CN113780613A - 一种路径推荐方法和装置 - Google Patents
一种路径推荐方法和装置 Download PDFInfo
- Publication number
- CN113780613A CN113780613A CN202011484454.2A CN202011484454A CN113780613A CN 113780613 A CN113780613 A CN 113780613A CN 202011484454 A CN202011484454 A CN 202011484454A CN 113780613 A CN113780613 A CN 113780613A
- Authority
- CN
- China
- Prior art keywords
- preset
- spot
- information
- scenic spot
- user
- 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 49
- 238000004590 computer program Methods 0.000 claims description 8
- 238000010586 diagram Methods 0.000 description 13
- 238000004891 communication Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 7
- 230000008569 process Effects 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 4
- 238000007726 management method Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000010276 construction Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 230000001568 sexual effect Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000000758 substrate Substances 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
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
- G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/067—Enterprise or organisation modelling
-
- 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/14—Travel agencies
Abstract
本发明公开了路径推荐方法和装置,涉及计算机技术领域。该方法的一具体实施方式包括获取目标区域内预设时间段各景点的历史流量信息,调用预设的预测模型计算得到各景点舒适性评分;以及获取用户特征信息和景点特征信息,调用预设的推荐模型计算得到各景点用户偏好信息;获取预设的多个推荐景点集合以及目标区域内路网数据,基于各景点舒适性评分、各景点用户偏好信息通过预设的路径规划模型,得到目标路径并推荐。从而,本发明的实施方式能够实现高效、准确的景点游玩路线的推荐。
Description
技术领域
本发明涉及计算机技术领域,尤其涉及一种路径推荐方法和装置。
背景技术
随着当代社会经济的迅速发展,旅游业的发展也如火如荼,游客除了游览景点外,则越来越关注旅行的舒适度与个性化服务。一个好的旅游计划,是能在高舒适度的情况下,尽可能多的游览游客感兴趣的景点,同时能帮助游客大量节省时间和精力。
在实现本发明过程中,发明人发现现有技术中至少存在如下问题:
目前,大多数游客是根据他人推荐的游玩路线来制定自己的游玩计划。然而,这些热门路线,往往不会根据游客个人的喜好与需求来制定游览景点和景点顺序,也没有考虑到旅行当天景点的实时天气情况、游客人数等变化性较大的客观情况。因此,不仅会让游客的游玩体验感和舒适度一落千丈,也让景区内的安全管理工作难度倍增,且制约了景区的全面发展。
发明内容
有鉴于此,本发明实施例提供一种路径推荐方法和装置,能够实现高效、准确的景点游玩路线的推荐。
为实现上述目的,根据本发明实施例的一个方面,提供了一种路径推荐方法,包括获取目标区域内预设时间段各景点的历史流量信息,调用预设的预测模型计算得到各景点舒适性评分;以及获取用户特征信息和景点特征信息,调用预设的推荐模型计算得到各景点用户偏好信息;获取预设的多个推荐景点集合以及目标区域内路网数据,基于各景点舒适性评分、各景点用户偏好信息通过预设的路径规划模型,得到目标路径并推荐。
可选地,获取目标区域内预设时间段各景点的历史流量信息,调用预设的预测模型计算得到各景点舒适性评分,包括:
获取目标区域内预设时间段各景点每天的历史流量信息,利用预设的时序算法得到历史流量数据的变化趋势,进而得到指定的未来时间各景点的预估流量;其中,所述时间段为[Te-Tw,Te-1],Te为指定的未来时间,Tw为预设的时间窗;
根据所述指定的未来时间各景点的预估流量,基于预设的评分算法得到各景点舒适性评分。
可选地,根据所述指定的未来时间各景点的预估流量,基于预设的评分算法得到各景点舒适性评分,包括:
将指定的未来时间各景点的预估流量以预设时间粒度进行切分,得到各景点指定的未来时间预估流量序列;
调用预设的评分算法,根据所述预估流量序列对每个景点进行舒适度评分。
可选地,获取用户特征信息和景点特征信息,调用预设的推荐模型计算得到各景点用户偏好信息,包括:
获取用户特征信息和景点特征信息,基于预设的标签集合分别匹配对应的用户特征标签和各景点特征标签;
根据用户特征标签和各景点特征标签,调用预设的推荐模型计算得到各景点用户偏好信息。
可选地,获取用户特征信息和景点特征信息,基于预设的标签集合分别匹配对应的用户特征标签和各景点特征标签,包括:
获取用户特征信息,基于预设的标签集合,识别用户感兴趣特征标签集合和用户不感兴趣特征标签集合;
获取各景点特征信息,基于预设的标签集合,识别各景点特征标签集合;
根据用户特征标签和景点特征标签,调用预设的推荐模型计算得到各景点用户偏好信息,包括:
判断景点特征标签集合中是否包括用户不感兴趣特征标签集合中的标签,若是则赋值该景点的权重为第一权重;若否则判断景点特征标签集合中是否包括用户感兴趣特征标签集合中的标签,如果是则赋值该景点的权重为第二权重,若否则赋值该景点的权重为第三权重;
根据各景点的权重,获得用户对该景点的偏好信息。
可选地,获取预设的多个推荐景点集合以及目标区域内路网数据,基于各景点舒适性评分、各景点用户偏好信息通过预设的路径规划模型,得到目标路径并推荐,包括:
获取每个推荐景点集合中包括的景点信息,基于目标区域内路网数据进行路线规划,以得到规划后的路径;
基于所述景点信息对应的舒适性评分和用户偏好信息,调用预设的满意度评分算法对所述路径计算满意度分数;
获取满意度分数最高的路径并推荐。
可选地,基于所述景点信息对应的舒适性评分和用户偏好信息,调用预设的满意度评分算法对所述路径计算满意度分数,包括:
确定指定的未来时间的某一时间段,根据景点信息对应的舒适性评分,得到所述时间段的舒适性评分;其中,所述景点信息对应的舒适性评分为根据预设时间粒度切分预估流量得到的舒适性评分序列;
基于所述时间段的舒适性评分和景点信息对应的用户偏好信息,调用预设的满意度评分算法对所述路径计算满意度分数。
另外,本发明还提供了一种路径推荐装置,包括:获取模块,用于获取目标区域内预设时间段各景点的历史流量信息,调用预设的预测模型计算得到各景点舒适性评分;以及获取用户特征信息和景点特征信息,调用预设的推荐模型计算得到各景点用户偏好信息;推荐模块,用于获取预设的多个推荐景点集合以及目标区域内路网数据,基于各景点舒适性评分、各景点用户偏好信息通过预设的路径规划模型,得到目标路径并推荐。
上述发明中的一个实施例具有如下优点或有益效果:本发明通过结合游客个人喜好、景点特色以及游览人流量等等因素,解决了因采用目前路径推荐方案游客游玩舒适性低和因无差别推荐景点导致的推荐准确性差的问题。其中,本发明采用游览舒适度和游客感兴趣程度来定义游客满意度,并将两者作为路径优化的最终目标;并且,本发明采用景点的人群拥挤程度定义游览舒适度。
上述的非惯用的可选方式所具有的进一步效果将在下文中结合具体实施方式加以说明。
附图说明
附图用于更好地理解本发明,不构成对本发明的不当限定。其中:
图1是根据本发明第一实施例的路径推荐方法的主要流程的示意图;
图2是根据本发明第二实施例的路径推荐方法的主要流程的示意图;
图3是根据本发明实施例的路径推荐装置的主要模块的示意图;
图4是本发明实施例可以应用于其中的示例性系统架构图;
图5是适于用来实现本发明实施例的终端设备或服务器的计算机系统的结构示意图。
具体实施方式
以下结合附图对本发明的示范性实施例做出说明,其中包括本发明实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本发明的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
图1是根据本发明第一实施例的路径推荐方法的主要流程的示意图,如图1所示,所述路径推荐方法包括:
步骤S101,获取目标区域内预设时间段各景点的历史流量信息,调用预设的预测模型计算得到各景点舒适性评分;以及获取用户特征信息和景点特征信息,调用预设的推荐模型计算得到各景点用户偏好信息。
在一些实施例中,获取目标区域内预设时间段各景点的历史流量信息,调用预设的预测模型计算得到各景点舒适性评分,包括:
获取目标区域内预设时间段各景点每天的历史流量信息,利用预设的时序算法得到历史流量数据的变化趋势(即历史流量数据的趋势性和周期性的规律),进而得到指定的未来时间各景点的预估流量。
