的时间，在行中给予用户交通路线的推荐，降低用户出行前的焦虑感，提升用户行中的便捷度。
本发明还提供了一种路线的推荐系统，所述推荐系统包括：历史数据获取模块、用户偏好获取模块、景点集合生成模块、初始路线生成模块、路线得分计算模块、用户路线推荐模块；
所述历史数据获取模块用于获取用户在OTA网站的历史数据；
所述用户偏好获取模块用于将所述历史数据输入至矩阵分解算法以得到用户的主题偏好以及主题偏好对应的主题偏好权重；
所述景点集合生成模块用于获取用户出行目的地全部的景点信息，并根据全部的景点信息生成景点集合；
所述初始路线生成模块用于根据所述景点集合生成若干初始推荐路线以及每一初始推荐路线的路线偏好得分；
所述路线得分计算模块用于根据用户的主题偏好权重以及每一初始推荐路线与用户的主题偏好匹配的路线偏好得分计算每一初始推荐路线的推荐得分；
所述用户路线推荐模块用于根据所述推荐得分对若干初始推荐路线排序，并基于所述排序向用户推荐路线。
其中，所述历史数据获取模块可以通过埋点获取的方式获取历史数据。
其中，历史数据可以被送到流处理进行解析，并进行数据的清洗，而后输入至矩阵分解算法。
其中，所述景点信息包括景点的经纬度、景点的游玩时长、景点的标签、景点的热度。
本发明中，通过用户旅行目的地的景点信息与获取的用户信息相结合，在合理考虑用户需求的情况下，可以为用户推荐多条初始旅行推荐路线以供用户选择，本发明一方面基于用户的需求可以向用户推荐个性化的路线，另一方面提升了用户获取旅行路线的效率，不仅在旅行前降低了用户访问陌生城市前做旅行路线攻略的复杂度，还可以在旅行中提升了用户基于路线获取交通方式以及实时信息的便捷度。
较佳地，所述景点信息包括景点热度信息；
所述初始路线生成模块包括热度集合生成单元、当前景点生成单元、第一景点生成单元、第一景点交替单元及第一路线确定单元；
所述热度集合生成单元用于选取若干景点热度信息排名最高的景点作为热度集合，并调用所述当前景点生成单元；
所述当前景点生成单元用于从所述热度集合里选取所述景点热度信息排名最高的景点为当前推荐景点，判断排名最高的景点的游览时间是否小于用户当日限制时间，若否，则生成初始推荐路线，所述初始推荐路线仅仅包括当前推荐景点，若是，则调用所述第一景点生成单元；
所述第一景点生成单元用于选取离所述当前推荐景点的距离最近的景点为下一推荐景点，判断所有推荐景点的总游览时间是否小于用户当日限制时间，若小于，则调用所述第一景点交替单元，若不小于，则调用所述第一路线确定单元；
所述第一景点交替单元用于将所述下一推荐景点作为当前推荐景点，并调用所述第一景点生成单元；
所述第一路线确定单元用于确定包括所有推荐景点的路线为初始推荐路线，将当前的景点热度信息排名最高的景点从所述热度集合中删除，并调用所述当前景点生成单元；
所述总游览时间包括景点间的交通往返时间；
和/或，
所述初始路线生成模块包括热度集合生成单元、当前景点生成单元、近景集合生成单元、第二景点生成单元、第二景点交替单元及第二路线确定单元：
所述热度集合生成单元用于选取若干景点热度信息排名最高的景点作为热度集合；
所述当前景点生成单元用于从所述热度集合里选取所述景点热度信息排名最高的景点为当前推荐景点，判断排名最高的景点的游览时间是否小于用户当日限制时间，若否，则生成初始推荐路线，所述初始推荐路线仅仅包括当前推荐景点，若是，则调用所述近景集合生成单元；
所述近景集合生成单元用于选取若干离所述当前推荐景点距离最近的景点生成近景集合，并调用所述第二景点生成单元；
所述第二景点生成单元用于在所述近景集合选取离所述当前推荐景点的距离最近的景点为下一推荐景点，判断所有推荐景点的总游览时间是否小于用户当日限制时间，若小于，则调用所述第二景点交替单元，若不小于，则调用所述第二路线确定单元；
所述第二景点交替单元用于将所述下一推荐景点作为当前推荐景点，并调用所述第二景点生成单元；
所述第二路线确定单元用于确定包括所有推荐景点的路线为初始推荐路线，将离所述当前推荐景点的距离最近的景点从所述近景集合中删除，并调用所述第二景点生成单元；
所述总游览时间包括景点间的交通往返时间。
本发明中，可以通过多种方式为用户推荐初始推荐路线，从而增加了用户选择的丰富度。
较佳地，所述第一景点生成单元还用于若判断所有推荐景点的总游览时间大于用户当日限制时间，则将下一推荐景点从所有的推荐景点中去除，并调用所述第一路线确定单元；
和/或，
所述第二景点生成单元还用于若判断所有推荐景点的总游览时间大于用户当日限制时间，则将下一推荐景点从所有的推荐景点中去除，并调用所述第二路线确定单元。
本发明中，可以给用户推荐合适时长的路线，从而避免给用户推荐的游玩时间过长而降低用户的体验度。
较佳地，所述景点信息还包括景点的评论信息与描述信息，所述推荐系统还包括标签权重获取模块，用于根据所述评论信息与描述信息获取每一景点的高频关键词，并根据所述高频关键词设置每一景点的标签及每一标签对应的权重，每一景点包括至少一标签；
所述初始路线生成模块用于根据下述公式计算一条初始推荐路线的路线偏好得分；
Figure BDA0002341098980000081
其中，n表示初始推荐路线的景点个数，i表示某一标签，poitag表示根据某一景点的某一标签对应的权重设置的分数，route_tagi表示某一初始推荐路线的某一标签对应的路线偏好得分。
其中，高频关键词的挖掘，主要通过挖掘评论、简介中主题词、同义词及互现词的高频词汇得到。
较佳地，所述历史数据包括历史浏览数据及历史订单数据；所述推荐系统还包括：订单数据获取模块及目的地获取模块；
所述订单数据获取模块用于获取用户还未出行的订单数据；
所述目的地获取模块用于从所述还未出行的订单数据中提取用户的目的地；
所述路线得分计算模块还用于根据下面的公式计算每一初始推荐路线的推荐得分：
Figure BDA0002341098980000091
其中，score表示某一初始推荐路线的推荐得分，poi_tagi表示根据用户主题偏好权重设置的分数，route_tagi表示与用户主题偏好匹配的景点的标签的分数，n表示某一初始推荐路线中的景点数量。
较佳地，用户还未出行的订单数据还包括：用户的游玩天数；
所述用户路线推荐模块包括：最佳路线生成单元、路线集合生成单元、数目判断单元及路线按序推荐单元：
所述最佳路线生成单元用于生成得分最高的路线；
所述路线集合生成单元用于将得分最高的路线加入至用户推荐路线集合中，并设置计数器加1，所述推荐路线集合包括用于计算所述推荐路线数量的所述计数器，所述计数器的初始值为0；
所述数目判断单元用于判断所述计数器的计算数目是否大于用户的游玩天数，若否，则将所述推荐得分最高的路线中所有的景点从所述景点集合中去除，并继续调用初始路线生成模块直至所述计数器的计算数目大于用户的游玩天数；
