CN113643091A - 景点推荐方法、装置、设备及存储介质 - Google Patents
景点推荐方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN113643091A CN113643091A CN202110787523.5A CN202110787523A CN113643091A CN 113643091 A CN113643091 A CN 113643091A CN 202110787523 A CN202110787523 A CN 202110787523A CN 113643091 A CN113643091 A CN 113643091A
- Authority
- CN
- China
- Prior art keywords
- scenic
- user
- spot
- spots
- 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 64
- 238000012216 screening Methods 0.000 claims abstract description 53
- 230000008451 emotion Effects 0.000 claims description 19
- 238000004458 analytical method Methods 0.000 claims description 16
- 238000011156 evaluation Methods 0.000 claims description 10
- 238000013507 mapping Methods 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 5
- 230000009193 crawling Effects 0.000 claims description 3
- 230000006399 behavior Effects 0.000 description 6
- 238000004891 communication Methods 0.000 description 6
- 239000013598 vector Substances 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000007405 data analysis Methods 0.000 description 4
- 235000013305 food Nutrition 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 238000003064 k means clustering Methods 0.000 description 3
- PEDCQBHIVMGVHV-UHFFFAOYSA-N Glycerine Chemical compound OCC(O)CO PEDCQBHIVMGVHV-UHFFFAOYSA-N 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 235000012907 honey Nutrition 0.000 description 2
- 238000004080 punching Methods 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 238000013500 data storage Methods 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
- 238000012545 processing Methods 0.000 description 1
Images
Classifications
-
- 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
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0631—Item recommendations
-
- 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
- Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Engineering & Computer Science (AREA)
- Finance (AREA)
- Economics (AREA)
- Accounting & Taxation (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Human Resources & Organizations (AREA)
- General Health & Medical Sciences (AREA)
- Development Economics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及计算机技术领域，公开了一种景点推荐方法、装置、设备及存储介质，所述景点推荐方法包括：根据用户的行程信息确定多个待选景点，获取各待选景点的景点标签信息，并获取用户的景点偏好标签信息，根据景点标签信息和景点偏好标签信息计算各待选景点的特征标签指数，根据特征标签指数确定多个待选景点的推荐优先级，根据推荐优先级从多个待选景点中筛选待推荐景点，并将待推荐景点推送至用户的用户终端。相较于现有景点推荐算法仅基于景点自身的属性进行推荐，本发明通过基于用户的景点偏好标签信息，结合各待选景点的景点标签信息从待选景点中筛选待推荐景点，实现了个性化旅游景点推荐，也进一步提高了景点推荐精准度和用户的旅游体验。
Description
技术领域
本发明涉及计算机技术领域，尤其涉及一种景点推荐方法、装置、设备及存储介质。
背景技术
随着社会经济水平的不断提升，人们越来越注重自己的生活质量，旅游业也随之蓬勃发展。然而，不同旅游景点都有其自己的特色，用户也有不同的旅游偏好，这也导致了用户在进行旅游行程规划时会耗费不少时间和精力。因此，各运营商纷纷推出了自己的景点推荐功能，但现有景点推荐算法多是基于景点自身的属性进行推荐，较少涉及基于用户的需求进行推荐，推荐结果不尽人意。因此，如何实现个性化旅游景点推荐，以提高景点推荐精准度和用户的旅游体验，成为一个亟待解决的问题。
上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。
发明内容
本发明的主要目的在于提供了一种景点推荐方法、装置、设备及存储介质，旨在解决如何实现个性化旅游景点推荐，以提高景点推荐精准度和用户的旅游体验的技术问题。
为实现上述目的，本发明提供了一种景点推荐方法，所述方法包括以下步骤：
根据用户的行程信息确定多个待选景点；
获取各待选景点的景点标签信息，并获取所述用户的景点偏好标签信息；
根据所述景点标签信息和所述景点偏好标签信息计算各待选景点的特征标签指数；
根据所述特征标签指数确定多个待选景点的推荐优先级；
根据所述推荐优先级从多个待选景点中筛选待推荐景点，并将所述待推荐景点推送至所述用户的用户终端。