其中,所述时间段为[Te-Tw,Te-1],Te为指定的未来时间,Tw为预设的时间窗。根据所述指定的未来时间各景点的预估流量,基于预设的评分算法得到各景点舒适性评分。例如:Tw为预设的时间窗,以天为单位,取Tw=90,Tw越大,预测效果越好。
需要说明的是,预设的时序算法可以为自回归模型(AR)、移动平均模型(MA)、自回归移动平均模型(ARMA)、自回归积分滑动平均模型(ARIMA)等等。例如:选用自回归积分滑动平均模型(ARIMA)进行时序预测,ARIMA(p,d,q)的数学表达式如下:
其中,p为自回归项数,代表预测模型中采用的时序数据本身的滞后数;q为滑动平均项数,代表预测模型中采用的预测误差的滞后数;d为使之成为平稳序列所做的差分次数(阶数),φ表示自回归的系数,θ表示滑动平均的系数,e为预测误差,
还值得说明的是,由于很多客观因素的影响,会导致获取的目标区域内预设时间段各景点的历史流量信息的变化。也就是说,通过历史流量信息也可以得到哪些客观因素可以影响到流量,进而影响舒适性评分。例如:获取目标区域内预设时间段景点的天气数据与相应的历史流量信息。
进一步地实施例,根据所述指定的未来时间各景点的预估流量,基于预设的评分算法得到各景点舒适性评分,包括:
将指定的未来时间各景点的预估流量以预设时间粒度进行切分,得到各景点指定的未来时间预估流量序列。调用预设的评分算法,根据所述预估流量序列对每个景点进行舒适度评分。例如:以小时为时间粒度进行切分,对历史上各景点的流量进行序列分解,并直接预测Te当天各时段的流量np,p∈[0,24),p∈Z,作为舒适性评分的影响因子输入。一般地,某景点的人流量越少,舒适性评分越高,
作为另一些实施例,获取用户特征信息和景点特征信息,调用预设的推荐模型计算得到各景点用户偏好信息,包括:
获取用户特征信息和景点特征信息,基于预设的标签集合分别匹配对应的用户特征标签和各景点特征标签。根据用户特征标签和各景点特征标签,调用预设的推荐模型计算得到各景点用户偏好信息。
可以看出,该实施例可以根据用户特征和景点特征,分别基于标签集合获取到相应的标签,即用户特征标签和各景点特征标签,进而可以根据用户特征标签和各景点特征标签计算得到该用户对景点的偏好数据。
进一步地实施例,获取用户特征信息和景点特征信息,基于预设的标签集合分别匹配对应的用户特征标签和各景点特征标签,包括:
获取用户特征信息,基于预设的标签集合,识别用户感兴趣特征标签集合和用户不感兴趣特征标签集合。获取各景点特征信息,基于预设的标签集合,识别各景点特征标签集合。
也就是说,本发明基于用户特征信息,可以从预设的标签集合中获取该用户感兴趣的标签,生成用户感兴趣特征标签集合。以及从预设的标签集合中获取该用户不感兴趣的标签,生成用户不感兴趣特征标签集合。例如:标签集合包括历史、人文、风光、娱乐、休闲、亲子、情侣等等标签,根据用户特征信息得到用户感兴趣特征标签集合:历史、人文,以及用户不感兴趣特征标签集合:娱乐、亲子。而某一景点特征标签集合可以包括历史、人文。
在该实施例中,在执行根据用户特征标签和景点特征标签,调用预设的推荐模型计算得到各景点用户偏好信息的过程中,可以判断景点特征标签集合中是否包括用户不感兴趣特征标签集合中的标签,若是则赋值该景点的权重为第一权重,即该景点用户明确不感兴趣。若否则判断景点特征标签集合中是否包括用户感兴趣特征标签集合中的标签,如果是则赋值该景点的权重为第二权重,即该景点用户明确感兴趣。若否则赋值该景点的权重为第三权重,即该景点用户没有明确表态。最后,基于上述过程得到各景点的权重,相应的获得用户对该景点的偏好信息。
步骤S102,获取预设的多个推荐景点集合以及目标区域内路网数据,基于各景点舒适性评分、各景点用户偏好信息通过预设的路径规划模型,得到目标路径并推荐。
在一些实施例中,获取预设的多个推荐景点集合以及目标区域内路网数据,基于各景点舒适性评分、各景点用户偏好信息通过预设的路径规划模型,得到目标路径并推荐,包括:
获取每个推荐景点集合中包括的景点信息(例如景点信息包括:景点名称、景点入口经纬度、景点出口经纬度等等),基于目标区域内路网数据进行路线规划,以得到规划后的路径。例如:可以通过调用第三方电子地图应用程序的API接口,进行路线规划,比如官方推荐的游览路线。然后基于所述景点信息对应的舒适性评分和用户偏好信息,调用预设的满意度评分算法对所述路径计算满意度分数。获取满意度分数最高的路径并推荐。
可以看出,本发明基于多个推荐景点集合,通过结合用户喜好,为其选择尽可能多的感兴趣、不拥挤的景点并规划好游玩路线,进而提高用户的游玩满意度。
进一步地实施例,基于所述景点信息对应的舒适性评分和用户偏好信息,调用预设的满意度评分算法对所述路径计算满意度分数,包括:
确定指定的未来时间的某一时间段,根据景点信息对应的舒适性评分,得到所述时间段的舒适性评分。其中,所述景点信息对应的舒适性评分为根据预设时间粒度切分预估流量得到的舒适性评分序列。然后,基于所述时间段的舒适性评分和景点信息对应的用户偏好信息,调用预设的满意度评分算法对所述路径计算满意度分数。
