CN113590954A - 一种旅游景点智能匹配推荐方法、系统及计算机存储介质 - Google Patents
一种旅游景点智能匹配推荐方法、系统及计算机存储介质 Download PDFInfo
- Publication number
- CN113590954A CN113590954A CN202110870642.7A CN202110870642A CN113590954A CN 113590954 A CN113590954 A CN 113590954A CN 202110870642 A CN202110870642 A CN 202110870642A CN 113590954 A CN113590954 A CN 113590954A
- Authority
- CN
- China
- Prior art keywords
- user
- tourist
- information
- attraction
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 38
- 230000003044 adaptive effect Effects 0.000 claims abstract description 79
- 238000004458 analytical method Methods 0.000 claims description 25
- 238000012545 processing Methods 0.000 claims description 16
- 238000011156 evaluation Methods 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 7
- 238000012216 screening Methods 0.000 claims description 6
- 238000012163 sequencing technique Methods 0.000 claims description 6
- 238000010835 comparative analysis Methods 0.000 claims description 3
- 230000006978 adaptation Effects 0.000 claims 9
- 238000004364 calculation method Methods 0.000 description 5
- 239000013598 vector Substances 0.000 description 5
- 238000010586 diagram Methods 0.000 description 2
- 238000010030 laminating Methods 0.000 description 2
- 238000007792 addition Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000006467 substitution reaction 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
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/14—Travel agencies
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Strategic Management (AREA)
- Primary Health Care (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开提供的一种旅游景点智能匹配推荐方法、系统及计算机存储介质。该旅游景点智能匹配推荐方法包括:获取该用户对应的检索信息;获取该用户对应的历史旅游信息;获取该平台对应的旅游景点基本信息;对该用户对应的可选景点进行分析;对该用户对应的适配景点信息分析;对该用户对应的偏好景点信息进行分析;对该用户对应的预选景点信息进行分析和综合对比分析;通过对该用户对应的可选、适配、偏好等信息进行垂直化的分析,解决了现有的旅游景点匹配推荐方法无法有效的提高用户旅游景点的检索效率的问题,有效的提高了用户旅游景点对应的匹配推荐的精准性和智能性,同时也大大的提高了该用户旅游景点检索的体验感。
Description
技术领域
本发明属于景点匹配推荐技术领域,涉及到一种旅游景点智能匹配推荐方法、系统及计算机存储介质。
背景技术
随着经济的不断发展和人们生活水平的不断提高,越来越多的人在闲暇时光都会选择以旅游的方式来放松自己,但是由于旅游景点的多样性,用户需要花费大量的检索和挑选时间,为了提高用户对应的挑选效率,需要对用户检索旅游景点进行匹配和推荐。
现有的旅游景点匹配推荐方法主要集中于对该用户所处旅游景点对应的各浏览区域进行匹配推荐,申请号为CN202110419039.7的发明专利公开了一种基于移动互联网和大数据分析的旅游景点路线智能推荐方法,通过根据实时定位的游客所处地理位置,进而从各景点中筛选出候选推荐景点,并综合各候选推荐景点的距离、游客实时数量和景点游览热度,筛选出目标推荐景点,向游客进行推荐并进行游览路线导航,解决了现有的旅游景点匹配推荐根据距离和人流量推荐导致的不合理性问题,实现了游客在旅游景点对应的浏览区域的推荐和浏览区域路径的推荐。
上述专利无法实现对游客对应的检索旅游景点进行匹配推荐,因此,现有的旅游景点匹配推荐方法还存在一定的弊端,一方面,现有的旅游景点匹配推荐方法无法有效的提高用户旅游景点的检索效率,一方面,现有的旅游景点匹配推荐方法没有结合用户对应的旅游景点偏好,进而无法有效的提高用户旅游景点对应的匹配推荐的精准性和智能性,另一方面,现有的旅游景点匹配推荐方法于用户自身信息对应的贴合度不足,无法有效的提高用户旅游景点匹配推荐对应的贴合性,同时也无法有效的提高用户旅游景点检索的体验感。