可选地，所述根据用户的行程信息确定多个待选景点的步骤，具体包括：
搜索用户的行程目的地所属区域的区域景点，并计算所述行程目的地到各区域景点的景点耗时；
获取所述用户的行程规划时间和景点规划数量，并根据所述行程规划时间、所述景点规划数量以及所述景点耗时从所述区域景点中筛选多个待选景点。
可选地，所述获取所述用户的行程规划时间和景点规划数量，并根据所述行程规划时间、所述景点规划数量以及所述景点耗时从所述区域景点中筛选多个待选景点的步骤，具体包括：
获取所述用户的行程规划时间、景点规划数量以及行程经费预算，并获取各区域景点的消费均值；
根据所述行程规划时间、所述景点耗时、所述景点规划数量、所述行程经费预算以及所述消费均值从所述区域景点中筛选多个待选景点。
可选地，所述计算所述行程目的地到各区域景点的景点耗时的步骤，具体包括：
获取所述行程目的地到各区域景点的距离，根据所述距离预测所述用户的交通方式；
获取所述交通方式的行进速度，根据所述距离和所述行进速度计算所述行程目的地到各区域景点的景点耗时。
可选地，所述获取各待选景点的景点标签信息的步骤，具体包括：
获取各待选景点的旅游标签信息，并获取各待选景点的历史游览用户的用户标签信息；
将所述旅游标签信息和所述用户标签信息映射至所述行程目的地所属区域对应的空间网格中，以获得各待选景点的不同网格层级的标签信息；
整合所述不同网格层级的标签信息，以获得各待选景点的景点标签信息。
可选地，所述获取各待选景点的历史游览用户的用户标签信息的步骤，具体包括：
爬取各待选景点的历史游览用户的游览图像信息和游览评价信息；
对所述游览图像信息进行图像识别，以获得所述历史游览用户的用户属性信息；
对所述游览评价信息进行语义分析，以获得所述历史游览用户的景点情感信息；
根据所述用户属性信息和所述景点情感信息进行标签匹配，以获得所述历史游览用户的用户标签信息。
可选地，所述获取所述用户的景点偏好标签信息的步骤，具体包括：
获取所述用户的个人注册数据、历史行程数据以及历史搜索数据；
对所述个人注册数据、所述历史行程数据以及所述历史搜索数据进行语义分析，以获得所述用户的景点偏好信息；
根据所述景点偏好信息进行标签匹配，以获得所述用户的景点偏好标签信息。
可选地，所述根据所述景点标签信息和所述景点偏好标签信息计算各待选景点的特征标签指数的步骤，具体包括：
根据所述景点偏好标签信息和所述景点标签信息确定特征标签项；
将所述景点偏好标签信息中的特征标签项对应的标签信息和所述景点标签信息中的特征标签项对应的标签信息进行匹配，以获得各待选景点的特征标签指数。
可选地，所述根据所述特征标签指数确定多个待选景点的推荐优先级的步骤，具体包括：
对所述特征标签指数进行排序，以获得指数排序结果；
基于所述指数排序结果确定多个待选景点的推荐优先级。
可选地，所述搜索用户的行程目的地所属区域的区域景点，并计算所述行程目的地到各区域景点的景点耗时的步骤之前，还包括：
获取用户设置的行程目的地和当前地理位置；
根据所述当前地理位置判断所述用户是否处于行程目的地所属区域；
在所述用户不处于所述行程目的地所属区域时，执行所述搜索用户的行程目的地所属区域的区域景点，并计算所述行程目的地到各区域景点的景点耗时的步骤。
可选地，所述根据所述当前地理位置判断所述用户是否处于行程目的地所属区域的步骤之后，还包括：
在所述用户处于所述行程目的地所属区域时，根据所述当前地理位置搜索所述行程目的地所属区域的区域景点，并计算所述当前地理位置到各区域景点的景点耗时；
获取所述用户的行程规划时间和景点规划数量，并根据所述行程规划时间、所述景点规划数量以及所述当前地理位置到各区域景点的景点耗时从所述区域景点中筛选多个待选景点。
可选地，所述根据所述推荐优先级从多个待选景点中筛选待推荐景点，并将所述待推荐景点推送至所述用户的用户终端的步骤，具体包括：
根据所述推荐优先级从多个待选景点中筛选待推荐景点，并获取所述待推荐景点的推荐数量；
根据所述推荐数量匹配对应的展示方式，并将所述待推荐景点和所述展示方式推送至所述用户的用户终端，以使所述用户终端以所述展示方式展示所述待推荐景点。
此外，为实现上述目的，本发明还提出一种景点推荐装置，所述景点推荐装置包括：
景点初筛模块，用于根据用户的行程信息确定多个待选景点；
标签获取模块，用于获取各待选景点的景点标签信息，并获取所述用户的景点偏好标签信息；
特征计算模块，用于根据所述景点标签信息和所述景点偏好标签信息计算各待选景点的特征标签指数；
优先级确定模块，用于根据所述特征标签指数确定多个待选景点的推荐优先级；
景点推送模块，用于根据所述推荐优先级从多个待选景点中筛选待推荐景点，并将所述待推荐景点推送至所述用户的用户终端。
可选地，所述景点初筛模块，还用于搜索用户的行程目的地所属区域的区域景点，并计算所述行程目的地到各区域景点的景点耗时；
所述景点初筛模块，还用于获取所述用户的行程规划时间和景点规划数量，并根据所述行程规划时间、所述景点规划数量以及所述景点耗时从所述区域景点中筛选多个待选景点。
可选地，所述景点初筛模块，还用于获取所述用户的行程规划时间、景点规划数量以及行程经费预算，并获取各区域景点的消费均值；
所述景点初筛模块，还用于根据所述行程规划时间、所述景点耗时、所述景点规划数量、所述行程经费预算以及所述消费均值从所述区域景点中筛选多个待选景点。
可选地，所述景点初筛模块，还用于获取所述行程目的地到各区域景点的距离，根据所述距离预测所述用户的交通方式；
所述景点初筛模块，还用于获取所述交通方式的行进速度，根据所述距离和所述行进速度计算所述行程目的地到各区域景点的景点耗时。
可选地，所述标签获取模块，还用于获取各待选景点的旅游标签信息，并获取各待选景点的历史游览用户的用户标签信息；
所述标签获取模块，还用于将所述旅游标签信息和所述用户标签信息映射至所述行程目的地所属区域对应的空间网格中，以获得各待选景点的不同网格层级的标签信息；
所述标签获取模块，还用于整合所述不同网格层级的标签信息，以获得各待选景点的景点标签信息。
可选地，所述标签获取模块，还用于爬取各待选景点的历史游览用户的游览图像信息和行为数据信息；
所述标签获取模块，还用于对所述游览图像信息进行图像识别，以获得所述历史游览用户的用户属性信息；
所述标签获取模块，还用于对所述用户行为数据进行语义分析，以获得所述历史游览用户的景点情感信息；
所述标签获取模块，还用于根据所述用户属性信息和所述景点情感信息进行标签匹配，以获得所述历史游览用户的用户标签信息。
此外，为实现上述目的，本发明还提出一种景点推荐设备，所述设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的景点推荐程序，所述景点推荐程序配置为实现如上文所述的景点推荐方法的步骤。
此外，为实现上述目的，本发明还提出一种存储介质，所述存储介质上存储有景点推荐程序，所述景点推荐程序被处理器执行时实现如上文所述的景点推荐方法的步骤。
本发明中，根据用户的行程信息确定多个待选景点，获取各待选景点的景点标签信息，并获取所述用户的景点偏好标签信息，根据所述景点标签信息和所述景点偏好标签信息计算各待选景点的特征标签指数，根据所述特征标签指数确定多个待选景点的推荐优先级，根据所述推荐优先级从多个待选景点中筛选待推荐景点，并将所述待推荐景点推送至所述用户的用户终端。相较于现有景点推荐算法仅基于景点自身的属性进行推荐，本发明中，根据用户的行程信息确定多个待选景点，以提高获得的待选的景点的个性化程度和精准度，进一步地，也提高了基于待选景点筛选待推荐的景点的精准度，通过基于用户的景点偏好标签信息，结合各待选景点的景点标签信息计算各待选景点的特征标签指数，再基于各待选景点的特征标签指数从待选景点中筛选出待推荐景点，实现了个性化旅游景点推荐，也进一步提高了景点推荐精准度和用户的旅游体验。