例如:目标区域内共有m个景点,表示为S={s1,s2,...si,...,sm},每个景点的官方预计游玩时长为Gi,单位为小时。规划后的路径n条,表示为:
R={r1,r2,...,rj,...,rn}
第j条路径由qj个S中的景点组成,表示为:
其中,rsk∈S,k≤m。则游客A将在日期为Te的时段hp(时段按小时划分,一天共24小时,则p∈[0,24),p∈Z,Z整数集)进入景区(即目标区域)进行游玩。对于针对第j条路线rj,进行路线规划有:
min∑Dab,a∈rj,b∈rj,a≠b (1)
其中,Dab表示景点a与b之间的通行距离。
由此公式(1),可得到排序后的路径:
计算线路ri在游客的满意度分数最高时的游玩路线,即让公式(2)的结果最大化:
因此,本发明各景点区域人流量来预估景区内各景点的在指定时段的游览舒适性,以及结合景区内的路网数据和用户喜好数据和官方建议的各景点游览时长,对游览路线中的景点进行游览排序,即实现了以舒适性最高、通行路线最短、最适合游客为目标进行路线规划。
图2是根据本发明第二实施例的路径推荐方法的主要流程的示意图,所述路径推荐方法可以包括:
步骤S201,获取目标区域内预设时间段各景点每天的历史流量信息,利用预设的时序算法得到历史流量数据的变化趋势,进而得到指定的未来时间各景点的预估流量。
在实施例中,所述时间段为[Te-Tw,Te-1],Te为指定的未来时间,Tw为预设的时间窗。
步骤S202,将指定的未来时间各景点的预估流量以预设时间粒度进行切分,得到各景点指定的未来时间预估流量序列。
步骤S203,调用预设的评分算法,根据所述预估流量序列对每个景点进行舒适度评分。
步骤S204,获取用户特征信息,基于预设的标签集合,识别用户感兴趣特征标签集合和用户不感兴趣特征标签集合。
步骤S205,获取各景点特征信息,基于预设的标签集合,识别各景点特征标签集合。
步骤S206,判断景点特征标签集合中是否包括用户不感兴趣特征标签集合中的标签,若是则进行步骤S207,若否则进行步骤S208。
步骤S207,赋值该景点的权重为第一权重,进行步骤S211。
步骤S208,判断景点特征标签集合中是否包括用户感兴趣特征标签集合中的标签,如果是则进行步骤S209,如果否则进行步骤S210。
步骤S209,赋值该景点的权重为第二权重,进行步骤S211。
步骤S210,赋值该景点的权重为第三权重,进行步骤S211。
步骤S211,根据各景点的权重,获得用户对该景点的偏好信息。
步骤S212,获取每个推荐景点集合中包括的景点信息,基于目标区域内路网数据进行路线规划,以得到规划后的路径。
步骤S213,确定指定的未来时间的某一时间段,根据景点信息对应的舒适性评分,得到所述时间段的舒适性评分。
在实施例中,所述景点信息对应的舒适性评分为根据预设时间粒度切分预估流量得到的舒适性评分序列。
步骤S214,基于所述时间段的舒适性评分和景点信息对应的用户偏好信息,调用预设的满意度评分算法对所述路径计算满意度分数。
步骤S215,获取满意度分数最高的路径并推荐。
值得说明的是,步骤S201至步骤S203可以与步骤S204至步骤S211同时执行,或者先执行步骤S201至步骤S203再执行步骤S204至步骤S211,或者先执行步骤S204至步骤S211再执行步骤S201至步骤S203。
图3是根据本发明实施例的路径推荐装置的主要模块的示意图,如图3所示,所述路径推荐装置300包括获取模块301和推荐模块302。其中,获取模块301获取目标区域内预设时间段各景点的历史流量信息,调用预设的预测模型计算得到各景点舒适性评分;以及获取用户特征信息和景点特征信息,调用预设的推荐模型计算得到各景点用户偏好信息;推荐模块302获取预设的多个推荐景点集合以及目标区域内路网数据,基于各景点舒适性评分、各景点用户偏好信息通过预设的路径规划模型,得到目标路径并推荐。
在一些实施例中,获取模块301获取目标区域内预设时间段各景点的历史流量信息,调用预设的预测模型计算得到各景点舒适性评分,包括:
获取目标区域内预设时间段各景点每天的历史流量信息,利用预设的时序算法得到历史流量数据的变化趋势,进而得到指定的未来时间各景点的预估流量;其中,所述时间段为[Te-Tw,Te-1],Te为指定的未来时间,Tw为预设的时间窗;
根据所述指定的未来时间各景点的预估流量,基于预设的评分算法得到各景点舒适性评分。
在一些实施例中,获取模块301根据所述指定的未来时间各景点的预估流量,基于预设的评分算法得到各景点舒适性评分,包括:
将指定的未来时间各景点的预估流量以预设时间粒度进行切分,得到各景点指定的未来时间预估流量序列;
调用预设的评分算法,根据所述预估流量序列对每个景点进行舒适度评分。
在一些实施例中,获取模块301获取用户特征信息和景点特征信息,调用预设的推荐模型计算得到各景点用户偏好信息,包括:
获取用户特征信息和景点特征信息,基于预设的标签集合分别匹配对应的用户特征标签和各景点特征标签;
根据用户特征标签和各景点特征标签,调用预设的推荐模型计算得到各景点用户偏好信息。
在一些实施例中,获取模块301获取用户特征信息和景点特征信息,基于预设的标签集合分别匹配对应的用户特征标签和各景点特征标签,包括:
获取用户特征信息,基于预设的标签集合,识别用户感兴趣特征标签集合和用户不感兴趣特征标签集合;
获取各景点特征信息,基于预设的标签集合,识别各景点特征标签集合;
根据用户特征标签和景点特征标签,调用预设的推荐模型计算得到各景点用户偏好信息,包括:
判断景点特征标签集合中是否包括用户不感兴趣特征标签集合中的标签,若是则赋值该景点的权重为第一权重;若否则判断景点特征标签集合中是否包括用户感兴趣特征标签集合中的标签,如果是则赋值该景点的权重为第二权重,若否则赋值该景点的权重为第三权重;
根据各景点的权重,获得用户对该景点的偏好信息。
在一些实施例中,推荐模块302获取预设的多个推荐景点集合以及目标区域内路网数据,基于各景点舒适性评分、各景点用户偏好信息通过预设的路径规划模型,得到目标路径并推荐,包括:
获取每个推荐景点集合中包括的景点信息,基于目标区域内路网数据进行路线规划,以得到规划后的路径;
基于所述景点信息对应的舒适性评分和用户偏好信息,调用预设的满意度评分算法对所述路径计算满意度分数;
获取满意度分数最高的路径并推荐。
在一些实施例中,推荐模块302基于所述景点信息对应的舒适性评分和用户偏好信息,调用预设的满意度评分算法对所述路径计算满意度分数,包括:
确定指定的未来时间的某一时间段,根据景点信息对应的舒适性评分,得到所述时间段的舒适性评分;其中,所述景点信息对应的舒适性评分为根据预设时间粒度切分预估流量得到的舒适性评分序列;
基于所述时间段的舒适性评分和景点信息对应的用户偏好信息,调用预设的满意度评分算法对所述路径计算满意度分数。
需要说明的是,在本发明所述路径推荐方法和所述路径推荐装置在具体实施内容上具有相应关系,故重复内容不再说明。
图4示出了可以应用本发明实施例的路径推荐方法或路径推荐装置的示例性系统架构400。
如图4所示,系统架构400可以包括终端设备401、402、403,网络404和服务器405。网络404用以在终端设备401、402、403和服务器45之间提供通信链路的介质。网络404可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备401、402、403通过网络404与服务器405交互,以接收或发送消息等。终端设备401、402、403上可以安装有各种通讯客户端应用。
终端设备401、402、403可以是具有路径推荐屏并且支持网页浏览的各种电子设备,包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。
服务器405可以是提供各种服务的服务器,例如对用户利用终端设备401、402、403提供支持的后台管理服务器(仅为示例)。后台管理服务器可以对接收到的产品信息查询请求等数据进行分析等处理,并将处理结果(例如目标推送信息、产品信息--仅为示例)反馈给终端设备。
需要说明的是,本发明实施例所提供的路径推荐方法一般由服务器405执行,相应地,计算装置一般设置于服务器405中。
应该理解,图4中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。
下面参考图5,其示出了适于用来实现本发明实施例的终端设备的计算机系统500的结构示意图。图5示出的终端设备仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图5所示,计算机系统500包括中央处理单元(CPU)501,其可以根据存储在只读存储器(ROM)502中的程序或者从存储部分508加载到随机访问存储器(RAM)503中的程序而执行各种适当的动作和处理。在RAM503中,还存储有计算机系统500操作所需的各种程序和数据。CPU501、ROM502以及RAM503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。
以下部件连接至I/O接口505:包括键盘、鼠标等的输入部分506;包括诸如阴极射线管(CRT)、液晶路径推荐器(LCD)等以及扬声器等的输出部分507;包括硬盘等的存储部分508;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分509。通信部分509经由诸如因特网的网络执行通信处理。驱动器510也根据需要连接至I/O接口505。可拆卸介质511,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器510上,以便于从其上读出的计算机程序根据需要被安装入存储部分508。
特别地,根据本发明公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本发明公开的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分509从网络上被下载和安装,和/或从可拆卸介质511被安装。在该计算机程序被中央处理单元(CPU)501执行时,执行本发明的系统中限定的上述功能。