发明内容
鉴于此,为解决上述背景技术中所提出的问题,现提出一种旅游景点智能匹配推荐方法、系统及计算机存储介质,实现了用户旅游景点的精准匹配和智能推荐;
本发明的目的可以通过以下技术方案实现:
本发明第一方面提供了一种旅游景点智能匹配推荐方法,该方法包括以下步骤:
S1、用户检索信息输入:通过用户检索信息输入模块将该用户对应的检索信息导入该平台,进而获取该用户对应的检索信息,其中用户检索信息包括用户对应的旅游方式、计划旅游天数、出行方式和当前所处的位置;
S2、用户历史旅游信息获取:通过用户历史旅游信息获取模块获取该用户对应的历史旅游信息,进而获取该用户对应的历史旅游次数,将该用户对应的历史旅游次数按照预设顺序进行编号,依次标记为1,2,...i,...n,并获取该用户历史各次旅游对应的旅游信息;
S3、旅游景点基本信息获取:通过旅游景点信息获取模块获取该平台对应的旅游景点基本信息,进而获取该平台对应的旅游景点数量,并将该平台对应的旅游景点数量按照预设顺序进行编号,依次标记为1,2,...j,...m,进而获取各旅游景点对应的基本信息;
S4、用户可选景点信息分析:通过数据处理与分析模块对用户输入的计划旅游天数、出行方式和当前所处的位置进行分析,进而筛选出该用户对应的可选旅游景点数量和各可选旅游景点对应的基本信息;
S5、用户适配景点信息分析:通过数据处理与分析模块对该用户输入的旅游方式进行分析,进而获取筛选出该用户对应的适配景点数量和各适配景点对应的基本信息;
S6、用户偏好景点信息分析:通过数据处理与分析模块对该用户对应的历史旅游信息进行分析,进而获取该用户对应的偏好景点信息;
S7、用户预选景点信息分析:通过数据处理与分析模块对该用户对应的可选景点信息、适配景点信息和偏好景点信息进行综合分析,获取该用户对应的预选景点数量和各预选景点对应的基本信息;
S8、用户推荐旅游景点分析:根据该用户各预选景点对应的基本信息,将该用户各预选景点对应的基本信息进行综合对比分析,获取该用户对应的优选推荐旅游景点;
S9、推荐信息发送:通过信息发送模块将该用户对应的优选推荐旅游景点和该优选推荐旅游景点该用户旅游天数对应的关联旅游攻略信息发送至该用户对应的检索界面。
进一步地,所述用户历史旅游信息包括历史旅游景点对应的位置、历史旅游景点对应的类型,进而构建该用户历史各次旅游景点信息集合Jw(Jw1,Jw2,...Jwi,...Jwn),Jwi表示该用户历史第i次旅游时对应的旅游景点信息,w表示旅游景点信息,w=a1,a2,a1和a2分别表示旅游景点对应的位置和历史旅游景点对应的类型。
进一步地,所述旅游景点基本信息包括旅游景点对应的位置、旅游景点对应的类型、旅游景点对应的历史游客数量和旅游景点游客对应的评价信息进而构建该平台各旅游景点基本信息集合Be(Be1,Be2,...Bej,...Bem),Bej表示该平台第j个旅游景点对应的第e个基本信息,e表示旅游景点基本信息,e=b1,b2,b3,b4,b4,b1,b2,b3和b4分别表示旅游景点对应的位置、旅游景点对应的类型、旅游景点对应的历史游客数量和旅游景点对应的评价信息。
进一步地,所述用户可选信息分析用于根据该用户对应的计划旅游天数、该用户对应的位置和该用户对应的出行方式,对该用户与各旅游景点对应的可选性进行分析,进而统计该用户可选旅游景点对应的数量,并提取该用户各可选旅游景点对应的编号,进而获取该用户各可选旅游景点对应的基本信息。
进一步地,所述用户适配景点信息分析用于根据该用户对应的旅游方式,从数据库中提取各旅游方式对应的适配旅游景点信息,其中适配旅游景点信息包括适配旅游景点对应的数量和各适配旅游景点对应的类型,进而获取该用户该旅游方式对应的适配旅游景点信息,根据该用户各可选旅游景点对应的基本信息与该用户该旅游方式对应的适配旅游景点信息进行匹配对比,进而获取该用户对应的适配旅游景点对应的数量和各适配旅游景点对应的基本信息。
进一步地,所述用户偏好景点信息分析用于对该用户历史各次旅游对应的景点类型和历史各次旅游景点对应的位置进行分析,其具体分析过程包括以下步骤:
H1、获取该用户历史各次旅游景点信息集合,进而获取该用户历史各次旅游景点对应的类型和历史各次旅游对应的旅游景点位置,将该用户历史各次旅游景点对应的景点类型进行相互对比,获取该用户对应的历史旅游景点对应的类型数量和各旅游景点类型对应的历史旅游次数;
H2、将该用户对应的历史旅游景点类型按照预设顺序进行编号,依次标记为1,2,...x,...y,根据该用户各旅游景点类型对应的历史旅游次数,将该用户各景点类型对应的历史旅游次数与该用户对应的历史旅游次数进行对比,统计该用户各旅游景点类型偏好影响系数,将该用户各旅游景点类型偏好影响系数按照从大到小的顺序进行排序,提取排名第一位的旅游景点类型作为该用户对应的偏好景点类型;
H3、根据该用户历史各次旅游对应的旅游景点对应的位置,将该用户历史各次旅游景点对应的位置与各旅游区域对应的旅游景点位置进行匹配对比,统计该用户对应的旅游区域数量,根据该用户各旅游景点位置对应的历史旅游次数,获取该用户各旅游区域对应的综合历史旅游次数,并将该用户对应的旅游区域按照预设顺序进行编号,依次标记为1,2,...u,...v,统计该用户各旅游区域偏好影响系数,并将该用户各旅游区域偏好影响系数按照从大到小的顺序进行排序,将排名第一位的旅游区域作为该用户对应的偏好旅游区域。
进一步地,所述用户综合适配景点信息分析用于根据该用户对应的各适配旅游景点对应的基本信息,获取该用户各适配旅游景点对应的位置和各适配旅游景点对应的类型,将该用户各适配旅游景点对应的类型与该用户对应的偏好景点类型进行匹配对比,统计该用户各适配旅游景点类型与该用户偏好景点类型对应的匹配度,并将匹配度最高的适配景点类型作为该用户对应的综合适配景点类型,根据该用户各适配旅游景点对应的位置,将该用户各适配旅游景点对应的位置与该用户偏好旅游区域进行对比,筛选出该用户综合适配景点位置对应的数量,根据该用户对应的综合适配景点类型和该用户对应的各综合适配景点位置,获取该用户对应的综合适配景点数量,并将该用户对应的综合适配景点记为预选景点,获取各预选景点对应的基本信息。