附图说明
图1是本发明实施例方案涉及的硬件运行环境的景点推荐设备的结构示意图；
图2为本发明景点推荐方法第一实施例的流程示意图；
图3为本发明景点推荐方法第二实施例的流程示意图；
图4为本发明景点推荐方法第三实施例的流程示意图；
图5为本发明景点推荐装置第一实施例的结构框图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
参照图1，图1为本发明实施例方案涉及的硬件运行环境的景点推荐设备结构示意图。
如图1所示，该景点推荐设备可以包括：处理器1001，例如中央处理器(CentralProcessing Unit，CPU)，通信总线1002、用户接口1003，网络接口1004，存储器1005。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard)，可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如无线保真(WIreless-FIdelity，WI-FI)接口)。存储器1005可以是高速的随机存取存储器(RandomAccess Memory，RAM)，也可以是稳定的非易失性存储器(Non-Volatile Memory，NVM)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
本领域技术人员可以理解，图1中示出的结构并不构成对景点推荐设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
如图1所示，作为一种存储介质的存储器1005中可以包括操作系统、数据存储模块、网络通信模块、用户接口模块以及景点推荐程序。
在图1所示的景点推荐设备中，网络接口1004主要用于与网络服务器进行数据通信；用户接口1003主要用于与用户进行数据交互；本发明景点推荐设备中的处理器1001、存储器1005可以设置在景点推荐设备中，所述景点推荐设备通过处理器1001调用存储器1005中存储的景点推荐程序，并执行本发明实施例提供的景点推荐方法。
本发明实施例提供了一种景点推荐方法，参照图2，图2为本发明景点推荐方法第一实施例的流程示意图。
本实施例中，所述景点推荐方法包括以下步骤：
步骤S10：根据用户的行程信息确定多个待选景点；
易于理解的是，本实施例的执行主体可为服务器，用户终端与服务器通信连接，以使得两者可进行信息交互，交互方式包括但不限于应用程序、小程序等。为了提高待选景点的获取精度，服务器可先获取用户的行程信息，所述行程信息包括但不限于用户的行程目的地(可为飞机场、火车站、酒店等)、行程规划时间、景点规划数量等，然后，基于用户的行程目的地、行程规划时间、景点规划数量等确定多个待选景点。在具体实现中，可采集不同区域的历史游览数据，并对不同区域的历史游览数据进行大数据分析，以获得各区域的各区域景点的景点耗时(可为平均景点耗时、景点耗时区间等)以及区域景点之间的路程耗时(可为平均路程耗时、路程耗时区间等)等，然后，根据行程规划时间、景点规划数量、各区域景点的景点耗时以及区域景点之间的路程耗时从行程目的地所属区域的各区域景点中筛选出多个待选景点，易于理解的是，筛选出的多个待选景点可为组合形式，即，每个待选景点可为不同区域景点的组合。其中，所述区域可根据实际需求进行设置，如，省、市等，本实施例对此不加以限制。
在具体实现中，为了进一步满足用户的旅游规划需求，还可纳入用户的行程经费预算在各区域景点中筛选待选景点，即，可先采集不同区域的历史游览数据，并对不同区域的历史游览数据进行大数据分析，以获得各区域的各区域景点的消费均值、景点耗时(可为平均景点耗时、景点耗时区间等)以及区域景点之间的路程耗时(可为平均路程耗时、路程耗时区间等)、路程费用(可为路程费用平均值、路程费用区间等)等，然后，获取用户的行程信息，所述行程信息包括但不限于用户的行程目的地、行程规划时间、景点规划数量、行程经费预算等，再根据行程规划时间、景点规划数量、行程经费预算、各区域景点的消费均值、景点耗时以及区域景点之间的路程耗时、路程费用从用户的行程目的地所属区域的各区域景点中筛选出多个待选景点。
步骤S20：获取各待选景点的景点标签信息，并获取所述用户的景点偏好标签信息；
需要说明的是，各待选景点的景点标签信息基于景点自身的旅游标签信息和游览过待选景点的历史游览用户的用户标签信息生成，其中，所述旅游标签信息可用于表示各待选景点自身的属性特征，如，旅游景区质量等级(如，AAAAA级、AAAA级、AAA级、AA级、A级)、景点类型(如，自然景观类、人文景观类、乡村田园类、现代娱乐类、美食类、博物馆类；又如，地文景观类、水域风光类、生物景观类、天象与气候景观类、遗址遗迹类、建筑与设施类、人文活动类)等。所述用户标签信息可用于表示历史游览用户的属性特征，如，历史游览用户的年龄、性别、团体游组成成分等，在具体实现中，还可列入历史游览用户对待选景点的评价数据来表示待选景点的情感标签成分，基于此，所获得的历史游览用户的用户标签信息可为：亲子游玩、蜜月旅行、网红打卡、团建游玩、老年康养、轻松休闲、交通便利、性价比高等。进一步地，整合所述旅游标签信息和所述用户标签信息，以生成各待选景点的景点标签信息。
易于理解的是，用户的景点偏好标签信息用以表示用户个人的旅游偏好，在具体实现中，为了实现个性化旅游景点推荐，可基于用户的个人注册数据、历史行程数据、历史搜索数据生成用户的景点偏好标签信息，如，轻松、小众、热门、旅游景区质量等级高、临近美食区、免门票、运动量低、适合一个人的旅行、适合情侣同行、适合多人同行、免费、无需预约、消费低等。
步骤S30：根据所述景点标签信息和所述景点偏好标签信息计算各待选景点的特征标签指数；
易于理解的是，在获得所述景点标签信息和所述景点偏好标签信息后，可根据所述景点偏好标签信息和所述景点标签信息确定特征标签项，所述特征标签项可理解为所述景点标签信息和所述景点偏好标签信息的景点描述特征重合项，如，所述景点标签信息中的“旅游景区质量等级AAAAA级”和所述景点偏好标签信息中的“旅游景区质量等级高”，所述景点标签信息中的“网红打卡”和所述景点偏好标签信息中的“热门”，所述景点标签信息中的“蜜月旅行”和所述景点偏好标签信息中的“适合情侣同行”等。
进一步地，将所述景点偏好标签信息中的特征标签项对应的标签信息和所述景点标签信息中的特征标签项对应的标签信息进行匹配，以获得各待选景点的特征标签指数，所述特征标签指数可理解为所述景点偏好标签信息中的特征标签项和所述景点标签信息中的特征标签项的匹配度或相似度，在具体实现中，可获取各特征标签项对应的权重，然后基于特征标签数量对应的加成系数、各特征标签项对应的匹配度及其对应的权重计算特征标签指数，如，检测到某一待选景点的特征标签项为A，B，C，D，通过查表获知其对应的加成系数为m，特征标签项A对应的匹配度或相似度为a，权重为0.3，特征标签项为B对应的匹配度或相似度为b，权重为0.2；特征标签项为C对应的匹配度或相似度为c，权重为0.3；特征标签项为D对应的匹配度或相似度为d，权重为0.2，则特征标签指数为：m*(0.3a+0.2b+0.3c+0.2d)。
