CN111414557A - 一种基于用户行为与资源特征的线路推荐方法 - Google Patents

一种基于用户行为与资源特征的线路推荐方法 Download PDF

Info

Publication number
CN111414557A
CN111414557A CN202010168216.4A CN202010168216A CN111414557A CN 111414557 A CN111414557 A CN 111414557A CN 202010168216 A CN202010168216 A CN 202010168216A CN 111414557 A CN111414557 A CN 111414557A
Authority
CN
China
Prior art keywords
user
tags
route
behavior
resource
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
Application number
CN202010168216.4A
Other languages
English (en)
Inventor
严春波
杨淇深
丁兴华
赵荣
吕静波
曹健
徐颖
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.)
Jiangsu Auto World Network Technology Co ltd
Original Assignee
Jiangsu Auto World Network Technology 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 Jiangsu Auto World Network Technology Co ltd filed Critical Jiangsu Auto World Network Technology Co ltd
Priority to CN202010168216.4A priority Critical patent/CN111414557A/zh
Publication of CN111414557A publication Critical patent/CN111414557A/zh
Pending legal-status Critical Current

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
    • G06F16/9537—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
    • 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)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明公开了一种基于用户行为与资源特征的线路推荐方法，包括：接收客户端提交的线路推荐请求；根据所述线路推荐请求携带的目的地推荐出第一个行程；以所述第一个行程为中心，基于所述线路推荐请求携带的筛选条件和根据用户访问地理信息中的POI资源库所生成的用户画像，并根据所述用户画像获得用户标签权重；最终规划出贴合用户需求的出行线路；将规划出的所述出行线路推荐给客户端。本发明能够根据用户的喜好快速的推荐出优质的行程规划，且耗时少，效率高。

