CN114969135A - 一种个性化旅游路线推荐方法、设备及介质 - Google Patents
一种个性化旅游路线推荐方法、设备及介质 Download PDFInfo
- Publication number
- CN114969135A CN114969135A CN202210567086.0A CN202210567086A CN114969135A CN 114969135 A CN114969135 A CN 114969135A CN 202210567086 A CN202210567086 A CN 202210567086A CN 114969135 A CN114969135 A CN 114969135A
- Authority
- CN
- China
- Prior art keywords
- data
- spot
- sight
- search
- sight 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 40
- 230000011218 segmentation Effects 0.000 claims abstract description 75
- 238000012545 processing Methods 0.000 claims abstract description 27
- 238000004140 cleaning Methods 0.000 claims description 9
- 238000012163 sequencing technique Methods 0.000 claims description 7
- 238000011156 evaluation Methods 0.000 claims description 3
- 239000000126 substance Substances 0.000 claims 1
- 230000006399 behavior Effects 0.000 description 4
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000037406 food intake Effects 0.000 description 2
- 235000012631 food intake Nutrition 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000003340 mental effect Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000012216 screening 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
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2457—Query processing with adaptation to user needs
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/242—Query formulation
- G06F16/243—Natural language query formulation
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- Mathematical Physics (AREA)
- Economics (AREA)
- General Engineering & Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Artificial Intelligence (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请实施例公开了一种个性化旅游路线推荐方法、设备及介质。获取不同景点分别对应的景点描述数据,对所述景点描述数据进行分词处理,以得到景点描述标签集;获取用户在当前平台输入的景点搜索数据,以及获取用户在当前平台对应的景点浏览数据,基于所述景点搜索数据与所述景点浏览数据,建立景点搜索标签集;对所述景点描述标签集与所述景点搜索标签集进行分词关联度匹配,以确定出与当前用户的搜索数据相匹配的景点信息;通过所述与当前用户的搜索数据相匹配的景点信息制定旅游路线,并将所述旅游路线推荐给当前用户。通过上述方法,提高个性化旅游路线制定的效率。