步骤S40：根据所述特征标签指数确定多个待选景点的推荐优先级；
易于理解的是，在获得所述特征标签指数后，可对所述特征标签指数进行排序，以获得指数排序结果，如，将所述特征标签指数按照从大到小的顺序进行排序，以获得指数排序结果，然后，基于所述指数排序结果确定多个待选景点的推荐优先级，如，按照指数排序结果顺位确定多个待选景点的推荐优先级。
步骤S50：根据所述推荐优先级从多个待选景点中筛选待推荐景点，并将所述待推荐景点推送至所述用户的用户终端。
在具体实现中，为了提高景点推荐精准度，可根据所述推荐优先级从多个待选景点中筛选待推荐景点，如，可选取推荐优先级前n位的待选景点作为待推荐景点，n可根据实际需求进行设置，本实施例对此不加以限制。需要说明的是，因每个待选景点可为不同区域景点的组合，基于多个待选景点筛选出来的待推荐景点也可设置为不同待选景点的组合。
进一步地，为了提高获得的待推荐景点的展示效果，在将所述待推荐景点推送至所述用户的用户终端时，可获取所述待推荐景点的推荐数量，根据所述推荐数量匹配对应的展示方式，并将所述待推荐景点和所述展示方式推送至所述用户的用户终端，以使所述用户终端以所述展示方式展示所述待推荐景点。所述展示方式可为方框、组合方框(可理解为具有连接或包含关系的方框)、气泡、组合气泡(可理解为具有连接或包含关系的气泡)等，如，在所述推荐数量为一个且待推荐景点不为组合式景点时，可将所述待推荐景点以方框或气泡的形式在用户终端进行展示；在所述待推荐景点为不同待选景点的组合时，可将各待推荐景点以组合方框或组合气泡的形式在用户终端进行展示；在所述推荐数量为多个时，可将所述待推荐景点以组合方框或组合气泡的形式在用户终端进行展示。
本实施例中，根据用户的行程信息确定多个待选景点，获取各待选景点的景点标签信息，并获取所述用户的景点偏好标签信息，根据所述景点标签信息和所述景点偏好标签信息计算各待选景点的特征标签指数，根据所述特征标签指数确定多个待选景点的推荐优先级，根据所述推荐优先级从多个待选景点中筛选待推荐景点，并将所述待推荐景点推送至所述用户的用户终端。相较于现有景点推荐算法仅基于景点自身的属性进行推荐，本实施例中，根据用户的行程信息确定多个待选景点，以提高获得的待选的景点的个性化程度和精准度，进一步地，也提高了基于待选景点筛选待推荐的景点的精准度，通过基于用户的景点偏好标签信息，结合各待选景点的景点标签信息计算各待选景点的特征标签指数，再基于各待选景点的特征标签指数从待选景点中筛选出待推荐景点，实现了个性化旅游景点推荐，也进一步提高了景点推荐精准度和用户的旅游体验。
参考图3，图3为本发明景点推荐方法第二实施例的流程示意图。
基于上述第一实施例，在本实施例中，所述步骤S10包括：
步骤S101：搜索用户的行程目的地所属区域的区域景点，并计算所述行程目的地到各区域景点的景点耗时；
易于理解的是，为了提高获取的区域景点的精准度，以进一步提高基于区域景点选取待选景点的精准度，可先获取用户设置的行程目的地(如飞机场、火车站、酒店等)和当前地理位置，根据所述当前地理位置判断所述用户是否处于行程目的地所属区域(如省、市等)，在所述用户不处于所述行程目的地所属区域时，可搜索用户的行程目的地所属区域的区域景点(如，市内所有景点)，并计算所述行程目的地到各区域景点的景点耗时；而在所述用户处于所述行程目的地所属区域时，可根据所述当前地理位置搜索所述行程目的地所属区域的区域景点，并计算所述当前地理位置到各区域景点的景点耗时。
在具体实现中，为了获得行程目的地到各区域景点的景点耗时，可获取所述行程目的地到各区域景点的距离，根据所述距离预测所述用户的交通方式，如，获取行程目的地到各区域景点的距离所属的距离区间，根据不同的距离区间划分不同的交通方式，如公交、地铁、骑行、骑行等，所述距离区间可根据实际需求进行设置，本实施例对此不加以限制。接着，获取所述交通方式的行进速度，根据所述距离和所述行进速度计算所述行程目的地到各区域景点的景点耗时；计算当前地理位置到各区域景点的景点耗时的方式与计算行程目的地到各区域景点的景点耗时的计算方法类似，本实施例在此不予赘述。
步骤S102：获取所述用户的行程规划时间和景点规划数量，并根据所述行程规划时间、所述景点规划数量以及所述景点耗时从所述区域景点中筛选多个待选景点。
需要说明的是，为了提高待选景点的精准度，以进一步提高基于待选景点选取待推荐景点的精准度，可获取所述用户的行程规划时间和景点规划数量，并根据所述行程规划时间、所述景点规划数量以及所述景点耗时从所述区域景点中筛选多个待选景点。相应地，在所述用户处于所述行程目的地所属区域时，可获取所述用户的行程规划时间和景点规划数量，并根据所述行程规划时间、所述景点规划数量以及所述当前地理位置到各区域景点的景点耗时从所述区域景点中筛选多个待选景点。
在具体实现中，为了进一步提高待选景点的精准度，可先采集不同区域的历史游览数据，并对不同区域的历史游览数据进行大数据分析，以获得各区域的各区域景点的景点耗时(可为平均景点耗时、景点耗时区间等)以及区域景点之间的路程耗时(可为平均路程耗时、路程耗时区间等)等，然后，根据行程规划时间、景点规划数量、各区域景点的景点耗时以及区域景点之间的路程耗时从行程目的地所属区域的各区域景点中筛选出多个待选景点，易于理解的是，筛选出的多个待选景点可为组合形式，即，每个待选景点可为不同区域景点的组合。
在具体实现中，为了进一步满足用户的旅游规划需求，还可纳入用户的行程经费预算在各区域景点中筛选待选景点，即，可采集不同区域的历史游览数据，并对不同区域的历史游览数据进行大数据分析，以获得各区域的各区域景点的消费均值、景点耗时(可为平均景点耗时、景点耗时区间等)以及区域景点之间的路程耗时(可为平均路程耗时、路程耗时区间等)、路程费用(可为路程费用平均值、路程费用区间等)等，然后，获取用户的行程规划时间、景点规划数量以及行程经费预算，再根据行程规划时间、景点规划数量、行程经费预算、各区域景点的消费均值、景点耗时以及区域景点之间的路程耗时、路程费用从用户的行程目的地所属区域的各区域景点中筛选出多个待选景点。
本实施例中，搜索用户的行程目的地所属区域的区域景点，并计算所述行程目的地到各区域景点的景点耗时，获取所述用户的行程规划时间和景点规划数量，并根据所述行程规划时间、所述景点规划数量以及所述景点耗时从所述区域景点中筛选多个待选景点。相较于现有技术直接将区域景点作为景点筛选库，本实施例通过根据用户设置的行程目的地或当前地理位置到各区域景点的景点耗时、用户的行程规划时间、景点规划数量从所述区域景点中筛选多个待选景点。
参考图4，图4为本发明景点推荐方法第三实施例的流程示意图。
基于上述各实施例，在本实施例中，所述步骤S20具体包括：
步骤S201：获取各待选景点的旅游标签信息，并获取各待选景点的历史游览用户的用户标签信息；
需要说明的是，各待选景点的景点标签信息基于景点自身的旅游标签信息和游览过待选景点的历史游览用户的用户标签信息生成，其中，所述旅游标签信息可用于表示各待选景点自身的属性特征，可根据各景点的公开数据生成，如，旅游景区质量等级(如，AAAAA级、AAAA级、AAA级、AA级、A级)、景点类型(如，自然景观类、人文景观类、乡村田园类、现代娱乐类、美食类、博物馆类；又如，地文景观类、水域风光类、生物景观类、天象与气候景观类、遗址遗迹类、建筑与设施类、人文活动类)等。其中，所述用户标签信息可用于表示历史游览用户的属性特征，如，历史游览用户的年龄、性别、团体游组成成分等，在具体实现中，还可列入历史游览用户对待选景点的评价数据来表示待选景点的情感标签成分，基于此，所获得的历史游览用户的用户标签信息可为：亲子游玩、蜜月旅行、网红打卡、团建游玩、老年康养、轻松休闲、交通便利、性价比高等。