进一步地,所述用户推荐旅游景点分析用于根据该用户对应的各预选景点对应的基本信息,获取该用户各预选景点对应的历史游客数量,根据该用户各预选景点对应的历史游客数量与各预选景点对应的标准容纳游客数量进行对比,统计该用户各预选景点对应的人气优选影响系数,根据各预选景点游客对应的评价信息,获取各预选景点对应的体验优选影响系数,进而统计该用户各预选景点综合优选影响系数,并将该用户各预选景点对应的综合优选影响系数按照从大到小的顺序进行排序,提取排名第一位的预选景点作为优选推荐旅游景点,获取该优选推荐旅游景点对应的位置。
本发明第二方面提供了一种旅游景点智能匹配推荐系统,所述数据处理与分析模块分别与用户检索信息输入模块、用户历史旅游信息获取模块、旅游景点信息获取模块、数据库和信息发送模连接。
本发明第三方面提供了一种计算机存储介质,所述计算机存储介质烧录有计算机程序,所述计算机程序在服务器的内存中运行时实现上述本发明任一项所述的方法。
本发明的有益效果:
(1)本发明提供的一种旅游景点智能匹配推荐方法,通过根据用户对应的检索信息和历史浏览信息,对该用户对应的可选景点信息、适配景点信息、偏好景点信息进行垂直化的分析,解决了现有的旅游景点匹配推荐方法无法有效的提高该用户旅游景点的检索效率的问题,进而有效的提高了该用户旅游景点对应的匹配推荐的精准性和智能性,同时也大大的提高了该用户旅游景点检索的体验感;
(2)本发明在对该用户对应的可选景点信息进行分析时,通过对该用户对应的计划旅行天数、该用户对应的出行方式和该用户所处位置进行综合分析,进而大大的提高了对该用户可选景点分析的准确性和合理性,同时也为该用户对应的优选推荐旅游景点的获取提供了铺垫;
(3)本发明在对该用户偏好景点信息进行分析时,通过对该用户对应的偏好景点类型和各用户对应偏好旅游区域进行分析,大大的提高了该用户旅游景点匹配推荐与该用户对应的贴合度,进而大大的提高了该用户对匹配推荐旅游景点的满意度。
(4)本发明通过将该用户对应的优选推荐旅游景点和该优选推荐旅游景点该用户旅游天数对应的关联旅游攻略信息发送给该用户,大大的减少了用户检索的时间,同时也大大的提供了该用户对待旅游景点信息获取的效率。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例描述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发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明方法实施步骤图;
图2为本发明系统模块连接示意图。
具体实施方式
下面将结合本发明实施以上内容仅仅是对本发明的构思所作的举例和说明,所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代,只要不偏离发明的构思或者超越本权利要求书所定义的范围,均应属于本发明的保护范围。
请参阅图1所示,本发明第一方面提供了一种旅游景点智能匹配推荐方法,该方法包括以下步骤:
S1、用户检索信息输入:通过用户检索信息输入模块将该用户对应的检索信息导入该平台,进而获取该用户对应的检索信息,其中用户检索信息包括用户对应的旅游方式、计划旅游天数、出行方式和当前所处的位置;
在一个具体实施例种,所述旅游方式包括家庭旅游、朋友旅游和单人旅游等,所述出行方式包括火车、高铁、飞机、自行驾驶等方式。
S2、用户历史旅游信息获取:通过用户历史旅游信息获取模块获取该用户对应的历史旅游信息,进而获取该用户对应的历史旅游次数,将该用户对应的历史旅游次数按照预设顺序进行编号,依次标记为1,2,...i,...n,并获取该用户历史各次旅游对应的旅游信息;
具体地,所述用户历史旅游信息包括历史旅游景点对应的位置、历史旅游景点对应的类型,进而构建该用户历史各次旅游景点信息集合Jw(Jw1,Jw2,...Jwi,...Jwn),Jwi表示该用户历史第i次旅游时对应的旅游景点信息,w表示旅游景点信息,w=a1,a2,a1和a2分别表示旅游景点对应的位置和历史旅游景点对应的类型。
本发明实施例通过获取该用户对应的历史旅游信息,为后续对该用户偏好旅游信息的分析提供了有力的信息保障,进而大大的提高了用户偏好旅游信息分析结果的真实性。
S3、旅游景点基本信息获取:通过旅游景点信息获取模块获取该平台对应的旅游景点基本信息,进而获取该平台对应的旅游景点数量,并将该平台对应的旅游景点数量按照预设顺序进行编号,依次标记为1,2,...j,...m,进而获取各旅游景点对应的基本信息;
具体地,所述旅游景点基本信息包括旅游景点对应的位置、旅游景点对应的类型、旅游景点对应的历史游客数量和旅游景点游客对应的评价信息进而构建该平台各旅游景点基本信息集合Be(Be1,Be2,...Bej,...Bem),Bej表示该平台第j个旅游景点对应的第e个基本信息,e表示旅游景点基本信息,e=b1,b2,b3,b4,b4,b1,b2,b3和b4分别表示旅游景点对应的位置、旅游景点对应的类型、旅游景点对应的历史游客数量和旅游景点对应的评价信息。
S4、用户可选景点信息分析:通过数据处理与分析模块对用户输入的计划旅游天数、出行方式和当前所处的位置进行分析,进而筛选出该用户对应的可选旅游景点数量和各可选旅游景点对应的基本信息;
具体地,所述用户可选信息分析用于根据该用户对应的计划旅游天数、该用户对应的位置和该用户对应的出行方式,对该用户与各旅游景点对应的可选性进行分析,进而统计该用户可选旅游景点对应的数量,并提取该用户各可选旅游景点对应的编号,进而获取该用户各可选旅游景点对应的基本信息。