Description
技术领域
本申请涉及大数据处理技术领域,尤其涉及一种个性化旅游路线推荐方法、设备及介质。
背景技术
在大数据时代生活水平不断进步的情况下,更多的人关注生活质量,憧憬旅行也成为生活的精神食量之一。对于用户而言,找到一个满足自己需求的旅游路线十分重要,对于景点路线开发商而言,开发一条满足用户需求的旅游路线是景点路线开发的关键。
但通常情况下,用户只能根据自己的需求在旅游平台搜索景点,旅游平台的数据繁多,且不同的旅游景点对应的景点信息描述也各不相同,因此,用户往往需要花费较多的时间去寻找符合自己需求的旅游景点。其次,用户根据挑选出的景点还需要对每个旅游景点进行分析,人工自行制定旅游路线,以致对旅游路线制定的效率较低。
发明内容
本申请实施例提供了一种个性化旅游路线推荐方法、设备及介质,用于解决如下技术问题:通过人工对旅游景点进行选取并制定旅游路线的方式,其效率较低。
本申请实施例采用下述技术方案:
本申请实施例提供一种个性化旅游路线推荐方法。包括,获取不同景点分别对应的景点描述数据,对景点描述数据进行分词处理,以得到景点描述标签集;获取用户在当前平台输入的景点搜索数据,以及获取用户在当前平台对应的景点浏览数据,基于景点搜索数据与景点浏览数据,建立景点搜索标签集;对景点描述标签集与景点搜索标签集进行分词关联度匹配,以确定出与当前用户的搜索数据相匹配的景点信息;通过与当前用户的搜索数据相匹配的景点信息制定旅游路线,并将旅游路线推荐给当前用户。
本申请实施例通过获取景点描述数据以得到景点描述标签集,以及建立景点搜索标签集,能够同时根据景点与用户分别建立标签集,从而根据标签集的相似度,确定出符合用户要求的景点信息。其次,本申请实施例通过将景点搜索数据与景点浏览数据相结合,共同确定出景点搜索标签集,能够扩大景点搜索标签集的数据集,从而使得建立的景点搜索标签集更为全面准确。此外,本申请实施例通过关联度匹配,确定出相应的景点信息,并根据景点信息指定旅游路线,从而无需人工对旅游路线进行规划,提高了旅游路线规划的效率。
在本申请的一种实现方式中,获取不同景点分别对应的景点描述数据,对景点描述数据进行分词处理,以得到景点描述标签集,具体包括:获取不同景点分别对应的景点描述数据;其中,景点描述数据至少包括景点描述信息以及景点评价信息中的一项;通过MapReduce预置计算模型对景点描述数据进行分词处理,以得到景点描述数据对应的景点描述标签集,并将景点描述标签集存储至景点描述数据库。
在本申请的一种实现方式中,基于景点搜索数据与景点浏览数据,建立景点搜索标签集之前,方法还包括:通过jieba分词工具对景点搜索数据进行分词处理,以得到景点搜索分词集;其中,景点搜索数据包括历史搜索数据与当前搜索数据;以及通过jieba分词工具对景点浏览数据进行分词处理,以得到景点浏览分词集;其中,景点浏览数据包括历史浏览数据与当前浏览数据。
在本申请的一种实现方式中,基于景点搜索数据与景点浏览数据,建立景点搜索标签集,具体包括:对景点搜索数据与景点浏览数据进行数据清洗,以将错误数据进行筛除;其中,错误数据至少包括重复数据、乱码数据以及数据缺失中的一项;将数据清洗后的景点搜索分词集,与数据清洗后的景点浏览分词集进行比对,确定出同时属于景点搜索分词集与景点浏览分词集的参考分词;基于参考分词,建立景点搜索标签集。
在本申请的一种实现方式中,对景点描述标签集与景点搜索标签集进行分词关联度匹配,以确定出与当前用户的搜索数据相匹配的景点信息,具体包括:基于景点描述标签集与景点搜索标签集构建有向图;基于景点描述标签集与景点搜索标签集之间的相似度,对有向图中的节点数据进行加权计算,以确定出与当前用户的搜索数据相匹配的景点信息。
在本申请的一种实现方式中,基于景点描述标签集与景点搜索标签集构建有向图,具体包括:将景点描述标签集中的数据作为第一节点;以及将景点搜索标签集中的数据作为第二节点;在景点描述数据集中任意选取第一分词,以及在景点搜索标签数据集中任意选取第二分词;基于第一分词与第二分析进行相似度计算;在计算得到的相似度大于预设相似度的情况下,将第一分词对应的第一节点,与第二分词对应的第二节点进行有向连接,以得到有向图。
在本申请的一种实现方式中,基于景点描述标签集与景点搜索标签集之间的相似度,对有向图中的节点数据进行加权计算,以确定出与当前用户的搜索数据相匹配的景点信息,具体包括:确定出有向图中具有连接关系的第一节点与第二节点之间的相似度;在预置权重赋值模板中,确定出相似度对应的权重值;其中,预置权重值赋值模板中包括多种相似度,以及多种相似度分别对应的权重值;基于权重值对有向图中的第一节点与第二节点进行加权计算;基于加权计算后的数值,从大到小依次对第一节点与第二节点分别进行排序;根据排序顺序,确定出预设数量的第一节点与预设数量的第二节点,以通过预设数量的第一节点与预设数量的第二节点,确定出与当前用户的搜索数据相匹配的景点信息。