Description

一种基于用户行为与资源特征的线路推荐方法
技术领域
本发明涉及一种基于用户行为与资源特征的线路推荐方法，属于线路规划技术领域。
背景技术
自驾游属于自助旅游的一种类型，是有别于传统的集体参团旅游的一种新的旅游形态，其本身具有自由化、个性化、灵活性、舒适性、选择性与季节性等在内的特点。
但是现有的线路规划都是由旅行社、OTA等平台进行开发，比较适合大众性参团的线路，而且开发一条线路产品也是颇费时间和成本，更加无法解决个性化的需求问题；如果由用户自己根据喜好去创建线路，虽然满足个性化，但创建的过程也会让人深感疲惫。
发明内容
本发明的目的是针对现有技术存在的问题，提供一种通过用户画像和POI资源数据库智能推荐出符合使用者个性化线路的基于用户行为与资源特征的线路推荐方法，且耗时少，效率高。
本发明的一种基于用户行为与资源特征的线路推荐方法，包括：接收客户端提交的线路推荐请求；根据所述线路推荐请求携带的目的地推荐出第一个行程；以所述第一个行程为中心，基于所述线路推荐请求携带的筛选条件和根据用户访问地理信息中的POI资源库所生成的用户画像，并根据所述用户画像获得用于体现用户喜好及行为意向的用户标签权重；最终规划出贴合用户需求的出行线路；将规划出的所述出行线路推荐给客户端。
上述目的地为景点时，则以该景点为第一个行程；所述目的地为城市时，从符合用户标签的景点中，随机选取一个作为目的地。。
上述根据用户访问地理信息中的POI资源库所生成的用户画像的方法如下：
根据用户访问POI资源库的行为，通过TF-IDF算法进行权重归类，提取出用户的喜好、特征并生成用户画像；
用户画像是由成百上千的标签组成，每个标签并不是一样重要，权重值就是体现这些标签的重要程度，权重值越大表示该标签越符合描述该用户，反之无法体现用户的个性化。
通过所述TF-IDF算法进行权重归类具体方法如下：
Figure BDA0002408217490000021
其中，T表示一个标签，Ti表示所有标签，P表示一个用户，W(P,T)表示一个标签T被用于标记用户P的次数，W(P，Ti)表示用户P身上所有的标签个数，TF(P,T)表示标签T标记次数在用户P所有标签中所占的比重；
Figure BDA0002408217490000022
其中，Pi表示所有的用户，W(Pi,，Ti)表示所有用户的全部标签之和，W(Pi，T)表示所有打T标签的用户之和，IDF(P,T)表示标签T在全部标签中的稀缺程度；
TF-IDF＝TF*IDF，其中，TF-IDF表示用户对一个标签的关注程度或者表示一个标签对用户的重要性。
根据所述用户画像获得用户标签权重具体方法如下：
用户标签权重＝行为类型权重*时间衰减*TF-IDF*行为次数；
其中，所述行为类型权重是表示用户浏览、搜索、收藏、下单、购买对用户而言有不同的重要性，通过分值的高低来表示；
所述时间衰减是表示行为的重要性会受到时间的流逝而进行衰减，按时间段来设置不同的衰减幅度，取值范围0～1，如果持续性的访问，时间衰减系数取值1～2之间，表示关注度频繁。
上述POI资源库中的每个POI资源都有自己独立的标签和特征，所述标签和特征包括类型、主题、游玩时间和游玩强度。
上述线路推荐请求携带的筛选条件包括酒店的级别、游玩的强度、线路的主题、游玩天数、价格范围和人数。
上述筛选条件中游玩天数为一天时，会根据最后一个行程点就近推荐酒店；
所述游玩天数为两天及以上的行程，会结合当天最后一个行程与下一天的第一个行程计算出最优的住宿区域，并推荐所述住宿区域内符合级别要求的酒店。
本发明相比现有技术有如下优点：
本发明的技术比传统的人工路线规划有效率上的提升，不需要人工去找行程点一个个去拼凑和设计，通过用户画像和POI资源数据库智能推荐出符合使用者个性化的线路，减少了规划行程线路的耗时和繁琐。
附图说明
附图1为本发明的的结构示意图。
具体实施方式
下面结合附图与实施例对本发明作进一步的说明。
参见图1，本发明的一种基于用户行为与资源特征的线路推荐方法，包括：接收客户端提交的线路推荐请求；根据所述线路推荐请求携带的目的地推荐出第一个行程；以所述第一个行程为中心，基于所述线路推荐请求携带的筛选条件和根据用户访问地理信息中的POI资源库所生成的用户画像，并根据所述用户画像获得用户标签权重；最终规划出贴合用户需求的出行线路；将规划出的所述出行线路推荐给客户端。