其中,该用户与各旅游景点对应的可选性具体分析过程为:根据该用户对应的位置和该平台各旅游景点对应的位置,获取该用户所在位置与各旅游景点之间的距离,将该距离记为行驶距离,根据该用户对应的出行方式,获取该用户出行方式下该用户与各旅游景点行驶距离对应的往返时长,同时根据该用户对应的计划旅游天数,获取该用户该计划旅游天数对应的标准往返时长,将该用户出行方式下该用户与各旅游景点行驶距离对应的往返时长与该用户该计划旅游天数对应的标准往返时长的阈值进行对比,进而统计该用户各旅游景点对应的可选影响系数,将该用户各旅游景点对应的可选影响系数与预设的用户旅游景点对应的标准可选影响系数进行对比,若该用户某个旅游景点对应的可选影响系数小于预设的用户旅游景点对应的标准可选影响系数,则将该旅游景点记为用户可选旅游景点,进而统计该用户可选旅游景点对应的数量,并提取该用户各可选旅游景点对应的编号,进而获取该用户各可选旅游景点对应的基本信息。
其中,该用户各旅游景点对应的可选影响系数计算公式为αd表示该用户与第d个旅游景点对应的可选影响系数,Td表示该用户与第d个旅游景点行驶距离对应的往返时长,T标准表示该用户计划旅游天数对应的标准往返时长的阈值,d表示该平台旅游景点编号,d=1,2,...j,...m。
本发明实施例在对该用户对应的可选景点信息进行分析时,通过对该用户对应的计划旅行天数、该用户对应的出行方式和该用户所处位置进行综合分析,进而大大的提高了对该用户可选景点分析的准确性和合理性,同时也为该用户对应的优选推荐旅游景点的获取提供了铺垫。
S5、用户适配景点信息分析:通过数据处理与分析模块对该用户输入的旅游方式进行分析,进而获取筛选出该用户对应的适配景点数量和各适配景点对应的基本信息;
具体地,所述用户适配景点信息分析用于根据该用户对应的旅游方式,从数据库中提取各旅游方式对应的适配旅游景点信息,其中适配旅游景点信息包括适配旅游景点对应的数量和各适配旅游景点对应的类型,进而获取该用户该旅游方式对应的适配旅游景点信息,根据该用户各可选旅游景点对应的基本信息与该用户该旅游方式对应的适配旅游景点信息进行匹配对比,进而获取该用户对应的适配旅游景点对应的数量和各适配旅游景点对应的基本信息。
本发明实施例在对该用户对应的适配景点信息分析时通过对该用户对应的旅游方式进行分析,进而大大的提高了该用户适配旅游景点分析结果的参考性。
S6、用户偏好景点信息分析:通过数据处理与分析模块对该用户对应的历史旅游信息进行分析,进而获取该用户对应的偏好景点信息;
具体地,所述用户偏好景点信息分析用于对该用户历史各次旅游对应的景点类型和历史各次旅游景点对应的位置进行分析,其具体分析过程包括以下步骤:
H1、获取该用户历史各次旅游景点信息集合,进而获取该用户历史各次旅游景点对应的类型和历史各次旅游对应的旅游景点位置,将该用户历史各次旅游景点对应的景点类型进行相互对比,获取该用户对应的历史旅游景点对应的类型数量和各旅游景点类型对应的历史旅游次数;
H2、将该用户对应的历史旅游景点类型按照预设顺序进行编号,依次标记为1,2,...x,...y,根据该用户各旅游景点类型对应的历史旅游次数,将该用户各景点类型对应的历史旅游次数与该用户对应的历史旅游次数进行对比,统计该用户各旅游景点类型偏好影响系数,将该用户各旅游景点类型偏好影响系数按照从大到小的顺序进行排序,提取排名第一位的旅游景点类型作为该用户对应的偏好景点类型;
其中,该用户各旅游景点类型偏好影响系数计算公式为βr表示该用户第r个历史旅游景点类型对应的偏好影响系数,Pr表示该用户第r个历史旅游景点类型对应的历史旅游次数,n表示该用户对应的历史旅游次数,r表示该用户历史旅游景点类型编号,r=1,2,...x,...y。
H3、根据该用户历史各次旅游对应的旅游景点对应的位置,将该用户历史各次旅游景点对应的位置与各旅游区域对应的旅游景点位置进行匹配对比,统计该用户对应的旅游区域数量,根据该用户各旅游景点位置对应的历史旅游次数,获取该用户各旅游区域对应的综合历史旅游次数,并将该用户对应的旅游区域按照预设顺序进行编号,依次标记为1,2,...u,...v,统计该用户各旅游区域偏好影响系数,并将该用户各旅游区域偏好影响系数按照从大到小的顺序进行排序,将排名第一位的旅游区域作为该用户对应的偏好旅游区域。
其中,该用户各旅游区域偏好影响系数,计算公式δt表示该用户第t各旅游区域对应的偏好影响系数,Rt表示该用户第t个旅游区域对应的历史综合旅游次数,s表示各旅游区域对应的旅游景点位置数量,t表示该用户对应的旅游区域编号,t=1,2,...u,...v。
本发明实施例在对该用户偏好景点信息进行分析时,通过对该用户对应的偏好景点类型和各用户对应偏好旅游区域进行分析,大大的提高了该用户旅游景点匹配推荐与该用户对应的贴合度,进而大大的提高了该用户对匹配推荐旅游景点的满意度。
S7、用户预选景点信息分析:通过数据处理与分析模块对该用户对应的可选景点信息、适配景点信息和偏好景点信息进行综合分析,获取该用户对应的预选景点数量和各预选景点对应的基本信息;
具体地,所述用户综合适配景点信息分析用于根据该用户对应的各适配旅游景点对应的基本信息,获取该用户各适配旅游景点对应的位置和各适配旅游景点对应的类型,将该用户各适配旅游景点对应的类型与该用户对应的偏好景点类型进行匹配对比,统计该用户各适配旅游景点类型与该用户偏好景点类型对应的匹配度,并将匹配度最高的适配景点类型作为该用户对应的综合适配景点类型,根据该用户各适配旅游景点对应的位置,将该用户各适配旅游景点对应的位置与该用户偏好旅游区域进行对比,筛选出该用户综合适配景点位置对应的数量,根据该用户对应的综合适配景点类型和该用户对应的各综合适配景点位置,获取该用户对应的综合适配景点数量,并将该用户对应的综合适配景点记为预选景点,获取各预选景点对应的基本信息。