需要说明的是,本发明所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本发明中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本发明中,计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:无线、电线、光缆、RF等等,或者上述的任意合适的组合。
附图中的流程图和框图,图示了按照本发明各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图或流程图中的每个方框、以及框图或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本发明实施例中所涉及到的模块可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的模块也可以设置在处理器中,例如,可以描述为:一种处理器包括获取模块和推荐模块。其中,这些模块的名称在某种情况下并不构成对该模块本身的限定。
作为另一方面,本发明还提供了一种计算机可读介质,该计算机可读介质可以是上述实施例中描述的设备中所包含的;也可以是单独存在,而未装配入该设备中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被一个该设备执行时,使得该设备包括获取目标区域内预设时间段各景点的历史流量信息,调用预设的预测模型计算得到各景点舒适性评分;以及获取用户特征信息和景点特征信息,调用预设的推荐模型计算得到各景点用户偏好信息;获取预设的多个推荐景点集合以及目标区域内路网数据,基于各景点舒适性评分、各景点用户偏好信息通过预设的路径规划模型,得到目标路径并推荐。
根据本发明实施例的技术方案,能够实现高效、准确的景点游玩路线的推荐。
上述具体实施方式,并不构成对本发明保护范围的限制。本领域技术人员应该明白的是,取决于设计要求和其他因素,可以发生各种各样的修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等,均应包含在本发明保护范围之内。
Claims (10)
1.一种路径推荐方法,其特征在于,包括:
获取目标区域内预设时间段各景点的历史流量信息,调用预设的预测模型计算得到各景点舒适性评分;以及获取用户特征信息和景点特征信息,调用预设的推荐模型计算得到各景点用户偏好信息;
获取预设的多个推荐景点集合以及目标区域内路网数据,基于各景点舒适性评分、各景点用户偏好信息通过预设的路径规划模型,得到目标路径并推荐。
2.根据权利要求1所述的方法,其特征在于,获取目标区域内预设时间段各景点的历史流量信息,调用预设的预测模型计算得到各景点舒适性评分,包括:
获取目标区域内预设时间段各景点每天的历史流量信息,利用预设的时序算法得到历史流量数据的变化趋势,进而得到指定的未来时间各景点的预估流量;其中,所述时间段为[Te-Tw,Te-1],Te为指定的未来时间,Tw为预设的时间窗;
根据所述指定的未来时间各景点的预估流量,基于预设的评分算法得到各景点舒适性评分。
3.根据权利要求2所述的方法,其特征在于,根据所述指定的未来时间各景点的预估流量,基于预设的评分算法得到各景点舒适性评分,包括:
将指定的未来时间各景点的预估流量以预设时间粒度进行切分,得到各景点指定的未来时间预估流量序列;
调用预设的评分算法,根据所述预估流量序列对每个景点进行舒适度评分。
4.根据权利要求1所述的方法,其特征在于,获取用户特征信息和景点特征信息,调用预设的推荐模型计算得到各景点用户偏好信息,包括:
获取用户特征信息和景点特征信息,基于预设的标签集合分别匹配对应的用户特征标签和各景点特征标签;
根据用户特征标签和各景点特征标签,调用预设的推荐模型计算得到各景点用户偏好信息。
5.根据权利要求4所述的方法,其特征在于,获取用户特征信息和景点特征信息,基于预设的标签集合分别匹配对应的用户特征标签和各景点特征标签,包括:
获取用户特征信息,基于预设的标签集合,识别用户感兴趣特征标签集合和用户不感兴趣特征标签集合;
获取各景点特征信息,基于预设的标签集合,识别各景点特征标签集合;
根据用户特征标签和景点特征标签,调用预设的推荐模型计算得到各景点用户偏好信息,包括:
判断景点特征标签集合中是否包括用户不感兴趣特征标签集合中的标签,若是则赋值该景点的权重为第一权重;若否则判断景点特征标签集合中是否包括用户感兴趣特征标签集合中的标签,如果是则赋值该景点的权重为第二权重,若否则赋值该景点的权重为第三权重;
根据各景点的权重,获得用户对该景点的偏好信息。
6.根据权利要求1所述的方法,其特征在于,获取预设的多个推荐景点集合以及目标区域内路网数据,基于各景点舒适性评分、各景点用户偏好信息通过预设的路径规划模型,得到目标路径并推荐,包括:
获取每个推荐景点集合中包括的景点信息,基于目标区域内路网数据进行路线规划,以得到规划后的路径;
