CN113515666A - 一种应用于智慧旅游的旅游视频的推荐方法及装置 - Google Patents
一种应用于智慧旅游的旅游视频的推荐方法及装置 Download PDFInfo
- Publication number
- CN113515666A CN113515666A CN202110245639.6A CN202110245639A CN113515666A CN 113515666 A CN113515666 A CN 113515666A CN 202110245639 A CN202110245639 A CN 202110245639A CN 113515666 A CN113515666 A CN 113515666A
- Authority
- CN
- China
- Prior art keywords
- recommendation
- travel
- video
- tourist
- information
- 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
- 238000000034 method Methods 0.000 title claims abstract description 48
- 230000036651 mood Effects 0.000 claims description 79
- 238000012216 screening Methods 0.000 claims description 58
- 238000003786 synthesis reaction Methods 0.000 claims description 15
- 230000015572 biosynthetic process Effects 0.000 claims description 14
- 230000008921 facial expression Effects 0.000 claims description 14
- 238000012545 processing Methods 0.000 claims description 7
- 230000011218 segmentation Effects 0.000 claims description 7
- 238000012163 sequencing technique Methods 0.000 claims description 5
- 238000013527 convolutional neural network Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 238000004422 calculation algorithm Methods 0.000 description 5
- 230000008859 change Effects 0.000 description 5
- 238000011176 pooling Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 238000004590 computer program Methods 0.000 description 4
- 238000007796 conventional method Methods 0.000 description 4
- 235000013305 food Nutrition 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- 235000010149 Brassica rapa subsp chinensis Nutrition 0.000 description 2
- 235000000536 Brassica rapa subsp pekinensis Nutrition 0.000 description 2
- 241000499436 Brassica rapa subsp. pekinensis Species 0.000 description 2
- 230000000994 depressogenic effect Effects 0.000 description 2
- 235000011850 desserts Nutrition 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 235000013311 vegetables Nutrition 0.000 description 2
- 101100537629 Caenorhabditis elegans top-2 gene Proteins 0.000 description 1
- 206010019345 Heat stroke Diseases 0.000 description 1
- 241000282412 Homo Species 0.000 description 1
- 241000191398 Kalanchoe blossfeldiana Species 0.000 description 1
- 208000007180 Sunstroke Diseases 0.000 description 1
- 101150107801 Top2a gene Proteins 0.000 description 1
- 230000004308 accommodation Effects 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 210000003618 cortical neuron Anatomy 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000638 stimulation Effects 0.000 description 1
- 238000010998 test method Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
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
- G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
- G06F16/73—Querying
- G06F16/735—Filtering based on additional data, e.g. user or group profiles
-
- 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)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Health & Medical Sciences (AREA)
- Computational Linguistics (AREA)
- Multimedia (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
本发明公开了一种应用于智慧旅游的旅游视频的推荐方法、装置、计算机设备和存储介质,所述方法包括:根据地理位置信息和对应关系,按照时间戳信息所显示的各个时间点,将多个旅游推荐子视频依次推送至目标对象的终端设备上。因此,采用本申请实施例,相对于现有技术推送与旅游信息相关的文字内容而言,本申请实施例提供的推荐方法,能够推送与旅游信息相关的旅游视频,提高了推送的旅游信息的便捷性,以及观看旅游视频的趣味性,提高了用户体验度;此外,还能够根据地理位置信息和对应关系,按照时间戳信息所显示的各个时间点,将多个旅游推荐子视频依次且精准地推送至目标对象的终端设备上;有效地提高了推送视频的推送精准度。
Description
技术领域
本发明涉及人工智能技术领域,特别涉及一种应用于智慧旅游的旅游视频的推荐方法及装置。
背景技术
随着人们生活水平的提高,利用假期进行旅游已经成为了广大用户的一项选择。用户获取旅游信息的方式有很多,例如,线下直接去旅行社去咨询相关旅游信息,或者从与旅游相关的专业网站上去获取相关旅游信息,还可以通过与旅游相关的应用程序获取相关旅游信息。
现有技术往往基于用户的地理位置信息向用户推荐对应的旅游信息,且推荐的旅游信息涉及的旅游内容不仅单一、而且推荐的旅游信息往往为文字,基于手机端屏幕有限,不便于用户在欣赏旅游景点美景的同时阅读大段文字,用户体验不佳。
发明内容
本发明实施例的目的在于提供一种应用于智慧旅游的旅游视频的推荐方法、装置、计算机设备和存储介质,以解决上述技术问题。
第一方面,本申请实施例提供了一种应用于智慧旅游的旅游视频的推荐方法,所述方法包括:
确定目标对象的心情信息;
在预置旅游数据库中匹配与所述心情信息对应的旅游信息,所述旅游信息包括与所述心情信息对应的多个待定旅游推荐景点;
基于筛选条件,从所述旅游信息中的多个待定旅游推荐景点筛选出旅游推荐景点,所述旅游推荐景点包括多个旅游推荐点;
获取与所述旅游推荐景点关联的至少一个旅游推荐视频,每一个旅游推荐视频均包括多个旅游推荐子视频;
对所述目标对象进行跟踪,得到对应的跟踪轨迹,所述跟踪轨迹标识有对应的时间戳信息、对应的地理位置信息;
根据各个视频讲解内容,将每一个旅游推荐视频均切分为多个旅游推荐子视频,每一个旅游推荐子视频对应的视频讲解内容与所述跟踪轨迹中的地理位置信息中的每一个旅游推荐点具有对应关系;
根据所述地理位置信息和所述对应关系,按照所述时间戳信息所显示的各个时间点,将多个旅游推荐子视频依次推送至所述目标对象的终端设备上。
在一种实施方式中,所述确定目标对象的心情信息包括:
获取至少包括所述目标对象的人脸区域的目标图像;
若所述目标图像中的所述人脸区域处于未遮挡状态,则获取所述人脸区域的面部表情信息;
根据所述面部表情信息确定所述目标对象的心情信息。
在一种实施方式中,所述确定目标对象的心情信息包括:
获取至少包括所述目标对象的人脸区域的目标图像;
若所述目标图像中的所述人脸区域处于部分遮挡状态或者全部遮挡状态,则获取能够表征所述目标对象心情的心情关联数据和/或心情关联信息;
根据所述心情关联数据和/或所述心情关联信息确定所述目标对象的心情信息。
在一种实施方式中,所述基于筛选条件,从所述旅游信息中的多个待定旅游推荐景点筛选出旅游推荐景点包括:
读取出的所述筛选条件为所述目标对象的偏好度;
对所述目标对象的偏好度进行解析,解析出多个偏好度因数;
为多个偏好度因数中的每一个偏好度因数分别配置对应的权重值,其中,各个偏好度因数的权重值的总和为1;
根据每一个偏好度因数对应的权重值,对多个待定旅游推荐景点进行排序;
将排序处于预置排序阈值内的至少一个待定旅游推荐景点确定为所述旅游推荐景点。
在一种实施方式中,所述基于筛选条件,从所述旅游信息中的多个待定旅游推荐景点筛选出旅游推荐景点包括:
读取出的所述筛选条件为所述目标对象在旅行中所采用的交通方式;
从多个待定旅游推荐景点中确定出与所述交通方式匹配的旅游推荐景点。
在一种实施方式中,所述基于筛选条件,从所述旅游信息中的多个待定旅游推荐景点筛选出旅游推荐景点包括:
读取出的所述筛选条件为所述目标对象选取的目的地信息;
从多个待定旅游推荐景点中确定出与所述目的地信息匹配的旅游推荐景点。
在一种实施方式中,所述获取与所述旅游推荐景点关联的至少一个旅游推荐视频包括:
判断预置旅游视频数据库中是否有与所述旅游推荐景点关联度大于预设关联度阈值的旅游推荐视频,若有,则获取至少一个旅游推荐视频;若没有,则获取所述预置旅游数据库中的与所述旅游推荐景点相关联的关联数据,所述关联数据包括图片、视频片段和文字中的至少一项,将所述关联数据按照预设视频合成方式进行视频合成处理,得到与所述旅游推荐景点关联的至少一个旅游推荐视频。
第二方面,本申请实施例提供了一种应用于智慧旅游的旅游视频的推荐装置,所述装置包括:
确定模块,用于确定目标对象的心情信息;
匹配模块,用于在预置旅游数据库中匹配与所述确定模块确定出的所述心情信息对应的旅游信息,所述旅游信息包括与所述心情信息对应的多个待定旅游推荐景点;
筛选模块,用于基于筛选条件,从所述匹配模块匹配出的所述旅游信息中的多个待定旅游推荐景点筛选出旅游推荐景点,所述旅游推荐景点包括多个旅游推荐点;
获取模块,用于获取与所述筛选模块筛选出的所述旅游推荐景点关联的至少一个旅游推荐视频,每一个旅游推荐视频均包括多个旅游推荐子视频;
跟踪模块,用于对所述目标对象进行跟踪,得到对应的跟踪轨迹,所述跟踪轨迹标识有对应的时间戳信息、对应的地理位置信息;
切分模块,用于根据各个视频讲解内容,将所述获取模块获取的每一个旅游推荐视频均切分为多个旅游推荐子视频,每一个旅游推荐子视频对应的视频讲解内容与所述跟踪轨迹中的地理位置信息中的每一个旅游推荐点具有对应关系;
推送模块,用于根据所述跟踪模块得到的所述地理位置信息和所述对应关系,按照所述跟踪模块得到的所述时间戳信息所显示的各个时间点,将所述切分模块切分得到的多个旅游推荐子视频依次推送至所述目标对象的终端设备上。
第三方面,本申请实施例提供一种计算机设备,包括存储器和处理器,所述存储器中存储有计算机可读指令,所述计算机可读指令被所述处理器执行时,使得所述处理器执行上述的方法步骤。
第四方面,本申请实施例提供一种存储有计算机可读指令的存储介质,所述计算机可读指令被一个或多个处理器执行时,使得一个或多个处理器执行上述的方法步骤。
本申请实施例提供的技术方案可以包括以下有益效果:
在本申请实施例中,根据各个视频讲解内容,将每一个旅游推荐视频均切分为多个旅游推荐子视频,每一个旅游推荐子视频对应的视频讲解内容与跟踪轨迹中的地理位置信息中的每一个旅游推荐点具有对应关系;以及根据地理位置信息和对应关系,按照时间戳信息所显示的各个时间点,将多个旅游推荐子视频依次推送至目标对象的终端设备上。因此,采用本申请实施例,相对于现有技术推送与旅游信息相关的文字内容而言,本申请实施例提供的推荐方法,能够推送与旅游信息相关的旅游视频,提高了推送的旅游信息的便捷性,以及观看旅游视频的趣味性,提高了用户体验度;此外,本申请实施例提供的推荐方法,还能够根据地理位置信息和对应关系,按照时间戳信息所显示的各个时间点,将多个旅游推荐子视频依次推送至所述目标对象的终端设备上,其中,该对应关系为每一个旅游推荐子视频对应的视频讲解内容与跟踪轨迹中的地理位置信息中的每一个旅游推荐点之间的对应关系,这样,有效地提高了推送视频的推送精准度;再者,由于引入了多种应用不同应用场景下的筛选条件,使得筛选出的旅游推荐景点更加精准,能够符合不同用户的需求,从而提高了用户体验度。应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本发明。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本发明的实施例,并与说明书一起用于解释本发明的原理。
图1为一个实施例中提供的应用于智慧旅游的旅游视频的推荐方法的实施环境图;
图2为一个实施例中计算机设备的内部结构框图;
图3是本公开实施例提供的一种应用于智慧旅游的旅游视频的推荐方法的流程示意图;
图4是本公开实施例提供的一种应用于智慧旅游的旅游视频的推荐装置的结构示意图。
具体实施方式
以下描述和附图充分地示出本发明的具体实施方案,以使本领域的技术人员能够实践它们。
应当明确,所描述的实施例仅仅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它实施例,都属于本发明保护的范围。
下面结合附图详细说明本公开的可选实施例。
图1为一个实施例中提供的一种应用于智慧旅游的旅游视频的推荐方法的实施环境图,如图1所示,在该实施环境中,包括计算机设备110以及终端120。
需要说明的是,终端120以及计算机设备110可为智能手机、平板电脑、笔记本电脑、台式计算机等,但并不局限于此。计算机设备110以及终端110可以通过蓝牙、USB(Universal Serial Bus,通用串行总线)或者其他通讯连接方式进行连接,本发明在此不做限制。
图2为一个实施例中计算机设备的内部结构示意图。如图2所示,该计算机设备包括通过系统总线连接的处理器、非易失性存储介质、存储器和网络接口。其中,该计算机设备的非易失性存储介质存储有操作系统、数据库和计算机可读指令,数据库中可存储有控件信息序列,该计算机可读指令被处理器执行时,可使得处理器实现应用于智慧旅游的旅游视频的推荐方法。该计算机设备的处理器用于提供计算和控制能力,支撑整个计算机设备的运行。该计算机设备的存储器中可存储有计算机可读指令,该计算机可读指令被处理器执行时,可使得处理器执行应用于智慧旅游的旅游视频的推荐方法。该计算机设备的网络接口用于与终端连接通信。本领域技术人员可以理解,图2中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
如图3所示,本公开实施例提供一种应用于智慧旅游的旅游视频的推荐方法,该应用于智慧旅游的旅游视频的推荐方法具体包括以下方法步骤:
S301:确定目标对象的心情信息;
在一种可能的实现方式中,确定目标对象的心情信息包括以下步骤:
获取至少包括目标对象的人脸区域的目标图像;
若目标图像中的人脸区域处于未遮挡状态,则获取人脸区域的面部表情信息;
根据面部表情信息确定目标对象的心情信息。
在实际应用场景中,若目标图像中的人脸区域处于未遮挡状态,则可以从目标图像中的人脸区域清晰地读取到目标对象的面部表情信息,例如,通过当前目标图像中的人脸区域清晰地读取到当前目标对象的面部表情为沮丧,或者,通过当前目标图像中的人脸区域清晰地读取到当前目标对象的面部表情为高兴,或者,通过当前目标图像中的人脸区域清晰地读取到当前目标对象的面部表情为愤怒,又或者,通过当前目标图像中的人脸区域清晰地读取到当前目标对象的面部表情为恐惧。
上述仅仅是示例,在实际不同应用场景中,在目标图像中的人脸区域处于未遮挡状态时,则获取人脸区域的面部表情信息,并对面部表情信息进行读取,从而确定目标对象的具体心情。上述仅仅罗列了常见的几种确定出的目标对象的心情类型,还可以有其它心情类型,在此不再赘述。
在本申请实施例中,在判断目标图像中的人脸区域处于未遮挡状态之前,所述方法还包括以下步骤:
根据人脸识别模型对人脸图像的人脸区域进行特征比对和识别,以确定出具体哪一张人脸图像中的人脸是目标对象的人脸。
在本申请实施例中,人脸识别模型为CNN(Convolutional Neural Network,卷积神经网络)模型。该卷积神经网络为一类特定的深度学习架构,它利用卷积运算来挖掘输入图像中的相关的可解释特征。CNN层之间像前馈神经网络一样互相连接,同时它利用卷积操作来模拟人类识别物体时大脑的工作原理。单个皮层神经元只对空间中某个受限区域的刺激做出反应,这称为感受野。
卷积神经网络中的卷积运算主要目的是从图像中提取信息或特征。任何图像都可以看作一个数值矩阵,而矩阵中一组特定的数值可以构成一个特征。卷积运算的目的是扫描该矩阵,并尝试为图像挖掘相关的或可解释特征。
在本申请实施例中,本申请实施例中的源人脸识别模型所采用的卷积神经网络模型包括输入层、多个卷积层+RelLU激活函数、多个池化层、全连接层、输出层;输入层与卷积层间、卷积层与池化层间、池化层与全连接层间均设有隐藏层。
在本申请实施例中,可以根据源人脸识别结果对上述卷积神经网络中的卷积层的数量以及池化层的数量在现有的卷积神经网络模型的基础上进行优化,在此对卷积层的数量和池化层的数量不做具体限制。
在另一种可能的实现方式中,确定目标对象的心情信息包括以下步骤:
获取至少包括目标对象的人脸区域的目标图像;
若目标图像中的人脸区域处于部分遮挡状态或者全部遮挡状态,则获取能够表征目标对象心情的心情关联数据和/或心情关联信息;
根据心情关联数据和/或心情关联信息确定目标对象的心情信息。
在目标图像中的人脸区域处于部分遮挡状态或者全部遮挡状态时,则获取能够表征目标对象心情的心情关联数据,例如,在某一应用场景中,心情关联数据可以为能够表征目标对象心情的人体体征数据,例如,心率,当心率增加时,可以初步判断出目标对象此时的心情可能是高兴;又或者,当心率降低时,可以初步判断出目标对象此时的心情可能是沮丧。
上述仅仅是示例,还可以获取除了心率之外的能够用于表征目标对象的人体体征数据的其它数据,在此不再一一赘述。
进一步地,在目标图像中的人脸区域处于部分遮挡状态或者全部遮挡状态时,则获取能够表征目标对象心情的心情关联信息,例如,该心情关联信息可以是目标对象发出的能够表征此时其心情的文字信息,例如,其此时发出的文字信息的内容为“春暖花开”,则说明此时目标对象的心情很好,反之亦然。上述仅仅是示例,不再赘述。
S302:在预置旅游数据库中匹配与心情信息对应的旅游信息,旅游信息包括与心情信息对应的多个待定旅游推荐景点。
在本申请实施例中,在某一具体应用场景中,若心情信息显示目标对象当前的心情为开心时,则可以在预置旅游数据库中匹配此时开心心情的旅游信息,该旅游信息包括与开心心情对应的多个待定旅游推荐景点。
例如,在匹配出当前目标对象的心情为开心时,则推荐如下多个待定旅游推荐景点如下所述:北京的颐和园、云南的丽江古城和江苏的拙政园等。
又例如,在匹配出当前目标对象的心情为沮丧时,则推荐如下多个待定旅游推荐景点如下所述:承德避暑山庄、江苏周庄和重庆度假景区等。
需要说明的是,上述在预置旅游数据库中匹配与心情信息对应的旅游信息的匹配方法为常规的方法,例如,根据关键词进行匹配,或者根据大数据统计结果进行匹配,在此不再赘述。
S303:基于筛选条件,从旅游信息中的多个待定旅游推荐景点筛选出旅游推荐景点,旅游推荐景点包括多个旅游推荐点。
在一种可能的实现方式中,基于筛选条件,从旅游信息中的多个待定旅游推荐景点筛选出旅游推荐景点包括以下步骤:
读取出的筛选条件为目标对象的偏好度;
对目标对象的偏好度进行解析,解析出多个偏好度因数;
为多个偏好度因数中的每一个偏好度因数分别配置对应的权重值,其中,各个偏好度因数的权重值的总和为1;
根据每一个偏好度因数对应的权重值,对多个待定旅游推荐景点进行排序;
将排序处于预置排序阈值内的至少一个待定旅游推荐景点确定为旅游推荐景点。
在本申请实施例中,目标对象的偏好度可以对目标对象的历史消费记录进行统计而得到。例如,根据对目标对象过去一年的历史消费记录进行统计得到目标对象的偏好度具体如下所述:喜欢美食,美食可以为川菜馆,且喜欢咖啡和甜点;此外,还喜欢旅游,旅游住宿为至少四星级酒店;再者,喜欢在旅游景点步行购买特色物品。通过上述信息,美食中的川菜馆可以作为一项偏好度因数,咖啡馆也可以作为一项偏好度因数,有甜点的烘培店也可以作为一项偏好度因数,旅游住宿至少要四星级酒店也可以作为一项偏好度因数,此外,旅游景点包括有购物场所的步行街也可以作为一项偏好度因数。可以针对上述各项偏好度因数配置对应的权重值,对配置的权重值没有限制,只要各项偏好度因数对应的权重值的总和为一即可,可以对上述各项偏好度因数的权重值进行平分,分别为0.2,也可以根据目标对象的偏好度进行配置,例如,目标对象特别喜欢川菜馆,可以将该项偏好度因数的权重值配置为0.6,其余四项偏好度因数的权重值进行平分,均为0.1,上述仅仅是示例,不再赘述。
根据上述配置条件(各项偏好度因数,以及各项偏好度因数对应的权重值),就可以对多个待定旅游推荐景点的权重值进行打分并进行排序。
在具体应用场景中,若多个待定旅游推荐景点包括待定旅游推荐景点A和待定旅游推荐景点B,采用的上述配置条件为:目标对象特别喜欢川菜馆,可以将该项偏好度因数的权重值配置为0.6,其余四项偏好度因数的权重值进行平分,均为0.1;若待定旅游推荐景点A里面有一家川菜馆,而待定旅游推荐景点B里面并没有一家川菜馆,其它的四项偏好度因数均是相同的,则最终对二者进行排序,待定旅游推荐景点A对应的权重值就大于待定旅游推荐景点B对应的权重值,则待定旅游推荐景点A的排序就在待定旅游推荐景点B的前面。
在本申请实施例中,对预置排序阈值并不做具体限制,可以根据不同应用场景的需求进行配置和调整;例如,可以对预置排序阈值配置为1,则仅从多个待定旅游推荐景点中选取排序处于第一的待定旅游推荐景点,并将其确定为旅游推荐景点,这样,能够做到精准推荐,推荐的景点符合目标对象的偏好度,提高了推荐的精准度。此外,为了目标对象有更多的选择,也可以将上述预置排序阈值配置为大于1的正整数,预置排序阈值的数值越大,则可供目标对象进行选择的旅游推荐景点越多,反之亦然,从而提高了推荐的趣味性和多样性,提高了用户体验度。
在另一种可能的实现方式中,基于筛选条件,从旅游信息中的多个待定旅游推荐景点筛选出旅游推荐景点包括以下步骤:
读取出的筛选条件为目标对象在旅行中所采用的交通方式;
从多个待定旅游推荐景点中确定出与交通方式匹配的旅游推荐景点。
在某一具体应用场景中,若筛选条件为目标对象在旅行中所采用的交通方式,例如,若目标对象在旅行中所采用的交通方式为飞机,且目标对象的居住地为北京,则在多个待定旅游推荐景点如下所述:北京的颐和园、云南的丽江古城和江苏的拙政园等的情况下,则从多个待定旅游推荐景点中确定与飞机作为交通方式匹配的旅游推荐景点为:云南的丽江古城,或者江苏的拙政园;这里仅仅是示例,不再赘述。
在一种可能的实现方式中,基于筛选条件,从旅游信息中的多个待定旅游推荐景点筛选出旅游推荐景点包括以下步骤:
读取出的筛选条件为目标对象选取的目的地信息;
从多个待定旅游推荐景点中确定出与目的地信息匹配的旅游推荐景点。
在某一具体应用场景中,若筛选条件为目标对象选取的目的地信息,若目的地信息显示目标对象的目的地为北京,且在多个待定旅游推荐景点如下所述:北京的颐和园、云南的丽江古城和江苏的拙政园等的情况下,则从多个待定旅游推荐景点中确定出与目的地北京匹配的旅游推荐景点为北京的颐和园。
S304:获取与旅游推荐景点关联的至少一个旅游推荐视频,每一个旅游推荐视频均包括多个旅游推荐子视频。
在本申请实施例中,获取与旅游推荐景点关联的至少一个旅游推荐视频可以是从网上直接搜索到的已有的旅游视频,也可以是后期合成处理得到的。
在本申请实施例中,获取的与旅游推荐景点关联的至少一个旅游推荐视频可以为一个,也可以为多个。在推荐的旅游推荐视频为多个时,往往会对多个旅游推荐视频进一步地按照预置推荐模型进行排序并按照排序从高至低依次进行推荐。
在本申请实施例中,预置推荐模型所采用的推荐算法为常规的至少一种推荐算法,根据采用的推荐算法构建预置推荐模型的方法也是常规方法,在此不再赘述。
在本申请实施例中,为了确保推荐视频的精准度,进一步地对多个推荐视频的排序精准度进行了测试。
例如,采用排序准确度指标来衡量推荐视频的精准度,即:是否符合目标对象的喜好。
具体地,推荐视频排序准确度采用如下计算公式:
上述公式中,Lu代表视频推荐系统中给用户u的待推荐列表大小,在离线测试方法中就等于用户u在测试集中的视频数目加上未作出评分的视频数目。lua是预测视频a在用户u的推荐列表中的排名。例如,若在一个视频推荐系统中,用户u的待推荐列表共有1000个,而推荐列表中排序第五的视频恰是用户喜欢的,那么对该用户来说,该视频的排序分为5/1000=0.005,该分值越小,表明推荐系统倾向将用户喜欢的视频排在前面。对所有用户及所有视频进行统计,就可以得到推荐系统的平均排序分RS。
又例如,采用平均准确度指标来衡量推荐视频的精准度。
具体地,平均准确度指标中的准确度的计算方法采用如下公式:
上述公式中,为推荐列表长度,predictioni为前i个推荐结果的正确率,(changein recall)i是一个二值项,如果第i个推荐结果正确,则其取值为1/x,否则其取值为0。
例如,在本申请实施例的推荐系统中,某用户A喜好的视频分别是视频1、视频2、视频3和视频4,而推荐系统给用户A的推荐结果为视频7、视频4和视频5,若推荐系统会推荐Top-2给用户A,则推荐结果为[7 4]。
AP@2=(prediction1×(change in recall)1)+(prediction2×(change inrecall)2)
上述公式中,由于前一个预测结果不在正确的预测结果范围内,则prediction1为0,(change in recall)1为0,第二个预测结果在正确的预测结果范围内,则prediction2为0.5,(change in recall)2为0.5,那么平均准确度指标
AP@2=0*0+0.5*0.5=0.25
上述计算过程就计算出用户A的AP,同理,将所有用户的AP均计算出来再求平均值,就可以得到采用上述推荐算法对所有用户的推荐效果;这样,就可以根据上述得到的精准的推荐效果不断地本申请实施例所采用的推荐算法中的参数进行改进,以及对推荐模型进行改进,得到优化后的推荐模型,在此不再赘述。每一个旅游推荐视频均包括多个旅游推荐子视频,且每一个旅游推荐子视频均对应一个旅游推荐景点下的一个旅游推荐点的完整讲解视频,即:通过观看该旅游推荐子视频,就可以使得目标对象这样的用户大致地了解当前旅游推荐点的特色和历史故事等信息,大大地提升了旅游的知识性和趣味性。
在一种可能的实现方式中,获取与旅游推荐景点关联的至少一个旅游推荐视频包括以下步骤:
判断预置旅游视频数据库中是否有与旅游推荐景点关联度大于预设关联度阈值的旅游推荐视频,若有,则获取至少一个旅游推荐视频;若没有,则获取预置旅游数据库中的与旅游推荐景点相关联的关联数据,关联数据包括图片、视频片段和文字中的至少一项,将关联数据按照预设视频合成方式进行视频合成处理,得到与旅游推荐景点关联的至少一个旅游推荐视频。
在本申请实施例中,对预设关联度阈值并不做具体限制,若预设关联度阈值越大,则在预置旅游视频数据库中获取到的至少一个旅游推荐视频越精准,反之亦然。若预置旅游视频数据库中并没有符合目标对象的用户所需的现成的旅游推荐视频,则可以获取图片、视频片段和文字中的至少一项关联数据,并对其进行视频合成处理,在此,对预设视频合成方式并不做具体限制,但是,往往配置的预设视频合成方式是与用户的偏好的视频风格相关的。具体地,若目标对象偏好的视频风格为简洁风格,则可以从预置旅游数据库中获取与旅游推荐景点相关联的图片或者视频片段的关联数据,并对上述这些关联数据采用现有的视频合成应用程序进行视频合成,在此对视频合成处理的方式并不做限制,最终合成出对应的至少一个旅游推荐视频。
S305:对目标对象进行跟踪,得到对应的跟踪轨迹,跟踪轨迹标识有对应的时间戳信息、对应的地理位置信息。
在本申请实施例中,对目标对象进行跟踪,得到对应的跟踪轨迹的方法为常规方法,在此不再赘述。得到的跟踪轨迹不仅标识有对应的时间戳信息,还标识有对应的地理位置信息。通过上述跟踪轨迹中的时间戳信息和地理位置信息,可以将目标对象的跟踪轨迹中的任意一个轨迹点、该轨迹点对应的时刻信息、以及该轨迹点对应的实时地理位置信息一一对应起来,以便于对目标对象精准地推送对应的旅游推荐视频,甚至是精准地推送对应的旅游推荐子视频,其中,旅游推荐子视频对应的是旅游推荐景点下的任意一个旅游推荐点的讲解视频。
S306:根据各个视频讲解内容,将每一个旅游推荐视频均切分为多个旅游推荐子视频,每一个旅游推荐子视频对应的视频讲解内容与跟踪轨迹中的地理位置信息中的每一个旅游推荐点具有对应关系。
在本申请实施例中,将每一个旅游推荐视频均切分为多个旅游推荐子视频所采用的切分方法为常规方法,在此不再赘述。
例如,在某一具体应用场景下,针对旅游推荐景点对应的旅游推荐视频为视频A,该旅游推荐景点下还包括多个旅游推荐点,旅游推荐点A1、旅游推荐景点A2和旅游推荐景点A3,则将旅游推荐视频针对上述该3个旅游推荐点切分为对应的三个旅游推荐子视频,并且针对每一个旅游推荐点均有对应的用于讲解此处历史典故或者建筑特色的旅游推荐子视频。
S307:根据地理位置信息和对应关系,按照时间戳信息所显示的各个时间点,将多个旅游推荐子视频依次推送至目标对象的终端设备上;这样,可以实现对视频的精准推送,提高了推荐视频的实时性和趣味性。
在本申请实施例中,对应关系为每一个旅游推荐子视频对应的视频讲解内容与跟踪轨迹中的地理位置信息中的每一个旅游推荐点之间的对应关系。
例如,在某一具体应用场景下,针对旅游推荐景点对应的旅游推荐视频为视频B,该旅游推荐景点下还包括多个旅游推荐点,旅游推荐点B1、旅游推荐景点B2和旅游推荐景点B3,针对上述该3个旅游推荐点对应的三个旅游推荐子视频分别为旅游推荐子视频C1、旅游推荐子视频C2和旅游推荐子视频C3,并且按照时间戳信息所显示的各个时间点分别为时间点D1、时间点D2和时间点D3,则根据上述地理位置信息和对应关系,按照时间戳信息所显示的各个时间点,将上述三个旅游推荐子视频依次推送至目标对象的终端设备上的过程具体如下所述:
在根据实时地理位置信息检测到目标对象到达了旅游推荐景点下的旅游推荐点B1,此时的时间戳信息所显示的时间点为D1,则将针对该旅游推荐点B1的旅游推荐子视频C1,在时间点D1推送至目标对象的终端设备上,这样,有效地提高了推荐视频的精准度和趣味性。
同理,在根据实时地理位置信息检测到目标对象到达了旅游推荐景点下的旅游推荐点B2,此时的时间戳信息所显示的时间点为D2,则将针对该旅游推荐点B2的旅游推荐子视频C2,在时间点D2推送至目标对象的终端设备上,这样,有效地提高了推荐视频的精准度和趣味性。
同理,在根据实时地理位置信息检测到目标对象到达了旅游推荐景点下的旅游推荐点B3,此时的时间戳信息所显示的时间点为D3,则将针对该旅游推荐点B3的旅游推荐子视频C3,在时间点D3推送至目标对象的终端设备上,这样,有效地提高了推荐视频的精准度和趣味性。
在本公开实施例中,根据各个视频讲解内容,将旅游推荐视频切分为多个旅游推荐子视频,每一个旅游推荐子视频对应的视频讲解内容与跟踪轨迹中的地理位置信息中的每一个旅游推荐点具有对应关系;以及根据地理位置信息和对应关系,按照时间戳信息所显示的各个时间点,将多个旅游推荐子视频依次推送至目标对象的终端设备上。因此,采用本申请实施例,相对于现有技术推送与旅游信息相关的文字内容而言,本申请实施例提供的推荐方法,能够推送与旅游信息相关的旅游视频,提高了推送的旅游信息的便捷性,以及观看旅游视频的趣味性,提高了用户体验度;此外,本申请实施例提供的推荐方法,还能够根据地理位置信息和对应关系,按照时间戳信息所显示的各个时间点,将多个旅游推荐子视频依次推送至目标对象的终端设备上,其中,该对应关系为每一个旅游推荐子视频对应的视频讲解内容与跟踪轨迹中的地理位置信息中的每一个旅游推荐点之间的对应关系,这样,有效地提高了推送视频的推送精准度;再者,由于引入了多种应用不同应用场景下的筛选条件,使得筛选出的旅游推荐景点更加精准,能够符合不同用户的需求,从而提高了用户体验度。下述为本发明应用于智慧旅游的旅游视频的推荐装置实施例,可以用于执行本发明应用于智慧旅游的旅游视频的推荐方法实施例。对于本发明应用于智慧旅游的旅游视频的推荐装置实施例中未披露的细节,请参照本发明应用于智慧旅游的旅游视频的推荐方法实施例。
请参见图4,其示出了本发明一个示例性实施例提供的应用于智慧旅游的旅游视频的推荐装置的结构示意图。该应用于智慧旅游的旅游视频的推荐装置可以通过软件、硬件或者两者的结合实现成为终端的全部或一部分。该应用于智慧旅游的旅游视频的推荐装置包括确定模块401、匹配模块402、筛选模块403、获取模块404、跟踪模块405、切分模块406和推送模块407。
具体而言,确定模块401,用于确定目标对象的心情信息;
匹配模块402,用于在预置旅游数据库中匹配与确定模块401确定出的心情信息对应的旅游信息,旅游信息包括与心情信息对应的多个待定旅游推荐景点;
筛选模块403,用于基于筛选条件,从匹配模块402匹配出的旅游信息中的多个待定旅游推荐景点筛选出旅游推荐景点,旅游推荐景点包括多个旅游推荐点;
获取模块404,用于获取与筛选模块403筛选出的旅游推荐景点关联的至少一个旅游推荐视频,每一个旅游推荐视频均包括多个旅游推荐子视频;
跟踪模块405,用于对目标对象进行跟踪,得到对应的跟踪轨迹,跟踪轨迹标识有对应的时间戳信息、对应的地理位置信息;
切分模块406,用于根据各个视频讲解内容,将获取模块404获取的每一个旅游推荐视频均切分为多个旅游推荐子视频,每一个旅游推荐子视频对应的视频讲解内容与跟踪轨迹中的地理位置信息中的每一个旅游推荐点具有对应关系;
推送模块407,用于根据跟踪模块405得到的地理位置信息和对应关系,按照跟踪模块405得到的时间戳信息所显示的各个时间点,将切分模块406切分得到的多个旅游推荐子视频依次推送至目标对象的终端设备上。
可选的,确定模块401具体用于:
获取至少包括目标对象的人脸区域的目标图像;
若目标图像中的人脸区域处于未遮挡状态,则获取人脸区域的面部表情信息;
根据面部表情信息确定目标对象的心情信息。
可选的,确定模块401具体用于:
获取至少包括目标对象的人脸区域的目标图像;
若目标图像中的人脸区域处于部分遮挡状态或者全部遮挡状态,则获取能够表征目标对象心情的心情关联数据和/或心情关联信息;
根据心情关联数据和/或心情关联信息确定目标对象的心情信息。
可选的,筛选模块403具体用于:
读取出的筛选条件为目标对象的偏好度;
对目标对象的偏好度进行解析,解析出多个偏好度因数;
为多个偏好度因数中的每一个偏好度因数分别配置对应的权重值,其中,各个偏好度因数的权重值的总和为1;
根据每一个偏好度因数对应的权重值,对多个待定旅游推荐景点进行排序;
将排序处于预置排序阈值内的至少一个待定旅游推荐景点确定为旅游推荐景点。
可选的,筛选模块403具体用于:
读取出的筛选条件为目标对象在旅行中所采用的交通方式;
从多个待定旅游推荐景点中确定出与交通方式匹配的旅游推荐景点。
可选的,筛选模块403具体用于:
读取出的筛选条件为目标对象选取的目的地信息;
从多个待定旅游推荐景点中确定出与目的地信息匹配的旅游推荐景点。
可选的,获取模块404具体用于:
判断预置旅游视频数据库中是否有与旅游推荐景点关联度大于预设关联度阈值的旅游推荐视频,若有,则获取至少一个旅游推荐视频;若没有,则获取预置旅游数据库中的与旅游推荐景点相关联的关联数据,关联数据包括图片、视频片段和文字中的至少一项,将关联数据按照预设视频合成方式进行视频合成处理,得到与旅游推荐景点关联的至少一个旅游推荐视频。
需要说明的是,上述实施例提供的应用于智慧旅游的旅游视频的推荐装置在执行应用于智慧旅游的旅游视频的推荐方法时,仅以上述各功能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模块完成,即将设备的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。另外,上述实施例提供的应用于智慧旅游的旅游视频的推荐装置与应用于智慧旅游的旅游视频的推荐方法实施例属于同一构思,其体现实现过程详见应用于智慧旅游的旅游视频的推荐方法实施例,这里不再赘述。
在本公开实施例中,切分模块用于根据各个视频讲解内容,将获取模块获取的每一个旅游推荐视频均切分为多个旅游推荐子视频,每一个旅游推荐子视频对应的视频讲解内容与跟踪轨迹中的地理位置信息中的每一个旅游推荐点具有对应关系;以及推送模块用于根据跟踪模块得到的地理位置信息和对应关系,按照跟踪模块得到的时间戳信息所显示的各个时间点,将切分模块切分得到的多个旅游推荐子视频依次推送至目标对象的终端设备上。因此,采用本申请实施例,相对于现有技术推送与旅游信息相关的文字内容而言,本申请实施例提供的推荐装置,推送模块能够推送与旅游信息相关的旅游视频,提高了推送的旅游信息的便捷性,以及观看旅游视频的趣味性,提高了用户体验度;此外,本申请实施例提供的推荐装置,由于推送模块能够根据地理位置信息和对应关系,按照时间戳信息所显示的各个时间点,将多个旅游推荐子视频依次推送至目标对象的终端设备上,其中,该对应关系为每一个旅游推荐子视频对应的视频讲解内容与跟踪轨迹中的地理位置信息中的每一个旅游推荐点之间的对应关系,这样,有效地提高了推送视频的推送精准度;再者,由于引入了多种应用不同应用场景下的筛选条件,使得筛选出的旅游推荐景点更加精准,能够符合不同用户的需求,从而提高了用户体验度。
在一个实施例中,提出了一种计算机设备,计算机设备包括存储器、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,处理器执行计算机程序时实现以下步骤:确定目标对象的心情信息;在预置旅游数据库中匹配与心情信息对应的旅游信息,旅游信息包括与心情信息对应的多个待定旅游推荐景点;基于筛选条件,从旅游信息中的多个待定旅游推荐景点筛选出旅游推荐景点,旅游推荐景点包括多个旅游推荐点;获取与旅游推荐景点关联的至少一个旅游推荐视频,每一个旅游推荐视频均包括多个旅游推荐子视频;对目标对象进行跟踪,得到对应的跟踪轨迹,跟踪轨迹标识有对应的时间戳信息、对应的地理位置信息;根据各个视频讲解内容,将每一个旅游推荐视频均切分为多个旅游推荐子视频,每一个旅游推荐子视频对应的视频讲解内容与跟踪轨迹中的地理位置信息中的每一个旅游推荐点具有对应关系;根据地理位置信息和对应关系,按照时间戳信息所显示的各个时间点,将多个旅游推荐子视频依次推送至目标对象的终端设备上。
在一个实施例中,提出了一种存储有计算机可读指令的存储介质,该计算机可读指令被一个或多个处理器执行时,使得一个或多个处理器执行以下步骤:确定目标对象的心情信息;在预置旅游数据库中匹配与心情信息对应的旅游信息,旅游信息包括与心情信息对应的多个待定旅游推荐景点;基于筛选条件,从旅游信息中的多个待定旅游推荐景点筛选出旅游推荐景点,旅游推荐景点包括多个旅游推荐点;获取与旅游推荐景点关联的至少一个旅游推荐视频,每一个旅游推荐视频均包括多个旅游推荐子视频;对目标对象进行跟踪,得到对应的跟踪轨迹,跟踪轨迹标识有对应的时间戳信息、对应的地理位置信息;根据各个视频讲解内容,将每一个旅游推荐视频均切分为多个旅游推荐子视频,每一个旅游推荐子视频对应的视频讲解内容与跟踪轨迹中的地理位置信息中的每一个旅游推荐点具有对应关系;根据地理位置信息和对应关系,按照时间戳信息所显示的各个时间点,将多个旅游推荐子视频依次推送至目标对象的终端设备上。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,该计算机程序可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,前述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)等非易失性存储介质,或随机存储记忆体(Random Access Memory,RAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种应用于智慧旅游的旅游视频的推荐方法,其特征在于,所述方法包括:
确定目标对象的心情信息;
在预置旅游数据库中匹配与所述心情信息对应的旅游信息,所述旅游信息包括与所述心情信息对应的多个待定旅游推荐景点;
基于筛选条件,从所述旅游信息中的多个待定旅游推荐景点筛选出旅游推荐景点,所述旅游推荐景点包括多个旅游推荐点;
获取与所述旅游推荐景点关联的至少一个旅游推荐视频,每一个旅游推荐视频均包括多个旅游推荐子视频;
对所述目标对象进行跟踪,得到对应的跟踪轨迹,所述跟踪轨迹标识有对应的时间戳信息、对应的地理位置信息;
根据各个视频讲解内容,将每一个旅游推荐视频均切分为多个旅游推荐子视频,每一个旅游推荐子视频对应的视频讲解内容与所述跟踪轨迹中的地理位置信息中的每一个旅游推荐点具有对应关系;
根据所述地理位置信息和所述对应关系,按照所述时间戳信息所显示的各个时间点,将多个旅游推荐子视频依次推送至所述目标对象的终端设备上。
2.根据权利要求1所述的方法,其特征在于,所述确定目标对象的心情信息包括:
获取至少包括所述目标对象的人脸区域的目标图像;
若所述目标图像中的所述人脸区域处于未遮挡状态,则获取所述人脸区域的面部表情信息;
根据所述面部表情信息确定所述目标对象的心情信息。
3.根据权利要求1所述的方法,其特征在于,所述确定目标对象的心情信息包括:
获取至少包括所述目标对象的人脸区域的目标图像;
若所述目标图像中的所述人脸区域处于部分遮挡状态或者全部遮挡状态,则获取能够表征所述目标对象心情的心情关联数据和/或心情关联信息;
根据所述心情关联数据和/或所述心情关联信息确定所述目标对象的心情信息。
4.根据权利要求1所述的方法,其特征在于,所述基于筛选条件,从所述旅游信息中的多个待定旅游推荐景点筛选出旅游推荐景点包括:
读取出的所述筛选条件为所述目标对象的偏好度;
对所述目标对象的偏好度进行解析,解析出多个偏好度因数;
为多个偏好度因数中的每一个偏好度因数分别配置对应的权重值,其中,各个偏好度因数的权重值的总和为1;
根据每一个偏好度因数对应的权重值,对多个待定旅游推荐景点进行排序;
将排序处于预置排序阈值内的至少一个待定旅游推荐景点确定为所述旅游推荐景点。
5.根据权利要求1所述的方法,其特征在于,所述基于筛选条件,从所述旅游信息中的多个待定旅游推荐景点筛选出旅游推荐景点包括:
读取出的所述筛选条件为所述目标对象在旅行中所采用的交通方式;
从多个待定旅游推荐景点中确定出与所述交通方式匹配的旅游推荐景点。
6.根据权利要求1所述的方法,其特征在于,所述基于筛选条件,从所述旅游信息中的多个待定旅游推荐景点筛选出旅游推荐景点包括:
读取出的所述筛选条件为所述目标对象选取的目的地信息;
从多个待定旅游推荐景点中确定出与所述目的地信息匹配的旅游推荐景点。
7.根据权利要求1所述的方法,其特征在于,所述获取与所述旅游推荐景点关联的至少一个旅游推荐视频包括:
判断预置旅游视频数据库中是否有与所述旅游推荐景点关联度大于预设关联度阈值的旅游推荐视频,若有,则获取至少一个旅游推荐视频;若没有,则获取所述预置旅游数据库中的与所述旅游推荐景点相关联的关联数据,所述关联数据包括图片、视频片段和文字中的至少一项,将所述关联数据按照预设视频合成方式进行视频合成处理,得到与所述旅游推荐景点关联的至少一个旅游推荐视频。
8.一种应用于智慧旅游的旅游视频的推荐装置,其特征在于,所述装置包括:
确定模块,用于确定目标对象的心情信息;
匹配模块,用于在预置旅游数据库中匹配与所述确定模块确定出的所述心情信息对应的旅游信息,所述旅游信息包括与所述心情信息对应的多个待定旅游推荐景点;
筛选模块,用于基于筛选条件,从所述匹配模块匹配出的所述旅游信息中的多个待定旅游推荐景点筛选出旅游推荐景点,所述旅游推荐景点包括多个旅游推荐点;
获取模块,用于获取与所述筛选模块筛选出的所述旅游推荐景点关联的至少一个旅游推荐视频,每一个旅游推荐视频均包括多个旅游推荐子视频;
跟踪模块,用于对所述目标对象进行跟踪,得到对应的跟踪轨迹,所述跟踪轨迹标识有对应的时间戳信息、对应的地理位置信息;
切分模块,用于根据各个视频讲解内容,将所述获取模块获取的每一个旅游推荐视频均切分为多个旅游推荐子视频,每一个旅游推荐子视频对应的视频讲解内容与所述跟踪轨迹中的地理位置信息中的每一个旅游推荐点具有对应关系;
推送模块,用于根据所述跟踪模块得到的所述地理位置信息和所述对应关系,按照所述跟踪模块得到的所述时间戳信息所显示的各个时间点,将所述切分模块切分得到的多个旅游推荐子视频依次推送至所述目标对象的终端设备上。
9.一种计算机设备,包括存储器和处理器,所述存储器中存储有计算机可读指令,所述计算机可读指令被所述处理器执行时,使得所述处理器执行如权利要求1至7中任一项权利要求所述推荐方法的步骤。
10.一种存储有计算机可读指令的存储介质,所述计算机可读指令被一个或多个处理器执行时,使得一个或多个处理器执行如权利要求1至7中任一项权利要求所述推荐方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110245639.6A CN113515666A (zh) | 2021-03-05 | 2021-03-05 | 一种应用于智慧旅游的旅游视频的推荐方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110245639.6A CN113515666A (zh) | 2021-03-05 | 2021-03-05 | 一种应用于智慧旅游的旅游视频的推荐方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113515666A true CN113515666A (zh) | 2021-10-19 |
Family
ID=78061131
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110245639.6A Pending CN113515666A (zh) | 2021-03-05 | 2021-03-05 | 一种应用于智慧旅游的旅游视频的推荐方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113515666A (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105338427A (zh) * | 2015-09-25 | 2016-02-17 | 北京奇艺世纪科技有限公司 | 一种对移动设备进行视频推荐的方法及装置 |
CN105610884A (zh) * | 2014-11-21 | 2016-05-25 | 阿里巴巴集团控股有限公司 | 旅游信息的提供方法及装置 |
WO2018120708A1 (zh) * | 2016-12-29 | 2018-07-05 | 深圳前海弘稼科技有限公司 | 一种景区虚拟游览方法及装置 |
CN108521587A (zh) * | 2018-04-03 | 2018-09-11 | 优视科技有限公司 | 短视频处理方法、装置及移动终端 |
CN110853553A (zh) * | 2019-12-01 | 2020-02-28 | 尹永超 | 基于GPS、wifi、蓝牙的移动设备导游系统 |
-
2021
- 2021-03-05 CN CN202110245639.6A patent/CN113515666A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105610884A (zh) * | 2014-11-21 | 2016-05-25 | 阿里巴巴集团控股有限公司 | 旅游信息的提供方法及装置 |
CN105338427A (zh) * | 2015-09-25 | 2016-02-17 | 北京奇艺世纪科技有限公司 | 一种对移动设备进行视频推荐的方法及装置 |
WO2018120708A1 (zh) * | 2016-12-29 | 2018-07-05 | 深圳前海弘稼科技有限公司 | 一种景区虚拟游览方法及装置 |
CN108521587A (zh) * | 2018-04-03 | 2018-09-11 | 优视科技有限公司 | 短视频处理方法、装置及移动终端 |
CN110853553A (zh) * | 2019-12-01 | 2020-02-28 | 尹永超 | 基于GPS、wifi、蓝牙的移动设备导游系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111008332B (zh) | 内容项推荐方法、装置、服务器以及存储介质 | |
CN111061946B (zh) | 场景化内容推荐方法、装置、电子设备及存储介质 | |
US8577962B2 (en) | Server apparatus, client apparatus, content recommendation method, and program | |
CN110096645A (zh) | 信息推荐方法、装置、设备和介质 | |
CN108491540B (zh) | 文本信息推送方法、装置及智能终端 | |
CN108388570B (zh) | 对视频进行分类匹配的方法、装置和挑选引擎 | |
KR101677749B1 (ko) | 개인 선호 성향을 고려한 추천 서비스 방법 및 이를 위한 추천 서비스 서버 | |
CN111783712A (zh) | 一种视频处理方法、装置、设备及介质 | |
CN111191133B (zh) | 业务搜索处理方法、装置及设备 | |
CN107577736B (zh) | 一种基于bp神经网络的文件推荐方法及系统 | |
CN111722766A (zh) | 多媒体资源的展示方法及装置 | |
CN112711713B (zh) | 兴趣点推荐和展示方法、装置、计算机设备和存储介质 | |
CN112528071A (zh) | 一种视频数据的排序方法、装置、计算机设备和存储介质 | |
CN115712780A (zh) | 一种基于云计算和大数据的信息推送方法及装置 | |
CN111159242B (zh) | 一种基于边缘计算的客户端重排序方法及系统 | |
CN113821678B (zh) | 视频封面的确定方法及装置 | |
CN114187558A (zh) | 一种视频场景识别方法、装置、计算机设备及存储介质 | |
Bruns et al. | Adaptive training of video sets for image recognition on mobile phones | |
CN113761084A (zh) | 一种poi搜索排序模型训练方法、排序装置与方法及介质 | |
CN113515666A (zh) | 一种应用于智慧旅游的旅游视频的推荐方法及装置 | |
CN116703503A (zh) | 一种校园食堂菜品智能推荐方法及系统 | |
KR102383284B1 (ko) | 메타버스를 이용한 비즈니스 학습여행 서비스 제공 시스템 | |
CN115878874A (zh) | 多模态检索方法、设备和存储介质 | |
CN114417166A (zh) | 基于行为序列和动态社交影响的连续兴趣点推荐方法 | |
Choudhary et al. | Recommender system for personalised travel itinerary |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20211019 |