其中,所述该用户各适配旅游景点类型与该用户偏好景点类型对应的匹配度统计通过根据该用户各适配旅游景点类型对应的关键字与该用户偏好景点类型关键字进行统计,获取该用户各适配旅游景点类型对应的关键字数量和该用户偏好景点类型对应的关键字数量,从数据库中该用户各适配旅游景点类型各关键词和该用户偏好景点类型各关键字对应的权重,并将该用户该用户各适配旅游景点各关键词和该用户偏好景点类型各关键字对应的权重转化为向量形式,并分别构建该用户各适配旅游景点类型关键字向量集合Fq(Fq1,Fq2,...Fqg,...Fqh)和该用户偏好景点类型关键向量集合F′(F′1′,F′2′,...F′g′,...F′h′),Fqg表示该用户第q个适配旅游景点类型第g个关键字对应的向量,F′g′表示该用户偏好景点类型第g′关键字对应的向量,q表示各适配旅游景点类型编号,q=1,2,...k,...f,进而统计该用户各适配旅游景点类型与该用户偏好景点类型对应的匹配度,其计算公式为λq表示该用户第q个适配旅游景点类型与该用户偏好景点类型对应的匹配度。
S8、用户推荐旅游景点分析:根据该用户各预选景点对应的基本信息,将该用户各预选景点对应的基本信息进行综合对比分析,获取该用户对应的优选推荐旅游景点;
具体地,所述用户推荐旅游景点分析用于根据该用户对应的各预选景点对应的基本信息,获取该用户各预选景点对应的历史游客数量,根据该用户各预选景点对应的历史游客数量与各预选景点对应的标准容纳游客数量进行对比,统计该用户各预选景点对应的人气优选影响系数,根据各预选景点游客对应的评价信息,获取各预选景点对应的体验优选影响系数,进而统计该用户各预选景点综合优选影响系数,并将该用户各预选景点对应的综合优选影响系数按照从大到小的顺序进行排序,提取排名第一位的预选景点作为优选推荐旅游景点,获取该优选推荐旅游景点对应的位置。
其中,该用户各预选景点对应的人气优选影响系数计算公式为φd′表示该用户第d′个预选景点对应的人气优选影响系数,b4d′表示该用户第d′个预选景点对应的历史游客数量,Nd′表示该用户第d′个预选景点对应的标准容纳游客数量。
其中,预选景点游客对应的评价信息包括评价的游客数量和各评价游客对应的评分星数,进而获取该用户各预选景点对应的平均评分星数,将该用户各预警景点对应的平均评分星数与景点对应的标准评分星数进行对比,统计各预选景点对应的体验优选影响系数,其计算公式为 表示该用户第d′个预选景点对应的体验优选影响系数,Xd′表示该用户第d′个预选景点对应的对应的平均评分星数,X标准表示景点对应的标准评分星数。
本发明实施例通过根据用户对应的检索信息和历史浏览信息,对该用户对应的可选景点信息、适配景点信息、偏好景点信息进行垂直化的分析,解决了现有的旅游景点匹配推荐方法无法有效的提高该用户旅游景点的检索效率的问题,进而有效的提高了该用户旅游景点对应的匹配推荐的精准性和智能性,同时也大大的提高了该用户旅游景点检索的体验感
S9、推荐信息发送:通过信息发送模块将该用户对应的优选推荐旅游景点和该优选推荐旅游景点该用户旅游天数对应的关联旅游攻略信息发送至该用户对应的检索界面。
本发明实施例通过将该用户对应的优选推荐旅游景点和该优选推荐旅游景点该用户旅游天数对应的关联旅游攻略信息发送给该用户,大大的减少了用户检索的时间,同时也大大的提供了该用户对待旅游景点信息获取的效率。
请参阅图2所示,本发明第二方面提供了一种旅游景点智能匹配推荐系统,包括用户检索信息输入模块、用户历史旅游信息获取模块、旅游景点信息获取模块、数据处理与分析模块、数据库和信息发送模块;
所述数据处理与分析模块分别与用户检索信息输入模块、用户历史旅游信息获取模块、旅游景点信息获取模块、数据库和信息发送模连接;
所述数据库用于存储各计划旅游天数对应的标准往返时长、用户旅游景点对应的标准可选影响系数、各旅游方式对应的适配旅游景点信息、各旅游区域对应的旅游景点位置数量、各景点对应的标准容纳游客数量、景点对应的标准评分星数、各旅游景点类型关键词对应的数量和各旅游景点类型各关键词对应的权重。
本发明第三方面提供了一种计算机存储介质,所述计算机存储介质烧录有计算机程序,所述计算机程序在服务器的内存中运行时实现上述本发明任一项所述的方法。
以上内容仅仅是对本发明的构思所作的举例和说明,所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代,只要不偏离发明的构思或者超越本权利要求书所定义的范围,均应属于本发明的保护范围。
Claims (10)
1.一种旅游景点智能匹配推荐方法,其特征在于:该方法包括以下步骤:
S1、用户检索信息输入:通过用户检索信息输入模块将该用户对应的检索信息导入该平台,进而获取该用户对应的检索信息,其中用户检索信息包括用户对应的旅游方式、计划旅游天数、出行方式和当前所处的位置;
S2、用户历史旅游信息获取:通过用户历史旅游信息获取模块获取该用户对应的历史旅游信息,进而获取该用户对应的历史旅游次数,将该用户对应的历史旅游次数按照预设顺序进行编号,依次标记为1,2,...i,...n,并获取该用户历史各次旅游对应的旅游信息;
S3、旅游景点基本信息获取:通过旅游景点信息获取模块获取该平台对应的旅游景点基本信息,进而获取该平台对应的旅游景点数量,并将该平台对应的旅游景点数量按照预设顺序进行编号,依次标记为1,2,...j,...m,进而获取各旅游景点对应的基本信息;
S4、用户可选景点信息分析:通过数据处理与分析模块对用户输入的计划旅游天数、出行方式和当前所处的位置进行分析,进而筛选出该用户对应的可选旅游景点数量和各可选旅游景点对应的基本信息;
S5、用户适配景点信息分析:通过数据处理与分析模块对该用户输入的旅游方式进行分析,进而获取筛选出该用户对应的适配景点数量和各适配景点对应的基本信息;
S6、用户偏好景点信息分析:通过数据处理与分析模块对该用户对应的历史旅游信息进行分析,进而获取该用户对应的偏好景点信息;
S7、用户预选景点信息分析:通过数据处理与分析模块对该用户对应的可选景点信息、适配景点信息和偏好景点信息进行综合分析,获取该用户对应的预选景点数量和各预选景点对应的基本信息;