所述路线按序推荐单元用于按照先后顺序向用户推荐所述用户推荐路线集合中的路线；
最佳路线生成单元具体用于生成所述路线的总游玩时长、景点的游玩顺序、景点之间的距离及景点之间的交通方式。
本发明中，综合考虑路线中用户的主题偏好来进行排序，并根据用户的主题偏好结合对应的初始推荐路线的标签，从而根据不同偏好的权重分求和，从而得到合理的个性化推荐结果。
本发明中，能够根据用户的需求提供较为完整的行程路线，为用户的行程决策提供参考，在行前节约用户做旅游规划的时间，在行中给予用户交通路线的推荐，降低用户出行前的焦虑感，提升用户行中的便捷度。
本发明还提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述推荐方法。
本发明还提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述推荐方法的步骤。
本发明的积极进步效果在于：本发明本通过用户旅行目的地的景点信息与获取的用户信息相结合，在合理考虑用户需求的情况下，可以为用户推荐多条初始旅行推荐路线以供用户选择，本发明一方面基于用户的需求可以向用户推荐个性化的路线，另一方面提升了用户获取旅行路线的效率，不仅在旅行前降低了用户访问陌生城市前做旅行路线攻略的复杂度，还可以在旅行中提升了用户基于路线获取交通方式以及实时信息的便捷度。
附图说明
图1为本发明实施例1的路线的推荐方法的流程图。
图2为本发明实施例2中步骤104的一种实现方式的流程图。
图3为本发明实施例2中步骤104的一种实现方式的流程图。
图4为本发明实施例3中步骤106的具体实现方式的流程图。
图5为本发明实施例4的路线的推荐系统的模块示意图。
图6为本发明实施例5的初始路线生成模块的一种实现方式的示意图。
图7为本发明实施例5的初始路线生成模块的一种实现方式的示意图。
图8为本发明实施例6的用户路线推荐模块的具体示意图。
图9为根据本发明实施例7的电子设备的硬件结构示意图。
具体实施方式
下面通过实施例的方式进一步说明本发明，但并不因此将本发明限制在所述的实施例范围之中。
实施例1
本实施例提供了一种路线的推荐方法，如图1所示，该推荐方法包括：
步骤101、获取用户在OTA网站的历史数据。
步骤102、将历史数据输入至矩阵分解算法以得到用户的主题偏好以及主题偏好对应的主题偏好权重。
步骤103、获取用户出行目的地全部的景点信息，并根据全部的景点信息生成景点集合。
步骤104、根据景点集合生成若干初始推荐路线以及每一初始推荐路线的路线偏好得分。
步骤105、根据用户的主题偏好权重以及每一初始推荐路线与用户的主题偏好匹配的路线偏好得分计算每一初始推荐路线的推荐得分。
步骤106、根据推荐得分对若干初始推荐路线排序，并基于排序向用户推荐路线。
其中，由于在步骤101中，可以通过埋点获取的方式获取历史数据，由于用户在在OTA网站存在大量的历史数据，如在以往的旅行的过程生成大量的数据，包括浏览记录、问答评论、签到、游记、签到等用户生成内容，其中可以获取过去若干天数的历史数据，如用户在过去120天内的交互数据，应当理解，如果在进行旅行路线推荐时，用户没有旅行的历史数据，则可以获取用户在酒店上的历史数据。
其中，在步骤102中，该历史数据可以被送到流处理进行解析，并进行数据的清洗，而后输入至矩阵分解算法以得到用户的主题偏好以及主题偏好对应的主题偏好权重，如最后输出用户的景点主题偏好为海滩、海岛等。
其中，在步骤103中，如获取的用户目的地为重庆，则会通过从互联网、OTA网站后台、云端、应用程序等多种途径来获得重庆的全部的景点信息。
其中，在步骤104中，可以通过深度的贪婪算法生成若干初始推荐路线，根据每一初始推荐路线包括的景点，而对每一初始推荐路线按标签计算路线偏好得分。
其中，在步骤105中，每条路线里面的景点所涉及的所有标签都会有一个标签得分，可以选取标签得分前三位的标签当作路线标签，而后结合用户的主题偏好权重来计算每一初始推荐路线的推荐得分。
其中，在步骤106中，最优方案为向用户推荐排序为第一的路线。
其中，所述景点信息包括景点的经纬度、景点的游玩时长、景点的标签、景点的热度等信息。
本实施例中，通过用户旅行目的地的景点信息与获取的用户信息相结合，在合理考虑用户需求的情况下，可以为用户推荐多条初始旅行推荐路线以供用户选择，本发明一方面基于用户的需求可以向用户推荐个性化的路线，另一方面提升了用户获取旅行路线的效率，不仅在旅行前降低了用户访问陌生城市前做旅行路线攻略的复杂度，还可以在旅行中提升了用户基于路线获取交通方式以及实时信息的便捷度。
实施例2
本实施例提供了一种路线的推荐方法，本实施例为对实施例1的进一步改进，其中，如图2所示，步骤104具体包括：
步骤1041、选取若干景点热度信息排名最高的景点作为热度集合。
步骤1042、从热度集合里选取景点热度信息排名最高的景点为当前推荐景点，判断排名最高的景点的游览时间是否小于用户当日限制时间，若否，则执行步骤1043，若是，则执行步骤1044。
步骤1043、生成初始推荐路线，该初始推荐路线仅仅包括当前推荐景点。
步骤1044、选取离当前推荐景点的距离最近的景点为下一推荐景点，判断所有推荐景点的总游览时间是否小于用户当日限制时间，若小于，则执行步骤1045，若不小于，则执行步骤1046。
步骤1045、将下一推荐景点作为当前推荐景点，返回步骤1044。
步骤1046、确定包括所有推荐景点的路线为初始推荐路线，将当前的景点热度信息排名最高的景点从所述热度集合中删除，执行步骤1042。
如图3所示，在另一种情况下，步骤104中包括：
步骤1141、选取若干景点热度信息排名最高的景点作为热度集合。
步骤1142、从热度集合里选取景点热度信息排名最高的景点为当前推荐景点，判断排名最高的景点的游览时间是否小于用户当日限制时间，若是，则执行步骤1144，若否，则执行步骤1143。
步骤1143、生成初始推荐路线，初始推荐路线仅仅包括当前推荐景点。
步骤1144、选取若干离当前推荐景点距离最近的景点生成近景集合。
步骤1145、在近景集合选取离当前推荐景点的距离最近的景点为下一推荐景点，判断所有推荐景点的总游览时间是否小于用户当日限制时间，若小于，则执行步骤1146，若不小于，则执行步骤1147。
步骤1146、将下一推荐景点作为当前推荐景点。
步骤1147、确定包括所有推荐景点的路线为初始推荐路线，将当前的景点热度信息排名最高的景点从热度集合中删除，执行步骤1142。
在另一种情况下，步骤104同时包括图2及图3中的实现步骤。
应当理解，本实施例中总游览时间包括景点间的交通往返时间。
应当理解，本实施例中用户当日限制时间要根据不同情况进行设置，如用户预定的机票为12点到达目的地，则可以设置当日限制时间为3～5小时，如果用户前一天晚上就到了，则可以设置为6～10小时。