在具体实现中，为了获得各待选景点的历史游览用户的用户标签信息，可基于旅游网站、社交软件、旅游软件等公开的旅游数据爬取各待选景点的历史游览用户的游览图像信息和游览评价信息(如，旅游网站和旅游软件的历史游览用户的景区评论，社交软件中景区对应的话题内容等)，对所述游览图像信息进行图像识别，以获得所述历史游览用户的用户属性信息(如，历史游览用户的年龄、性别、团体游组成成分等)，并对所述游览评价信息进行语义分析，以获得所述历史游览用户的景点情感信息(可为情感描述子句或情感描述子句中的关键词组)，然后，根据所述用户属性信息和所述景点情感信息在预设标签库中进行标签匹配，以获得所述历史游览用户的用户标签信息，如，愉快、轻松、交通便利、热情、民风淳朴等，所述预设标签库可理解为存储有标签向量和标签信息之间的映射关系的实时更新的数据库，如，可对所述用户属性信息和所述景点情感信息通过k均值聚类算法(k-means clustering algorithm)进行聚类分析，以获得对应于预设标签库中的标签向量，再根据获得的标签向量在预设标签库中进行标签匹配，以获得所述历史游览用户的用户标签信息。
步骤S202：将所述旅游标签信息和所述用户标签信息映射至所述行程目的地所属区域对应的空间网格中，以获得各待选景点的不同网格层级的标签信息；
步骤S203：整合所述不同网格层级的标签信息，以获得各待选景点的景点标签信息；
易于理解的是，在获得各待选景点的旅游标签信息和各待选景点的历史游览用户的用户标签信息后，可将所述旅游标签信息和所述用户标签信息映射至所述行程目的地所属区域对应的空间网格中建立空间索引(即在空间网格中建立行程目的地所属区域的各待选景点对应的空间索引，以便于基于用户定位数据进行景点筛选)，以基于所述空间索引获得各待选景点的不同网格层级的标签信息，再整合所述不同网格层级的标签信息，以获得各待选景点的景点标签信息。所谓空间索引，即空间数据查询，是对存储在介质上的数据位置信息的描述，可用来提高系统对数据获取的效率，也称为空间访问方法(Spatial AccessMethod，SAM)，作为一种辅助性的空间数据结构空间索引，它通过排除大量与特定空间操作无关的空间对象，从而提高空间操作的速度和效率，进一步地，也提高了景点标签信息的获取效率。
步骤S204：获取所述用户的个人注册数据、历史行程数据以及历史搜索数据；
步骤S205：对所述个人注册数据、所述历史行程数据以及所述历史搜索数据进行语义分析，以获得所述用户的景点偏好信息；
步骤S206：根据所述景点偏好信息进行标签匹配，以获得所述用户的景点偏好标签信息。
易于理解的是，用户的景点偏好标签信息用以表示用户个人的旅游偏好，在具体实现中，为了实现个性化旅游景点推荐，可获取所述用户的个人注册数据(即用户在当前应用程序所注册账号对应的个人资料数据或用户根据此次行程自行输入的个人资料数据)、历史行程数据(即用户以往的旅游行程数据)以及历史搜索数据(即用户在用户设备所安装的浏览器、旅游软件等具有信息检索功能的应用程序上的历史搜索数据)，并对所述个人注册数据、所述历史行程数据以及所述历史搜索数据进行语义分析，以获得所述用户的景点偏好信息，然后，根据所述景点偏好信息在预设标签库中进行标签匹配，以获得所述用户的景点偏好标签信息，如，轻松、小众、热门、旅游景区质量等级高、临近美食区、免门票、运动量低、适合一个人的旅行、适合情侣同行、适合多人同行、免费、无需预约、消费低等。所述预设标签库可理解为存储有标签向量和标签信息之间的映射关系实时更新的数据库，如，可对所述景点偏好信息通过k均值聚类算法进行聚类分析，以获得对应于预设标签库中的标签向量，再根据获得的标签向量在预设标签库中进行标签匹配，以获得所述用户的景点偏好标签信息。
本实施例中，通过获取各待选景点的旅游标签信息，并获取各待选景点的历史游览用户的用户标签信息，将所述旅游标签信息和所述用户标签信息映射至所述行程目的地所属区域对应的空间网格中，以获得各待选景点的不同网格层级的标签信息，整合所述不同网格层级的标签信息，以获得各待选景点的景点标签信息，通过建立行程目的地所属区域与各待选景点的旅游标签信息以及各待选景点的历史游览用户的用户标签信息之间的空间网格索引关系，并整合获得的各待选景点的旅游标签信息和各待选景点的历史游览用户的用户标签信息来提高标签信息获取效率和获取精度，进一步地，也提高了景点标签信息的获取效率和获取精度，通过获取所述用户的个人注册数据、历史行程数据以及历史搜索数据，对所述个人注册数据、所述历史行程数据以及所述历史搜索数据进行语义分析，以获得所述用户的景点偏好信息，根据所述景点偏好信息进行标签匹配，以获得所述用户的景点偏好标签信息，以此，提高获得的用户的景点偏好标签信息的精准度，便于后续用户的景点偏好标签信息实现个性化的景点推荐，进一步地，也提高了后续基于景点偏好标签信息和所述景点标签信息从多个待选景点中筛选待推荐景点的精准度。
此外，本发明实施例还提出一种存储介质，所述存储介质上存储有景点推荐程序，所述景点推荐程序被处理器执行时实现如上文所述的景点推荐方法的步骤。
参照图5，图5为本发明景点推荐装置第一实施例的结构框图。
如图5所示，本发明实施例提出的景点推荐装置包括：
景点初筛模块10，用于根据用户的行程信息确定多个待选景点；
标签获取模块20，用于获取各待选景点的景点标签信息，并获取所述用户的景点偏好标签信息；
特征计算模块30，用于根据所述景点标签信息和所述景点偏好标签信息计算各待选景点的特征标签指数；
优先级确定模块40，用于根据所述特征标签指数确定多个待选景点的推荐优先级；
景点推送模块50，用于根据所述推荐优先级从多个待选景点中筛选待推荐景点，并将所述待推荐景点推送至所述用户的用户终端。
本实施例中，根据用户的行程信息确定多个待选景点，获取各待选景点的景点标签信息，并获取所述用户的景点偏好标签信息，根据所述景点标签信息和所述景点偏好标签信息计算各待选景点的特征标签指数，根据所述特征标签指数确定多个待选景点的推荐优先级，根据所述推荐优先级从多个待选景点中筛选待推荐景点，并将所述待推荐景点推送至所述用户的用户终端。相较于现有景点推荐算法仅基于景点自身的属性进行推荐，本实施例中，根据用户的行程信息确定多个待选景点，以提高获得的待选的景点的个性化程度和精准度，进一步地，也提高了基于待选景点筛选待推荐的景点的精准度，通过基于用户的景点偏好标签信息，结合各待选景点的景点标签信息计算各待选景点的特征标签指数，再基于各待选景点的特征标签指数从待选景点中筛选出待推荐景点，实现了个性化旅游景点推荐，也进一步提高了景点推荐精准度和用户的旅游体验。
基于本发明上述景点推荐装置第一实施例，提出本发明景点推荐装置的第二实施例。
在本实施例中，所述景点初筛模块，还用于搜索用户的行程目的地所属区域的区域景点，并计算所述行程目的地到各区域景点的景点耗时；
所述景点初筛模块10，还用于获取所述用户的行程规划时间和景点规划数量，并根据所述行程规划时间、所述景点规划数量以及所述景点耗时从所述区域景点中筛选多个待选景点。
所述景点初筛模块10，还用于获取所述用户的行程规划时间、景点规划数量以及行程经费预算，并获取各区域景点的消费均值；