基于所述景点信息对应的舒适性评分和用户偏好信息,调用预设的满意度评分算法对所述路径计算满意度分数;
获取满意度分数最高的路径并推荐。
7.根据权利要求6所述的方法,其特征在于,基于所述景点信息对应的舒适性评分和用户偏好信息,调用预设的满意度评分算法对所述路径计算满意度分数,包括:
确定指定的未来时间的某一时间段,根据景点信息对应的舒适性评分,得到所述时间段的舒适性评分;其中,所述景点信息对应的舒适性评分为根据预设时间粒度切分预估流量得到的舒适性评分序列;
基于所述时间段的舒适性评分和景点信息对应的用户偏好信息,调用预设的满意度评分算法对所述路径计算满意度分数。
8.一种路径推荐装置,其特征在于,包括:
获取模块,用于获取目标区域内预设时间段各景点的历史流量信息,调用预设的预测模型计算得到各景点舒适性评分;以及获取用户特征信息和景点特征信息,调用预设的推荐模型计算得到各景点用户偏好信息;
推荐模块,用于获取预设的多个推荐景点集合以及目标区域内路网数据,基于各景点舒适性评分、各景点用户偏好信息通过预设的路径规划模型,得到目标路径并推荐。
9.一种电子设备,其特征在于,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-7中任一所述的方法。
10.一种计算机可读介质,其上存储有计算机程序,其特征在于,所述程序被处理器执行时实现如权利要求1-7中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011484454.2A CN113780613A (zh) | 2020-12-15 | 2020-12-15 | 一种路径推荐方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011484454.2A CN113780613A (zh) | 2020-12-15 | 2020-12-15 | 一种路径推荐方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113780613A true CN113780613A (zh) | 2021-12-10 |
Family
ID=78835257
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011484454.2A Pending CN113780613A (zh) | 2020-12-15 | 2020-12-15 | 一种路径推荐方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113780613A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115096324A (zh) * | 2022-05-25 | 2022-09-23 | 科大讯飞股份有限公司 | 路线推荐方法及相关装置、车机、车辆和存储介质 |
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 |
CN117172388A (zh) * | 2023-10-26 | 2023-12-05 | 新唐信通(北京)科技有限公司 | 一种基于景点排序的景区导航方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003287430A (ja) * | 2002-03-28 | 2003-10-10 | Mazda Motor Corp | 経路設定方法、経路設定サーバ、経路設定装置、及び経路設定プログラム |
CN106095973A (zh) * | 2016-06-20 | 2016-11-09 | 东北大学 | 一种结合短时流量预测的旅游路线推荐方法 |
CN108629323A (zh) * | 2018-05-11 | 2018-10-09 | 哈尔滨工业大学 | 一种景区游客链式出行一体化提供方法 |
CN110222902A (zh) * | 2019-06-13 | 2019-09-10 | 衢州学院 | 旅游景点推荐系统及路径规划方法 |
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 |
CN111143680A (zh) * | 2019-12-27 | 2020-05-12 | 上海携程商务有限公司 | 路线的推荐方法、系统、电子设备及计算机存储介质 |
CN111488522A (zh) * | 2020-04-07 | 2020-08-04 | 湘潭大学 | 一种个性化多维度景点推荐方法 |
-
2020
- 2020-12-15 CN CN202011484454.2A patent/CN113780613A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003287430A (ja) * | 2002-03-28 | 2003-10-10 | Mazda Motor Corp | 経路設定方法、経路設定サーバ、経路設定装置、及び経路設定プログラム |