应当理解，本实施例中，为了避免给用户推荐的游玩时间过长从而降低用户的体验度，步骤1044中若判断所有推荐景点的总游览时间大于用户当日限制时间，则将下一推荐景点从所有的推荐景点中去除，并执行步骤1046，步骤1145中若判断所有推荐景点的总游览时间大于用户当日限制时间，则将下一推荐景点从所有的推荐景点中去除，并执行步骤1147。
本实施例中，可以通过多种方式为用户推荐初始推荐路线，从而增加了用户选择的丰富度。
实施例3
本实施例提供了一种路线的推荐方法，本实施例是对实施例1或实施例2的进一步改进，
其中，景点信息还包括景点的评论信息与描述信息；
其中，步骤103后还包括步骤：
根据所述评论信息与描述信息获取每一景点的高频关键词，并根据所述高频关键词设置每一景点的标签及每一标签对应的权重，每一景点包括至少一标签。
其中，景点的高频关键词的挖掘，主要根据主题词，获取高频关键词的同义词，同义词主要通过w2v(一种神经网络模型)和互现词(互现词仅限于用户输入的数据源并提前离线统计出来)得到，然后统计在评论、简介中主题词及同义词出现的频次，得到该景点标签的权重对应的打分。
其中，步骤104中根据下述公式计算一条初始推荐路线的路线偏好得分；
Figure BDA0002341098980000141
其中，n表示初始推荐路线的景点个数，i表示某一标签，poitag表示根据某一景点的某一标签对应的权重设置的分数，route_tagi表示某一初始推荐路线的某一标签对应的路线偏好得分。
其中，步骤103前还包括：获取用户还未出行的订单数据以及从所述还未出行的订单数据中提取用户的目的地的步骤。
其中，步骤105中，根据下面的公式计算每一初始推荐路线的推荐得分：
Figure BDA0002341098980000142
其中，score表示某一初始推荐路线的推荐得分，poi_tagi表示根据用户主题偏好权重设置的分数，route_tagi表示与用户主题偏好匹配的景点的标签的分数，n表示某一初始推荐路线中的景点数量。
其中，由于用户的出行天数可能不止一天，因此，本实施例中可以向用户推荐多天的游玩路线，具体的，如图4所示，用户还未出行的订单数据还包括：用户的游玩天数。步骤106中还包括：
步骤1061、生成得分最高的路线。
步骤1062、将得分最高的路线加入至用户推荐路线集合中，并设置计数器加1。
步骤1063、判断所述计数器的计算数目是否大于用户的游玩天数，若否，则执行步骤1064，若是，则执行步骤104直至计数器的计算数目大于用户的游玩天数。
步骤1064、将推荐得分最高的路线中所有的景点从景点集合中去除。
步骤1065、按照先后顺序向用户推荐用户推荐路线集合中的路线。
为了向用户推进更详细的路线细节，本实施例中，步骤1061包括生成得分最高的路线的步骤包括生成所述路线的总游玩时长、景点的游玩顺序、景点之间的距离及景点之间的交通方式。
应当理解，本实施例中，若用户已经出发，在游玩天数还剩下若干天的情况下，如果用户选择本发明中的推荐方法，则会向用户推荐剩下天数的路线。
为了便于理解，先对列举一实例对本实施例进行说明，
首先，通过用户订单记录获知用户已有上海至重庆的往返机票行程，出发时间为十月一日去，返回时间为十月六日回，为期六天。通过应用软件和在线的埋点获得用户的浏览、历史订单数据，根据本实施例中的步骤102计算出该用户景点主题偏好为亲子、休闲，并且第一次去重庆，并根据浏览记录得知用户对洪崖洞、解放碑、磁器口等热门景点兴趣较高。此时提取开放时间和游玩日期相匹配的、覆盖用户兴趣的热门景点、加上交通行程每日游玩时长不超过八个小时的轻松类型路线，并依照景点评分以及用户偏好，将路线打分并按照得分高低展现给用户，同时可以留出一天时间由用户自行规划。假设根据步骤104计算出在第一天包括三条初始推荐路线，其中，路线1包括景点A和景点B，景点A的标签中亲子得分为3，休闲得分为5，而景点B的标签中亲子得分为6，休闲得分为7，这样的情况下，路线1的亲子标签的得分为(3+5)/2＝4，路线1的休闲标签的得分为(5+7)/2＝6，如果，这个路线其它的标签，例如娱乐得分为1、历史得分为8、奢华得分为2，则路线1下选取的前三位的路线标签为：
历史：得分为8，休闲：得分为6，亲子：得分为5。
如果还存在另外两条路线，标签得分分别为：
路线2：享受：得分为5，休闲：得分为4，亲子：得分为2。
路线3：亲子：得分为6，休闲：得分为3，奢华：得分为2。
而根据本实施例中的下述公式：
Figure BDA0002341098980000161
可以得知：
路线1的分数＝8*0+6*3+5*5＝43
路线2的分数＝5*2+4*3+2*5＝32
路线3的分数＝5*6+3*3+2*0＝39。
因此推荐给用户的顺序就是1>3>2，在本实施例中，可以在第一天中选择景点1作为最佳景点推荐给用户，而第2～6天则会将第一天已经推荐给用户的景点删除后，继续按照上述相同的方式向用户推荐合适的路线。
本实施例中，综合考虑路线中用户的主题偏好来进行排序，并根据用户的主题偏好结合对应的初始推荐路线的标签，从而根据不同偏好的权重分求和，从而得到合理的个性化推荐结果。
本实施例能够根据用户的需求提供较为完整的行程路线，为用户的行程决策提供参考，在行前节约用户做旅游规划的时间，在行中给予用户交通路线的推荐，降低用户出行前的焦虑感，提升用户行中的便捷度。
实施例4
本实施例提供了一种路线的推荐系统，如图5所示，该推荐系统包括：历史数据获取模块401、用户偏好获取模块402、景点集合生成模块403、初始路线生成模块404、路线得分计算模块405、用户路线推荐模块406；
历史数据获401取模块用于获取用户在OTA网站的历史数据。
用户偏好获取模块402用于将所述历史数据输入至矩阵分解算法以得到用户的主题偏好以及主题偏好对应的主题偏好权重。
景点集合生成模块403用于获取用户出行目的地全部的景点信息，并根据全部的景点信息生成景点集合。
初始路线生成模块404用于根据所述景点集合生成若干初始推荐路线以及每一初始推荐路线的路线偏好得分。
路线得分计算模块405用于根据用户的主题偏好权重以及每一初始推荐路线与用户的主题偏好匹配的路线偏好得分计算每一初始推荐路线的推荐得分。
用户路线推荐模块406用于根据所述推荐得分对若干初始推荐路线排序，并基于所述排序向用户推荐路线。
其中，历史数据获取模块401可以通过埋点获取的方式获取历史数据，由于用户在在OTA网站存在大量的历史数据，如在以往的旅行的过程生成大量的数据，包括浏览记录、问答评论、签到、游记、签到等用户生成内容，其中可以获取过去若干天数的历史数据，如用户在过去120天内的交互数据，应当理解，如果在进行旅行路线推荐时，用户没有旅行的历史数据，则可以获取用户在酒店上的历史数据。
