CN112380462A - 参展路径规划方法、装置、服务器及计算机可读存储介质 - Google Patents
参展路径规划方法、装置、服务器及计算机可读存储介质 Download PDFInfo
- Publication number
- CN112380462A CN112380462A CN202011365836.3A CN202011365836A CN112380462A CN 112380462 A CN112380462 A CN 112380462A CN 202011365836 A CN202011365836 A CN 202011365836A CN 112380462 A CN112380462 A CN 112380462A
- Authority
- CN
- China
- Prior art keywords
- visited
- user
- exhibition
- participation
- route
- 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
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
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
- G06F16/367—Ontology
-
- 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
- G06F16/9538—Presentation of query results
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Artificial Intelligence (AREA)
- Computational Linguistics (AREA)
- Evolutionary Computation (AREA)
- Biomedical Technology (AREA)
- Mathematical Physics (AREA)
- Biophysics (AREA)
- Evolutionary Biology (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Health & Medical Sciences (AREA)
- Software Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Automation & Control Theory (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Animal Behavior & Ethology (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请实施例适用于导航技术领域,提供了一种参展路径规划方法、装置、服务器及计算机可读存储介质,该方法包括:获取用户画像,根据用户画像确定待参观产品,根据与待参观产品对应待参观展位生成第一参展路线,并推送第一参展路线至用户终端,监测用户的参展情况信息,根据参展情况信息修改第一参展路线,得到第二参展路线,并推送第二参展路线至用户终端。可见,本申请根据用户画像预测出第一参展路线,推送给用户,然后再根据用户实际参展情况修改第一参展路线,生成第二参展路线并推送给用户,达到合理为用户推送参展路径的效果。
Description
技术领域
本申请属于导航技术领域,尤其涉及一种参展路径规划方法、装置、服务器及计算机可读存储介质。
背景技术
会展是一个影响面广、关联度高的新兴服务行业。但是在参观会展的过程中,普通观众面对数量较多的展台不知道如何合理的去进行参展,导致普通观众的参展体验较差。
发明内容
有鉴于此,本申请实施例提供了一种参展路径规划方法、装置、服务器及计算机可读存储介质,以解决现有技术中无法合理规划参展路径的问题。
本申请实施例的第一方面提供了一种方法,包括:
获取用户画像;
根据所述用户画像确定待参观产品;
根据与所述待参观产品对应待参观展位生成第一参展路线,并推送所述第一参展路线至用户终端;
监测所述用户的参展情况信息;
根据所述参展情况信息修改所述第一参展路线,得到第二参展路线,并推送所述第二参展路线至所述用户终端。
在第一方面的一种可能的实现方式中,所述获取用户画像,包括:
获取用户参展意向信息;
对所述用户参展意向进行分类;
根据所述分类的结果确定用户参展意向对应的标签类型;
根据所述用户参展意向对应的标签类型形成用户画像。
在第一方面的一种可能的实现方式中,所述待参观产品包括预期待参观产品和疑似待参观产品,所述预期待参观产品与所述疑似待参观产品之间具有关联关系;
根据所述用户画像确定待参观产品,包括:
将所述用户画像对应的映射值输入至预设神经网络模型,得到预期待参观产品;
将所述预期待参观产品输入至预设的知识图谱中,得到所述疑似待参观产品。
在第一方面的一种可能的实现方式中,在将用户画像对应的映射值输入至预设神经网络模型,得到预期待参观产品之前,还包括:
对参展产品进行标签化处理,得到标签值;
根据标签值训练神经网络模型,得到所述预设的神经网络模型。
在第一方面的一种可能的实现方式中,根据与所述待参观产品对应待参观展位生成第一参展路线,并推送所述第一参展路线至用户终端,包括:
将所述待参观展台对应的所述待参观产品第一数量作为所述待参观展台的第一权重值;
获取所述用户的第一位置信息;
基于所述用户的第一位置信息,根据所述待参观展台的第一权重值决策出所述第一参展路线。
在第一方面的一种可能的实现方式中,根据所述参展情况信息修改所述第一参展路线,得到第二参展路线,并推送所述第二参展路线至所述用户终端,包括:
根据所述参展情况信息调整所述待参观产品;
根据所述调整后待参观产品的第二数量更改每个所述待参观展台的第一权重值,得到每个所述待参观展台对应的第二权重值;
获取所述用户的第二位置信息;
基于所述用户第二位置信息,根据所述展台的第二权重值决策出所述第二参展路线。
本申请实施例的第二方面提供了一种,包括:
获取模块,用于获取用户画像;
确定模块,用于根据所述用户画像确定待参观产品;
推送模块,用于根据与所述待参观产品对应待参观展位生成第一参展路线,并推送所述第一参展路线至用户终端;
监测模块,用于监测所述用户的参展情况信息;
调整模块,用于根据所述参展情况信息修改所述第一参展路线,得到第二参展路线,并推送所述第二参展路线至所述用户终端。
在第二方面的一种可能的实现方式中,所述获取模块包括:
获取单元,用于获取用户参展意向信息;
分类单元,用于对所述用户参展意向进行分类;
确定单元,用于根据所述分类的结果确定用户参展意向对应的标签类型;
形成单元,用于根据所述用户参展意向对应的标签类型形成用户画像。
在第二方面的一种可能的实现方式中,所述待参观产品包括预期待参观产品和疑似待参观产品,所述预期待参观产品与所述疑似待参观产品之间具有关联关系;
所述确定模块还包括:
第一生成单元,用于将所述用户画像对应的映射值输入至预设神经网络模型,得到预期待参观产品;
第二生成单元,用于将所述预期待参观产品输入至预设的知识图谱中,得到所述疑似待参观产品。
在第二方面的一种可能的实现方式中,所述装置还包括:
处理模块,用于对参展产品进行标签化处理,得到标签值;
训练模块,用于根据标签值训练神经网络模型,得到所述预设的神经网络模型。
在第二方面的一种可能的实现方式中,所述推送模块包括:
设置单元,用于将所述待参观展台对应的所述待参观产品第一数量作为所述待参观展台的第一权重值;
获取单元,用于获取所述用户的第一位置信息;
决策单元,用于基于所述用户的第一位置信息,根据所述待参观展台的第一权重值决策出所述第一参展路线。
在第二方面的一种可能的实现方式中,所述调整模块包括:
调整单元,用于根据所述参展情况信息调整所述待参观产品;
设置单元,用于根据所述调整后待参观产品的第二数量更改每个所述待参观展台的第一权重值,得到每个所述待参观展台对应的第二权重值;
获取单元,用于获取所述用户的第二位置信息;
决策单元,用于基于所述用户第二位置信息,根据所述展台的第二权重值决策出所述第二参展路线。
本申请实施例的第三方面提供了一种服务器,包括:存储器、处理器、摄像装置以及存储在存储器中并可在处理器上运行的计算机程序,处理器执行计算机程序时实现如上述第一方面的各个步骤。
本申请实施例的第四方面提供了一种计算机可读存储介质,包括:计算机可读存储介质存储有计算机程序,计算机程序被处理器执行时实现如上述第一方面的各个步骤。
本申请实施例与现有技术相比存在的有益效果是:
本申请实施例根据用户画像预测出第一参展路线,推送给用户,然后再根据用户实际参展情况修改第一参展路线,生成第二参展路线并推送给用户,达到合理为用户推送参展路径的效果。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是本申请实施例提供的参展路径规划方法的一种流程示意图;
图2是本申请实施例提供的参展路径规划方法的图1中步骤S101的具体流程示意图;
图3是本申请实施例提供的参展路径规划方法的图1中步骤S102的具体流程示意图;
图4是本申请实施例提供的参展路径规划方法的图3中步骤S301之前的一种流程示意图;
图5是本申请实施例提供的参展路径规划方法的图1中步骤S103的具体流程示意图;
图6是本申请实施例提供的参展路径规划方法的图1中步骤S105的具体流程示意图;
图7是本申请实施例提供的一种参展路径规划装置的结构示意图;
图8是本申请实施例提供的服务器的示意图;