S8、用户推荐旅游景点分析:根据该用户各预选景点对应的基本信息,将该用户各预选景点对应的基本信息进行综合对比分析,获取该用户对应的优选推荐旅游景点;
S9、推荐信息发送:通过信息发送模块将该用户对应的优选推荐旅游景点和该优选推荐旅游景点该用户旅游天数对应的关联旅游攻略信息发送至该用户对应的检索界面。
2.根据权利要求1所述的一种旅游景点智能匹配推荐方法,其特征在于:所述用户历史旅游信息包括历史旅游景点对应的位置、历史旅游景点对应的类型,进而构建该用户历史各次旅游景点信息集合Jw(Jw1,Jw2,...Jwi,...Jwn),Jwi表示该用户历史第i次旅游时对应的旅游景点信息,w表示旅游景点信息,w=a1,a2,a1和a2分别表示旅游景点对应的位置和历史旅游景点对应的类型。
3.根据权利要求1所述的一种旅游景点智能匹配推荐方法,其特征在于:所述旅游景点基本信息包括旅游景点对应的位置、旅游景点对应的类型、旅游景点对应的历史游客数量和旅游景点游客对应的评价信息进而构建该平台各旅游景点基本信息集合Be(Be1,Be2,...Bej,...Bem),Bej表示该平台第j个旅游景点对应的第e个基本信息,e表示旅游景点基本信息,e=b1,b2,b3,b4,b4,b1,b2,b3和b4分别表示旅游景点对应的位置、旅游景点对应的类型、旅游景点对应的历史游客数量和旅游景点对应的评价信息。
4.根据权利要求1所述的一种旅游景点智能匹配推荐方法,其特征在于:所述用户可选信息分析用于根据该用户对应的计划旅游天数、该用户对应的位置和该用户对应的出行方式,对该用户与各旅游景点对应的可选性进行分析,进而统计该用户可选旅游景点对应的数量,并提取该用户各可选旅游景点对应的编号,进而获取该用户各可选旅游景点对应的基本信息。
5.根据权利要求1所述的一种旅游景点智能匹配推荐方法,其特征在于:所述用户适配景点信息分析用于根据该用户对应的旅游方式,从数据库中提取各旅游方式对应的适配旅游景点信息,其中适配旅游景点信息包括适配旅游景点对应的数量和各适配旅游景点对应的类型,进而获取该用户该旅游方式对应的适配旅游景点信息,根据该用户各可选旅游景点对应的基本信息与该用户该旅游方式对应的适配旅游景点信息进行匹配对比,进而获取该用户对应的适配旅游景点对应的数量和各适配旅游景点对应的基本信息。
6.根据权利要求1所述的一种旅游景点智能匹配推荐方法,其特征在于:所述用户偏好景点信息分析用于对该用户历史各次旅游对应的景点类型和历史各次旅游景点对应的位置进行分析,其具体分析过程包括以下步骤:
H1、获取该用户历史各次旅游景点信息集合,进而获取该用户历史各次旅游景点对应的类型和历史各次旅游对应的旅游景点位置,将该用户历史各次旅游景点对应的景点类型进行相互对比,获取该用户对应的历史旅游景点对应的类型数量和各旅游景点类型对应的历史旅游次数;
H2、将该用户对应的历史旅游景点类型按照预设顺序进行编号,依次标记为1,2,...x,...y,根据该用户各旅游景点类型对应的历史旅游次数,将该用户各景点类型对应的历史旅游次数与该用户对应的历史旅游次数进行对比,统计该用户各旅游景点类型偏好影响系数,将该用户各旅游景点类型偏好影响系数按照从大到小的顺序进行排序,提取排名第一位的旅游景点类型作为该用户对应的偏好景点类型;
H3、根据该用户历史各次旅游对应的旅游景点对应的位置,将该用户历史各次旅游景点对应的位置与各旅游区域对应的旅游景点位置进行匹配对比,统计该用户对应的旅游区域数量,根据该用户各旅游景点位置对应的历史旅游次数,获取该用户各旅游区域对应的综合历史旅游次数,并将该用户对应的旅游区域按照预设顺序进行编号,依次标记为1,2,...u,...v,统计该用户各旅游区域偏好影响系数,并将该用户各旅游区域偏好影响系数按照从大到小的顺序进行排序,将排名第一位的旅游区域作为该用户对应的偏好旅游区域。
7.根据权利要求1所述的一种旅游景点智能匹配推荐方法,其特征在于:所述用户综合适配景点信息分析用于根据该用户对应的各适配旅游景点对应的基本信息,获取该用户各适配旅游景点对应的位置和各适配旅游景点对应的类型,将该用户各适配旅游景点对应的类型与该用户对应的偏好景点类型进行匹配对比,统计该用户各适配旅游景点类型与该用户偏好景点类型对应的匹配度,并将匹配度最高的适配景点类型作为该用户对应的综合适配景点类型,根据该用户各适配旅游景点对应的位置,将该用户各适配旅游景点对应的位置与该用户偏好旅游区域进行对比,筛选出该用户综合适配景点位置对应的数量,根据该用户对应的综合适配景点类型和该用户对应的各综合适配景点位置,获取该用户对应的综合适配景点数量,并将该用户对应的综合适配景点记为预选景点,获取各预选景点对应的基本信息。
8.根据权利要求1所述的一种旅游景点智能匹配推荐方法,其特征在于:所述用户推荐旅游景点分析用于根据该用户对应的各预选景点对应的基本信息,获取该用户各预选景点对应的历史游客数量,根据该用户各预选景点对应的历史游客数量与各预选景点对应的标准容纳游客数量进行对比,统计该用户各预选景点对应的人气优选影响系数,根据各预选景点游客对应的评价信息,获取各预选景点对应的体验优选影响系数,进而统计该用户各预选景点综合优选影响系数,并将该用户各预选景点对应的综合优选影响系数按照从大到小的顺序进行排序,提取排名第一位的预选景点作为优选推荐旅游景点,获取该优选推荐旅游景点对应的位置。
9.一种旅游景点智能匹配推荐系统,其特征在于:所述数据处理与分析模块分别与用户检索信息输入模块、用户历史旅游信息获取模块、旅游景点信息获取模块、数据库和信息发送模连接。