其中，历史数据获取模块401获取的历史数据可以被送到流处理进行解析，并进行数据的清洗，而后用户偏好获取模块402将该历史数据输入至矩阵分解算法以得到用户的主题偏好以及主题偏好对应的主题偏好权重，如最后输出用户的景点主题偏好为海滩、海岛等。
其中，如获取的用户目的地为重庆，则景点集合生成模块403会通过从互联网、OTA网站后台、云端、应用程序等多种途径来获得重庆的全部的景点信息。
其中，初始路线生成模块404可以通过深度的贪婪算法生成若干初始推荐路线，根据每一初始推荐路线包括的景点，而对每一初始推荐路线按标签计算路线偏好得分。
其中，路线得分计算模块405可以计算出每条路线里面的景点所涉及的所有标签的标签得分，可以选取标签得分前三位的标签当作路线标签，而后路线得分计算模块405结合用户的主题偏好权重来计算每一初始推荐路线的推荐得分。
其中，用户路线推荐模块406最优方案为向用户推荐排序为第一的路线。
其中，所述景点信息包括景点的经纬度、景点的游玩时长、景点的标签、景点的热度等信息。
本实施例中，通过用户旅行目的地的景点信息与获取的用户信息相结合，在合理考虑用户需求的情况下，可以为用户推荐多条初始旅行推荐路线以供用户选择，本发明一方面基于用户的需求可以向用户推荐个性化的路线，另一方面提升了用户获取旅行路线的效率，不仅在旅行前降低了用户访问陌生城市前做旅行路线攻略的复杂度，还可以在旅行中提升了用户基于路线获取交通方式以及实时信息的便捷度。
实施例6
本实施例提供了一种路线的推荐系统，本实施例为对实施例5的进一步改进，其中，景点信息包括景点热度信息，如图6所示，初始路线生成模块404具体包括：热度集合生成单元4041、当前景点生成单元4042、第一景点生成单元4043、第一景点交替单元4044及第一路线确定单元4045；
热度集合生成单元4041用于选取若干景点热度信息排名最高的景点作为热度集合，并调用当前景点生成单元4042。
当前景点生成单元4042用于从所述热度集合里选取所述景点热度信息排名最高的景点为当前推荐景点，判断排名最高的景点的游览时间是否小于用户当日限制时间，若否，则生成初始推荐路线，所述初始推荐路线仅仅包括当前推荐景点，若是，则调用第一景点生成单元4043。
第一景点生成单元4043用于选取离所述当前推荐景点的距离最近的景点为下一推荐景点，判断所有推荐景点的总游览时间是否小于用户当日限制时间，若小于，则调用第一景点交替单元4044，若不小于，则调用第一路线确定单元4045。
第一景点交替单元4044用于将下一推荐景点作为当前推荐景点，并调用第一景点生成单4043。
第一路线确定单元4045用于确定包括所有推荐景点的路线为初始推荐路线，将当前的景点热度信息排名最高的景点从所述热度集合中删除，并调用当前景点生成单元4042。
如图7所示，在另一种情况下，初始路线生成模块404具体包括：热度集合生成单元4041、当前景点生成单元4042、近景集合生成单元4143、第二景点生成单元4144、第二景点交替单元4145及第二路线确定单元4146。
热度集合生成单元4041用于选取若干景点热度信息排名最高的景点作为热度集合。
当前景点生成单元4042用于从所述热度集合里选取所述景点热度信息排名最高的景点为当前推荐景点，判断排名最高的景点的游览时间是否小于用户当日限制时间，若否，则生成初始推荐路线，所述初始推荐路线仅仅包括当前推荐景点，若是，则调用近景集合生成单元4143。
近景集合生成单元4143用于选取若干离所述当前推荐景点距离最近的景点生成近景集合，并调用所述第二景点生成单元4144。
第二景点生成单元4144用于在所述近景集合选取离所述当前推荐景点的距离最近的景点为下一推荐景点，判断所有推荐景点的总游览时间是否小于用户当日限制时间，若小于，则调用第二景点交替单元4145，若不小于，则调用第二路线确定单元4146。
第二景点交替单元4145用于将所述下一推荐景点作为当前推荐景点，并调用第二景点生成单元4146。
第二路线确定单元4146用于确定包括所有推荐景点的路线为初始推荐路线，将离当前推荐景点的距离最近的景点从近景集合中删除，并调用第二景点生成单元4144。
而在在另一种情况下，初始路线生成模块404同时包括图6及图7中的具体单元。
应当理解，本实施例中总游览时间包括景点间的交通往返时间。
应当理解，本实施例中用户当日限制时间要根据不同情况进行设置，如用户预定的机票为12点到达目的地，则可以设置当日限制时间为3～5小时，如果用户前一天晚上就到了，则可以设置为6～10小时。
应当理解，本实施例中，为了避免给用户推荐的游玩时间过长从而降低用户的体验度，第一景点生成单元4043判断所有推荐景点的总游览时间大于用户当日限制时间，则将下一推荐景点从所有的推荐景点中去除，并调用第一路线确定单元4044，第二景点生成单元4144若判断所有推荐景点的总游览时间大于用户当日限制时间，则将下一推荐景点从所有的推荐景点中去除，并调用第二路线确定单元4146。
本实施例中，可以通过多种方式为用户推荐初始推荐路线，从而增加了用户选择的丰富度。
实施例6
本实施例提供了一种路线的推荐系统，本实施例是对实施例4或实施例5的进一步改进，
其中，景点信息还包括景点的评论信息与描述信息。
其中，本实施例中的推荐系统还包括标签权重获取模块，用于根据所述评论信息与描述信息获取每一景点的高频关键词，并根据所述高频关键词设置每一景点的标签及每一标签对应的权重，每一景点包括至少一标签；
所述初始路线生成模块用于根据下述公式计算一条初始推荐路线的路线偏好得分；
Figure BDA0002341098980000201
其中，n表示初始推荐路线的景点个数，i表示某一标签，poitag表示根据某一景点的某一标签对应的权重设置的分数，route_tagi表示某一初始推荐路线的某一标签对应的路线偏好得分。
其中，所述历史数据包括历史浏览数据及历史订单数据；所述推荐系统还包括：订单数据获取模块及目的地获取模块；
所述订单数据获取模块用于获取用户还未出行的订单数据；
所述目的地获取模块用于从所述还未出行的订单数据中提取用户的目的地；
所述路线得分计算模块还用于根据下面的公式计算每一初始推荐路线的推荐得分：
Figure BDA0002341098980000211
其中，score表示某一初始推荐路线的推荐得分，poi_tagi表示根据用户主题偏好权重设置的分数，route_tagi表示与用户主题偏好匹配的景点的标签的分数，n表示某一初始推荐路线中的景点数量。
其中，由于用户的出行天数可能不止一天，因此，本实施例中可以向用户推荐多天的游玩路线，其中，用户还未出行的订单数据还包括：用户的游玩天数。
具体的，如图8所示，用户路线推荐模块406包括：最佳路线生成单元4061、路线集合生成单元4062、数目判断单元4063及路线按序推荐单元4064。
最佳路线生成单元4061用于生成得分最高的路线。