在本申请的一种实现方式中,通过与当前用户的搜索数据相匹配的景点信息制定旅游路线,并将旅游路线推荐给当前用户,具体包括:确定与当前用户的搜索数据相匹配的景点信息之间的位置距离,以通过位置距离小于预设距离的景点信息构建第一景点集合;以及确定出第一景点集合中的各个景点分别对应的安全等级,以通过符合当前用户所选的安全等级的景点构建第二景点集合;基于第二景点集合中的各个景点与当前用户之间的距离,制定旅游路线,并将旅游路线推荐给当前用户。
本申请实施例提供一种个性化旅游路线推荐设备,包括:至少一个处理器;以及,与至少一个处理器通信连接的存储器;其中,存储器存储有可被至少一个处理器执行的指令,指令被至少一个处理器执行,以使至少一个处理器能够:获取不同景点分别对应的景点描述数据,对景点描述数据进行分词处理,以得到景点描述标签集;获取用户在当前平台输入的景点搜索数据,以及获取用户在当前平台对应的景点浏览数据,基于景点搜索数据与景点浏览数据,建立景点搜索标签集;对景点描述标签集与景点搜索标签集进行分词关联度匹配,以确定出与当前用户的搜索数据相匹配的景点信息;通过与当前用户的搜索数据相匹配的景点信息制定旅游路线,并将旅游路线推荐给当前用户。
本申请实施例提供的一种非易失性计算机存储介质,存储有计算机可执行指令,计算机可执行指令设置为:获取不同景点分别对应的景点描述数据,对景点描述数据进行分词处理,以得到景点描述标签集;获取用户在当前平台输入的景点搜索数据,以及获取用户在当前平台对应的景点浏览数据,基于景点搜索数据与景点浏览数据,建立景点搜索标签集;对景点描述标签集与景点搜索标签集进行分词关联度匹配,以确定出与当前用户的搜索数据相匹配的景点信息;通过与当前用户的搜索数据相匹配的景点信息制定旅游路线,并将旅游路线推荐给当前用户。
本申请实施例采用的上述至少一个技术方案能够达到以下有益效果:本申请实施例通过获取景点描述数据以得到景点描述标签集,以及建立景点搜索标签集,能够同时根据景点与用户分别建立标签集,从而根据标签集的相似度,确定出符合用户要求的景点信息。其次,本申请实施例通过将景点搜索数据与景点浏览数据相结合,共同确定出景点搜索标签集,能够扩大景点搜索标签集的数据集,从而使得建立的景点搜索标签集更为全面准确。此外,本申请实施例通过关联度匹配,确定出相应的景点信息,并根据景点信息指定旅游路线,从而无需人工对旅游路线进行规划,提高了旅游路线规划的效率。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请中记载的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。在附图中:
图1为本申请实施例提供的一种个性化旅游路线推荐方法流程图;
图2为本申请实施例提供的一种个性化旅游路线推荐设备的结构示意图。
具体实施方式
本申请实施例提供一种个性化旅游路线推荐方法、设备及介质。
为了使本技术领域的人员更好地理解本申请中的技术方案,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本说明书实施例,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他实施例,都应当属于本申请保护的范围。
在大数据时代,生活水平不断进步的情况下,更多的人关注生活质量,憧憬旅行也成为生活的精神食量之一。对于用户而言,找到一个满足自己需求的旅游路线十分重要,对于景点路线开发商而言,开发一条满足用户需求的旅游路线是景点路线开发的关键。
但通常情况下,用户只能根据自己的需求在旅游平台搜索景点,旅游平台的数据繁多,且不同的旅游景点对应的景点信息描述也各不相同,因此,用户往往需要花费较多的时间去寻找符合自己需求的旅游景点。其次,用户根据挑选出的景点还需要对每个旅游景点进行分析,人工自行制定旅游路线,以致对旅游路线制定的效率较低。
为了解决上述问题,本申请实施例提供了一种个性化旅游路线推荐方法、设备及介质。通过获取景点描述数据以得到景点描述标签集,以及建立景点搜索标签集,能够同时根据景点与用户分别建立标签集,从而根据标签集的相似度,确定出符合用户要求的景点信息。其次,本申请实施例通过将景点搜索数据与景点浏览数据相结合,共同确定出景点搜索标签集,能够扩大景点搜索标签集的数据集,从而使得建立的景点搜索标签集更为全面准确。此外,本申请实施例通过关联度匹配,确定出相应的景点信息,并根据景点信息指定旅游路线,从而无需人工对旅游路线进行规划,提高了旅游路线规划的效率。