所述景点初筛模块10，还用于根据所述行程规划时间、所述景点耗时、所述景点规划数量、所述行程经费预算以及所述消费均值从所述区域景点中筛选多个待选景点。
所述景点初筛模块10，还用于获取所述行程目的地到各区域景点的距离，根据所述距离预测所述用户的交通方式；
所述景点初筛模块10，还用于获取所述交通方式的行进速度，根据所述距离和所述行进速度计算所述行程目的地到各区域景点的景点耗时。
所述标签获取模块20，还用于获取各待选景点的旅游标签信息，并获取各待选景点的历史游览用户的用户标签信息；
所述标签获取模块20，还用于将所述旅游标签信息和所述用户标签信息映射至所述行程目的地所属区域对应的空间网格中，以获得各待选景点的不同网格层级的标签信息；
所述标签获取模块20，还用于整合所述不同网格层级的标签信息，以获得各待选景点的景点标签信息。
所述标签获取模块20，还用于爬取各待选景点的历史游览用户的游览图像信息和行为数据信息；
所述标签获取模块20，还用于对所述游览图像信息进行图像识别，以获得所述历史游览用户的用户属性信息；
所述标签获取模块20，还用于对所述用户行为数据进行语义分析，以获得所述历史游览用户的景点情感信息；
所述标签获取模块20，还用于根据所述用户属性信息和所述景点情感信息进行标签匹配，以获得所述历史游览用户的用户标签信息。
所述标签获取模块20，还用于获取所述用户的个人注册数据、历史行程数据以及历史搜索数据；
所述标签获取模块20，还用于对所述个人注册数据、所述历史行程数据以及所述历史搜索数据进行语义分析，以获得所述用户的景点偏好信息；
所述标签获取模块20，还用于根据所述景点偏好信息进行标签匹配，以获得所述用户的景点偏好标签信息。
所述特征计算模块30，还用于根据所述景点偏好标签信息和所述景点标签信息确定特征标签项；
所述特征计算模块30，还用于将所述景点偏好标签信息中的特征标签项对应的标签信息和所述景点标签信息中的特征标签项对应的标签信息进行匹配，以获得各待选景点的特征标签指数。
所述优先级确定模块40，还用于对所述特征标签指数进行排序，以获得指数排序结果；
所述优先级确定模块40，还用于基于所述指数排序结果确定多个待选景点的推荐优先级。
所述景点初筛模块10，还用于获取用户设置的行程目的地和当前地理位置；
所述景点初筛模块10，还用于根据所述当前地理位置判断所述用户是否处于行程目的地所属区域；
所述景点初筛模块10，还用于在所述用户不处于所述行程目的地所属区域时，执行所述搜索用户的行程目的地所属区域的区域景点，并计算所述行程目的地到各区域景点的景点耗时的操作。
所述景点初筛模块10，还用于在所述用户处于所述行程目的地所属区域时，根据所述当前地理位置搜索所述行程目的地所属区域的区域景点，并计算所述当前地理位置到各区域景点的景点耗时；
所述景点初筛模块10，还用于获取所述用户的行程规划时间和景点规划数量，并根据所述行程规划时间、所述景点规划数量以及所述当前地理位置到各区域景点的景点耗时从所述区域景点中筛选多个待选景点。
所述景点推送模块50，还用于根据所述推荐优先级从多个待选景点中筛选待推荐景点，并获取所述待推荐景点的推荐数量；
所述景点推送模块50，还用于根据所述推荐数量匹配对应的展示方式，并将所述待推荐景点和所述展示方式推送至所述用户的用户终端，以使所述用户终端以所述展示方式展示所述待推荐景点。
本发明景点推荐装置的其他实施例或具体实现方式可参照上述各方法实施例，此处不再赘述。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如只读存储器/随机存取存储器、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。
本发明公开了A1、一种景点推荐方法，所述景点推荐方法包括以下步骤：
根据用户的行程信息确定多个待选景点；
获取各待选景点的景点标签信息，并获取所述用户的景点偏好标签信息；
根据所述景点标签信息和所述景点偏好标签信息计算各待选景点的特征标签指数；
根据所述特征标签指数确定多个待选景点的推荐优先级；
根据所述推荐优先级从多个待选景点中筛选待推荐景点，并将所述待推荐景点推送至所述用户的用户终端。
A2、如A1所述的景点推荐方法，所述根据用户的行程信息确定多个待选景点的步骤，具体包括：
搜索用户的行程目的地所属区域的区域景点，并计算所述行程目的地到各区域景点的景点耗时；
获取所述用户的行程规划时间和景点规划数量，并根据所述行程规划时间、所述景点规划数量以及所述景点耗时从所述区域景点中筛选多个待选景点。
A3、如A2所述的景点推荐方法，所述获取所述用户的行程规划时间和景点规划数量，并根据所述行程规划时间、所述景点规划数量以及所述景点耗时从所述区域景点中筛选多个待选景点的步骤，具体包括：
获取所述用户的行程规划时间、景点规划数量以及行程经费预算，并获取各区域景点的消费均值；
根据所述行程规划时间、所述景点耗时、所述景点规划数量、所述行程经费预算以及所述消费均值从所述区域景点中筛选多个待选景点。
A4、如A2所述的景点推荐方法，所述计算所述行程目的地到各区域景点的景点耗时的步骤，具体包括：
获取所述行程目的地到各区域景点的距离，根据所述距离预测所述用户的交通方式；
获取所述交通方式的行进速度，根据所述距离和所述行进速度计算所述行程目的地到各区域景点的景点耗时。
A5、如A2所述的景点推荐方法，所述获取各待选景点的景点标签信息的步骤，具体包括：
获取各待选景点的旅游标签信息，并获取各待选景点的历史游览用户的用户标签信息；
将所述旅游标签信息和所述用户标签信息映射至所述行程目的地所属区域对应的空间网格中，以获得各待选景点的不同网格层级的标签信息；
整合所述不同网格层级的标签信息，以获得各待选景点的景点标签信息。
A6、如A5所述的景点推荐方法，所述获取各待选景点的历史游览用户的用户标签信息的步骤，具体包括：
爬取各待选景点的历史游览用户的游览图像信息和游览评价信息；
对所述游览图像信息进行图像识别，以获得所述历史游览用户的用户属性信息；
对所述游览评价信息进行语义分析，以获得所述历史游览用户的景点情感信息；
根据所述用户属性信息和所述景点情感信息进行标签匹配，以获得所述历史游览用户的用户标签信息。
A7、如A1～A6中任一项所述的景点推荐方法，所述获取所述用户的景点偏好标签信息的步骤，具体包括：
获取所述用户的个人注册数据、历史行程数据以及历史搜索数据；
对所述个人注册数据、所述历史行程数据以及所述历史搜索数据进行语义分析，以获得所述用户的景点偏好信息；
根据所述景点偏好信息进行标签匹配，以获得所述用户的景点偏好标签信息。
A8、如A1～A7中任一项所述的景点推荐方法，所述根据所述景点标签信息和所述景点偏好标签信息计算各待选景点的特征标签指数的步骤，具体包括：
根据所述景点偏好标签信息和所述景点标签信息确定特征标签项；
将所述景点偏好标签信息中的特征标签项对应的标签信息和所述景点标签信息中的特征标签项对应的标签信息进行匹配，以获得各待选景点的特征标签指数。
A9、如A1～A8中任一项所述的景点推荐方法，所述根据所述特征标签指数确定多个待选景点的推荐优先级的步骤，具体包括：
对所述特征标签指数进行排序，以获得指数排序结果；
基于所述指数排序结果确定多个待选景点的推荐优先级。
A10、如A2所述的景点推荐方法，所述搜索用户的行程目的地所属区域的区域景点，并计算所述行程目的地到各区域景点的景点耗时的步骤之前，还包括：