路线集合生成单元4062用于将得分最高的路线加入至用户推荐路线集合中，并设置计数器加1，所述推荐路线集合包括用于计算所述推荐路线数量的所述计数器，所述计数器的初始值为0。
数目判断单元4063用于判断所述计数器的计算数目是否大于用户的游玩天数，若否，则将所述推荐得分最高的路线中所有的景点从所述景点集合中去除，并继续调用初始路线生成模块404直至所述计数器的计算数目大于用户的游玩天数。
路线按序推荐单元4064用于按照先后顺序向用户推荐所述用户推荐路线集合中的路线。
最佳路线生成单元4061具体用于生成所述路线的总游玩时长、景点的游玩顺序、景点之间的距离及景点之间的交通方式。
为了向用户推进更详细的路线细节，本实施例中，最佳路线生成单元4061还用于生成所述路线的总游玩时长、景点的游玩顺序、景点之间的距离及景点之间的交通方式。
应当理解，本实施例中，若用户已经出发，在游玩天数还剩下若干天的情况下，如果用户选择本发明中的推荐系统，则用户路线推荐模块406会向用户推荐剩下天数的路线。
为了便于理解，先对列举一实例对本实施例进行说明，
首先，通过用户订单记录获知用户已有上海至重庆的往返机票行程，出发时间为十月一日去，返回时间为十月六日回，为期六天。通过应用软件和在线的埋点获得用户的浏览、历史订单数据，用户偏好获取模块402计算出该用户景点主题偏好为亲子、休闲，并且第一次去重庆，并根据浏览记录得知用户对洪崖洞、解放碑、磁器口等热门景点兴趣较高。此时提取开放时间和游玩日期相匹配的、覆盖用户兴趣的热门景点、加上交通行程每日游玩时长不超过八个小时的轻松类型路线，并依照景点评分以及用户偏好，将路线打分并按照得分高低展现给用户，同时可以留出一天时间由用户自行规划。假设根据步骤104计算出在第一天包括三条初始推荐路线，其中，路线1包括景点A和景点B，景点A的标签中亲子得分为3，休闲得分为5，而景点B的标签中亲子得分为6，休闲得分为7，这样的情况下，路线1的亲子标签的得分为(3+5)/2＝4，路线1的休闲标签的得分为(5+7)/2＝6，如果，这个路线其它的标签，例如娱乐得分为1、历史得分为8、奢华得分为2，则路线1下选取的前三位的路线标签为：
历史：得分为8，休闲：得分为6，亲子：得分为5。
如果还存在另外两条路线，标签得分分别为：
路线2：享受：得分为5，休闲：得分为4，亲子：得分为2。
路线3：亲子：得分为6，休闲：得分为3，奢华：得分为2。
而根据本实施例中的下述公式：
Figure BDA0002341098980000231
可以得知：
路线1的分数＝8*0+6*3+5*5＝43
路线2的分数＝5*2+4*3+2*5＝32
路线3的分数＝5*6+3*3+2*0＝39。
因此推荐给用户的顺序就是1>3>2，在本实施例中，可以在第一天中选择景点1作为最佳景点推荐给用户，而第2～6天则会将第一天已经推荐给用户的景点删除后，继续按照上述相同的方式向用户推荐合适的路线。
本实施例中，综合考虑路线中用户的主题偏好来进行排序，并根据用户的主题偏好结合对应的初始推荐路线的标签，从而根据不同偏好的权重分求和，从而得到合理的个性化推荐结果。
本实施例能够根据用户的需求提供较为完整的行程路线，为用户的行程决策提供参考，在行前节约用户做旅游规划的时间，在行中给予用户交通路线的推荐，降低用户出行前的焦虑感，提升用户行中的便捷度。
实施例7
本实施例提供一种电子设备，电子设备可以通过计算设备的形式表现(例如可以为服务器设备)，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其中处理器执行计算机程序时可以实现实施例1-实施例3中任意一路线的推荐方法。
图9示出了本实施例的硬件结构示意图，如图9所示，电子设备9具体包括：
至少一个处理器91、至少一个存储器92以及用于连接不同系统组件(包括处理器91和存储器92)的总线93，其中：
总线93包括数据总线、地址总线和控制总线。
存储器92包括易失性存储器，例如随机存取存储器(RAM)921和/或高速缓存存储器922，还可以进一步包括只读存储器(ROM)923。
存储器92还包括具有一组(至少一个)程序模块924的程序/实用工具925，这样的程序模块924包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。
处理器91通过运行存储在存储器92中的计算机程序，从而执行各种功能应用以及数据处理，例如本发明实施例1-实施例3中任意一路线的推荐方法。
电子设备9进一步可以与一个或多个外部设备94(例如键盘、指向设备等)通信。这种通信可以通过输入/输出(I/O)接口95进行。并且，电子设备9还可以通过网络适配器96与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。网络适配器96通过总线93与电子设备9的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备9使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理器、外部磁盘驱动阵列、RAID(磁盘阵列)系统、磁带驱动器以及数据备份存储系统等。
应当注意，尽管在上文详细描述中提及了电子设备的若干单元/模块或子单元/模块，但是这种划分仅仅是示例性的并非强制性的。实际上，根据本申请的实施方式，上文描述的两个或更多单元/模块的特征和功能可以在一个单元/模块中具体化。反之，上文描述的一个单元/模块的特征和功能可以进一步划分为由多个单元/模块来具体化。
实施例8
本实施例提供了一种计算机可读存储介质，其上存储有计算机程序，所述程序被处理器执行时实现实施例1-实施例3中任意一路线的推荐方法的步骤。
其中，可读存储介质可以采用的更具体可以包括但不限于：便携式盘、硬盘、随机存取存储器、只读存储器、可擦拭可编程只读存储器、光存储器件、磁存储器件或上述的任意合适的组合。
在可能的实施方式中，本发明还可以实现为一种程序产品的形式，其包括程序代码，当所述程序产品在终端设备上运行时，所述程序代码用于使所述终端设备执行实现实施例1-实施例3中任意一路线的推荐方法的步骤。
其中，可以以一种或多种程序设计语言的任意组合来编写用于执行本发明的程序代码，所述程序代码可以完全地在用户设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户设备上部分在远程设备上执行或完全在远程设备上执行。
虽然以上描述了本发明的具体实施方式，但是本领域的技术人员应当理解，这仅是举例说明，本发明的保护范围是由所附权利要求书限定的。本领域的技术人员在不背离本发明的原理和实质的前提下，可以对这些实施方式做出多种变更或修改，但这些变更和修改均落入本发明的保护范围。