图9是本申请实施例提供的参展路径规划方法的第一路线生成过程的示意图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本申请实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中,省略对众所周知的系统、装置、电路以及方法的详细说明,以免不必要的细节妨碍本申请的描述。
需说明的是,本申请实施例主要的应用场景是观众在参观会展过程中的进行路径规划,但是也可以应用于其它相关应用场景,例如,观众参观其它展览活动中进行路径规划。
为了说明本申请所述的技术方案,下面通过具体实施例来进行说明。
参加图1,为本申请实施例提供的参展路径规划方法的一种流程示意图,该方法应用于服务器,该服务器包括但是不限于云服务器等,该方法包括以下步骤:
步骤S101、获取用户画像。
可以理解的是,获取用户画像的过程是对用户的各方面的信息进行数值化后得到的综合信息。
作为示例而非限定,参见图2,为本申请实施例提供的参展路径规划方法的图1中步骤S101的具体流程示意图,获取用户画像包括:
步骤S201、获取用户参展意向信息。
其中,用户参展意向信息包括性格特征、兴趣特征、工作特征以及对参展产品的兴趣度特征等信息。
具体地,获取用户参展意向信息可以采用问卷调查的方式进行获取,根据整个展会的参展产品设置相应的题目及选项,根据用户的选项得到相应的用户画像。若用户没有填写相关的问卷调查表,也可以采用用户的搜索记录结合参展产品的知名度、热度主动对用户进行推荐。
步骤S202、对用户参展意向进行分类。
可以理解的是,将用户参展意向信息按不同维度特征进行分类。
步骤S203、根据分类的结果确定用户参展意向对应的标签类型。
其中,标签类型是指用户参展意向信息对应维度的特征值,例如,对参展产品的兴趣度特征值为[1000111000],并且每个特征值是一维向量。
步骤S204、根据用户参展意向对应的标签类型形成用户画像。
其中,用户画像对应的特征值为多维向量。
步骤S102、根据用户画像确定待参观产品。
其中,待参观产品是指会展中待用户参观的产品,待参观产品包括预期待参观产品和疑似待参观产品,预期待参观产品与疑似待参观产品之间具有关联关系。
可以理解的是,本申请实施例可以根据用户画像直接得到预期待参观产品以及根据与预期待参观产品的关联关系间接得到疑似待参观产品。
具体地,如图3所示,为本申请实施例提供的参展路径规划方法的图1中步骤S102的具体流程示意图,根据用户画像确定待参观产品包括:
步骤S301、将用户画像对应的映射值输入至预设神经网络模型,得到预期待参观产品。
示例性地,如图4所示,为本申请实施例提供的参展路径规划方法的图3中步骤S301之前的一种流程示意图,在将用户画像对应的映射值输入至预设神经网络模型,得到预期待参观产品之前,还包括:
步骤S401、对参展产品标签化处理,得到标签值。
其中,参展产品是指整个会展包含的所有参展产品。
对参展产品进行打标签,就是对参展产品进行分类说明,对参展产品的标签内容分类越详细,后续利用用户画像越能够精准的定位到用户的需求。例如2014年的珠海航展参展的飞机有歼10战斗机,歼轰-7A,攻击-1,苏35战机,C130运输机;武器装备有VT-4坦克,陆盾2000陆基近程防空反导武器系统等;表演队有八一飞行表演队,俄罗斯勇士飞行表演队等。针对上述装备信息可以进行打标签,例如歼10战斗机:【“中国”,“第三代战斗机”,“多用途战斗机”】,歼轰-7A:【“改良型”,“首次公布”,“攻击性强”】,攻击-1:【“无人机”, “持久监视”, “实施精确打击”】等等,从而得到标签值就标签后对应的映射值。针对展会内容可以根据展品自身在此处展示的目的及自身特点进行打标签,方便后续利用用户画像能够精确推荐。
步骤S402、根据标签值训练神经网络模型,得到预设的神经网络模型。
下面先介绍预设的神经网络模型构建过程:
训练集的收集和格式定义,利用步骤204得到的数据结果;本模型的训练集的输入数据为用户的性格特征、兴趣特征、工作特征等信息,对应的输出数据的格式为对应的展品对应的标签,例如“中国”、“首次发布”,“战斗机”等,则其标签序列为[1,1,1,...,0];
采用神经网络做特征提取器,可以采用RNN、CNN和Transformer;
采用sigmoid函数做输出层的激活函数,从而输出每种标签是1的概率;
利用Binary Cross-Entropy损失函数,使得模型在训练过程中不断降低交叉熵,即使得标签为1的节点的输出值更接近1,标签为0的输出值更接近0,提高模型的准确性;
确定模型的输入。模型的输入,即用户画像包括用户的性格特征、兴趣特征、工作特征等信息。
确定模型的输出。模型的输出即用户对应的展品标签;因此在此之前需要先从之前的展览经验中,获得参观各个展品的用户特点。例如{“中国”、“首次发布”,“战斗机”,...,“俄罗斯”};若模型的输出为[1,1,0,...,0],则表示用户想要参观的数据标签以“中国”和“首次发布”两种特点为主;若输出的模型为[0,0,1,...,1],则表示用户想要参观的数据标签以“战斗机”和“俄罗斯”两种标签特点为主。即模型的输出结果和标签集合的列表一一对应,当模型输出结果中为1时表示想要参观该标签下的展品,若为0则表示可能参观此类标签下的展品意愿不是很强烈。
具体地,将用户画像对应的映射值输入至预设神经网络模型,得到预期待参观产品,包括:
根据获得的用户基本信息即用户画像,利用预设的神经网络模型,预测得到用户适合的参观的展品类型,即类似[1,0,1,0,...,0,1],将该序列与先前定义好的展品标签序列进行对应,当值为1时表示优先参观该类标签,值为0时表示该类标签下的参观优先级较低;最终得到适合用户预期感兴趣的的产品类型标签。
步骤S302、将预期待参观产品输入至预设的知识图谱中,得到疑似待参观产品。
其中,知识图谱的内容是以参展产品为主实体,参展产品的相关介绍例如展会内容的生产单位,参展产品等信息是作为关系实体进行展示;例如某次展会有歼-16战斗机,相关信息有展会位置,生产单位,相关简介等信息,那歼-16战斗机为主实体,展会位置,生产单位,相关简介对应的信息内容则为关系实体。本知识图谱中将主实体按照标签进行分类,因此当得到用户感兴趣的标签内容时可以利用数据库的特性得到标签下的实体内容,进行得到展会中感兴趣的内容的详细信息。其中,参展产品的信息内容可以根据知识图谱进行连接,例如A展品和B展品均在某一展馆中,则该信息可以通过知识图谱中的展会位置信息进行连接,增加了展品之间的联系,给用户的参展推荐提供了帮助。
步骤S103、根据与待参观产品对应待参观展位生成第一参展路线,并推送第一参展路线至用户终端。
具体地,参见图5,为本申请实施例提供的参展路径规划方法的图1中步骤S103的具体流程示意图,根据与待参观产品对应待参观展位生成第一参展路线,并推送第一参展路线至用户终端,包括:
步骤S501、将待参观展台对应的待参观产品第一数量作为待参观展台的第一权重值。
步骤S502、获取用户的第一位置信息。
其中,获取用户的第一位置信息的方式包括但是不限于蓝牙定位技术、WIFI定位技术、RFID定位技术等。
步骤S503、基于用户的第一位置信息,根据待参观展台的第一权重值决策出第一参展路线。
具体地,根据步骤S501中可以得到用户参观各个待参观展台的权重比值,再此基础上结合用户当前位置,与各个待参观展台之间的距离规划出一条最有的用户参观路径;如图9所示,假设用户在位置3,其中1,3,4,5,6分别为待参观展台,箭头上的数字代表两者之间的距离,若根据步骤3的结果分析得到用户参观待参观5的权重大于4号待参观,根据箭头上的数字可知用户在当前位置到达4号待参观展台和5号待参观展台的距离相差不大,那此时推荐给用户的下一个行程目的地就是5号待参观展台,用户参观完5号待参观展台,可以发现用户的下一个待参观展台可以是4号待参观展台或者6号待参观展台,两者之间距离相差较大,若4号待参观展台的兴趣度大于6号待参观展台的兴趣度,此时可以根据距离权重和感性兴趣度的权重取平均值,其中距离权重可以指的是用户到达该目的地的距离分之1,即1/距离,距离越远,权重越小;依次类推,可以给用户推荐出一条最优的参观路径。
步骤S104、监测用户的参展情况信息。
其中,参展情况信息是指根据用户在实际参展过程中,在每个展厅停留的时间信息或者用户在软件中查询信息的行为信息。例如,每个用户的手机号当做用户的认证id,用户每次进入展厅,离开展厅都需要进行扫码,程序后台获得用户进入展厅和离开展厅的时间,进而可以得到每个展厅的停留时间,在离开展厅时可以发送相关的问卷调查,例如对参观展品的满意度、意见等问题,进一步收集用户的参观结果信息。
步骤S105、根据参展情况信息修改第一参展路线,得到第二参展路线,并推送第二参展路线至用户终端。
可以理解的是:根据用户在实际参展过程中,在每个展厅停留的时间或者用户在软件中查询信息的行为,不断优化用户对后续待参展的展厅的感兴趣度。假设每个用户的手机号当做用户的认证id,用户每次进入展厅,离开展厅都需要进行扫码,程序后台获得用户进入展厅和离开展厅的时间,进而可以得到每个展厅的停留时间,在离开展厅时可以发送相关的问卷调查,例如对展品的满意度、意见等问题,进一步收集用户的参观结果信息。
具体地,参见图6,为本申请实施例提供的参展路径规划方法的图1中步骤S105的具体流程示意图,根据参展情况信息修改第一参展路线,得到第二参展路线,并推送第二参展路线至用户终端,包括:
步骤S601、根据参展情况信息调整待参观产品;
步骤S602、根据调整后待参观产品的第二数量更改每个待参观展台的第一权重值,得到每个待参观展台对应的第二权重值;
步骤S603、获取用户的第二位置信息;
步骤S604、基于用户第二位置信息,根据展台的第二权重值决策出第二参展路线。
可以理解的是,根据参展情况信息更改步骤S103中的待参展产品,从而修改待产品展台的第二权重值,然后再基于用户的第二位置信息,根据第二权重值决策出第二参展路线。其中,获取用户第二位置信息的实现方式与步骤S502相同,在此不再赘述。
本申请实施例根据用户画像预测出第一参展路线,推送给用户,然后再根据用户实际参展情况修改第一参展路线,生成第二参展路线并推送给用户,达到合理为用户推送参展路径的效果。
下面将对本申请实施例提供的参展路径规划装置进行介绍说明。本实施例的与上述参展路径规划相互对应。
图7是本申请实施例提供的一种参展路径规划装置的结构示意图,该装置可以具体集成于,该装置可以包括:
获取模块71,用于获取用户画像;
确定模块72,用于根据所述用户画像确定待参观产品;
推送模块73,用于根据与所述待参观产品对应待参观展位生成第一参展路线,并推送所述第一参展路线至用户终端;
监测模块74,用于监测所述用户的参展情况信息;
调整模块75,用于根据所述参展情况信息修改所述第一参展路线,得到第二参展路线,并推送所述第二参展路线至所述用户终端。
在一种可能的实现方式中,所述获取模块包括:
获取单元,用于获取用户参展意向信息;
分类单元,用于对所述用户参展意向进行分类;
确定单元,用于根据所述分类的结果确定用户参展意向对应的标签类型;
形成单元,用于根据所述用户参展意向对应的标签类型形成用户画像。
在一种可能的实现方式中,所述待参观产品包括预期待参观产品和疑似待参观产品,所述预期待参观产品与所述疑似待参观产品之间具有关联关系;
所述确定模块还包括:
第一生成单元,用于将所述用户画像对应的映射值输入至预设神经网络模型,得到预期待参观产品;
第二生成单元,用于将所述预期待参观产品输入至预设的知识图谱中,得到所述疑似待参观产品。
在一种可能的实现方式中,所述装置还包括:
处理模块,用于对参展产品进行标签化处理,得到标签值;
训练模块,用于根据标签值训练神经网络模型,得到所述预设的神经网络模型。
在一种可能的实现方式中,所述推送模块包括:
设置单元,用于将所述待参观展台对应的所述待参观产品第一数量作为所述待参观展台的第一权重值;
获取单元,用于获取所述用户的第一位置信息;
决策单元,用于基于所述用户的第一位置信息,根据所述待参观展台的第一权重值决策出所述第一参展路线。
在一种可能的实现方式中,所述调整模块包括:
调整单元,用于根据所述参展情况信息调整所述待参观产品;
设置单元,用于根据所述调整后待参观产品的第二数量更改每个所述待参观展台的第一权重值,得到每个所述待参观展台对应的第二权重值;
获取单元,用于获取所述用户的第二位置信息;
决策单元,用于基于所述用户第二位置信息,根据所述展台的第二权重值决策出所述第二参展路线。
需要说明的是,上述装置/单元之间的信息交互、执行过程等内容,由于与本申请方法实施例基于同一构思,其具体功能及带来的技术效果,具体可参见方法实施例部分,此处不再赘述。
图8是本申请实施例提供的服务器8的示意图。如图8所示,该实施例的服务器8包括:处理器80、存储器81以及存储在所述存储器81中并可在所述处理器80上运行的计算机程序82,。所述处理器80执行所述计算机程序82时实现上述各个方法实施例中的步骤。
示例性的,所述计算机程序82可以被分割成一个或多个模块/单元,所述一个或者多个模块/单元被存储在所述存储器81中,并由所述处理器80执行,以完成本申请。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述所述计算机程序82在所述服务器8中的执行过程。
所述服务器8可以是云端服务器等计算设备。所述服务器8可包括,但不仅限于,处理器80、存储器81。本领域技术人员可以理解,图8仅仅是服务器8的示例,并不构成对服务器8的限定,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,例如所述服务器8还可以包括输入输出设备、网络接入设备、总线等。
所称处理器80可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器 (Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列 (Field-Programmable Gate Array,FPGA) 或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器81可以是所述服务器8的内部存储单元,例如服务器8的硬盘或内存。所述存储器81也可以是所述服务器8的外部存储设备,例如所述服务器8上配备的插接式硬盘,智能存储卡(Smart Media Card, SMC),安全数字(Secure Digital, SD)卡,闪存卡(Flash Card)等。进一步地,所述存储器81还可以既包括所述服务器8的内部存储单元也包括外部存储设备。所述存储器81用于存储所述计算机程序以及所述服务器8所需的其他程序和数据。所述存储器81还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将所述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中,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单元中,上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
在本申请所提供的实施例中,应该理解到,所揭露的服务器和方法,可以通过其它的方式实现。例如,以上所描述的服务器实施例仅仅是示意性的,例如,所述模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口,装置或单元的间接耦合或通讯连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,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单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是,所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括电载波信号和电信信号。
以上所述实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围,均应包含在本申请的保护范围之内。
Claims (9)
1.参展路径规划方法,其特征在于,该方法包括:
获取用户画像;
根据所述用户画像确定待参观产品;
根据与所述待参观产品对应待参观展位生成第一参展路线,并推送所述第一参展路线至用户终端;
监测所述用户的参展情况信息;
根据所述参展情况信息修改所述第一参展路线,得到第二参展路线,并推送所述第二参展路线至所述用户终端。
2.如权利要求1所述的一种参展路径规划方法,其特征在于,所述获取用户画像,包括:
获取用户参展意向信息;
对所述用户参展意向进行分类;
根据所述分类的结果确定用户参展意向对应的标签类型;
根据所述用户参展意向对应的标签类型形成用户画像。
3.如权利要求1所述的一种参展路径规划方法,其特征在于,所述待参观产品包括预期待参观产品和疑似待参观产品,所述预期待参观产品与所述疑似待参观产品之间具有关联关系;
根据所述用户画像确定待参观产品,包括:
将所述用户画像对应的映射值输入至预设神经网络模型,得到预期待参观产品;
将所述预期待参观产品输入至预设的知识图谱中,得到所述疑似待参观产品。
4.如权利要求1所述的一种参展路径规划方法,其特征在于,在将用户画像对应的映射值输入至预设神经网络模型,得到预期待参观产品之前,还包括:
对参展产品进行标签化处理,得到标签值;
根据标签值训练神经网络模型,得到所述预设的神经网络模型。
5.如权利要求1所述的一种参展路径规划方法,其特征在于,根据与所述待参观产品对应待参观展位生成第一参展路线,并推送所述第一参展路线至用户终端,包括:
将所述待参观展台对应的所述待参观产品第一数量作为所述待参观展台的第一权重值;
获取所述用户的第一位置信息;
基于所述用户的第一位置信息,根据所述待参观展台的第一权重值决策出所述第一参展路线。
6.如权利要求5所述的一种参展路径规划方法,其特征在于,根据所述参展情况信息修改所述第一参展路线,得到第二参展路线,并推送所述第二参展路线至所述用户终端,包括:
根据所述参展情况信息调整所述待参观产品;
根据所述调整后待参观产品的第二数量更改每个所述待参观展台的第一权重值,得到每个所述待参观展台对应的第二权重值;
获取所述用户的第二位置信息;
基于所述用户第二位置信息,根据所述展台的第二权重值决策出所述第二参展路线。
7.参展路径规划装置,其特征在于,该装置包括:
获取模块,用于获取用户画像;
确定模块,用于根据所述用户画像确定待参观产品;
推送模块,用于根据与所述待参观产品对应待参观展位生成第一参展路线,并推送所述第一参展路线至用户终端;
监测模块,用于监测所述用户的参展情况信息;
调整模块,用于根据所述参展情况信息修改所述第一参展路线,得到第二参展路线,并推送所述第二参展路线至所述用户终端。
8.服务器,包括存储器、处理器、摄像装置以及存储在所述存储器中并可在所述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如权利要求1至6任一项所述。
9.计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至6任一项所述方法的各个步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011365836.3A CN112380462A (zh) | 2020-11-29 | 2020-11-29 | 参展路径规划方法、装置、服务器及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011365836.3A CN112380462A (zh) | 2020-11-29 | 2020-11-29 | 参展路径规划方法、装置、服务器及计算机可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112380462A true CN112380462A (zh) | 2021-02-19 |
Family
ID=74587825
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011365836.3A Pending CN112380462A (zh) | 2020-11-29 | 2020-11-29 | 参展路径规划方法、装置、服务器及计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112380462A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113271375A (zh) * | 2021-04-28 | 2021-08-17 | 杭州智科飞创信息科技有限公司 | 一种科技创新园区运营管理方法 |
CN115098792A (zh) * | 2022-08-26 | 2022-09-23 | 天津恒达文博科技股份有限公司 | 展品推荐方法、装置、计算机可读存储介质及电子设备 |
CN115129993A (zh) * | 2022-07-05 | 2022-09-30 | 北京本家文化传播有限公司 | 一种展会展台交互系统 |
CN116841299A (zh) * | 2023-08-31 | 2023-10-03 | 之江实验室 | 一种导览机器人的自主巡游控制方法及装置 |
CN117235321A (zh) * | 2023-09-04 | 2023-12-15 | 之江实验室 | 一种展览点位推荐方法、装置、电子装置和存储介质 |
CN117591748A (zh) * | 2024-01-18 | 2024-02-23 | 北京笔中文化科技产业集团有限公司 | 一种参展路线的规划方法、装置以及电子设备 |
CN117633372A (zh) * | 2024-01-25 | 2024-03-01 | 四川轻化工大学 | 基于物联网的景区游玩路径优化方法、系统、终端及介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103994771A (zh) * | 2014-05-06 | 2014-08-20 | 长沙地大物泊网络科技有限公司 | 一种景区智能导航应用系统及其使用方法 |
CN105278532A (zh) * | 2015-11-04 | 2016-01-27 | 中国科学技术大学 | 个性化机器人导游导览自主解说方法 |
CN108694223A (zh) * | 2018-03-26 | 2018-10-23 | 北京奇艺世纪科技有限公司 | 一种用户画像库的构建方法及装置 |
US20180314707A1 (en) * | 2017-05-01 | 2018-11-01 | Winkers, Inc. | Geographic user interaction system |
-
2020
- 2020-11-29 CN CN202011365836.3A patent/CN112380462A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103994771A (zh) * | 2014-05-06 | 2014-08-20 | 长沙地大物泊网络科技有限公司 | 一种景区智能导航应用系统及其使用方法 |
CN105278532A (zh) * | 2015-11-04 | 2016-01-27 | 中国科学技术大学 | 个性化机器人导游导览自主解说方法 |
US20180314707A1 (en) * | 2017-05-01 | 2018-11-01 | Winkers, Inc. | Geographic user interaction system |
CN108694223A (zh) * | 2018-03-26 | 2018-10-23 | 北京奇艺世纪科技有限公司 | 一种用户画像库的构建方法及装置 |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113271375A (zh) * | 2021-04-28 | 2021-08-17 | 杭州智科飞创信息科技有限公司 | 一种科技创新园区运营管理方法 |
CN115129993A (zh) * | 2022-07-05 | 2022-09-30 | 北京本家文化传播有限公司 | 一种展会展台交互系统 |
CN115098792A (zh) * | 2022-08-26 | 2022-09-23 | 天津恒达文博科技股份有限公司 | 展品推荐方法、装置、计算机可读存储介质及电子设备 |
CN115098792B (zh) * | 2022-08-26 | 2022-11-08 | 天津恒达文博科技股份有限公司 | 展品推荐方法、装置、计算机可读存储介质及电子设备 |
CN116841299A (zh) * | 2023-08-31 | 2023-10-03 | 之江实验室 | 一种导览机器人的自主巡游控制方法及装置 |
CN116841299B (zh) * | 2023-08-31 | 2023-12-22 | 之江实验室 | 一种导览机器人的自主巡游控制方法及装置 |
CN117235321A (zh) * | 2023-09-04 | 2023-12-15 | 之江实验室 | 一种展览点位推荐方法、装置、电子装置和存储介质 |
CN117235321B (zh) * | 2023-09-04 | 2024-04-16 | 之江实验室 | 一种展览点位推荐方法、装置、电子装置和存储介质 |
CN117591748A (zh) * | 2024-01-18 | 2024-02-23 | 北京笔中文化科技产业集团有限公司 | 一种参展路线的规划方法、装置以及电子设备 |
CN117633372A (zh) * | 2024-01-25 | 2024-03-01 | 四川轻化工大学 | 基于物联网的景区游玩路径优化方法、系统、终端及介质 |
CN117633372B (zh) * | 2024-01-25 | 2024-04-09 | 四川轻化工大学 | 基于物联网的景区游玩路径优化方法、系统、终端及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112380462A (zh) | 参展路径规划方法、装置、服务器及计算机可读存储介质 | |
US10846534B1 (en) | Systems and methods for augmented reality navigation | |
US11301676B2 (en) | Reducing the search space for recognition of objects in an image based on wireless signals | |
US11663663B2 (en) | Image analysis and identification using machine learning with output estimation | |
US10748195B2 (en) | Database image matching using machine learning with output estimation | |
US10783580B2 (en) | Image analysis and identification using machine learning with output personalization | |
CN110008397B (zh) | 一种推荐模型训练方法及装置 | |
US10762562B2 (en) | Database image matching using machine learning with output personalization | |
CN104268168A (zh) | 一种向用户推送信息的方法与装置 | |
CN108536467B (zh) | 代码的定位处理方法、装置、终端设备及存储介质 | |
CN103164436A (zh) | 一种图像搜索方法及装置 | |
CN111797266B (zh) | 图像处理方法和装置、存储介质和电子设备 | |
CN113515701A (zh) | 信息推荐方法及装置 | |
CN112256719A (zh) | 实体查询方法、装置、可读介质与电子设备 | |
CN112634469A (zh) | 用于处理图像的方法和装置 | |
US11553407B2 (en) | Methods and systems for signal interpretation via image analysis | |
CN117037014A (zh) | 对象标注方法、装置、计算机设备和存储介质 | |
CN117540081A (zh) | 车主权益推荐方法、装置、电子设备及存储介质 | |
CN114428888A (zh) | 轨迹还原方法和装置、存储介质及电子设备 | |
CA3036260A1 (en) | Database image matching using machine learning with output personalization |
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 |