CN106095973A (zh) * | 2016-06-20 | 2016-11-09 | 东北大学 | 一种结合短时流量预测的旅游路线推荐方法 |
CN108629323A (zh) * | 2018-05-11 | 2018-10-09 | 哈尔滨工业大学 | 一种景区游客链式出行一体化提供方法 |
CN110222902A (zh) * | 2019-06-13 | 2019-09-10 | 衢州学院 | 旅游景点推荐系统及路径规划方法 |
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 |
CN111143680A (zh) * | 2019-12-27 | 2020-05-12 | 上海携程商务有限公司 | 路线的推荐方法、系统、电子设备及计算机存储介质 |
CN111488522A (zh) * | 2020-04-07 | 2020-08-04 | 湘潭大学 | 一种个性化多维度景点推荐方法 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115096324A (zh) * | 2022-05-25 | 2022-09-23 | 科大讯飞股份有限公司 | 路线推荐方法及相关装置、车机、车辆和存储介质 |
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 |
CN117172388A (zh) * | 2023-10-26 | 2023-12-05 | 新唐信通(北京)科技有限公司 | 一种基于景点排序的景区导航方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113780613A (zh) | 一种路径推荐方法和装置 | |
CN110869953A (zh) | 推荐交通出行服务的系统和方法 | |
CN111538904A (zh) | 用于推荐兴趣点的方法和装置 | |
US20100325563A1 (en) | Augmenting a field of view | |
CN106919996A (zh) | 一种目的地预测方法及装置 | |
CN111274341A (zh) | 一种网点选址方法和装置 | |
CN112632379A (zh) | 路线推荐方法、装置、电子设备和存储介质 | |
CN109684624A (zh) | 一种自动识别订单地址路区的方法和装置 | |
CN115033801B (zh) | 物品推荐方法、模型训练方法及电子设备 | |
CN110674208B (zh) | 用于确定用户的职住地信息的方法和装置 | |
US11250037B2 (en) | Location based data mining comparative analysis index | |
CN113886721B (zh) | 个性化兴趣点推荐方法、装置、计算机设备及存储介质 | |
CN110160548B (zh) | 用于生成行驶路线的方法、系统和装置 | |
CN111552835A (zh) | 文件推荐方法、装置及服务器 | |
CN111339409A (zh) | 地图展示方法与系统 | |
US11681895B2 (en) | Cognitive assistant with recommendation capability | |
CN112449217B (zh) | 一种推送视频的方法、装置、电子设备和计算机可读介质 | |
US11734371B2 (en) | Multi-sensory content authorship aid | |
WO2018024222A1 (zh) | 应用推荐方法、装置及服务器 | |
RU2658876C1 (ru) | Способ и сервер для обработки данных датчика беспроводного устройства для создания вектора объекта, связанного с физическим положением | |
US20210256590A1 (en) | Intelligent service and customer matching using an information processing system | |
CN111784378A (zh) | 用于推送权限凭证的方法和装置 | |
CN115066682A (zh) | 用于内容的低时延供应的系统和方法 | |
CN113868532B (zh) | 一种地点推荐方法、装置、电子设备及存储介质 | |
CN110677504B (zh) | 用于确定位置信息的方法和装置 |
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 |