下面通过附图对本申请实施例提出的技术方案进行详细的说明。
图1为本申请实施例提供的一种个性化旅游路线推荐方法流程图。如图1所示,个性化旅游路线推荐方法包括如下步骤:
S101、获取不同景点分别对应的景点描述数据,对景点描述数据进行分词处理,以得到景点描述标签集。
在本申请的一个实施例中,获取不同景点分别对应的景点描述数据,其中,景点描述数据至少包括景点描述信息以及景点评价信息中的一项。通过MapReduce预置计算模型对景点描述数据进行分词处理,以得到景点描述数据对应的景点描述标签集,并将景点描述标签集存储至景点描述数据库。
具体地,对于一个旅游景点,特别是农家乐形式的景点,根据景点主人或者景点推荐人对于景点的描述以及体验过的用户对于该景点的评论,采集相应的景点描述数据。然后利用MapReduce预置计算模型对该景点描述数据进行分词处理,得到景点描述标签集,并将该景点描述标签集存储在景点描述数据库中。在用户对旅游路线进行制定时,可以直接在该景点描述数据库中对景点描述标签进行提取,从而快速完成标签匹配,以对旅游路线进行个性化制定。
S102、获取用户在当前平台输入的景点搜索数据,以及获取用户在当前平台对应的景点浏览数据,基于景点搜索数据与景点浏览数据,建立景点搜索标签集。
在本申请的一个实施例中,通过jieba分词工具对景点搜索数据进行分词处理,以得到景点搜索分词集。其中,景点搜索数据包括历史搜索数据与当前搜索数据。以及通过jieba分词工具对景点浏览数据进行分词处理,以得到景点浏览分词集,其中,景点浏览数据包括历史浏览数据与当前浏览数据。
具体地,对于一个新注册的用户来说,该平台中没有与之相关的历史行为数据,即用户标签画像为空。这时可以通过用户的搜索行为进行景点搜索数据采集,并对其进行分词处理,搜索之后根据用户的浏览查看,获取当前景点浏览数据,并对其进行分词处理。采用jieba分词工具对景点搜索数据与景点浏览数据进行分词处理。
进一步地,若用户不是新注册的用户,该平台中会存储有该用户的历史景点搜索数据与历史景点浏览数据。这时可以通过用户的历史搜索行为以及当前搜索行为进行景点搜索数据采集,并对其进行分词处理,搜索之后根据用户的历史浏览查看与当前浏览查看,获取历史景点浏览数据与当前景点浏览数据,并采用jieba分词工具对对其进行分词处理。
在本申请的一个实施例中,对景点搜索分词集与景点浏览分词集进行数据清洗,以将错误数据进行筛除。其中,错误数据至少包括重复数据、乱码数据以及数据缺失中的一项。将数据清洗后的景点搜索分词集,与数据清洗后的景点浏览分词集进行比对,确定出同时属于景点搜索分词集与景点浏览分词集的参考分词。基于参考分词,建立景点搜索标签集。
具体地,通过分词后得到的景点搜索分词集与景点浏览分词集中,可能会存再各种各样的错误数据。例如,某些分词重复出现、某些分词出现乱码以致难以对其进行分析,还有一些分词会出现数据缺失的问题。为了提高分词集比对的效率,可以先将景点搜索分词集与景点浏览分词集中的错误数据进行筛除处理。之后,将景点搜索分词集与景点浏览分词集中剩余的分词进行比对,以得到两个分词集中同时存在的分词。该分词同时存在于两个分词集中,说明该分词与当前景点信息更为匹配,因此,将该同时存在于两个分词集中的分词标注为参考分词,以基于该参考分词建立景点搜索标签集。
S103、对景点描述标签集与景点搜索标签集进行分词关联度匹配,以确定出与当前用户的搜索数据相匹配的景点信息。
在本申请的一个实施例中,基于景点描述标签集与景点搜索标签集构建有向图。基于景点描述标签集与景点搜索标签集之间的相似度,对有向图中的节点数据进行加权计算,以确定出与当前用户的搜索数据相匹配的景点信息。
具体地,为了使得景点描述标签集与景点搜索标签集之间的匹配关系更为清楚,可以基于景点描述标签集与景点搜索标签集建立有向图。通过有向图中节点的连接关系,确定出景点描述标签集与景点搜索标签集之间的指向关系,从而确定出两个标签集之间分词的相似度关系。基于该相似度关系,确定出与用户搜索数据相匹配的景点信息,以对用户推荐更为精准的旅游线路图。
在本申请的一个实施例中,将景点描述标签集中的数据作为第一节点,以及将景点搜索标签集中的数据作为第二节点。在景点描述标签集中任意选取第一分词,以及在景点搜索标签集中任意选取第二分词。基于第一分词与第二分析进行相似度计算。在计算得到的相似度大于预设相似度的情况下,将第一分词对应的第一节点,与第二分词对应的第二节点进行有向连接,以得到有向图。
