CN115344777A - 一种基于大数据的多人定制化旅游的方法及装置 - Google Patents
一种基于大数据的多人定制化旅游的方法及装置 Download PDFInfo
- Publication number
- CN115344777A CN115344777A CN202210835803.3A CN202210835803A CN115344777A CN 115344777 A CN115344777 A CN 115344777A CN 202210835803 A CN202210835803 A CN 202210835803A CN 115344777 A CN115344777 A CN 115344777A
- Authority
- CN
- China
- Prior art keywords
- travel
- user
- information
- tourism
- data
- 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 30
- 238000012163 sequencing technique Methods 0.000 claims abstract description 4
- 238000012545 processing Methods 0.000 claims description 8
- 230000004308 accommodation Effects 0.000 claims description 6
- 230000003247 decreasing effect Effects 0.000 claims description 5
- 238000011156 evaluation Methods 0.000 claims description 5
- 238000013500 data storage Methods 0.000 claims description 4
- 238000000605 extraction Methods 0.000 claims description 3
- 238000004806 packaging method and process Methods 0.000 claims description 3
- 238000013480 data collection Methods 0.000 claims description 2
- 238000005516 engineering process Methods 0.000 description 4
- 230000036651 mood Effects 0.000 description 3
- 238000001914 filtration Methods 0.000 description 2
- 238000002156 mixing Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000002996 emotional effect Effects 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002093 peripheral effect Effects 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
- 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
- G06F16/9538—Presentation of query results
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及旅游应用技术领域,具体涉及一种基于大数据的多人定制化旅游的方法及装置;通过对多个用户的数据进行分析,得到多维特征,建立用户画像,再根据每个用户的用户画像进行特征点提取,并对特征点进行分类,得到同类特征和异类特征;根据同类特征检索符合相关景点以及相关游乐设施,得到初始匹配结果,将初始匹配结果的每个旅游信息提取旅游特征点;将旅游特征点与异类特征比对,并对初始匹配结果进行排序,得到多个排序的旅游路线;最后根据用户选择得到最终旅游路线,为多个人结伴而行时,提供符合时间、经济成本要求以及满足多用户个性化需求的景点推荐,并推荐出最合适的旅游路线。
Description
技术领域
本发明涉及旅游应用技术领域,具体涉及一种基于大数据的多人定制化旅游的方法及装置。
背景技术
随着国家经济水平的不断提升,人们也越来越注重精神的放松,旅游已成为人们最喜爱的休闲娱乐项目,不但可以释放压力、舒缓心情,而且还能感受不同地方的风俗文化、当地特色。