Claims (14)

1.一种路线的推荐方法，其特征在于，所述推荐方法包括：
获取用户在OTA网站的历史数据；
将所述历史数据输入至矩阵分解算法以得到用户的主题偏好以及主题偏好对应的主题偏好权重；
获取用户出行目的地全部的景点信息，并根据全部的景点信息生成景点集合；
根据所述景点集合生成若干初始推荐路线以及每一初始推荐路线的路线偏好得分；
根据用户的主题偏好权重以及每一初始推荐路线与用户的主题偏好匹配的路线偏好得分计算每一初始推荐路线的推荐得分；
根据所述推荐得分对若干初始推荐路线排序，并基于所述排序向用户推荐路线。
2.如权利要求1所述的推荐方法，其特征在于，所述景点信息包括景点热度信息；
根据所述景点集合生成若干初始推荐路线的步骤包括：
S1、选取若干景点热度信息排名最高的景点作为热度集合；
S2、从所述热度集合里选取所述景点热度信息排名最高的景点为当前推荐景点，判断排名最高的景点的游览时间是否小于用户当日限制时间，若否，则生成初始推荐路线，所述初始推荐路线仅仅包括当前推荐景点，若是，则执行步骤S31；
S31、选取离所述当前推荐景点的距离最近的景点为下一推荐景点，判断所有推荐景点的总游览时间是否小于用户当日限制时间，若小于，则执行步骤S32，若不小于，则执行步骤S33；
S32、将所述下一推荐景点作为当前推荐景点，返回步骤S31；
S33、确定包括所有推荐景点的路线为初始推荐路线，将当前的景点热度信息排名最高的景点从所述热度集合中删除，返回步骤S2；
所述总游览时间包括景点间的交通往返时间；
和/或，
根据所述全部景点信息生成若干条初始推荐路线的步骤包括：
S1、选取若干景点热度信息排名最高的景点作为热度集合；
S2、从所述热度集合里选取所述景点热度信息排名最高的景点为当前推荐景点，判断排名最高的景点的游览时间是否小于用户当日限制时间，若否，则生成初始推荐路线，所述初始推荐路线仅仅包括当前推荐景点，若是，则执行步骤S41；
S41、选取若干离所述当前推荐景点距离最近的景点生成近景集合；
S42、在所述近景集合选取离所述当前推荐景点的距离最近的景点为下一推荐景点，判断所有推荐景点的总游览时间是否小于用户当日限制时间，若小于，则执行步骤S43，若不小于，则执行步骤S44；
S43、将所述下一推荐景点作为当前推荐景点，返回步骤S42；
S44、确定包括所有推荐景点的路线为初始推荐路线，将离所述当前推荐景点的距离最近的景点从所述近景集合中删除，返回步骤S42；
所述总游览时间包括景点间的交通往返时间。
3.如权利要求2所述的推荐方法，其特征在于，
在步骤S31中，还包括：若判断所有推荐景点的总游览时间大于用户当日限制时间，则将下一推荐景点从所有的推荐景点中去除，并执行步骤S33；
和/或，
在步骤S41中，还包括：若判断所有推荐景点的总游览时间大于用户当日限制时间，则将下一推荐景点从所有的推荐景点中去除，并执行步骤S44。
4.如权利要求1所述的推荐方法，其特征在于，所述景点信息还包括景点的评论信息与描述信息；
获取用户出行目的地全部的景点信息的步骤后还包括：
根据所述评论信息与描述信息获取每一景点的高频关键词，并根据所述高频关键词设置每一景点的标签及每一标签对应的权重，每一景点包括至少一标签；
生成每一初始推荐路线的路线偏好得分的步骤包括：
根据下述公式计算一条初始推荐路线的路线偏好得分；
Figure FDA0002341098970000031
其中，n表示初始推荐路线的景点个数，i表示某一标签，poitag表示根据某一景点的某一标签对应的权重设置的分数，route_tagi表示某一初始推荐路线的某一标签对应的路线偏好得分。
5.如权利要求4所述的推荐方法，其特征在于，所述历史数据包括历史浏览数据及历史订单数据；
获取用户出行目的地全部的景点信息的步骤前包括：
获取用户还未出行的订单数据；
从所述还未出行的订单数据中提取用户的目的地；
根据用户的主题偏好权重以及每一初始推荐路线与用户的主题偏好匹配的路线偏好得分计算每一初始推荐路线的推荐得分的步骤包括：
根据下面的公式计算每一初始推荐路线的推荐得分：
Figure FDA0002341098970000032
其中，score表示某一初始推荐路线的推荐得分，poi_tagi表示根据用户主题偏好权重设置的分数，route_tagi表示与用户主题偏好匹配的景点的标签的分数，n表示某一初始推荐路线中的景点数量。
6.如权利要求5所述的推荐方法，其特征在于，用户还未出行的订单数据还包括：用户的游玩天数；
基于所述排序向用户推荐路线的步骤包括：
生成得分最高的路线；
将得分最高的路线加入至用户推荐路线集合中，并设置计数器加1，所述推荐路线集合包括用于计算所述推荐路线数量的所述计数器，所述计数器的初始值为0；
判断所述计数器的计算数目是否大于用户的游玩天数，若否，则将所述推荐得分最高的路线中所有的景点从所述景点集合中去除，并继续执行根据所述景点集合生成若干初始推荐路线以及每一初始推荐路线的路线偏好得分的步骤直至所述计数器的计算数目大于用户的游玩天数；
按照先后顺序向用户推荐所述用户推荐路线集合中的路线；
生成得分最高的路线的步骤包括生成所述路线的总游玩时长、景点的游玩顺序、景点之间的距离及景点之间的交通方式。
7.一种路线的推荐系统，其特征在于，所述推荐系统包括：历史数据获取模块、用户偏好获取模块、景点集合生成模块、初始路线生成模块、路线得分计算模块、用户路线推荐模块；
所述历史数据获取模块用于获取用户在OTA网站的历史数据；
所述用户偏好获取模块用于将所述历史数据输入至矩阵分解算法以得到用户的主题偏好以及主题偏好对应的主题偏好权重；
所述景点集合生成模块用于获取用户出行目的地全部的景点信息，并根据全部的景点信息生成景点集合；
所述初始路线生成模块用于根据所述景点集合生成若干初始推荐路线以及每一初始推荐路线的路线偏好得分；
所述路线得分计算模块用于根据用户的主题偏好权重以及每一初始推荐路线与用户的主题偏好匹配的路线偏好得分计算每一初始推荐路线的推荐得分；
所述用户路线推荐模块用于根据所述推荐得分对若干初始推荐路线排序，并基于所述排序向用户推荐路线。
8.如权利要求7所述的推荐系统，其特征在于，所述景点信息包括景点热度信息；
所述初始路线生成模块包括热度集合生成单元、当前景点生成单元、第一景点生成单元、第一景点交替单元及第一路线确定单元；
所述热度集合生成单元用于选取若干景点热度信息排名最高的景点作为热度集合，并调用所述当前景点生成单元；
所述当前景点生成单元用于从所述热度集合里选取所述景点热度信息排名最高的景点为当前推荐景点，判断排名最高的景点的游览时间是否小于用户当日限制时间，若否，则生成初始推荐路线，所述初始推荐路线仅仅包括当前推荐景点，若是，则调用所述第一景点生成单元；
所述第一景点生成单元用于选取离所述当前推荐景点的距离最近的景点为下一推荐景点，判断所有推荐景点的总游览时间是否小于用户当日限制时间，若小于，则调用所述第一景点交替单元，若不小于，则调用所述第一路线确定单元；
所述第一景点交替单元用于将所述下一推荐景点作为当前推荐景点，并调用所述第一景点生成单元；
所述第一路线确定单元用于确定包括所有推荐景点的路线为初始推荐路线，将当前的景点热度信息排名最高的景点从所述热度集合中删除，并调用所述当前景点生成单元；
所述总游览时间包括景点间的交通往返时间；
和/或，
所述初始路线生成模块包括热度集合生成单元、当前景点生成单元、近景集合生成单元、第二景点生成单元、第二景点交替单元及第二路线确定单元：
所述热度集合生成单元用于选取若干景点热度信息排名最高的景点作为热度集合；
所述当前景点生成单元用于从所述热度集合里选取所述景点热度信息排名最高的景点为当前推荐景点，判断排名最高的景点的游览时间是否小于用户当日限制时间，若否，则生成初始推荐路线，所述初始推荐路线仅仅包括当前推荐景点，若是，则调用所述近景集合生成单元；
所述近景集合生成单元用于选取若干离所述当前推荐景点距离最近的景点生成近景集合，并调用所述第二景点生成单元；
所述第二景点生成单元用于在所述近景集合选取离所述当前推荐景点的距离最近的景点为下一推荐景点，判断所有推荐景点的总游览时间是否小于用户当日限制时间，若小于，则调用所述第二景点交替单元，若不小于，则调用所述第二路线确定单元；
所述第二景点交替单元用于将所述下一推荐景点作为当前推荐景点，并调用所述第二景点生成单元；
所述第二路线确定单元用于确定包括所有推荐景点的路线为初始推荐路线，将离所述当前推荐景点的距离最近的景点从所述近景集合中删除，并调用所述第二景点生成单元；
所述总游览时间包括景点间的交通往返时间。
9.如权利要求8所述的推荐系统，其特征在于，
所述第一景点生成单元还用于若判断所有推荐景点的总游览时间大于用户当日限制时间，则将下一推荐景点从所有的推荐景点中去除，并调用所述第一路线确定单元；
和/或，
所述第二景点生成单元还用于若判断所有推荐景点的总游览时间大于用户当日限制时间，则将下一推荐景点从所有的推荐景点中去除，并调用所述第二路线确定单元。
10.如权利要求7所述的推荐系统，其特征在于，所述景点信息还包括景点的评论信息与描述信息，所述推荐系统还包括标签权重获取模块，用于根据所述评论信息与描述信息获取每一景点的高频关键词，并根据所述高频关键词设置每一景点的标签及每一标签对应的权重，每一景点包括至少一标签；
所述初始路线生成模块用于根据下述公式计算一条初始推荐路线的路线偏好得分；
Figure FDA0002341098970000061
其中，n表示初始推荐路线的景点个数，i表示某一标签，poitag表示根据某一景点的某一标签对应的权重设置的分数，route_tagi表示某一初始推荐路线的某一标签对应的路线偏好得分。
11.如权利要求10所述的推荐系统，其特征在于，所述历史数据包括历史浏览数据及历史订单数据；所述推荐系统还包括：订单数据获取模块及目的地获取模块；
所述订单数据获取模块用于获取用户还未出行的订单数据；
所述目的地获取模块用于从所述还未出行的订单数据中提取用户的目的地；
所述路线得分计算模块还用于根据下面的公式计算每一初始推荐路线的推荐得分：
Figure FDA0002341098970000071
其中，score表示某一初始推荐路线的推荐得分，poi_tagi表示根据用户主题偏好权重设置的分数，route_tagi表示与用户主题偏好匹配的景点的标签的分数，n表示某一初始推荐路线中的景点数量。
12.如权利要求11所述的推荐系统，其特征在于，用户还未出行的订单数据还包括：用户的游玩天数；
所述用户路线推荐模块包括：最佳路线生成单元、路线集合生成单元、数目判断单元及路线按序推荐单元：
所述最佳路线生成单元用于生成得分最高的路线；
所述路线集合生成单元用于将得分最高的路线加入至用户推荐路线集合中，并设置计数器加1，所述推荐路线集合包括用于计算所述推荐路线数量的所述计数器，所述计数器的初始值为0；
所述数目判断单元用于判断所述计数器的计算数目是否大于用户的游玩天数，若否，则将所述推荐得分最高的路线中所有的景点从所述景点集合中去除，并继续调用初始路线生成模块直至所述计数器的计算数目大于用户的游玩天数；
所述路线按序推荐单元用于按照先后顺序向用户推荐所述用户推荐路线集合中的路线；
最佳路线生成单元具体用于生成所述路线的总游玩时长、景点的游玩顺序、景点之间的距离及景点之间的交通方式。
13.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至6任一项所述的推荐方法。
14.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至6任一项所述的推荐方法的步骤。
CN201911376447.8A 2019-12-27 2019-12-27 路线的推荐方法、系统、电子设备及计算机存储介质 Active CN111143680B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911376447.8A CN111143680B (zh) 2019-12-27 2019-12-27 路线的推荐方法、系统、电子设备及计算机存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911376447.8A CN111143680B (zh) 2019-12-27 2019-12-27 路线的推荐方法、系统、电子设备及计算机存储介质