获取用户设置的行程目的地和当前地理位置；
根据所述当前地理位置判断所述用户是否处于行程目的地所属区域；
在所述用户不处于所述行程目的地所属区域时，执行所述搜索用户的行程目的地所属区域的区域景点，并计算所述行程目的地到各区域景点的景点耗时的步骤。
A11、如A10所述的景点推荐方法，所述根据所述当前地理位置判断所述用户是否处于行程目的地所属区域的步骤之后，还包括：
在所述用户处于所述行程目的地所属区域时，根据所述当前地理位置搜索所述行程目的地所属区域的区域景点，并计算所述当前地理位置到各区域景点的景点耗时；
获取所述用户的行程规划时间和景点规划数量，并根据所述行程规划时间、所述景点规划数量以及所述当前地理位置到各区域景点的景点耗时从所述区域景点中筛选多个待选景点。
A12、如A1～A11中任一项所述的景点推荐方法，所述根据所述推荐优先级从多个待选景点中筛选待推荐景点，并将所述待推荐景点推送至所述用户的用户终端的步骤，具体包括：
根据所述推荐优先级从多个待选景点中筛选待推荐景点，并获取所述待推荐景点的推荐数量；
根据所述推荐数量匹配对应的展示方式，并将所述待推荐景点和所述展示方式推送至所述用户的用户终端，以使所述用户终端以所述展示方式展示所述待推荐景点。
本发明还公开了B13、一种景点推荐装置，所述景点推荐装置包括：
景点初筛模块，用于根据用户的行程信息确定多个待选景点；
标签获取模块，用于获取各待选景点的景点标签信息，并获取所述用户的景点偏好标签信息；
特征计算模块，用于根据所述景点标签信息和所述景点偏好标签信息计算各待选景点的特征标签指数；
优先级确定模块，用于根据所述特征标签指数确定多个待选景点的推荐优先级；
景点推送模块，用于根据所述推荐优先级从多个待选景点中筛选待推荐景点，并将所述待推荐景点推送至所述用户的用户终端。
B14、如B13所述的景点推荐装置，所述景点初筛模块，还用于搜索用户的行程目的地所属区域的区域景点，并计算所述行程目的地到各区域景点的景点耗时；
所述景点初筛模块，还用于获取所述用户的行程规划时间和景点规划数量，并根据所述行程规划时间、所述景点规划数量以及所述景点耗时从所述区域景点中筛选多个待选景点。
B15、如B14所述的景点推荐装置，所述景点初筛模块，还用于获取所述用户的行程规划时间、景点规划数量以及行程经费预算，并获取各区域景点的消费均值；
所述景点初筛模块，还用于根据所述行程规划时间、所述景点耗时、所述景点规划数量、所述行程经费预算以及所述消费均值从所述区域景点中筛选多个待选景点。
B16、如B14所述的景点推荐装置，所述景点初筛模块，还用于获取所述行程目的地到各区域景点的距离，根据所述距离预测所述用户的交通方式；
所述景点初筛模块，还用于获取所述交通方式的行进速度，根据所述距离和所述行进速度计算所述行程目的地到各区域景点的景点耗时。
B17、如B14所述的景点推荐装置，所述标签获取模块，还用于获取各待选景点的旅游标签信息，并获取各待选景点的历史游览用户的用户标签信息；
所述标签获取模块，还用于将所述旅游标签信息和所述用户标签信息映射至所述行程目的地所属区域对应的空间网格中，以获得各待选景点的不同网格层级的标签信息；
所述标签获取模块，还用于整合所述不同网格层级的标签信息，以获得各待选景点的景点标签信息。
B18、如B17所述的景点推荐装置，所述标签获取模块，还用于爬取各待选景点的历史游览用户的游览图像信息和行为数据信息；
所述标签获取模块，还用于对所述游览图像信息进行图像识别，以获得所述历史游览用户的用户属性信息；
所述标签获取模块，还用于对所述用户行为数据进行语义分析，以获得所述历史游览用户的景点情感信息；
所述标签获取模块，还用于根据所述用户属性信息和所述景点情感信息进行标签匹配，以获得所述历史游览用户的用户标签信息。
本发明还公开了C19、一种景点推荐设备，所述设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的景点推荐程序，所述景点推荐程序配置为实现如A1至A12中任一项所述的景点推荐方法的步骤。
本发明还公开了D20、一种存储介质，所述存储介质上存储有景点推荐程序，所述景点推荐程序被处理器执行时实现如A1至A12中任一项所述的景点推荐方法的步骤。
Claims (10)
1.一种景点推荐方法，其特征在于，所述景点推荐方法包括以下步骤：
根据用户的行程信息确定多个待选景点；
获取各待选景点的景点标签信息，并获取所述用户的景点偏好标签信息；
根据所述景点标签信息和所述景点偏好标签信息计算各待选景点的特征标签指数；
根据所述特征标签指数确定多个待选景点的推荐优先级；
根据所述推荐优先级从多个待选景点中筛选待推荐景点，并将所述待推荐景点推送至所述用户的用户终端。
2.如权利要求1所述的景点推荐方法，其特征在于，所述根据用户的行程信息确定多个待选景点的步骤，具体包括：
搜索用户的行程目的地所属区域的区域景点，并计算所述行程目的地到各区域景点的景点耗时；
获取所述用户的行程规划时间和景点规划数量，并根据所述行程规划时间、所述景点规划数量以及所述景点耗时从所述区域景点中筛选多个待选景点。
3.如权利要求2所述的景点推荐方法，其特征在于，所述获取所述用户的行程规划时间和景点规划数量，并根据所述行程规划时间、所述景点规划数量以及所述景点耗时从所述区域景点中筛选多个待选景点的步骤，具体包括：
获取所述用户的行程规划时间、景点规划数量以及行程经费预算，并获取各区域景点的消费均值；
根据所述行程规划时间、所述景点耗时、所述景点规划数量、所述行程经费预算以及所述消费均值从所述区域景点中筛选多个待选景点。
4.如权利要求2所述的景点推荐方法，其特征在于，所述计算所述行程目的地到各区域景点的景点耗时的步骤，具体包括：
获取所述行程目的地到各区域景点的距离，根据所述距离预测所述用户的交通方式；
获取所述交通方式的行进速度，根据所述距离和所述行进速度计算所述行程目的地到各区域景点的景点耗时。
5.如权利要求2所述的景点推荐方法，其特征在于，所述获取各待选景点的景点标签信息的步骤，具体包括：
获取各待选景点的旅游标签信息，并获取各待选景点的历史游览用户的用户标签信息；
将所述旅游标签信息和所述用户标签信息映射至所述行程目的地所属区域对应的空间网格中，以获得各待选景点的不同网格层级的标签信息；
整合所述不同网格层级的标签信息，以获得各待选景点的景点标签信息。
6.如权利要求5所述的景点推荐方法，其特征在于，所述获取各待选景点的历史游览用户的用户标签信息的步骤，具体包括：
爬取各待选景点的历史游览用户的游览图像信息和游览评价信息；
对所述游览图像信息进行图像识别，以获得所述历史游览用户的用户属性信息；
对所述游览评价信息进行语义分析，以获得所述历史游览用户的景点情感信息；
根据所述用户属性信息和所述景点情感信息进行标签匹配，以获得所述历史游览用户的用户标签信息。
7.如权利要求1～6中任一项所述的景点推荐方法，其特征在于，所述获取所述用户的景点偏好标签信息的步骤，具体包括：
获取所述用户的个人注册数据、历史行程数据以及历史搜索数据；
对所述个人注册数据、所述历史行程数据以及所述历史搜索数据进行语义分析，以获得所述用户的景点偏好信息；
根据所述景点偏好信息进行标签匹配，以获得所述用户的景点偏好标签信息。
8.一种景点推荐装置，其特征在于，所述景点推荐装置包括：
景点初筛模块，用于根据用户的行程信息确定多个待选景点；
标签获取模块，用于获取各待选景点的景点标签信息，并获取所述用户的景点偏好标签信息；