人们常常会结伴出去旅游,到处看看,但多人相约出行时,由于每个人想去的地方不同,也有不同的旅游偏好,总会对旅游路线产生分歧,以致于影响出行心情。目前,国内外对推荐算法的应用做了许多研究,涌现出许多推荐技术,常见的有基于内容的推荐方法、协同过滤方法等,还有混合多种推荐技术的方法,常用的旅游推荐都只是针对单人的推荐,当有多个人结伴而行时,不能做出最合适的推荐。
发明内容
针对现有技术中的缺陷,本发明提供一种基于大数据的多人定制化旅游的方法及装置。
一方面,本发明提供了一种基于大数据的多人定制化旅游的方法,所述方法包括下述步骤:
S1:获取至少两个用户录入的参考因素,并同时采集每个用户的历史旅游数据,得到每个用户的多维特征;
S2:获取训练好的旅游标准特征库,将每个用户的所述多维特征与所述旅游标准特征库进行一一比对,得到每个用户的用户画像;
S3:根据每个用户的用户画像进行特征点提取,并对所述特征点进行分类,得到同类特征和异类特征;
S4:根据所述同类特征检索符合相关景点以及相关游乐设施,得到初始匹配结果;
S5:将所述初始匹配结果的每个旅游信息提取旅游特征点;
S6:将所述旅游特征点与所述异类特征比对,并对所述初始匹配结果进行排序,得到多个排序的旅游路线;
S7:响应用户一一递减选择的所述旅游路线,得到最终旅游路线。
可选的,所述获取至少两个用户录入的参考因素,并同时采集每个用户的历史旅游数据,得到每个用户的多维特征之前,还包括:获取本次同行旅游的出发地、旅游时间、人数和出行方式;根据所述人数和出行方式生成对应的调查问卷;将所述调查问卷通过网络链接的方式发送给同行的每个用户。
可选的,所述参考因素包括:用户基本信息、预算信息、旅游原因、旅游喜好;所述历史旅游数据包括:景点特征、出行次数、出行时长、出行频率、消费水平、出行方式、线路特征、访问内容、网络发言、酒店特征。
可选的,所述旅游标准特征库包括:数据存储层:负责将历史用户旅游数据,以及对应的旅游体验评价打包存储;处理层:负责将旅游数据进行比对、分类,采用Hadoop架构进行处理;更新处理层:负责获取实时数据,并与之前旅游数据进行比对,更新旅游数据。
可选的,所述响应用户一一递减选择的所述旅游路线,得到最终旅游路线的步骤,包括:第一个用户选择n个旅游路线;第二个用户在第一个用户选择的所述旅游路线中再选择n-1个旅游路线;第x个用户在第(x-1)个用户选择的所述旅游路线中再选择n-(x-1)个旅游路线;第n个用户在第(n-1)个用户所述旅游路线中再选择1个旅游路线,并为最终旅游路线;其中,n=同行用户总人数。
可选的,所述响应用户一一递减选择的所述旅游路线,得到最终旅游路线的步骤之后,还包括:根据生成的所述最终旅游路线,自动获取途经旅游景点的基本信息以及对应时间段的天气信息,并根据天气信息智能分析生成旅游衣物携带信息;根据最终旅游路线和出行方式,自动获取对应的交通信息;根据交通信息自动获取对应的住宿信息,以及游玩信息;根据天气信息、衣物携带信息、交通信息和游玩信息整合生成旅游指南信息。
另一方面,本发明提供了一种基于大数据的多人定制化旅游的装置,所述装置包括:
用户数据收集单元,用于获取至少两个用户录入的参考因素,并同时采集每个用户的历史旅游数据,得到每个用户的多维特征;
用户画像生成单元,用于获取训练好的旅游标准特征库,将每个用户的所述多维特征与所述旅游标准特征库进行一一比对,得到每个用户的用户画像;
用户特征分类单元,用于根据每个用户的用户画像进行特征点提取,并对所述特征点进行分类,得到同类特征和异类特征;
旅游初始匹配单元,用于根据所述同类特征检索符合相关景点以及相关游乐设施,得到初始匹配结果;
旅游信息提取单元,用于将所述初始匹配结果的每个旅游信息提取旅游特征点;
旅游路线排序单元,用于将所述旅游特征点与所述异类特征比对,并对所述初始匹配结果进行排序,得到多个排序的旅游路线;
旅游路线确定单元,用于响应用户一一递减选择的所述旅游路线,得到最终旅游路线。
可选的,所述用户数据收集单元,还用于获取本次同行旅游的出发地、旅游时间、人数和出行方式;根据所述人数和出行方式生成对应的调查问卷;将所述调查问卷通过网络链接的方式发送给同行的每个用户。
可选的,还包括旅游指南生成单元,用于根据生成的所述最终旅游路线,自动获取途经旅游景点的基本信息以及对应时间段的天气信息,并根据天气信息智能分析生成旅游衣物携带信息;根据最终旅游路线和出行方式,自动获取对应的交通信息;根据交通信息自动获取对应的住宿信息,以及游玩信息;根据天气信息、衣物携带信息、交通信息和游玩信息整合生成旅游指南信息。
本发明的有益效果体现在:本发明通过对多个用户的数据进行分析,得到多维特征,建立用户画像,再对特征点进行分类匹配,最后根据用户选择得到最终旅游路线,为多个人结伴而行时,提供符合时间、经济成本要求以及满足多用户个性化需求的景点推荐,并推荐出最合适的旅游路线。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍。在所有附图中,类似的元件或部分一般由类似的附图标记标识。附图中,各元件或部分并不一定按照实际的比例绘制。
图1是本发明实施例提供的一种基于大数据的多人定制化旅游的方法的流程示意图;
图2是本发明实施例提供的一种基于大数据的多人定制化旅游的装置的结构示意图。
具体实施方式
下面将结合附图对本发明技术方案的实施例进行详细的描述。以下实施例仅用于更加清楚地说明本发明的技术方案,因此只作为示例,而不能以此来限制本发明的保护范围。
需要注意的是,除非另有说明,本申请使用的技术术语或者科学术语应当为本发明所属领域技术人员所理解的通常意义。
在本文中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本发明的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是,本文所描述的实施例可以与其它实施例相结合。
人们常常会结伴出去旅游,到处看看,但多人相约出行时,由于每个人想去的地方不同,也有不同的旅游偏好,总会对旅游路线产生分歧,以致于影响出行心情。目前,国内外对推荐算法的应用做了许多研究,涌现出许多推荐技术,常见的有基于内容的推荐方法、协同过滤方法等,还有混合多种推荐技术的方法,常用的旅游推荐都只是针对单人的推荐,当有多个人结伴而行时,不能做出最合适的推荐;为了解决上述问题,所以有必要,研制一种基于大数据的多人定制化旅游的方法及装置。
本发明设计了一种基于大数据的多人定制化旅游的方法,通过对多个用户的数据进行分析,得到多维特征,建立用户画像,再对特征点进行分类匹配,最后根据用户选择得到最终旅游路线,为多个人结伴而行时,提供符合时间、经济成本要求以及满足多用户个性化需求的景点推荐,并推荐出最合适的旅游路线。
本发明具体实施方式提供一种基于大数据的多人定制化旅游的方法,该方法如图1所示,包括如下步骤:
在步骤S1中,获取至少两个用户录入的参考因素,并同时采集每个用户的历史旅游数据,得到每个用户的多维特征。
在本发明实施例中,先获取本次同行旅游的出发地、旅游时间、人数和出行方式;根据人数和出行方式生成对应的调查问卷;将调查问卷通过网络链接的方式发送给同行的每个用户,每个用户填好调差问卷后,通过参考因素和历史旅游数据,得到每个用户的多维特征。参考因素包括:用户基本信息(年龄、性别、位置、职业、民族、信仰、学历、职业等相关信息)、预算信息、旅游原因(工作原因、感情原因、休闲原因、探索原因)、旅游喜好。历史旅游数据包括:景点特征、出行次数、出行时长、出行频率、消费水平、出行方式、线路特征、访问内容、网络发言、酒店特征。
在步骤S2中,获取训练好的旅游标准特征库,将每个用户的所述多维特征与所述旅游标准特征库进行一一比对,得到每个用户的用户画像。
在本发明实施例中,旅游标准特征库包括数据存储层、处理层和更新处理层;其中,数据存储层:负责将历史用户旅游数据,以及对应的旅游体验评价打包存储;处理层:负责将旅游数据进行比对、分类,采用Hadoop架构进行处理,其中分类方式采用聚类方式,聚类方式为式采用类蚁群算法,通过类似于蚁群的计算方式将各个旅游数据进行归类,完成旅游数据的分类;更新处理层:负责获取实时数据,并与之前旅游数据进行比对,更新旅游数据;若新获取到的实时数据与之前旅游数据有差异,将新数据拆分识别,并根据真实情况覆盖历史数据。将每个用户的所述多维特征与所述旅游标准特征库进行一一比对,通过求解公式:其中X表示目标用户,为目标用户的特征向量,Y为旅游标准特征库,Xi为Y中第i个用户,为第i个用户的特征向量,为所述目标用户特征与所述旅行标准特征库之间的余弦相似度。
在步骤S3中,根据每个用户的用户画像进行特征点提取,并对所述特征点进行分类,得到同类特征和异类特征。
在本发明实施例中,根据每个用户的用户画像提取特征点,对特征点进行同类特征和异类特征的分类,将超人数70%的相同或相似的特征点归纳入同类特征,另外的归纳入异类特征。
在步骤S4中,根据所述同类特征检索符合相关景点以及相关游乐设施,得到初始匹配结果。
在本发明实施例中,根据同类特征检索符合相关景点以及相关游乐设施,并根据类似用户的选择景点的习惯进行初始匹配。比如:同类特征有美食、海边、放松、拍照;就相对应匹配出含以上特征的景点,海南、青岛、厦门、东京等,再对应匹配相应的路线。
在步骤S5中,将所述初始匹配结果的每个旅游信息提取旅游特征点。
在本发明实施例中,每个旅游信息存在多个特征点,将初始匹配出来的旅游信息进行特征点挖掘,包括但不限于通过舆情、网络信息、各类评价、员工自评、景点宣传等渠道。
在步骤S6中,将所述旅游特征点与所述异类特征比对,并对所述初始匹配结果进行排序,得到多个排序的旅游路线。
在本发明实施例中,将旅游特征点与异类特征比对,将旅游路线中异类特征多的在排序时往后排。
在步骤S7中,响应用户一一递减选择的所述旅游路线,得到最终旅游路线。
在本发明实施例中,第一个用户选择n个旅游路线;第二个用户在第一个用户选择的所述旅游路线中再选择n-1个旅游路线;第x个用户在第(x-1)个用户选择的所述旅游路线中再选择n-(x-1)个旅游路线;第n个用户在第(n-1)个用户所述旅游路线中再选择1个旅游路线,并为最终旅游路线;其中,n=同行用户总人数。
若某个用户在选择途中,无法选出较为心仪的旅游路线,则返回步骤S4,重新匹配初始匹配结果,并调整用户选择顺序。
得到最终旅游路线的步骤之后,根据生成的所述最终旅游路线,自动获取途经旅游景点的基本信息以及对应时间段的天气信息,并根据天气信息智能分析生成旅游衣物携带信息;根据最终旅游路线和出行方式,自动获取对应的交通信息;根据交通信息自动获取对应的住宿信息,以及游玩信息;根据天气信息、衣物携带信息、交通信息和游玩信息整合生成旅游指南信息;并实现对周边游玩指南信息进行获取,进一步提高用户的体验。
本发明通过对多个用户的数据进行分析,得到多维特征,建立用户画像,再对特征点进行分类匹配,最后根据用户选择得到最终旅游路线,为多个人结伴而行时,提供符合时间、经济成本要求以及满足多用户个性化需求的景点推荐,并推荐出最合适的旅游路线。
参阅图2,图2提供一种基于大数据的多人定制化旅游的装置,装置包括:
用户数据收集单元21,用于获取至少两个用户录入的参考因素,并同时采集每个用户的历史旅游数据,得到每个用户的多维特征。
可选的,所述用户数据收集单元21,还用于获取本次同行旅游的出发地、旅游时间、人数和出行方式;根据所述人数和出行方式生成对应的调查问卷;将所述调查问卷通过网络链接的方式发送给同行的每个用户。
用户画像生成单元22,用于获取训练好的旅游标准特征库,将每个用户的所述多维特征与所述旅游标准特征库进行一一比对,得到每个用户的用户画像。
用户特征分类单元23,用于根据每个用户的用户画像进行特征点提取,并对所述特征点进行分类,得到同类特征和异类特征。
旅游初始匹配单元24,用于根据所述同类特征检索符合相关景点以及相关游乐设施,得到初始匹配结果。
旅游信息提取单元25,用于将所述初始匹配结果的每个旅游信息提取旅游特征点。
旅游路线排序单元26,用于将所述旅游特征点与所述异类特征比对,并对所述初始匹配结果进行排序,得到多个排序的旅游路线。
旅游路线确定单元27,用于响应用户一一递减选择的所述旅游路线,得到最终旅游路线。
旅游指南生成单元28,用于根据生成的所述最终旅游路线,自动获取途经旅游景点的基本信息以及对应时间段的天气信息,并根据天气信息智能分析生成旅游衣物携带信息;根据最终旅游路线和出行方式,自动获取对应的交通信息;根据交通信息自动获取对应的住宿信息,以及游玩信息;根据天气信息、衣物携带信息、交通信息和游玩信息整合生成旅游指南信息。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围,其均应涵盖在本发明的权利要求和说明书的范围当中。
Claims (9)
1.一种基于大数据的多人定制化旅游的方法,其特征在于,所述方法包括如下步骤:
S1:获取至少两个用户录入的参考因素,并同时采集每个用户的历史旅游数据,得到每个用户的多维特征;
S2:获取训练好的旅游标准特征库,将每个用户的所述多维特征与所述旅游标准特征库进行一一比对,得到每个用户的用户画像;
S3:根据每个用户的用户画像进行特征点提取,并对所述特征点进行分类,得到同类特征和异类特征;
S4:根据所述同类特征检索符合相关景点以及相关游乐设施,得到初始匹配结果;
S5:将所述初始匹配结果的每个旅游信息提取旅游特征点;
S6:将所述旅游特征点与所述异类特征比对,并对所述初始匹配结果进行排序,得到多个排序的旅游路线;
S7:响应用户一一递减选择的所述旅游路线,得到最终旅游路线。
2.根据权利要求1所述的方法,其特征在于,所述获取至少两个用户录入的参考因素,并同时采集每个用户的历史旅游数据,得到每个用户的多维特征之前,还包括:
获取本次同行旅游的出发地、旅游时间、人数和出行方式;
根据所述人数和出行方式生成对应的调查问卷;
将所述调查问卷通过网络链接的方式发送给同行的每个用户。
3.根据权利要求1所述的方法,其特征在于,
所述参考因素包括:用户基本信息、预算信息、旅游原因、旅游喜好;
所述历史旅游数据包括:景点特征、出行次数、出行时长、出行频率、消费水平、出行方式、线路特征、访问内容、网络发言、酒店特征。
4.根据权利要求1所述的方法,其特征在于,所述旅游标准特征库包括:
数据存储层:负责将历史用户旅游数据,以及对应的旅游体验评价打包存储;
处理层:负责将旅游数据进行比对、分类,采用Hadoop架构进行处理;
更新处理层:负责获取实时数据,并与之前旅游数据进行比对,更新旅游数据。
5.根据权利要求1所述的方法,其特征在于,所述响应用户一一递减选择的所述旅游路线,得到最终旅游路线的步骤,包括:
第一个用户选择n个旅游路线;
第二个用户在第一个用户选择的所述旅游路线中再选择n-1个旅游路线;
第x个用户在第(x-1)个用户选择的所述旅游路线中再选择n-(x-1)个旅游路线;
第n个用户在第(n-1)个用户所述旅游路线中再选择1个旅游路线,并为最终旅游路线;
其中,n=同行用户总人数。
6.根据权利要求5所述的方法,其特征在于,所述响应用户一一递减选择的所述旅游路线,得到最终旅游路线的步骤之后,还包括:
根据生成的所述最终旅游路线,自动获取途经旅游景点的基本信息以及对应时间段的天气信息,并根据天气信息智能分析生成旅游衣物携带信息;
根据最终旅游路线和出行方式,自动获取对应的交通信息;
根据交通信息自动获取对应的住宿信息,以及游玩信息;
根据天气信息、衣物携带信息、交通信息和游玩信息整合生成旅游指南信息。
7.一种基于大数据的多人定制化旅游的装置,其特征在于,所述装置包括:
用户数据收集单元,用于获取至少两个用户录入的参考因素,并同时采集每个用户的历史旅游数据,得到每个用户的多维特征;
用户画像生成单元,用于获取训练好的旅游标准特征库,将每个用户的所述多维特征与所述旅游标准特征库进行一一比对,得到每个用户的用户画像;
用户特征分类单元,用于根据每个用户的用户画像进行特征点提取,并对所述特征点进行分类,得到同类特征和异类特征;
旅游初始匹配单元,用于根据所述同类特征检索符合相关景点以及相关游乐设施,得到初始匹配结果;
旅游信息提取单元,用于将所述初始匹配结果的每个旅游信息提取旅游特征点;
旅游路线排序单元,用于将所述旅游特征点与所述异类特征比对,并对所述初始匹配结果进行排序,得到多个排序的旅游路线;
旅游路线确定单元,用于响应用户一一递减选择的所述旅游路线,得到最终旅游路线。
8.根据权利要求7所述的装置,其特征在于,所述用户数据收集单元,还用于获取本次同行旅游的出发地、旅游时间、人数和出行方式;根据所述人数和出行方式生成对应的调查问卷;将所述调查问卷通过网络链接的方式发送给同行的每个用户。
9.根据权利要求7所述的装置,其特征在于,还包括旅游指南生成单元,用于根据生成的所述最终旅游路线,自动获取途经旅游景点的基本信息以及对应时间段的天气信息,并根据天气信息智能分析生成旅游衣物携带信息;根据最终旅游路线和出行方式,自动获取对应的交通信息;根据交通信息自动获取对应的住宿信息,以及游玩信息;根据天气信息、衣物携带信息、交通信息和游玩信息整合生成旅游指南信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210835803.3A CN115344777B (zh) | 2022-07-15 | 2022-07-15 | 一种基于大数据的多人定制化旅游的方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210835803.3A CN115344777B (zh) | 2022-07-15 | 2022-07-15 | 一种基于大数据的多人定制化旅游的方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115344777A true CN115344777A (zh) | 2022-11-15 |
CN115344777B CN115344777B (zh) | 2023-06-20 |
Family
ID=83948273
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210835803.3A Active CN115344777B (zh) | 2022-07-15 | 2022-07-15 | 一种基于大数据的多人定制化旅游的方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115344777B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010211556A (ja) * | 2009-03-11 | 2010-09-24 | Yahoo Japan Corp | 観光ルート提供装置、観光ルート提供方法、及びプログラム |
CN103678429A (zh) * | 2012-09-26 | 2014-03-26 | 阿里巴巴集团控股有限公司 | 一种旅游线路的推荐方法以及装置 |
US20150356623A1 (en) * | 2014-06-09 | 2015-12-10 | Korea Advanced Institute Of Science And Technology | System And Method For Recommending Customized Tourism Content Based On Collecting And Structurizing Of Unstructured Tourism Data |
CN107451903A (zh) * | 2017-08-18 | 2017-12-08 | 四川融慧文创旅游资源开发有限公司 | 定制化旅游的方法及装置 |
US20200058085A1 (en) * | 2018-08-16 | 2020-02-20 | Elizabeth Smith Avery | Solo travel pricing search engine |
US20200226502A1 (en) * | 2019-01-16 | 2020-07-16 | Baidu Online Network Technology (Beijing) Co., Ltd. | Travel plan recommendation method, apparatus, device and computer readable storage medium |
CN112084401A (zh) * | 2020-08-18 | 2020-12-15 | 桂林理工大学 | 一种旅游路线定制装置及方法 |
WO2022088661A1 (zh) * | 2020-11-01 | 2022-05-05 | 云境商务智能研究院南京有限公司 | 基于注意力机制的群体旅游路线推荐方法 |
-
2022
- 2022-07-15 CN CN202210835803.3A patent/CN115344777B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010211556A (ja) * | 2009-03-11 | 2010-09-24 | Yahoo Japan Corp | 観光ルート提供装置、観光ルート提供方法、及びプログラム |
CN103678429A (zh) * | 2012-09-26 | 2014-03-26 | 阿里巴巴集团控股有限公司 | 一种旅游线路的推荐方法以及装置 |
US20150356623A1 (en) * | 2014-06-09 | 2015-12-10 | Korea Advanced Institute Of Science And Technology | System And Method For Recommending Customized Tourism Content Based On Collecting And Structurizing Of Unstructured Tourism Data |
CN107451903A (zh) * | 2017-08-18 | 2017-12-08 | 四川融慧文创旅游资源开发有限公司 | 定制化旅游的方法及装置 |
US20200058085A1 (en) * | 2018-08-16 | 2020-02-20 | Elizabeth Smith Avery | Solo travel pricing search engine |
US20200226502A1 (en) * | 2019-01-16 | 2020-07-16 | Baidu Online Network Technology (Beijing) Co., Ltd. | Travel plan recommendation method, apparatus, device and computer readable storage medium |
CN112084401A (zh) * | 2020-08-18 | 2020-12-15 | 桂林理工大学 | 一种旅游路线定制装置及方法 |
WO2022088661A1 (zh) * | 2020-11-01 | 2022-05-05 | 云境商务智能研究院南京有限公司 | 基于注意力机制的群体旅游路线推荐方法 |
Non-Patent Citations (2)
Title |
---|
RIKUYA YAMAMOTO ET AL.: "Multiple Tour Guide Recommendation for the Sharing Economy", 《2021 IEEE INTERNATIONAL CONFERENCE ON CONSUMER ELECTRONICS (ICCE)》, pages 1 - 4 * |
李琦: "非物质文化遗产保护及其产业化经营探索", 《商业时代》, pages 85 - 86 * |
Also Published As
Publication number | Publication date |
---|---|
CN115344777B (zh) | 2023-06-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US4996642A (en) | System and method for recommending items | |
Ritchie | On the derivation of leisure activity types—a perceptual mapping approach | |
Ricci et al. | ITR: a case-based travel advisory system | |
CN111310019A (zh) | 信息推荐方法、信息处理方法、系统及设备 | |
KR101579376B1 (ko) | 주관성 분석을 이용한 사용자 분류와 그에 따른 개인화된 장소 추천 시스템 및 방법 | |
Singh et al. | A novel deep neural-based music recommendation method considering user and song data | |
KR102525599B1 (ko) | 스트레스 관련 콘텐츠 제공 장치 및 방법 | |
US11314475B2 (en) | Customizing content delivery through cognitive analysis | |
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 | |
US20190385243A1 (en) | Extracting data for professional event and participant grouping recommendations | |
CN112364234B (zh) | 一种在线讨论的自动分组系统 | |
CA3033210A1 (en) | Method and apparatus for interacting with information distribution system | |
JP2016136355A (ja) | 情報処理装置、情報処理方法、及び、プログラム | |
Dharia et al. | PRO-Fit: A personalized fitness assistant framework. | |
CN113836441A (zh) | 一种数据分析进行需求与服务内容匹配的方法及装置 | |
CN107977883A (zh) | 旅行包的推荐方法、装置及计算机设备 | |
CN106951433A (zh) | 一种检索方法及装置 | |
CN111078859A (zh) | 一种基于引用次数的作者推荐方法 | |
Patel et al. | Song playlist generator system based on facial expression and song mood | |
KR20200133976A (ko) | 콘텐츠 큐레이션 방법 및 장치 | |
KR101516329B1 (ko) | 소셜 네트워크 환경에서의 그룹 추천 시스템 및 방법 | |
CN115344777B (zh) | 一种基于大数据的多人定制化旅游的方法及装置 | |
Bi et al. | [Retracted] Personalized Recommendation of Rural Tourism Based on Traffic Classification and User Data Analysis | |
JP3674383B2 (ja) | 情報提供サーバ及び情報提供方法 | |
Neidhardt et al. | Travellers and their joint characteristics within the seven-factor model |
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 |