具体地,将景点描述标签集中的数据作为第一节点,以及将景点搜索标签集中的数据作为第二节点,以对景点描述标签集中的数据与景点搜索标签集中的数据进行区分。从而使得二者之间的连接关系更为清晰明了。
进一步地,先在景点描述标签集中任意选取一个分词,将该分词与景点搜索标签集中的多个分词分别进行相似度计算。例如,可以通过余弦相似度确定出两个分词之间的相似度。将得到的分词相似度与预设相似度进行比对,若得到的相似度大于预设相似度,则说明这两个分词的相似度较高,此时对这两个分词对应的节点进行连接。之后,在景点描述标签集中重新选取一个分词,重新计算该分词分别与景点搜索标签集中每个分词的相似度。以此类推,直到将景点描述标签集中的分词与景点搜索标签集中的分词比对完毕,以完成该有向图中第一节点与第二节点的连接关系。
在本申请的一个实施例中,确定出有向图中具有连接关系的第一节点与第二节点之间的相似度。在预置权重赋值模板中,确定出相似度对应的权重值;其中,预置权重值赋值模板中包括多种相似度,以及多种相似度分别对应的权重值。基于权重值对有向图中的第一节点与第二节点进行加权计算。基于加权计算后的数值,从大到小依次对第一节点与第二节点分别进行排序。根据排序顺序,确定出预设数量的第一节点与预设数量的第二节点,以通过预设数量的第一节点与预设数量的第二节点,确定出与当前用户的搜索数据相匹配的景点信息。
具体地,基于有向图中的连接关系,可以确定出第一节点与第二节点之间的连接关系。以及通过余弦相似度确定出具有连接关系的两个节点之间的相似度。本申请实施例预先设置有预置权重值赋值模板,该模板中包含有多种相似值,以及每一种相似值分别对应的权重值。即,相似值越高其对应的权重值越高。基于该预置权重值赋值模板,对具有连接关系的第一节点与第二节点分别进行权重值赋值。
进一步地,对每一个节点对应的权重值进行相加计算,即可得到每个节点分别对应的计算后的权重值。按照计算后的权重值的大小,对第一节点进行排序,以及根据计算后的权重值的大小,对第二节点进行排序。在排序后的第一节点中,选择权重值较大的多个第一节点,例如,可以从大到小,选取10个第一节点。以及,在排序后的第二节点中,选择权重值较大的等多个第二节点,例如,可以选取10个第二节点。
进一步地,基于选择出的权重值较大的多个第一节点,确定出与其对应的景点描述数据,进而确定出与该权重值较大的多个第一节点分别对应的景点信息。基于选择出的权重值较大的多个第二节点,确定出与其对应的景点搜索描述数据,进而确定出与该权重值较大的多个第二节点对应的用户景点选择需求。通过选择出的多个第二节点可以对确定出的景点信息进行检测,以确定二者之间的相符程度。
S104、通过与当前用户的搜索数据相匹配的景点信息制定旅游路线,并将旅游路线推荐给当前用户。
在本申请的一个实施例中,确定与当前用户的搜索数据相匹配的景点信息之间的位置距离,以通过位置距离小于预设距离的景点信息构建第一景点集合。以及确定出第一景点集合中的各个景点分别对应的安全等级,以通过符合当前用户所选的安全等级的景点构建第二景点集合。基于第二景点集合中的各个景点与当前用户之间的距离,制定旅游路线,并将旅游路线推荐给当前用户。
具体地,可以利用高德地图判断选取出的各景点的位置关系,安全等级以及天气、交通等情况,以将位置偏远或者安全等级较低的景点信息进行筛除。确定出用户当前的位置信息,根据筛除后剩余的景点信息与用户当前位置信息进行比对,根据与用户当前位置信息的远近,制定旅游路线,并将该旅游路线推荐给当前用户。
图2为本申请实施例提供的一种个性化旅游路线推荐设备的结构示意图。如图2所示,个性化旅游路线推荐设备,包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够:
获取不同景点分别对应的景点描述数据,对所述景点描述数据进行分词处理,以得到景点描述标签集;
获取用户在当前平台输入的景点搜索数据,以及获取用户在当前平台对应的景点浏览数据,基于所述景点搜索数据与所述景点浏览数据,建立景点搜索标签集;
对所述景点描述标签集与所述景点搜索标签集进行分词关联度匹配,以确定出与当前用户的搜索数据相匹配的景点信息;
通过所述与当前用户的搜索数据相匹配的景点信息制定旅游路线,并将所述旅游路线推荐给当前用户。
本申请实施例还提供一种非易失性计算机存储介质,存储有计算机可执行指令,所述计算机可执行指令设置为:
获取不同景点分别对应的景点描述数据,对所述景点描述数据进行分词处理,以得到景点描述标签集;