目的地为景点时，则以该景点为第一个行程；目的地为城市时，则全部采用算法规划行程。
根据用户访问地理信息中的POI资源库所生成的用户画像的方法如下：
根据用户访问POI资源库的行为，通过TF-IDF算法进行权重归类，提取出用户的喜好、特征并生成用户画像。其中，通过TF-IDF算法进行权重归类具体方法如下：
Figure BDA0002408217490000031
其中，T表示一个标签，Ti表示所有标签，P表示一个用户，W(P,T)表示一个标签T被用于标记用户P的次数，W(P，Ti)表示用户P身上所有的标签个数，TF(P,T)表示标签T标记次数在用户P所有标签中所占的比重；
Figure BDA0002408217490000032
其中，Pi表示所有的用户，W(Pi,，Ti)表示所有用户的全部标签之和，W(Pi，T)表示所有打T标签的用户之和，IDF(P,T)表示标签T在全部标签中的稀缺程度；
TF-IDF＝TF*IDF，其中，TF-IDF表示用户对一个标签的关注程度或者表示一个标签对用户的重要性；
根据所述用户画像获得用户标签权重具体方法如下：
用户标签权重＝行为类型权重*时间衰减*TF-IDF*行为次数。
其中，所述行为类型权重是表示用户浏览、搜索、收藏、下单、购买对用户而言有不同的重要性，通过分值的高低来表示；
时间衰减是表示行为的重要性会受到时间的流逝而进行衰减，按时间段来设置不同的衰减幅度，取值范围0～1，如果持续性的访问，时间衰减系数取值1～2之间，表示关注度频繁。
POI资源库中的每个POI资源都有自己独立的标签和特征，标签和特征包括类型、主题、游玩时间和游玩强度。
线路推荐请求携带的筛选条件包括酒店的级别、游玩的强度、线路的主题、游玩天数、价格范围和人数。上述筛选条件中游玩天数为一天时，会根据最后一个行程点就近推荐酒店；所述游玩天数为两天及以上的行程，会结合当天最后一个行程与下一天的第一个行程计算出最优的住宿区域，并推荐所述住宿区域内符合级别要求的酒店。
本实施例中，以下用两个用户来具体说明该方法的具体过程：
Figure BDA0002408217490000041
基础分值设定：
用户浏览行为分值＝1；
时间衰减系数：
第一周 第二周 第三周 第四周 一个月
访问 1 1.2 1.3 1.4 1
无访问 1 0.7 0.6 0.5 0.1
强度系数：休闲为0～10,、适中3～12、紧凑12+
这边按周来计算，记录每周访问标签的次数
用户 标签 总次数 前3周 前2周 前1周 一周内
用户A 古镇 8 2 3 2 1
公园 5 3 2 0 0
温泉 1 1 0 0 0
划船 3 0 0 0 0
用户B 爬山 15 5 3 4 3
森林 12 3 3 5 2
温泉 2 1 0 1 0
公园 4 1 1 1 1
用户画像中各个标签的权重
Figure BDA0002408217490000051
用户A现在规划一条行程为一天的线路，游玩强度为休闲，会得出以下结果：
线路生成：
行程1：夫子庙
行程2：玄武湖公园
行程3：汤山一号温泉
用户A特征上带有划船标签，理应玄武湖公园会被列进去，但考虑到划船的标签被标记的间隔时间太长，结合时间衰减因素，最后的权重值小于温泉，所以这边是公园的标签起了决定性作用。另外爬山的游玩强度也不在用户A接受的范围内，所以紫金山也被过滤掉了。
用户B现在规划一个行程为2天的线路，两天行程会涉及到住宿的情况，游玩强度休闲，住宿要求高大上：
线路生成：
第一天 行程1：紫金山
行程2：汤山一号温泉
行程3：南京明发珍珠泉大酒店
第二天 行程4：老山国家森林公园
2天的行程会存在酒店推荐，用户B存在对住宿的要求，再结合第二天的行程，推荐范围内的酒店，在上面3家酒店中只有南京明发珍珠泉大酒店满足要求。
第二个行程是温泉，而不是老山国家森林公园，是因为第一个行程的游玩强度比较大，当天之后的行程会优先推荐低强度的资源，也满足用户B对游玩强度的要求。
以上实施例仅为说明本发明的技术思想，不能以此限定本发明的保护范围，凡是按照本发明提出的技术思想，在技术方案基础上所做的任何改动，均落入本发明保护范围之内；本发明未涉及的技术均可通过现有技术加以实现。