10.一种计算机存储介质,其特征在于:所述计算机存储介质烧录有计算机程序,所述计算机程序在服务器的内存中运行时实现上述权利要求1-8任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110870642.7A CN113590954A (zh) | 2021-07-30 | 2021-07-30 | 一种旅游景点智能匹配推荐方法、系统及计算机存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110870642.7A CN113590954A (zh) | 2021-07-30 | 2021-07-30 | 一种旅游景点智能匹配推荐方法、系统及计算机存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113590954A true CN113590954A (zh) | 2021-11-02 |
Family
ID=78252429
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110870642.7A Pending CN113590954A (zh) | 2021-07-30 | 2021-07-30 | 一种旅游景点智能匹配推荐方法、系统及计算机存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113590954A (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115689684A (zh) * | 2022-11-01 | 2023-02-03 | 重庆华允科技咨询有限公司 | 一种基于项目游玩数据的景区推荐方法及装置 |
CN116304392A (zh) * | 2023-05-18 | 2023-06-23 | 和元达信息科技有限公司 | 基于定位的数据推送方法、装置、终端设备和存储介质 |
CN116450709A (zh) * | 2023-06-15 | 2023-07-18 | 陕西云创网络科技股份有限公司 | 一种基于大数据的景区数据监测分析方法 |
CN116522004A (zh) * | 2023-07-04 | 2023-08-01 | 国商普惠(北京)投资基金管理有限公司 | 一种城市文旅活动智能推荐系统及方法 |
CN116628335A (zh) * | 2023-06-02 | 2023-08-22 | 广州朝辉智能科技有限公司 | 个性化旅游路线定制方法及装置 |
CN116955834A (zh) * | 2023-09-21 | 2023-10-27 | 北京中景合天科技有限公司 | 一种智慧旅游市场预测与推荐系统及方法 |
CN117131268A (zh) * | 2023-08-28 | 2023-11-28 | 浪潮智慧科技有限公司 | 一种基于街景地图的旅程推荐方法、设备及介质 |
CN117909575A (zh) * | 2023-12-20 | 2024-04-19 | 湖北工业大学 | 一种历史城区旅游景点的数字化推荐方法及系统 |
CN117909588A (zh) * | 2024-01-23 | 2024-04-19 | 扬州自在岛生态旅游投资发展有限公司 | 一种基于大数据的旅游线路推荐系统及方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110276008A (zh) * | 2019-06-13 | 2019-09-24 | 南京邮电大学 | 一种基于用户旅行决策过程的景点推荐方法及装置 |
CN112348291A (zh) * | 2020-12-07 | 2021-02-09 | 福州市长乐区三互信息科技有限公司 | 旅游出行信息管理方法 |
CN112749339A (zh) * | 2021-01-18 | 2021-05-04 | 陕西师范大学 | 一种基于旅游知识图谱的旅游路线推荐方法及系统 |
-
2021
- 2021-07-30 CN CN202110870642.7A patent/CN113590954A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110276008A (zh) * | 2019-06-13 | 2019-09-24 | 南京邮电大学 | 一种基于用户旅行决策过程的景点推荐方法及装置 |
CN112348291A (zh) * | 2020-12-07 | 2021-02-09 | 福州市长乐区三互信息科技有限公司 | 旅游出行信息管理方法 |
CN112749339A (zh) * | 2021-01-18 | 2021-05-04 | 陕西师范大学 | 一种基于旅游知识图谱的旅游路线推荐方法及系统 |
Non-Patent Citations (3)
Title |
---|
刘艳红等: "《"旅游+互联网"情境下的自媒体营销》", 30 November 2018, 中国旅游出版社 * |
吴玉婷等: "《旅游心理学》", 31 August 2018, 天津科学技术出版社 * |
郑天翔: "《智慧景区游客时空分流导航管理——理论与应用》", 31 August 2017, 中国旅游出版社 * |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115689684A (zh) * | 2022-11-01 | 2023-02-03 | 重庆华允科技咨询有限公司 | 一种基于项目游玩数据的景区推荐方法及装置 |
CN116304392A (zh) * | 2023-05-18 | 2023-06-23 | 和元达信息科技有限公司 | 基于定位的数据推送方法、装置、终端设备和存储介质 |
CN116304392B (zh) * | 2023-05-18 | 2023-09-19 | 和元达信息科技有限公司 | 基于定位的数据推送方法、装置、终端设备和存储介质 |