获取用户在当前平台输入的景点搜索数据,以及获取用户在当前平台对应的景点浏览数据,基于所述景点搜索数据与所述景点浏览数据,建立景点搜索标签集;
对所述景点描述标签集与所述景点搜索标签集进行分词关联度匹配,以确定出与当前用户的搜索数据相匹配的景点信息;
通过所述与当前用户的搜索数据相匹配的景点信息制定旅游路线,并将所述旅游路线推荐给当前用户。
本申请中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于装置、设备、非易失性计算机存储介质实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
上述对本申请特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
以上所述仅为本申请的实施例而已,并不用于限制本申请。对于本领域技术人员来说,本申请的实施例可以有各种更改和变化。凡在本申请实施例的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本申请的权利要求范围之内。
Claims (10)
1.一种个性化旅游路线推荐方法,其特征在于,所述方法包括:
获取不同景点分别对应的景点描述数据,对所述景点描述数据进行分词处理,以得到景点描述标签集;
获取用户在当前平台输入的景点搜索数据,以及获取用户在当前平台对应的景点浏览数据,基于所述景点搜索数据与所述景点浏览数据,建立景点搜索标签集;
对所述景点描述标签集与所述景点搜索标签集进行分词关联度匹配,以确定出与当前用户的搜索数据相匹配的景点信息;
通过所述与当前用户的搜索数据相匹配的景点信息制定旅游路线,并将所述旅游路线推荐给当前用户。
2.根据权利要求1所述的一种个性化旅游路线推荐方法,其特征在于,所述获取不同景点分别对应的景点描述数据,对所述景点描述数据进行分词处理,以得到景点描述标签集,具体包括:
获取不同景点分别对应的景点描述数据;其中,所述景点描述数据至少包括景点描述信息以及景点评价信息中的一项;
通过MapReduce预置计算模型对所述景点描述数据进行分词处理,以得到所述景点描述数据对应的景点描述标签集,并将所述景点描述标签集存储至景点描述数据库。
3.根据权利要求1所述的一种个性化旅游路线推荐方法,其特征在于,所述基于所述景点搜索数据与所述景点浏览数据,建立景点搜索标签集之前,所述方法还包括:
通过jieba分词工具对所述景点搜索数据进行分词处理,以得到景点搜索分词集;其中,所述景点搜索数据包括历史搜索数据与当前搜索数据;以及
通过jieba分词工具对所述景点浏览数据进行分词处理,以得到景点浏览分词集;其中,所述景点浏览数据包括历史浏览数据与当前浏览数据。
4.根据权利要求3所述的一种个性化旅游路线推荐方法,其特征在于,所述基于所述景点搜索数据与所述景点浏览数据,建立景点搜索标签集,具体包括:
对所述景点搜索分词集与所述景点浏览分词集进行数据清洗,以将错误数据进行筛除;其中,所述错误数据至少包括重复数据、乱码数据以及数据缺失中的一项;
将数据清洗后的所述景点搜索分词集,与数据清洗后的所述景点浏览分词集进行比对,确定出同时属于所述景点搜索分词集与所述景点浏览分词集的参考分词;
基于所述参考分词,建立所述景点搜索标签集。
5.根据权利要求1所述的一种个性化旅游路线推荐方法,其特征在于,所述对所述景点描述标签集与所述景点搜索标签集进行分词关联度匹配,以确定出与当前用户的搜索数据相匹配的景点信息,具体包括:
基于所述景点描述标签集与所述景点搜索标签集构建有向图;
基于所述景点描述标签集与所述景点搜索标签集之间的相似度,对所述有向图中的节点数据进行加权计算,以确定出与当前用户的搜索数据相匹配的景点信息。
6.根据权利要求5所述的一种个性化旅游路线推荐方法,其特征在于,所述基于所述景点描述标签集与所述景点搜索标签集构建有向图,具体包括:
将所述景点描述标签集中的数据作为第一节点;以及将所述景点搜索标签集中的数据作为第二节点;
在所述景点描述数据集中任意选取第一分词,以及在所述景点搜索标签数据集中任意选取第二分词;
基于所述第一分词与所述第二分析进行相似度计算;
在计算得到的相似度大于预设相似度的情况下,将所述第一分词对应的第一节点,与所述第二分词对应的第二节点进行有向连接,以得到所述有向图。
7.根据权利要求5所述的一种个性化旅游路线推荐方法,其特征在于,所述基于所述景点描述标签集与所述景点搜索标签集之间的相似度,对所述有向图中的节点数据进行加权计算,以确定出与当前用户的搜索数据相匹配的景点信息,具体包括:
确定出所述有向图中具有连接关系的第一节点与第二节点之间的相似度;
在预置权重赋值模板中,确定出所述相似度对应的权重值;其中,所述预置权重值赋值模板中包括多种相似度,以及所述多种相似度分别对应的权重值;
基于所述权重值对所述有向图中的第一节点与第二节点进行加权计算;
基于加权计算后的数值,从大到小依次对所述第一节点与所述第二节点分别进行排序;
根据排序顺序,确定出预设数量的第一节点与预设数量的第二节点,以通过所述预设数量的第一节点与所述预设数量的第二节点,确定出与当前用户的搜索数据相匹配的景点信息。
8.根据权利要求1所述的一种个性化旅游路线推荐方法,其特征在于,所述通过所述与当前用户的搜索数据相匹配的景点信息制定旅游路线,并将所述旅游路线推荐给当前用户,具体包括:
确定所述与当前用户的搜索数据相匹配的景点信息之间的位置距离,以通过位置距离小于预设距离的景点信息构建第一景点集合;以及
确定出所述第一景点集合中的各个景点分别对应的安全等级,以通过符合当前用户所选的安全等级的景点构建第二景点集合;
基于所述第二景点集合中的各个景点与当前用户之间的距离,制定旅游路线,并将所述旅游路线推荐给当前用户。
9.一种个性化旅游路线推荐设备,包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够:
获取不同景点分别对应的景点描述数据,对所述景点描述数据进行分词处理,以得到景点描述标签集;
获取用户在当前平台输入的景点搜索数据,以及获取用户在当前平台对应的景点浏览数据,基于所述景点搜索数据与所述景点浏览数据,建立景点搜索标签集;
对所述景点描述标签集与所述景点搜索标签集进行分词关联度匹配,以确定出与当前用户的搜索数据相匹配的景点信息;
通过所述与当前用户的搜索数据相匹配的景点信息制定旅游路线,并将所述旅游路线推荐给当前用户。
10.一种非易失性计算机存储介质,存储有计算机可执行指令,所述计算机可执行指令设置为:
获取不同景点分别对应的景点描述数据,对所述景点描述数据进行分词处理,以得到景点描述标签集;
获取用户在当前平台输入的景点搜索数据,以及获取用户在当前平台对应的景点浏览数据,基于所述景点搜索数据与所述景点浏览数据,建立景点搜索标签集;
对所述景点描述标签集与所述景点搜索标签集进行分词关联度匹配,以确定出与当前用户的搜索数据相匹配的景点信息;
通过所述与当前用户的搜索数据相匹配的景点信息制定旅游路线,并将所述旅游路线推荐给当前用户。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210567086.0A CN114969135B (zh) | 2022-05-24 | 2022-05-24 | 一种个性化旅游路线推荐方法、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210567086.0A CN114969135B (zh) | 2022-05-24 | 2022-05-24 | 一种个性化旅游路线推荐方法、设备及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114969135A true CN114969135A (zh) | 2022-08-30 |
CN114969135B CN114969135B (zh) | 2024-05-28 |
Family
ID=82985180
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210567086.0A Active CN114969135B (zh) | 2022-05-24 | 2022-05-24 | 一种个性化旅游路线推荐方法、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114969135B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016107417A1 (zh) * | 2014-12-29 | 2016-07-07 | 广州神马移动信息科技有限公司 | 基于旅游目标地域来挖掘旅游路线的方法和设备 |
CN112686778A (zh) * | 2020-12-24 | 2021-04-20 | 河南牧业经济学院 | 基于大数据的旅游路线规划方法、装置及设备 |
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 |