Publications (2)

Publication Number Publication Date
CN111143680A true CN111143680A (zh) 2020-05-12
CN111143680B CN111143680B (zh) 2024-03-26

Family

ID=70520938

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911376447.8A Active CN111143680B (zh) 2019-12-27 2019-12-27 路线的推荐方法、系统、电子设备及计算机存储介质

Country Status (1)

Country Link
CN (1) CN111143680B (zh)

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111782976A (zh) * 2020-06-28 2020-10-16 北京百度网讯科技有限公司 一种模型训练的方法、装置、设备和存储介质
CN112149010A (zh) * 2020-11-01 2020-12-29 云境商务智能研究院南京有限公司 基于注意力机制的群体旅游路线推荐方法
CN112632379A (zh) * 2020-12-24 2021-04-09 北京百度网讯科技有限公司 路线推荐方法、装置、电子设备和存储介质
CN112907394A (zh) * 2021-01-28 2021-06-04 上海携旅信息技术有限公司 基于旅游场景的行程推荐方法及系统、设备及存储介质
CN112966175A (zh) * 2021-01-20 2021-06-15 安徽师范大学 一种旅游路线个性化推荐系统
CN112989214A (zh) * 2021-05-20 2021-06-18 湖北游游智游网络科技有限公司 一种旅游信息展示方法及相关设备
CN113297510A (zh) * 2021-07-27 2021-08-24 北京三快在线科技有限公司 信息展示方法、装置、设备及存储介质
CN113505315A (zh) * 2021-09-09 2021-10-15 环球数科集团有限公司 多用户的旅行攻略制定方法、装置和计算机设备
CN113780613A (zh) * 2020-12-15 2021-12-10 京东城市(北京)数字科技有限公司 一种路径推荐方法和装置
WO2022217685A1 (zh) * 2021-04-13 2022-10-20 海南云端信息技术有限公司 一种旅游景区智能路径规划方法及系统
US11976935B2 (en) 2020-12-24 2024-05-07 Beijing Baidu Netcom Science And Technology Co., Ltd. Route recommendation method, electronic device, and storage medium

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103020308A (zh) * 2013-01-07 2013-04-03 北京趣拿软件科技有限公司 旅游攻略项目的推荐方法及装置
CN104834686A (zh) * 2015-04-17 2015-08-12 中国科学院信息工程研究所 一种基于混合语义矩阵的视频推荐方法
CN105447185A (zh) * 2015-12-15 2016-03-30 西安电子科技大学 基于知识与位置的个性化旅游景点推荐方法
US20160202076A1 (en) * 2015-01-14 2016-07-14 Telenav, Inc. Navigation system with an itinerary planning mechanism and method of operation thereof
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
KR20170030379A (ko) * 2015-09-09 2017-03-17 네이버비즈니스플랫폼 주식회사 사용자 선호에 맞춘 여행 큐레이션 서비스 방법 및 시스템
CN106886837A (zh) * 2017-02-21 2017-06-23 携程旅游网络技术（上海）有限公司 基于时间规划的自由行行程推荐方法
CN108681586A (zh) * 2018-05-14 2018-10-19 安徽师范大学 基于群智感知的旅游路线个性化推荐方法
CN108829852A (zh) * 2018-06-21 2018-11-16 桂林电子科技大学 一种个性化旅游路线推荐方法
US20180364054A1 (en) * 2017-06-15 2018-12-20 Beijing Baidu Netcom Science And Technology Co., Ltd. Method and apparatus for building an itinerary-planning model and planning a traveling itinerary
CN109359244A (zh) * 2018-10-30 2019-02-19 中国科学院计算技术研究所 一种个性化信息推荐方法和装置