CN116628335B (zh) * | 2023-06-02 | 2024-02-27 | 涂秋平 | 个性化旅游路线定制方法及装置 |
CN116628335A (zh) * | 2023-06-02 | 2023-08-22 | 广州朝辉智能科技有限公司 | 个性化旅游路线定制方法及装置 |
CN116450709A (zh) * | 2023-06-15 | 2023-07-18 | 陕西云创网络科技股份有限公司 | 一种基于大数据的景区数据监测分析方法 |
CN116450709B (zh) * | 2023-06-15 | 2023-09-05 | 陕西云创网络科技股份有限公司 | 一种基于大数据的景区数据监测分析方法 |
CN116522004A (zh) * | 2023-07-04 | 2023-08-01 | 国商普惠(北京)投资基金管理有限公司 | 一种城市文旅活动智能推荐系统及方法 |
CN116522004B (zh) * | 2023-07-04 | 2023-09-22 | 卓识 | 一种城市文旅活动智能推荐系统及方法 |
CN117131268A (zh) * | 2023-08-28 | 2023-11-28 | 浪潮智慧科技有限公司 | 一种基于街景地图的旅程推荐方法、设备及介质 |
CN117131268B (zh) * | 2023-08-28 | 2024-03-26 | 浪潮智慧科技有限公司 | 一种基于街景地图的旅程推荐方法、设备及介质 |
CN116955834A (zh) * | 2023-09-21 | 2023-10-27 | 北京中景合天科技有限公司 | 一种智慧旅游市场预测与推荐系统及方法 |
CN117909575A (zh) * | 2023-12-20 | 2024-04-19 | 湖北工业大学 | 一种历史城区旅游景点的数字化推荐方法及系统 |
CN117909588A (zh) * | 2024-01-23 | 2024-04-19 | 扬州自在岛生态旅游投资发展有限公司 | 一种基于大数据的旅游线路推荐系统及方法 |
CN117909588B (zh) * | 2024-01-23 | 2024-06-28 | 扬州自在岛生态旅游投资发展有限公司 | 一种基于大数据的旅游线路推荐系统及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113590954A (zh) | 一种旅游景点智能匹配推荐方法、系统及计算机存储介质 | |
Ricci et al. | ITR: a case-based travel advisory system | |
Kbaier et al. | A personalized hybrid tourism recommender system | |
Trewin | Knowledge-based recommender systems | |
CN109977283A (zh) | 一种基于知识图谱和用户足迹的旅游推荐方法和系统 | |
CN103136300B (zh) | 一种文本相关主题的推荐方法和装置 | |
CN107423837A (zh) | 旅游路线的智能规划方法及系统 | |
Mishra et al. | A Sentiment analysis-based hotel recommendation using TF-IDF Approach | |
CN103218373B (zh) | 一种相关搜索系统、方法及装置 | |
CN110276008A (zh) | 一种基于用户旅行决策过程的景点推荐方法及装置 | |
JP2003256466A (ja) | 適応的情報検索システム | |
CN107145545A (zh) | 一种基于位置的社交网络中Top‑k区域用户文本数据推荐方法 | |
US20100088190A1 (en) | Method and system for determining travel destinations | |
CN105843850A (zh) | 搜索优化方法和装置 | |
Benouaret et al. | A composite recommendation system for planning tourist visits | |
CN110287307A (zh) | 一种搜索结果排序方法、装置及服务器 | |
CN111914157A (zh) | 一种基于用户偏好的旅游方案生成方法和系统 | |
CN107301480A (zh) | 旅游行程推荐方法、系统、可读存储介质及计算机设备 | |
CN112287241A (zh) | 旅游推荐方法及系统 | |
CN102053960B (zh) | 依群需特征构建物联互联双网快准搜索引擎的方法及系统 | |
Sarkar et al. | gTour: Multiple itinerary recommendation engine for group of tourists | |
CN107977883A (zh) | 旅行包的推荐方法、装置及计算机设备 | |
CN109977292A (zh) | 搜索方法、装置、计算设备和计算机可读存储介质 | |
Ge et al. | MPG: not so random exploration of a city | |
Ding et al. | Route planning in a new tourist recommender system: A fireworks algorithm based approach |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20211102 |
|
RJ01 | Rejection of invention patent application after publication |