特征计算模块，用于根据所述景点标签信息和所述景点偏好标签信息计算各待选景点的特征标签指数；
优先级确定模块，用于根据所述特征标签指数确定多个待选景点的推荐优先级；
景点推送模块，用于根据所述推荐优先级从多个待选景点中筛选待推荐景点，并将所述待推荐景点推送至所述用户的用户终端。
9.一种景点推荐设备，其特征在于，所述设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的景点推荐程序，所述景点推荐程序配置为实现如权利要求1至7中任一项所述的景点推荐方法的步骤。
10.一种存储介质，其特征在于，所述存储介质上存储有景点推荐程序，所述景点推荐程序被处理器执行时实现如权利要求1至7中任一项所述的景点推荐方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110787523.5A CN113643091A (zh) | 2021-07-12 | 2021-07-12 | 景点推荐方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110787523.5A CN113643091A (zh) | 2021-07-12 | 2021-07-12 | 景点推荐方法、装置、设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113643091A true CN113643091A (zh) | 2021-11-12 |
Family
ID=78417267
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110787523.5A Pending CN113643091A (zh) | 2021-07-12 | 2021-07-12 | 景点推荐方法、装置、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113643091A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
-
2021
- 2021-07-12 CN CN202110787523.5A patent/CN113643091A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
|---|---|---|
| Li et al. | Big data in tourism research: A literature review | |
| Lim et al. | Personalized trip recommendation for tourists based on user interests, points of interest visit durations and visit recency | |
| Liu et al. | A real-time personalized route recommendation system for self-drive tourists based on vehicle to vehicle communication | |
| Barth et al. | Shared-use vehicle systems: Framework for classifying carsharing, station cars, and combined approaches | |
| Hajrasouliha et al. | The impact of street network connectivity on pedestrian volume | |
| KR102236546B1 (ko) | 빅데이터 및 인공지능 기반 관광목적에 따른 선택이 가능한 스마트 관광 서비스 제공 방법 | |
| Zheng | Urban computing | |
| US20170045365A1 (en) | Travel planner platform for providing quality tourism information | |
| KR20160125336A (ko) | 기상 및 기후 요소를 고려한 관광매력도 제공 장치 및 제공 방법 | |
| CN111626777B (zh) | 选址方法、选址决策系统、存储介质及电子设备 | |
| CN116738066B (zh) | 乡村旅游服务推荐方法、装置、电子设备及存储介质 | |
| KR20160020914A (ko) | 기상 및 기후 요소를 고려한 관광매력도 제공 장치 및 제공 방법 | |
| Padia et al. | Sentiment-aware and personalized tour recommendation | |
| Lee et al. | Taxi vacancy duration: a regression analysis | |
| CN113643091A (zh) | 景点推荐方法、装置、设备及存储介质 | |
| Ding et al. | Route planning in a new tourist recommender system: A fireworks algorithm based approach | |
| KR20150083673A (ko) | 여행 플랜 서비스 제공 방법 및 장치 | |
| Sarkaleh et al. | Designing a tourism recommender system based on location, mobile device and user features in museum | |
| CN110968766A (zh) | 基于游客画像及lbs数据的出游方案推荐算法 | |
| Huang | Simulating individual work trips for transit-facilitated accessibility study | |
| Mikhailov et al. | Smartphone-based tourist trip planning system: a context-based approach to offline attraction recommendation | |
| CN112380443B (zh) | 导乘推荐方法、装置、计算机设备和存储介质 | |
| Arias-Molinares et al. | Exploring key spatial determinants for mobility hub placement based on micromobility ridership | |
| CN114297530A (zh) | 一种基于大数据的行程规划方法及系统 | |
| Meire et al. | A bimodal accessibility analysis of Australia through application programming interfaces |
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 |