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103020308A (zh) * 2013-01-07 2013-04-03 北京趣拿软件科技有限公司 旅游攻略项目的推荐方法及装置
US20160202076A1 (en) * 2015-01-14 2016-07-14 Telenav, Inc. Navigation system with an itinerary planning mechanism and method of operation thereof
CN104834686A (zh) * 2015-04-17 2015-08-12 中国科学院信息工程研究所 一种基于混合语义矩阵的视频推荐方法
KR20170030379A (ko) * 2015-09-09 2017-03-17 네이버비즈니스플랫폼 주식회사 사용자 선호에 맞춘 여행 큐레이션 서비스 방법 및 시스템
CN105447185A (zh) * 2015-12-15 2016-03-30 西安电子科技大学 基于知识与位置的个性化旅游景点推荐方法
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
CN106886837A (zh) * 2017-02-21 2017-06-23 携程旅游网络技术（上海）有限公司 基于时间规划的自由行行程推荐方法
US20180364054A1 (en) * 2017-06-15 2018-12-20 Beijing Baidu Netcom Science And Technology Co., Ltd. Method and apparatus for building an itinerary-planning model and planning a traveling itinerary
CN108681586A (zh) * 2018-05-14 2018-10-19 安徽师范大学 基于群智感知的旅游路线个性化推荐方法
CN108829852A (zh) * 2018-06-21 2018-11-16 桂林电子科技大学 一种个性化旅游路线推荐方法
CN109359244A (zh) * 2018-10-30 2019-02-19 中国科学院计算技术研究所 一种个性化信息推荐方法和装置

Non-Patent Citations (7)

* Cited by examiner, † Cited by third party
Title
CUI, GE 等: "Personalized travel route recommendation using collaborative filtering based on GPS trajectories", INTERNATIONAL JOURNAL OF DIGITAL EARTH, 13 April 2018 (2018-04-13), pages 284 - 307 *
冯莉;: "基于Tukey怀疑度模型旅游线路M估计协同推荐", 湖南工业大学学报, no. 04, 16 July 2018 (2018-07-16), pages 67 - 73 *
林青 等: "一种考虑时间成本的旅游线路推荐方法" *
林青;晁怡;杨乃;: "一种考虑时间成本的旅游线路推荐方法", 地理与地理信息科学, no. 06, pages 25 - 29 *
王楠;曹菡;: "基于Geo-tagged照片的旅游推荐研究", 计算机技术与发展, no. 10, 19 September 2016 (2016-09-19), pages 123 - 126 *
陈健柯 等: "基于兴趣热点图的旅游路线推荐算法" *
陈健柯;陈平华;: "基于兴趣热点图的旅游路线推荐算法", 计算机工程与设计, no. 09, pages 2941 - 2946 *

Cited By (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111782976B (zh) * 2020-06-28 2023-08-04 北京百度网讯科技有限公司 一种模型训练的方法、装置、设备和存储介质
CN111782976A (zh) * 2020-06-28 2020-10-16 北京百度网讯科技有限公司 一种模型训练的方法、装置、设备和存储介质
CN112149010A (zh) * 2020-11-01 2020-12-29 云境商务智能研究院南京有限公司 基于注意力机制的群体旅游路线推荐方法
CN112149010B (zh) * 2020-11-01 2024-05-24 云境商务智能研究院南京有限公司 基于注意力机制的群体旅游路线推荐方法
CN113780613A (zh) * 2020-12-15 2021-12-10 京东城市(北京)数字科技有限公司 一种路径推荐方法和装置
CN112632379A (zh) * 2020-12-24 2021-04-09 北京百度网讯科技有限公司 路线推荐方法、装置、电子设备和存储介质
US11976935B2 (en) 2020-12-24 2024-05-07 Beijing Baidu Netcom Science And Technology Co., Ltd. Route recommendation method, electronic device, and storage medium
WO2022134478A1 (zh) * 2020-12-24 2022-06-30 北京百度网讯科技有限公司 路线推荐方法、装置、电子设备和存储介质
CN112966175B (zh) * 2021-01-20 2023-07-25 安徽师范大学 一种旅游路线个性化推荐系统
CN112966175A (zh) * 2021-01-20 2021-06-15 安徽师范大学 一种旅游路线个性化推荐系统
CN112907394A (zh) * 2021-01-28 2021-06-04 上海携旅信息技术有限公司 基于旅游场景的行程推荐方法及系统、设备及存储介质
WO2022217685A1 (zh) * 2021-04-13 2022-10-20 海南云端信息技术有限公司 一种旅游景区智能路径规划方法及系统
CN112989214A (zh) * 2021-05-20 2021-06-18 湖北游游智游网络科技有限公司 一种旅游信息展示方法及相关设备
CN113297510A (zh) * 2021-07-27 2021-08-24 北京三快在线科技有限公司 信息展示方法、装置、设备及存储介质
CN113505315B (zh) * 2021-09-09 2021-12-07 环球数科集团有限公司 多用户的旅行攻略制定方法、装置和计算机设备
CN113505315A (zh) * 2021-09-09 2021-10-15 环球数科集团有限公司 多用户的旅行攻略制定方法、装置和计算机设备

Also Published As

Publication number Publication date
CN111143680B (zh) 2024-03-26

Similar Documents

Publication Publication Date Title
CN111143680B (zh) 路线的推荐方法、系统、电子设备及计算机存储介质
CN109977283B (zh) 一种基于知识图谱和用户足迹的旅游推荐方法和系统
US7657504B2 (en) User interface for displaying images of sights
CN112766607B (zh) 出行路线的推荐方法、装置、电子设备及可读存储介质
US20100211308A1 (en) Identifying interesting locations
US20180364054A1 (en) Method and apparatus for building an itinerary-planning model and planning a traveling itinerary
CN104102719B (zh) 一种轨迹信息的推送方法及装置
CN103678429B (zh) 一种旅游线路的推荐方法以及装置
EP3128448A1 (en) Factorized models
CN110390054A (zh) 兴趣点召回方法、装置、服务器和存储介质
CN101523432A (zh) 标识地点的景点
WO2019214453A1 (zh) 一种内容分享系统、方法、标注方法、服务器及终端设备
US9285218B2 (en) Shortest travel path determination using critical start time points
WO2022134478A1 (zh) 路线推荐方法、装置、电子设备和存储介质
Cao et al. KORS: Keyword-aware optimal route search system
CN107168991A (zh) 一种搜索结果展示方法和装置
CN108446280A (zh) 数据更新方法及装置
CN107481054A (zh) 酒店优惠信息的推送及装置、电子设备、存储介质
Sarkar et al. A new point-of-interest approach based on multi-itinerary recommendation engine
CN111783895B (zh) 基于神经网络的旅行计划推荐方法、装置、计算机设备和存储介质
CN110245286B (zh) 一种基于数据挖掘的旅行推荐方法及装置
Ding et al. Route planning in a new tourist recommender system: A fireworks algorithm based approach
CN112711645B (zh) 一种位置点信息扩展方法、装置、存储介质和电子设备
EP4047447A1 (en) Route recommendation method and apparatus, electronic device, and storage medium
CN110555174A (zh) 一种基于r树的轨迹路径推荐方法

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