Claims (8)

1.一种基于用户行为与资源特征的线路推荐方法，其特征在于：包括：
接收客户端提交的线路推荐请求；
根据所述线路推荐请求携带的目的地推荐出第一个行程；
以所述第一个行程为中心，基于所述线路推荐请求携带的筛选条件和根据用户访问地理信息中的POI资源库所生成的用户画像，并根据所述用户画像获得用于体现用户喜好及行为意向的用户标签权重；最终规划出贴合用户需求的出行线路；
将规划出的所述出行线路推荐给客户端。
2.根据权利要求1所述的基于用户行为与资源特征的线路推荐方法，其特征在于：所述目的地为景点时，则以该景点为第一个行程；
所述目的地为城市时，从符合用户标签的景点中，随机选取一个作为目的地。。
3.根据权利要求1所述的基于用户行为与资源特征的线路推荐方法，其特征在于：所述根据用户访问地理信息中的POI资源库所生成的用户画像的方法如下：
根据用户访问POI资源库的行为，通过TF-IDF算法进行权重归类，提取出用户的喜好、特征并生成用户画像。
4.根据权利要求3所述的基于用户行为与资源特征的线路推荐方法，其特征在于：通过所述TF-IDF算法进行权重归类具体方法如下：
Figure FDA0002408217480000011
其中，T表示一个标签，Ti表示所有标签，P表示一个用户，W(P,T)表示一个标签T被用于标记用户P的次数，W(P，Ti)表示用户P身上所有的标签个数，TF(P,T)表示标签T标记次数在用户P所有标签中所占的比重；
Figure FDA0002408217480000012
其中，Pi表示所有的用户，W(Pi,，Ti)表示所有用户的全部标签之和，W(Pi，T)表示所有打T标签的用户之和，IDF(P,T)表示标签T在全部标签中的稀缺程度；
TF-IDF＝TF*IDF，其中，TF-IDF表示用户对一个标签的关注程度或者表示一个标签对用户的重要性。
5.根据权利要求4所述的基于用户行为与资源特征的线路推荐方法，其特征在于：根据所述用户画像获得用户标签权重具体方法如下：
用户标签权重＝行为类型权重*时间衰减*TF-IDF*行为次数；
其中，所述行为类型权重是表示用户浏览、搜索、收藏、下单、购买对用户而言有不同的重要性，通过分值的高低来表示；
所述时间衰减是表示行为的重要性会受到时间的流逝而进行衰减，按时间段来设置不同的衰减幅度，取值范围0～1，如果持续性的访问，时间衰减系数取值1～2之间，表示关注度频繁。
6.根据权利要求1所述的基于用户行为与资源特征的线路推荐方法，其特征在于：所述POI资源库中的每个POI资源都有自己独立的标签和特征，所述标签和特征包括类型、主题、游玩时间和游玩强度。
7.根据权利要求1所述的基于用户行为与资源特征的线路推荐方法，其特征在于：所述线路推荐请求携带的筛选条件包括酒店的级别、游玩的强度、线路的主题、游玩天数、价格范围和人数。
8.根据权利要求7所述的基于用户行为与资源特征的线路推荐方法，其特征在于：所述筛选条件中游玩天数为一天时，会根据最后一个行程点就近推荐酒店；
所述游玩天数为两天及以上的行程，会结合当天最后一个行程与下一天的第一个行程计算出最优的住宿区域，并推荐所述住宿区域内符合级别要求的酒店。
CN202010168216.4A 2020-03-11 2020-03-11 一种基于用户行为与资源特征的线路推荐方法 Pending CN111414557A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010168216.4A CN111414557A (zh) 2020-03-11 2020-03-11 一种基于用户行为与资源特征的线路推荐方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010168216.4A CN111414557A (zh) 2020-03-11 2020-03-11 一种基于用户行为与资源特征的线路推荐方法

Publications (1)

Publication Number Publication Date
CN111414557A true CN111414557A (zh) 2020-07-14

Family

ID=71491052

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010168216.4A Pending CN111414557A (zh) 2020-03-11 2020-03-11 一种基于用户行为与资源特征的线路推荐方法

Country Status (1)

Country Link
CN (1) CN111414557A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113222228A (zh) * 2021-04-28 2021-08-06 广州宸祺出行科技有限公司 一种基于用户画像的行程路线的推荐方法及系统
CN113609375A (zh) * 2021-06-21 2021-11-05 青岛海尔科技有限公司 内容推荐方法及装置、存储介质及电子装置
CN113868532A (zh) * 2021-09-30 2021-12-31 北京百度网讯科技有限公司 一种地点推荐方法、装置、电子设备及存储介质
CN116821515A (zh) * 2023-08-30 2023-09-29 环球数科集团有限公司 一种基于关联数据和用户本体的个性化行程定制系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140025296A1 (en) * 2012-07-17 2014-01-23 Denso Corporation Destination recommendation system, destination recommendation method and destination recommendation program product
CN108021929A (zh) * 2017-11-16 2018-05-11 华南理工大学 基于大数据的移动端电商用户画像建立与分析方法及系统
CN110765361A (zh) * 2019-12-30 2020-02-07 恒大智慧科技有限公司 一种基于用户信息的景点推荐方法、装置及存储介质

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140025296A1 (en) * 2012-07-17 2014-01-23 Denso Corporation Destination recommendation system, destination recommendation method and destination recommendation program product
CN108021929A (zh) * 2017-11-16 2018-05-11 华南理工大学 基于大数据的移动端电商用户画像建立与分析方法及系统
CN110765361A (zh) * 2019-12-30 2020-02-07 恒大智慧科技有限公司 一种基于用户信息的景点推荐方法、装置及存储介质

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113222228A (zh) * 2021-04-28 2021-08-06 广州宸祺出行科技有限公司 一种基于用户画像的行程路线的推荐方法及系统
CN113609375A (zh) * 2021-06-21 2021-11-05 青岛海尔科技有限公司 内容推荐方法及装置、存储介质及电子装置
CN113868532A (zh) * 2021-09-30 2021-12-31 北京百度网讯科技有限公司 一种地点推荐方法、装置、电子设备及存储介质
CN116821515A (zh) * 2023-08-30 2023-09-29 环球数科集团有限公司 一种基于关联数据和用户本体的个性化行程定制系统
CN116821515B (zh) * 2023-08-30 2023-11-03 环球数科集团有限公司 一种基于关联数据和用户本体的个性化行程定制系统

Similar Documents

Publication Publication Date Title
CN111414557A (zh) 一种基于用户行为与资源特征的线路推荐方法
Moscardo et al. Understanding vacation destination choice through travel motivation and activities
US20130036139A1 (en) Travel Planning Decision Tool
Fenich Towards a conceptual framework for assessing community attractiveness for conventions
CN106570799A (zh) 一种基于二维码的智能音视频导游的智慧旅游方法
KC Tourism and employment: Opportunities and challenges in Karnataka-special reference to Kodagu District
Ghadban et al. Rural tourism in Lebanon: what does the market reveal?
Belias et al. Greece as a sports tourism destination
Guemide et al. Integrating ICT-based applications for sustainable tourism development in Algeria
Ispas et al. City Brand-Identity, Positioning and Image Case Study: City of Brasov.
Ni et al. The international decision-making and travel behavior of graduates participating in working holiday
Enemuo et al. The influence of maintenance culture in the sustainability of tourism attractions in Obudu Mountain Resort
CN108717640A (zh) 旅游信息的数据处理方法和电子设备
Faulks et al. Cycle tourism and South Australia destination marketing
Slavić et al. Standardization of services as key components of cycling tourism destination development.
Alemany-Hormaeche et al. Analysis and segmentation of sports events’ participants: The Marathon course in Palma de Mallorca
Dewi et al. Tourism supply chain framework: A case on tourism village
Svensson et al. Tracking tourists: Mobility, experiences and the supply-demand gap in a Swedish mountain resort
Deb et al. To Explore Potential Tourism Attractions and Developing Branding Strategies for Sustainable Tourism in Bandarban
Wenner et al. Tourism and ecotourism development in Guyana: Issues and challenges and the critical path forward
Stojanovska-Stefanova et al. State measures for the development of the modern Macedonian tourism
Dev et al. Barbados Tourism: Repositioning A Struggling Country Brand
Beamish Russki adventures
Pandey et al. A tourism prospect of religious destination of Uttar Pradesh with special reference to Naimisaranya (Neemsaar).
Hattingh The economic impact of special events: a case study of the Mother City Queer Project (MCQP) 2009

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