CN113763084A (zh) * | 2020-09-21 | 2021-12-07 | 北京沃东天骏信息技术有限公司 | 产品推荐的处理方法、装置、设备及存储介质 |
-
2022
- 2022-05-24 CN CN202210567086.0A patent/CN114969135B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016107417A1 (zh) * | 2014-12-29 | 2016-07-07 | 广州神马移动信息科技有限公司 | 基于旅游目标地域来挖掘旅游路线的方法和设备 |
CN113763084A (zh) * | 2020-09-21 | 2021-12-07 | 北京沃东天骏信息技术有限公司 | 产品推荐的处理方法、装置、设备及存储介质 |
CN112686778A (zh) * | 2020-12-24 | 2021-04-20 | 河南牧业经济学院 | 基于大数据的旅游路线规划方法、装置及设备 |
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 (1)
Title |
---|
姬鹏飞;李远刚;卢盛祺;戴开宇;: "基于语义Web的旅游路线个性化定制系统", 计算机工程, no. 10, 15 October 2016 (2016-10-15), pages 314 - 323 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
Also Published As
Publication number | Publication date |
---|---|
CN114969135B (zh) | 2024-05-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2020228706A1 (zh) | 基于围栏地址的坐标数据处理方法、装置和计算机设备 | |
CN107657267B (zh) | 产品潜在用户挖掘方法及装置 | |
WO2016107417A1 (zh) | 基于旅游目标地域来挖掘旅游路线的方法和设备 | |
CN107545000A (zh) | 基于知识图谱的信息推送方法及装置 | |
CN109508420B (zh) | 一种知识图谱属性的清洗方法及装置 | |
CN105843850B (zh) | 搜索优化方法和装置 | |
CN110347777B (zh) | 一种兴趣点poi的分类方法、装置、服务器及存储介质 | |
CN111914550B (zh) | 一种面向限定领域的知识图谱更新方法及系统 | |
CN103970733B (zh) | 一种基于图结构的中文新词识别方法 | |
CN109829065B (zh) | 图像检索方法、装置、设备及计算机可读存储介质 | |
CN111931077B (zh) | 数据处理方法、装置、电子设备及存储介质 | |
CN109684548B (zh) | 一种基于用户图谱的数据推荐方法 | |
CN111177399A (zh) | 一种知识图谱构建方法和装置 | |
CN111680506A (zh) | 数据库表的外键映射方法、装置、电子设备和存储介质 | |
CN111831899A (zh) | 导航兴趣点推荐方法、装置及服务器 | |
CN114969135A (zh) | 一种个性化旅游路线推荐方法、设备及介质 | |
CN112559676B (zh) | 相似题目的检索方法、装置及计算机存储介质 | |
CN110737779B (zh) | 知识图谱的构建方法、装置、存储介质和电子设备 | |
CN113553399B (zh) | 基于模糊语言近似概念格的文本搜索方法及系统 | |
CN113343012B (zh) | 一种新闻配图方法、装置、设备及存储介质 | |
CN110209916B (zh) | 一种兴趣点图像推荐方法及装置 | |
CN111104614A (zh) | 用于旅游目的地推荐系统的召回信息的生成方法 | |
CN116108059B (zh) | 地理测绘分幅矢量数据单体化方法、装置及电子设备 | |
CN111782973A (zh) | 兴趣点状态预测方法、装置、电子设备及存储介质 | |
CN110188277A (zh) | 一种资源的推荐方法及装置 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |