CN117332994B - 酒店多媒体资源分配方法、系统、电子设备及存储介质 - Google Patents
酒店多媒体资源分配方法、系统、电子设备及存储介质 Download PDFInfo
- Publication number
- CN117332994B CN117332994B CN202311628068.XA CN202311628068A CN117332994B CN 117332994 B CN117332994 B CN 117332994B CN 202311628068 A CN202311628068 A CN 202311628068A CN 117332994 B CN117332994 B CN 117332994B
- Authority
- CN
- China
- Prior art keywords
- data
- hotel
- multimedia resource
- resource demand
- demand
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 42
- 238000013468 resource allocation Methods 0.000 title claims abstract description 31
- 238000012216 screening Methods 0.000 claims abstract description 31
- 238000009826 distribution Methods 0.000 claims description 58
- 230000008859 change Effects 0.000 claims description 51
- 238000012545 processing Methods 0.000 claims description 11
- 238000007726 management method Methods 0.000 claims description 6
- 238000007405 data analysis Methods 0.000 claims description 3
- 238000004458 analytical method Methods 0.000 description 12
- 238000004891 communication Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 7
- 230000000737 periodic effect Effects 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 230000003247 decreasing effect Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000013439 planning Methods 0.000 description 4
- 238000000638 solvent extraction Methods 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000012512 characterization method Methods 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000001932 seasonal effect Effects 0.000 description 2
- 238000012163 sequencing technique Methods 0.000 description 2
- 238000009827 uniform distribution Methods 0.000 description 2
- 241000728173 Sarima Species 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 235000012054 meals Nutrition 0.000 description 1
- 238000005259 measurement Methods 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
- 238000009877 rendering Methods 0.000 description 1
- 238000012731 temporal analysis Methods 0.000 description 1
- 238000000700 time series analysis Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
- 230000003442 weekly effect Effects 0.000 description 1
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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06315—Needs-based resource requirements planning or 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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0202—Market predictions or forecasting for commercial activities
-
- 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
- G06Q50/12—Hotels or restaurants
-
- 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
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Tourism & Hospitality (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- General Business, Economics & Management (AREA)
- Game Theory and Decision Science (AREA)
- Educational Administration (AREA)
- Quality & Reliability (AREA)
- Data Mining & Analysis (AREA)
- Operations Research (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请提供了酒店多媒体资源分配方法、系统、电子设备及存储介质，涉及信息推荐领域。方法包括：获取待分配酒店的标签数据和酒店多媒体资源需求数据，酒店标签数据包括酒店位置标签信息、酒店定位标签信息和酒店客户标签信息基于酒店标签数据、酒店多媒体资源需求数据对多媒体资源库中的多媒体资源进行筛选得到第一目标多媒体资源，基于历史酒店多媒体资源需求数据预测酒店未来的需求趋势得到需求趋势信息并筛选得到第二目标多媒体资源。实施本申请提供的技术方案，根据酒店的标签数据和多媒体资源需求数据，以及对未来需求的预测趋势信息，筛选出适合酒店需求的多媒体资源，使其更符合酒店的需求，提高资源利用效率。
Description
技术领域
本申请提出了酒店多媒体资源分配方法、系统、电子设备及存储介质，属于信息推荐领域。
背景技术
随着酒店智能数字化，智能电视成为大多酒店的标配，同时智能电视成为很多酒店的一个宣发窗口，通过这个宣发窗口的增值服务之一的推荐业务可以帮助酒店实现酒店客房屏幕价值，并产生附加价值，比如通过对住客当前收视内容的辨别，可以精确地为住客推荐其相关感兴趣的节目，提升住客体验，并可据此发展新的利益增长点。
目前，大多连锁酒店会仅仅根据酒店需求对多媒体资源进行分配，但是，但不同酒店的情况不同需求也不同，统一分发无法合理的规划分配多媒体资源，造成浪费。
发明内容
本申请提供酒店多媒体资源分配方法、系统、电子设备及存储介质，通过根据酒店的标签数据和多媒体资源需求数据，以及对未来需求的预测趋势信息，筛选出适合酒店需求的多媒体资源，使其更符合酒店的需求，提高资源利用效率。
第一方面，本申请提供了一种酒店多媒体资源分配方法，包括：
获取待分配酒店的标签数据和酒店多媒体资源需求数据，所述酒店标签数据包括酒店位置标签信息、酒店定位标签信息和酒店客户标签信息；
基于酒店标签数据、酒店多媒体资源需求数据对多媒体资源库中的多媒体资源进行筛选得到第一目标多媒体资源；
获取待分配酒店的历史酒店多媒体资源需求数据；
基于所述历史酒店多媒体资源需求数据预测酒店未来的需求趋势得到需求趋势信息，所述需求趋势信息包括酒店多媒体资源需求类别和各多媒体资源类别需求的数量；
基于所述需求趋势信息对多媒体资源库中的多媒体资源进行筛选得到第二目标多媒体资源；
将所述第一目标多媒体资源和所述第二目标多媒体资源分配给对应的待分配酒店。
通过采用上述技术方案，通过基于酒店标签数据和酒店多媒体资源需求数据对多媒体资源库进行筛选，可以实现资源的精确匹配。本申请通过匹配算法来将酒店的位置标签信息、定位标签信息和客户标签信息与多媒体资源的标签进行比对和匹配。根据标签的匹配程度和权重进行排序和筛选，找到与酒店需求匹配值较高的多媒体资源，这有助于确保酒店提供的多媒体服务与客户的期望和需求相符，提升客户满意度和体验质量。
进一步地，基于历史酒店多媒体资源需求数据预测酒店未来的需求趋势，可以通过分析历史的历史酒店多媒体资源需求数据来识别需求的模式和趋势，并将其应用于未来需求的预测。通过预测模型，根据历史酒店多媒体资源需求数据来预测未来的需求情况，有助于酒店做出准确的资源规划和决策，合理安排多媒体资源的投放和调配，以满足未来需求的变化。
可选的，基于酒店标签数据和酒店多媒体资源需求数据对多媒体资源库中的多媒体资源进行筛选得到第一目标多媒体资源，包括：
基于待分配酒店的酒店标签数据和历史酒店多媒体资源需求数据进行分析处理得到酒店匹配标签；
基于酒店匹配标签与多媒体资源库中的多媒体资源进行标签匹配得到匹配值；
将匹配值大于预设阈值的多媒体资源作为第一目标多媒体资源。
通过采用上述技术方案，根据待分配媒体资源的酒店的标签信息和需求信息，对其进行分析处理。从酒店的位置标签信息、定位标签信息和客户标签信息等方面进行提取和整理，以获取描述酒店特征和需求的相关信息。通过对酒店标签数据和历史酒店多媒体资源需求数据的分析处理，可以生成酒店匹配标签。将酒店匹配标签与多媒体资源库中的多媒体资源进行标签匹配。通过比较酒店匹配标签和多媒体资源的标签，计算它们之间的匹配程度。根据预设的阈值，筛选匹配值大于该阈值的多媒体资源作为第一目标多媒体资源。只有匹配值超过设定的阈值，才被认为与酒店的需求匹配值较高，符合酒店的要求。基于酒店标签数据和历史酒店多媒体资源需求数据对多媒体资源进行筛选，可以实现精确匹配和个性化服务，提高效率和客户满意度，增强竞争力和口碑。
可选的，所述基于所述历史酒店多媒体资源需求数据预测酒店未来的需求趋势得到需求趋势信息，包括：
基于所述历史酒店多媒体资源需求数据进行数据分析，确定所述历史酒店多媒体资源需求数据对应的数据变化趋势特征、数据分布特征以及影响预测多媒体资源需求的特征；
基于所述数据变化趋势特征、数据分布特征和/或影响预测多媒体资源需求的特征，预测未来预设时间段内的多媒体资源需求信息；
若数据变化趋势特征为稳定性，则基于获取的所述历史酒店多媒体资源需求数据和所述数据变化趋势特征，预测未来预设时间段内的多媒体资源需求信息；
利用所述数据分布特征对预测得到的所述多媒体资源需求信息进行修正，得到需求趋势信息；
若数据变化趋势特征为不为稳定性，则基于所述数据变化趋势特征和所述影响预测多媒体资源需求的特征，预测未来预设时间段内的多媒体资源需求信息；
利用所述数据分布特征对预测得到的所述多媒体资源需求信息进行修正，得到需求趋势信息。
通过采用上述技术方案，通过对历史酒店多媒体资源需求数据进行分析，确定该数据对应的变化趋势特征、数据分布特征以及影响预测多媒体资源需求的特征，然后基于历史酒店多媒体资源需求数据的变化趋势特征、数据分布特征和影响预测多媒体资源需求的特征，进行未来预设时间段内的需求趋势预测，最后根据数据分布特征对预测得到的多媒体资源需求信息进行修正得到未来预设时间段内的多媒体资源需求信息，通过对历史酒店多媒体资源需求数据的分析和预测，提前预测需求趋势，优化资源规划和管理，进而提升客户满意度，实现效率与成本的控制。
可选地，确定历史酒店多媒体资源需求数据对应的数据变化趋势特征，包括：
确定历史酒店多媒体资源需求数据的数据稳定性特征、数据间歇性特征、数据单调性特征以及数据周期性特征；
基于数据稳定性特征、数据间歇性特征、数据单调性特征以及数据周期性特征，确定历史酒店多媒体资源需求数据的数据变化趋势特征。
通过采用上述技术方案，通过对历史酒店多媒体资源需求数据的分析和观察，可以提取数据的稳定性、间歇性、单调性和周期性特征，进一步地通过分析这些特征，从不同的维度进行需求预测，提高了需求预测结果的准确性。
可选地，确定所述历史酒店多媒体资源需求数据的数据稳定性特征，包括：
针对所述历史酒店多媒体资源需求数据中的每个数据，基于所述历史酒店多媒体资源需求数据对应的数据均值和所述历史酒店多媒体资源需求数据对应的标准差，确定所述历史酒店多媒体资源需求数据与所述数据均值的偏差特征；
基于所述历史酒店多媒体资源需求数据中的所有数据与所述数据均值的偏差特征，确定所述历史酒店多媒体资源需求数据的数据稳定性特征。
通过采用上述技术方案，通过计算数据与数据均值的偏差特征，并基于偏差特征确定数据的稳定性特征，通过确定数据的稳定性特征，确定数据的波动性和稳定程度。如果数据具有较低的波动性和相对稳定的趋势，可以更可靠地进行需求预测。相反，如果数据波动性较大，可能需要采取额外的措施来调整预测结果，进而提高预测的准确性。
可选地，确定数据间歇性特征，包括：
获取预设的间歇数值；
获取间歇数值在历史酒店多媒体资源需求数据中出现的第一次数，以及间歇数值在历史酒店多媒体资源需求数据中连续出现的第二次数；
基于第一次数和第二次数，确定历史酒店多媒体资源需求数据的间歇性特征。
通过采用上述技术方案，确定历史酒店多媒体资源需求数据的间歇性特征，即历史酒店多媒体资源需求数据在预设的间隔数值上出现的频率，间歇性特征是通过时间维度反映需求的变化特征，确定历史酒店多媒体资源需求数据的间歇性特征，在时间维度为预测未来预设时间段内的多媒体资源需求信息提供时间维度的数据，提高了预测的准确性。
可选地，确定数据单调性特征，包括：
剔除历史酒店多媒体资源需求数据中的周期性变化的数据；
基于历史酒店多媒体资源需求数据中剩余数据，确定历史酒店多媒体资源需求数据的数据单调性特征。
通过采用上述技术方案，通过确定数据的单调性特征，可以揭示数据的长期趋势是递增还是递减，为预测未来预设时间段内的多媒体资源需求信息提供趋势数据，提高了预测的准确性。
在本申请的第二方面提供了一种酒店多媒体资源分配系统，包括：
第一数据获取模块（1），用于获取待分配酒店的标签数据和酒店多媒体资源需求数据，所述酒店标签数据包括酒店位置标签信息、酒店定位标签信息和酒店客户标签信息；
第一多媒体资源筛选模块（2），用于基于酒店标签数据和酒店多媒体资源需求数据对多媒体资源库中的多媒体资源进行筛选得到第一目标多媒体资源；
第二数据获取模块（3），用于获取待分配酒店的历史酒店多媒体资源需求数据；
需求预测模块（4），用于基于所述历史酒店多媒体资源需求数据预测酒店未来的需求趋势得到需求趋势信息；
第二多媒体资源筛选模块（5），用于基于所述需求趋势信息对多媒体资源库中的多媒体资源进行筛选得到第二目标多媒体资源；
多媒体资源分配模块（6），用于将所述第一目标多媒体资源和所述第二目标多媒体资源分配给对应的待分配酒店。
在本申请的第三方面提供了一种计算机存储介质，计算机存储介质存储有多条指令，指令适于由处理器加载并执行上述的方法步骤。
在本申请的第四方面提供了一种电子设备，包括：处理器和存储器；其中，存储器存储有计算机程序，计算机程序适于由处理器加载并执行上述的方法步骤。
综上，本申请实施例中提供的一个或多个技术方案，至少具有如下技术效果或优点：
1、本申请先将通过基于酒店标签数据和酒店多媒体资源需求数据对多媒体资源库进行筛选，可以实现资源的精确匹配。本申请通过匹配算法来将酒店的位置标签信息、定位标签信息和客户标签信息与多媒体资源的标签进行比对和匹配。根据标签的匹配程度和权重进行排序和筛选，找到与酒店需求匹配值较高的多媒体资源，这有助于确保酒店提供的多媒体服务与客户的期望和需求相符，提升客户满意度和体验质量。
进一步地，基于历史酒店多媒体资源需求数据预测酒店未来的需求趋势，可以通过分析历史的历史酒店多媒体资源需求数据来识别需求的模式和趋势，并将其应用于未来需求的预测。通过预测模型，根据历史酒店多媒体资源需求数据来预测未来的需求情况，有助于酒店做出准确的资源规划和决策，合理安排多媒体资源的投放和调配，以满足未来需求的变化。
2、本申请通过对历史酒店多媒体资源需求数据进行分析，确定该数据对应的变化趋势特征、数据分布特征以及影响预测多媒体资源需求的特征，然后基于历史酒店多媒体资源需求数据的变化趋势特征、数据分布特征和影响预测多媒体资源需求的特征，进行未来预设时间段内的需求趋势预测，最后根据数据分布特征对预测得到的多媒体资源需求信息进行修正得到未来预设时间段内的多媒体资源需求信息，通过对历史酒店多媒体资源需求数据的分析和预测，提前预测需求趋势，优化资源规划和管理，进而提升客户满意度，实现效率与成本的控制。
3、本申请通过对历史酒店多媒体资源需求数据的分析和观察，可以提取数据的稳定性、间歇性、单调性和周期性特征，进一步地通过分析这些特征，从不同的维度进行需求预测，提高了需求预测结果的准确性。
附图说明
图1为本申请实施例中酒店多媒体资源分配方法流程示意图；
图2为本申请实施例提供的一种酒店多媒体资源分配系统架构图；
图3是本申请实施例的公开的一种电子设备的结构示意图。
附图标记说明：1、第一数据获取模块；2、第一多媒体资源筛选模块；3、第二数据获取模块；4、需求预测模块；5、第二多媒体资源筛选模块6、多媒体资源分配模块；300、电子设备；301、处理器；302、通信总线；303、用户接口；304、网络接口；305、存储器。
具体实施方式
为了使本领域的技术人员更好地理解本说明书中的技术方案，下面将结合本说明书实施例中的附图，对本说明书实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。
在本申请实施例的描述中，“例如”或者“举例来说”等词用于表示作例子、例证或说明。本申请实施例中被描述为“例如”或者“举例来说”的任何实施例或设计方案不应被解释为比其他实施例或设计方案更优选或更具优势。确切而言，使用“例如”或者“举例来说”等词旨在以具体方式呈现相关概念。
在本申请实施例的描述中，术语“多个”的含义是指两个或两个以上。例如，多个系统是指两个或两个以上的系统，多个屏幕终端是指两个或两个以上的屏幕终端。此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”，除非是以其他方式另外特别强调。
为了便于理解本申请实施例提供的方法及系统，在介绍本申请实施例之前，先对本申请实施例的背景进行介绍。
经过上述内容的背景介绍，本领域技术人员可以了解现有技术中存在的问题，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。
随着酒店的智能数字化发展，智能电视在酒店客房中的应用越来越普遍，并成为酒店的一个宣发窗口和增值服务的重要手段之一。通过智能电视的推荐业务，酒店可以提供个性化的节目推荐，以提升住客的体验，并为酒店创造附加价值。
在当前的情况下，大多数连锁酒店可能会选择统一分发多媒体资源，以确保酒店客房中的智能电视能够提供基本的节目内容和服务。然而，不同酒店的情况和需求确实各不相同，统一分发无法满足所有酒店的需求。
在上述背景技术的基础上，进一步的，请参阅图1，图1为本申请实施例中酒店多媒体资源分配方法流程示意图，该方法可依赖于计算机程序实现，也可作为独立的工具类应用运行，具体的，在本申请实施例中该方法可以应用在多媒体资源分配的服务器端上，该方法包括步骤101至步骤106，上述步骤如下：
步骤101、获取待分配酒店的标签数据和酒店多媒体资源需求数据，酒店标签数据包括酒店位置标签信息、酒店定位标签信息和酒店客户标签信息；其中，酒店位置标签信息包括酒店所在的城市、地区、街道或具体位置信息。
通过了解酒店的位置标签，可以根据地理位置的特性和需求考虑提供相关的多媒体资源，例如当地旅游景点介绍、本地特色文化媒体等。
酒店定位标签信息包括酒店的星级、服务定位、酒店类型等。通过了解酒店的定位标签，可以根据酒店的定位和服务特点来确定适合的多媒体资源，例如豪华酒店可以提供高端电影、音乐等，商务酒店可以提供商务新闻、快捷订餐服务等。
酒店客户标签信息：这些标签可以包括酒店客户的偏好、需求、年龄、性别、国籍等信息。通过了解酒店客户的标签信息，可以根据客户的兴趣和喜好来个性化推荐多媒体资源，例如根据客户的语言偏好提供不同语种的电影或音乐，或根据客户的喜好提供特定类型的节目等。
酒店多媒体资源需求数据包括酒店客房内多媒体资源的使用情况，例如客户观看的电视节目、点播的电影、收听的音乐等。通过收集和分析酒店多媒体资源需求数据，可以了解客户的兴趣和喜好，以便进行个性化推荐和优化多媒体资源的分配。
步骤102，基于酒店标签数据和酒店多媒体资源需求数据对多媒体资源库中的多媒体资源进行筛选得到第一目标多媒体资源；
具体地，收集酒店标签数据和酒店多媒体资源需求数据：通过酒店管理系统、客户调查或其他适当的渠道，收集酒店的位置标签信息、定位标签信息和客户标签信息。这些信息可以提供对酒店特点、定位和客户偏好的了解。
使用收集到的酒店标签数据和酒店多媒体资源需求数据，对多媒体资源库中的多媒体资源进行筛选，进一步地，通过标签匹配算法将酒店标签数据和酒店多媒体资源需求数据与多媒体资源的标签和属性进行匹配，对每个多媒体资源，评估其与酒店标签数据和酒店多媒体资源需求数据的匹配值，根据匹配值，确定与酒店标签数据和酒店多媒体资源需求数据最匹配的第一目标多媒体资源。
通过基于酒店标签数据和酒店多媒体资源需求数据的筛选，可以确保多媒体资源的分配与酒店的特点、定位和客户需求相匹配。这有助于提供个性化和定制化的多媒体体验，提升酒店客户的满意度和体验质量。
在上述实施例的基础上，作为一种可选的实施例，步骤102，基于酒店标签数据和酒店多媒体资源需求数据对多媒体资源库中的多媒体资源进行筛选得到第一目标多媒体资源，还包括步骤201~步骤203：
步骤201，基于待分配酒店的酒店标签数据和酒店多媒体资源需求数据进行分析处理得到酒店匹配标签；
具体地，对收集到的酒店标签数据和酒店多媒体资源需求数据进行分析，标签可以是根据位置、定位和客户特点而确定的关键词、指示符或类别。例如，如果分析发现酒店位于热门旅游城市、是豪华酒店，且客户主要是商务旅客，那么相关的酒店匹配标签可以是"旅游城市+豪华酒店+商务旅客"等组合。
步骤203，基于酒店匹配标签与多媒体资源库中的多媒体资源进行标签匹配得到匹配值；
具体地，通过标签匹配，可以得到多媒体资源与酒店匹配标签的匹配值，用于评估它们之间的匹配程度。这有助于确定多媒体资源与酒店的适配度，从而更好地满足酒店和客户的需求。需要根据具体情况选择合适的匹配算法和评估指标，以确保匹配值的准确性和可靠性。
进一步地，对于每个多媒体资源，评估其与酒店匹配标签的匹配度。匹配度通过计算酒店匹配标签和多媒体资源标签之间共同出现的关键词数量。匹配度得分可以根据共同关键词的数量进行计算，数量越多匹配度得分越高。
在具体的实施过程中还可以采用TF~IDF算法计算酒店匹配标签和多媒体资源标签之间的相似度。TF~IDF考虑了词频和逆文档频率，更加准确地评估了标签的重要性和匹配度。
步骤204，将匹配值大于预设阈值的多媒体资源作为第一目标多媒体资源。
具体地，通过设定预设阈值并筛选匹配值大于该阈值的多媒体资源作为第一目标多媒体资源，可以确保选择与酒店匹配程度较高的资源。这有助于提供更符合酒店需求和客户偏好的多媒体体验，提高酒店客户的满意度和体验质量。
步骤103，获取待分配酒店的历史酒店多媒体资源需求数据。
具体的，通过数据后台获取酒店一段时间内的酒店需求数据即历史酒店多媒体资源需求数据。
步骤104，基于所述历史酒店多媒体资源需求数据预测酒店未来的需求趋势得到需求趋势信息，所述需求趋势信息包括酒店多媒体资源需求类别和各多媒体资源类别需求的数量；
具体地，通过基于历史酒店多媒体资源需求数据的预测模型，可以得到酒店未来的需求趋势信息。这有助于酒店做出相应的战略决策，如优化资源分配和调整资源分配等，以更好地满足未来的需求变化。
在上述实施例的基础上，作为一种可选的实施例，步骤104，基于历史酒店多媒体资源需求数据预测酒店未来的需求趋势得到需求趋势信息，还包括步骤301~步骤306：
步骤301，基于历史酒店多媒体资源需求数据进行数据分析，确定历史酒店多媒体资源需求数据对应的数据变化趋势特征、数据分布特征以及影响预测多媒体资源需求的特征；
具体地，在确定历史酒店多媒体资源需求数据对应的数据变化趋势特征时，按照稳定性、间歇性、单调性、周期性的优先级顺序，依次确定历史酒店多媒体资源需求数据的数据稳定性特征、数据间歇性特征、数据单调性特征以及数据周期性特征，基于数据稳定性特征、数据间歇性特征、数据单调性特征以及数据周期性特征，确定历史酒店多媒体资源需求数据对应的数据变化趋势特征。
作为一可选实施例，也可以不限定优先级，同时确定历史酒店多媒体资源需求数据的数据稳定性特征、数据间歇性特征、数据单调性特征以及数据周期性特征，从中选取与历史酒店多媒体资源需求数据匹配度最高的特征作为历史酒店多媒体资源需求数据对应的数据变化趋势特征。
在确定历史酒店多媒体资源需求数据对应的数据分布特征时，获取预设的离散分布参数，离散分布参数可以为0这样的具体数值，也可以为小于0.001这样的一个区间范围，基于离散分布参数在历史酒店多媒体资源需求数据中出现的次数以及历史酒店多媒体资源需求数据中不同数值的数量，确定历史酒店多媒体资源需求数据是否为离散型，若历史酒店多媒体资源需求数据为离散型，则确定历史酒店多媒体资源需求数据属于各个预设的离散型分布类型的概率值，的预设的离散型分布类型可以为0~1分布、二项分布、泊松分布以及离散型均匀分布等常见的离散型分布类型，基于历史酒店多媒体资源需求数据属于各个预设的离散型分布类型的概率值，确定历史酒店多媒体资源需求数据对应的最接近的离散型分布类型；若历史酒店多媒体资源需求数据不为离散型，则确定历史酒店多媒体资源需求数据属于各个预设的连续型分布类型的概率值，预设的连续型分布类型可以为正态分布、指数分布、连续型均匀分布等常见的连续型分布类型，基于历史酒店多媒体资源需求数据属于各个预设的连续型分布类型的概率值，确定历史酒店多媒体资源需求数据对应的最接近的连续型分布类型，基于所属历史酒店多媒体资源需求数据对应的最接近的分布类型，确定历史酒店多媒体资源需求数据对应的数据分布特征。
在确定历史酒店多媒体资源需求数据对应的影响历史酒店多媒体资源需求数据的特征时，从历史酒店多媒体资源需求数据中，获取与多个预设的需求相关特征对应的目标需求子数据，例如，预设的需求相关特征可以包括日期相关特征：如当前日期是月份的第几天、月份的第几周、当年的第几周、当年的第几月等；预设的需求相关特征还包括节假日相关特征：如当前日期是否是工作日、法定节假日、重大活动日、国外节日等；主题活动特征，如当前酒店的主题活动；酒店定位特征，如当前酒店的定位服务；
在上述实施例的基础上，作为一种可选的实施例，步骤301，确定历史酒店多媒体资源需求数据对应的数据变化趋势特征，包括步骤401~402：
步骤401，确定历史酒店多媒体资源需求数据的数据稳定性特征、数据间歇性特征、数据单调性特征以及数据周期性特征；
具体地，数据稳定性特征：该特征描述数据在一段时间内的稳定程度。对于历史酒店多媒体资源需求数据，稳定性特征可以指数据的波动性或变动幅度。如果数据在时间上波动较小，变化幅度较小，则可以说数据具有较高的稳定性。
数据间歇性特征：该特征描述数据在时间上的间歇性或不连续性。对于历史酒店多媒体资源需求数据，间歇性特征可以指数据的断续性或出现间隔。例如，某些时间段内可能出现需求数据的间断或缺失，而在其他时间段内数据可能连续或完整。
数据单调性特征：该特征描述数据在时间上的单调性或变化趋势。对于历史酒店多媒体资源需求数据，单调性特征可以指数据是呈现递增、递减还是保持稳定的趋势。例如，需求数据可能呈现出逐渐增加或逐渐减少的单调趋势。
数据周期性特征：该特征描述数据是否具有明显的周期性变化。对于历史酒店多媒体资源需求数据，周期性特征可以指数据在特定时间间隔内的重复模式。例如，某些需求数据可能每周、每月或每年呈现出重复的周期性变化。
步骤402，基于数据稳定性特征、数据间歇性特征、数据单调性特征以及数据周期性特征，确定历史酒店多媒体资源需求数据的数据变化趋势特征。
具体地，在确定历史酒店多媒体资源需求数据对应的数据变化趋势特征时，按照稳定性、间歇性、单调性、周期性的优先级顺序，依次确定历史酒店多媒体资源需求数据的数据稳定性特征、数据间歇性特征、数据单调性特征以及数据周期性特征，基于数据稳定性特征、数据间歇性特征、数据单调性特征以及数据周期性特征，确定历史酒店多媒体资源需求数据对应的数据变化趋势特征。
在上述实施例的基础上，作为一种可选的实施例，步骤401，确定历史酒店多媒体资源需求数据的数据稳定性特征，包括步骤501~502：
步骤501，针对所述历史酒店多媒体资源需求数据中的每个数据，基于所述历史酒店多媒体资源需求数据对应的数据均值和所述历史酒店多媒体资源需求数据对应的标准差，确定所述历史酒店多媒体资源需求数据与所述数据均值的偏差特征；
具体地，计算数据与均值的差异：对于每个数据点，可以计算其与均值之间的差值。假设数据点为x，均值为μ，则差异值可以表示为：。
利用标准差进行度量：标准差是衡量数据分散程度的统计量。可以使用标准差作为参考来衡量数据与均值之间的偏差程度。如果差异值d与标准差相比较大，表示数据点偏离均值较远；如果差异值d与标准差相比较小，表示数据点接近均值。
确定偏差特征：根据差异值d与标准差的比较结果，可以确定数据与均值的偏差特征。例如，如果差异值大于标准差的一个阈值，可以将其描述为较大的正向偏差；如果差异值小于标准差的一个阈值，可以将其描述为较小的正向偏差；如果差异值接近零或接近标准差，可以将其描述为接近均值或无偏差。
步骤502，基于历史酒店多媒体资源需求数据中的所有数据与数据均值的偏差特征，确定历史酒店多媒体资源需求数据的数据稳定性特征。
具体地，计算所有数据与均值的偏差：对于每个数据点，计算其与均值之间的差异值，即d=x~μ，其中x表示数据点，μ表示均值。
统计偏差的范围：将所有数据与均值的偏差值进行统计，可以计算偏差的最大值和最小值。这可以提供数据偏离均值的上限和下限。
判断稳定性特征：根据偏差的范围来判断数据的稳定性特征。以下是几种可能的判断方式：
如果偏差的范围较小，即最大偏差和最小偏差之间的差异较小，则可以认为数据具有较高的稳定性特征。
如果偏差的范围较大，即最大偏差和最小偏差之间的差异较大，则可以认为数据具有较低的稳定性特征。
可以基于具体需求和领域知识来定义稳定性的阈值。例如，可以设定一个阈值，如果偏差的范围小于该阈值，则认为数据具有良好的稳定性。
在上述实施例的基础上，作为一种可选的实施例，步骤401，确定数据间歇性特征，包括步骤601~步骤603：
步骤601，获取预设的间歇数值；
步骤602获取间歇数值在历史酒店多媒体资源需求数据中出现的第一次数，以及间歇数值在历史酒店多媒体资源需求数据中连续出现的第二次数；
步骤603，基于第一次数和第二次数，确定历史酒店多媒体资源需求数据的间歇性特征。
具体地，获取预设的间歇数值：确定历史酒店多媒体资源需求数据中的间歇数值，要先预设的间歇数值，如预设间歇数值为N。遍历历史酒店多媒体资源需求数据，统计间歇数值N在数据中出现的第一次次数。记录第一次出现的位置，并计算该位置之前的数据点个数。从第一次出现的位置开始遍历数据，统计间歇数值N在数据中连续出现的次数。记录连续出现的最后一次位置，并计算第一次出现的位置到最后一次位置之间的数据点个数。基于第一次出现次数和连续出现的第二次次数，可以确定历史酒店多媒体资源需求数据的间歇性特征。
以下是几种可能的特征描述：如果第一次出现次数为0，则表示间歇数值N在数据中未出现，可以将数据描述为无间歇性。
如果第一次出现次数为1且连续出现的第二次次数为0，则表示间歇数值N在数据中只出现了一次，但没有连续的出现，可以将数据描述为间歇性较低。
如果第一次出现次数大于1且连续出现的第二次次数大于0，则表示间歇数值N在数据中出现了多次，并且有连续的出现，可以将数据描述为具有一定程度的间歇性。
在上述实施例的基础上，作为一种可选的实施例，步骤401，确定数据单调性特征，包括步骤701~步骤702：
步骤701，剔除历史酒店多媒体资源需求数据中的周期性变化的数据；
步骤702，基于历史酒店多媒体资源需求数据中剩余数据，确定历史酒店多媒体资源需求数据的数据单调性特征。
具体地，使用时间序列分析来识别和剔除历史酒店多媒体资源需求数据中的周期性变化。这可以通过应用滤波器或季节性调整等技术来实现。
在剔除周期性变化的数据后，可以基于剩余数据来确定历史酒店多媒体资源需求数据的数据单调性特征。
以下是几种可能的特征描述：如果剩余数据呈现单调递增趋势，则可以将数据描述为单调递增。如果剩余数据呈现单调递减趋势，则可以将数据描述为单调递减。如果剩余数据没有明显的单调递增或递减趋势，则可以将数据描述为缺乏明显的单调性。可以根据具体需求和领域知识来定义数据单调性特征的划分和描述方式。
通过剔除周期性变化的数据，可以消除由季节性或其他周期性因素引起的数据波动，从而更准确地确定数据的单调性特征。这有助于我们了解数据的整体趋势和变化方向，为后续的分析和预测提供基础。
步骤302，基于数据变化趋势特征、数据分布特征和/或影响预测多媒体资源需求的特征，预测未来预设时间段内的多媒体资源需求信息；
步骤303，若数据变化趋势特征为稳定性，则基于获取的所述历史酒店多媒体资源需求数据和所述数据变化趋势特征，预测未来预设时间段内的多媒体资源需求信息；
步骤304，利用数据分布特征对预测得到的多媒体资源需求信息进行修正，得到需求趋势信息；
具体地，若数据变化趋势特征为稳定性，则获取预设时间段对应的历史酒店多媒体资源需求数据，并基于获取的历史酒店多媒体资源需求数据和数据变化趋势特征，预测未来预设时间段内的对预测对象的需求信息，利用数据分布特征对预测得到的需求信息进行修正，得到最终的需求信息。
示例性的说明，例如，使历史酒店多媒体资源需求数据进行数据变化趋势分析，确定历史酒店多媒体资源需求数据对应的数据变化趋势类型为稳定型数据，进而确定需求数据对应的数据稳定性特征为需求数据序列中的所有数据与数据均值的偏差Q；历史酒店多媒体资源需求数据进行数据分布分析，确定历史酒店多媒体资源需求数据对应的数据分布特征为需求数据一个周期内的分布近似于正态分布；因此未来预设时间段内的酒店多媒体资源需求预测结果为在酒店多媒体资源需求均值基础上，以偏差Q为浮动范围上下浮动，并且可以利用需求数据分布近似于二项分布的特征，从而应用二项分布模型对求趋势信息进行修正。
步骤305，若数据变化趋势特征为不为稳定性，则基于数据变化趋势特征和影响预测多媒体资源需求的特征，预测未来预设时间段内的多媒体资源需求信息；
步骤306，利用数据分布特征对预测得到的多媒体资源需求信息进行修正，得到需求趋势信息。
具体的，若数据变化趋势特征为不为稳定性，则基于数据变化趋势特征和影响预测多媒体资源需求的特征，预测未来预设时间段内的多媒体资源需求信息，利用数据分布特征对预测得到的需求信息进行修正，得到需求趋势信息。
示例性的说明，例如，使历史酒店多媒体资源需求数据进行数据变化趋势分析，确定历史酒店多媒体资源需求数据对应的数据变化趋势类型为周期型数据，进而确定需求数据对应的数据周期性特征为需求数据序列随时间呈周期性变化且周期为T；确定历史酒店多媒体资源需求数据对应的影响预测多媒体资源需求的特征为N；此时需要基于数据周期性特征以及影响预测多媒体资源需求的特征N，运用sarima模型对酒店多媒体资源需求进行需求预测，得到预设时间段内的酒店多媒体资源的需求预测结果；使历史酒店多媒体资源需求数据进行数据分布分析，确定历史酒店多媒体资源需求数据对应的数据分布特征为周期T内的数据分布近似于正态分布；因此可以根据数据分布特征，从而应用正态分布模型对一个周期T内的需求预测的结果进行修正得到需求趋势信息。
步骤105，基于所述需求趋势信息对多媒体资源库中的多媒体资源进行筛选得到第二目标多媒体资源。
具体的，上述实施例提供的方法与步骤102实施例属于同一构思，其具体实现过程详见步骤102实施例，这里不再赘述。
步骤106，将所述第一目标多媒体资源和所述第二目标多媒体资源分配给对应的待分配酒店。
具体的，通过多媒体资源分配的服务器端，将所述第一目标多媒体资源和所述第二目标多媒体资源分配到各个酒店的子服务器端。
请参阅图2，图2为本申请实施例提供的一种酒店多媒体资源分配系统架构图，该酒店多媒体资源分配系统可以包括：第一数据获取模块1、第一多媒体资源筛选模块2、第二数据获取模块3、需求预测模块4、第二多媒体资源筛选模块5和多媒体资源分配模块6，其中：
第一数据获取模块1，用于实时获取待分配酒店的标签数据和酒店多媒体资源需求数据，所述酒店标签数据包括酒店位置标签信息、酒店定位标签信息和酒店客户标签信息；
第一多媒体资源筛选模块2，用于基于酒店标签数据、酒店多媒体资源需求数据对多媒体资源库中的多媒体资源进行筛选得到第一目标多媒体资源；
第二数据获取模块3，用于获取待分配酒店的历史酒店多媒体资源需求数据；
需求预测模块4，用于基于所述历史酒店多媒体资源需求数据预测酒店未来的需求趋势得到需求趋势信息；
第二多媒体资源筛选模块5，用于基于所述需求趋势信息对多媒体资源库中的多媒体资源进行筛选得到第二目标多媒体资源；
多媒体资源分配模块6，用于将所述第一目标多媒体资源和所述第二目标多媒体资源分配给对应的待分配酒店的。
需要说明的是：上述实施例提供的系统在实现其功能时，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将设备的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。另外，上述实施例提供的系统和方法实施例属于同一构思，其具体实现过程详见方法实施例，这里不再赘述。
本申请实施例还提供了一种计算机存储介质，计算机存储介质可以存储有多条指令，指令适于由处理器加载并执行如上述图1所示实施例的酒店多媒体资源分配方法，具体执行过程可以参见图1所示实施例的具体说明，在此不进行赘述。
请参照图3本申请还公开一种电子设备。图3是本申请实施例的公开的一种电子设备的结构示意图。该电子设备300可以包括：至少一个处理器301，至少一个网络接口304，用户接口303，存储器305，至少一个通信总线302。
其中，通信总线302用于实现这些组件之间的连接通信。
其中，用户接口303可以包括显示屏（Display）、摄像头（Camera），可选用户接口303还可以包括标准的有线接口、无线接口。
其中，网络接口304可选地可以包括标准的有线接口、无线接口（如WI~FI接口）。
其中，处理器301可以包括一个或者多个处理核心。处理器301利用各种接口和线路连接整个服务器内的各个部分，通过运行或执行存储在存储器305内的指令、程序、代码集或指令集，以及调用存储在存储器305内的数据，执行服务器的各种功能和处理数据。可选的，处理器301可以采用数字信号处理（Digital Signal Processing，DSP）、现场可编程门阵列（Field~Programmable Gate Array，FPGA）、可编程逻辑阵列（Programmable LogicArray，PLA）中的至少一种硬件形式来实现。处理器301可集成中央处理器（CentralProcessing Unit，CPU）、图像处理器（Graphics Processing Unit，GPU）和调制解调器等中的一种或几种的组合。其中，CPU主要处理操作系统、用户界面和应用程序等；GPU用于负责显示屏所需要显示的内容的渲染和绘制；调制解调器用于处理无线通信。可以理解的是，上述调制解调器也可以不集成到处理器301中，单独通过一块芯片进行实现。
其中，存储器305可以包括随机存储器（Random Access Memory，RAM），也可以包括只读存储器（Read~Only Memory）。可选的，该存储器305包括非瞬时性计算机可读介质（non~transitory computer~readable storage medium）。存储器305可用于存储指令、程序、代码、代码集或指令集。存储器305可包括存储程序区和存储数据区，其中，存储程序区可存储用于实现操作系统的指令、用于至少一个功能的指令（比如触控功能、声音播放功能、图像播放功能等）、用于实现上述各个方法实施例的指令等；存储数据区可存储上面各个方法实施例中涉及的数据等。存储器305可选的还可以是至少一个位于远离前述处理器301的存储系统。参照图3，作为一种计算机存储介质的存储器305中可以包括操作系统、网络通信模块、用户接口模块以及一种酒店多媒体资源分配的应用程序。
在图3所示的电子设备300中，用户接口303主要用于为用户提供输入的接口，获取用户输入的数据；而处理器301可以用于调用存储器305中存储酒店多媒体资源分配的应用程序，当由一个或多个处理器301执行时，使得电子设备300执行如上述实施例中一个或多个的方法。需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本申请并不受所描述的动作顺序的限制，因为依据本申请，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本申请所必需的。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
在本申请所提供的几种实施方式中，应该理解到，所披露的系统，可通过其他的方式实现。例如，以上所描述的系统实施例仅仅是示意性的，例如单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些服务接口，系统或单元的间接耦合或通信连接，可以是电性或其他的形式。
作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储器中。基于这样的理解，本申请的技术方案本质上或者说对现有技术作出贡献的部分或者该技术方案的全部或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器中，包括若干指令用以使得一台计算机设备（可为个人计算机、服务器或者网络设备等）执行本申请各个实施例方法的全部或部分步骤。而前述的存储器包括：U盘、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
以上者，仅为本公开的示例性实施例，不能以此限定本公开的范围。即但凡依本公开教导所作的等效变化与修饰，皆仍属本公开涵盖的范围内。本领域技术人员在考虑说明书及实践真理的公开后，将容易想到本公开的其他实施方案。
本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未记载的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的范围和精神由权利要求限定。
Claims (9)
1.酒店多媒体资源分配方法，其特征在于，所述方法包括：
获取待分配酒店的酒店标签数据和酒店多媒体资源需求数据，所述酒店标签数据包括酒店位置标签信息、酒店定位标签信息和酒店客户标签信息；
基于酒店标签数据和酒店多媒体资源需求数据对多媒体资源库中的多媒体资源进行筛选得到第一目标多媒体资源；
获取待分配酒店的历史酒店多媒体资源需求数据；
基于所述历史酒店多媒体资源需求数据进行数据分析，确定所述历史酒店多媒体资源需求数据对应的数据变化趋势特征、数据分布特征以及影响预测多媒体资源需求的特征；
基于所述数据变化趋势特征、数据分布特征和/或影响预测多媒体资源需求的特征，预测未来预设时间段内的多媒体资源需求信息；
若数据变化趋势特征为稳定性，则基于获取的所述历史酒店多媒体资源需求数据和所述数据变化趋势特征，预测未来预设时间段内的多媒体资源需求信息；
利用所述数据分布特征对预测得到的所述多媒体资源需求信息进行修正，得到需求趋势信息；
若数据变化趋势特征为不稳定性，则基于所述数据变化趋势特征和所述影响预测多媒体资源需求的特征，预测未来预设时间段内的多媒体资源需求信息；
利用所述数据分布特征对预测得到的所述多媒体资源需求信息进行修正，得到需求趋势信息，所述需求趋势信息包括酒店多媒体资源需求类别和各多媒体资源类别需求的数量；
基于所述需求趋势信息对多媒体资源库中的多媒体资源进行筛选得到第二目标多媒体资源；
将所述第一目标多媒体资源和所述第二目标多媒体资源分配给对应的待分配酒店。
2.根据权利要求1所述的酒店多媒体资源分配方法，其特征在于，所述基于酒店标签数据和酒店多媒体资源需求数据对多媒体资源库中的多媒体资源进行筛选得到第一目标多媒体资源，包括：
基于所述待分配酒店的酒店标签数据和酒店多媒体资源需求数据进行分析处理得到酒店匹配标签；
基于所述酒店匹配标签与所述多媒体资源库中的多媒体资源进行标签匹配得到匹配值；
将匹配值大于预设阈值的多媒体资源作为所述第一目标多媒体资源。
3.根据权利要求1所述的酒店多媒体资源分配方法，其特征在于，所述确定所述历史酒店多媒体资源需求数据对应的数据变化趋势特征，包括：
确定所述历史酒店多媒体资源需求数据的数据稳定性特征、数据间歇性特征、数据单调性特征以及数据周期性特征；
基于所述数据稳定性特征、数据间歇性特征、数据单调性特征以及数据周期性特征，确定所述历史酒店多媒体资源需求数据的数据变化趋势特征。
4.根据权利要求3所述的酒店多媒体资源分配方法，其特征在于，所述确定所述历史酒店多媒体资源需求数据的数据稳定性特征，包括：
针对所述历史酒店多媒体资源需求数据中的每个数据，基于所述历史酒店多媒体资源需求数据对应的数据均值和所述历史酒店多媒体资源需求数据对应的标准差，确定所述历史酒店多媒体资源需求数据与所述数据均值的偏差特征；
基于所述历史酒店多媒体资源需求数据中的所有数据与所述数据均值的偏差特征，确定所述历史酒店多媒体资源需求数据的数据稳定性特征。
5.根据权利要求3所述的酒店多媒体资源分配方法，其特征在于，确定所述数据间歇性特征，包括：
获取预设的间歇数值；
获取间歇数值在所述历史酒店多媒体资源需求数据中出现的第一次数，以及所述间歇数值在所述历史酒店多媒体资源需求数据中连续出现的第二次数；
基于所述第一次数和所述第二次数，确定所述历史酒店多媒体资源需求数据的间歇性特征。
6.根据权利要求3所述的酒店多媒体资源分配方法，其特征在于，确定所述数据单调性特征，包括：
剔除所述历史酒店多媒体资源需求数据中的周期性变化的数据；
基于所述历史酒店多媒体资源需求数据中剩余数据，确定所述历史酒店多媒体资源需求数据的数据单调性特征。
7.一种酒店多媒体资源分配系统，其特征在于，包括：
第一数据获取模块（1），用于获取待分配酒店的标签数据和酒店多媒体资源需求数据，所述酒店标签数据包括酒店位置标签信息、酒店定位标签信息和酒店客户标签信息；
第一多媒体资源筛选模块（2），用于基于酒店标签数据、酒店多媒体资源需求数据对多媒体资源库中的多媒体资源进行筛选得到第一目标多媒体资源；
第二数据获取模块（3），用于获取待分配酒店的历史酒店多媒体资源需求数据；
需求预测模块（4），用于基于所述数据变化趋势特征、数据分布特征和/或影响预测多媒体资源需求的特征，预测未来预设时间段内的多媒体资源需求信息；
若数据变化趋势特征为稳定性，则基于获取的所述历史酒店多媒体资源需求数据和所述数据变化趋势特征，预测未来预设时间段内的多媒体资源需求信息；
利用所述数据分布特征对预测得到的所述多媒体资源需求信息进行修正，得到需求趋势信息；
若数据变化趋势特征为不稳定性，则基于所述数据变化趋势特征和所述影响预测多媒体资源需求的特征，预测未来预设时间段内的多媒体资源需求信息；
利用所述数据分布特征对预测得到的所述多媒体资源需求信息进行修正，得到需求趋势信息，所述需求趋势信息包括酒店多媒体资源需求类别和各多媒体资源类别需求的数量；
第二多媒体资源筛选模块（5），用于基于所述需求趋势信息对多媒体资源库中的多媒体资源进行筛选得到第二目标多媒体资源；
多媒体资源分配模块（6），用于将所述第一目标多媒体资源和所述第二目标多媒体资源分配给对应的待分配酒店。
8.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有多条指令，所述指令适用于由处理器加载并执行如权利要求1~6任意一项所述的方法。
9.一种电子设备，其特征在于，包括处理器、存储器和收发器，所述存储器用于存储指令，所述收发器用于和其他设备通信，所述处理器用于执行所述存储器中存储的指令，以使所述电子设备执行如权利要求1~6任意一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311628068.XA CN117332994B (zh) | 2023-12-01 | 2023-12-01 | 酒店多媒体资源分配方法、系统、电子设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311628068.XA CN117332994B (zh) | 2023-12-01 | 2023-12-01 | 酒店多媒体资源分配方法、系统、电子设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117332994A CN117332994A (zh) | 2024-01-02 |
| CN117332994B true CN117332994B (zh) | 2024-02-20 |
Family
ID=89279641
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311628068.XA Active CN117332994B (zh) | 2023-12-01 | 2023-12-01 | 酒店多媒体资源分配方法、系统、电子设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117332994B (zh) |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105046600A (zh) * | 2015-07-09 | 2015-11-11 | 传成文化传媒（上海）有限公司 | 一种酒店用电视的个性化信息推荐方法及系统 |
| CN108109003A (zh) * | 2017-12-18 | 2018-06-01 | 携程计算机技术（上海）有限公司 | Ota网站的个性化酒店的推荐方法及系统 |
| CN111724037A (zh) * | 2020-05-21 | 2020-09-29 | 口碑(上海)信息技术有限公司 | 运营资源分配方法、装置、计算机设备及可读存储介质 |
| CN113094602A (zh) * | 2021-04-09 | 2021-07-09 | 携程计算机技术（上海）有限公司 | 酒店推荐方法、系统、设备及介质 |
| CN113361920A (zh) * | 2021-06-04 | 2021-09-07 | 上海华客信息科技有限公司 | 酒店服务优化指标推荐方法、系统、设备及存储介质 |
| CN113590937A (zh) * | 2021-07-05 | 2021-11-02 | 深圳市天下房仓科技有限公司 | 酒店搜索及信息管理方法、装置、电子设备及存储介质 |
| CN115757936A (zh) * | 2022-10-21 | 2023-03-07 | 鹿马智能科技（上海）有限公司 | 酒店间夜产品的提供方法、装置、电子设备和存储介质 |
| US20230315537A1 (en) * | 2022-03-31 | 2023-10-05 | Microsoft Technology Licensing, Llc | Predictive quota management for cloud customers |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20020129359A1 (en) * | 2000-11-27 | 2002-09-12 | Lichner Randall Manton | Cross platform system and method for the management and distribution of pay per view video on demand |
| CN107093096B (zh) * | 2016-12-15 | 2022-03-25 | 口碑(上海)信息技术有限公司 | 一种业务量预测方法及装置 |
| CN111429163B (zh) * | 2019-01-10 | 2023-08-15 | 百度在线网络技术（北京）有限公司 | 户外广告投放资源的推荐方法、装置及计算机设备 |
-
2023
- 2023-12-01 CN CN202311628068.XA patent/CN117332994B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105046600A (zh) * | 2015-07-09 | 2015-11-11 | 传成文化传媒（上海）有限公司 | 一种酒店用电视的个性化信息推荐方法及系统 |
| CN108109003A (zh) * | 2017-12-18 | 2018-06-01 | 携程计算机技术（上海）有限公司 | Ota网站的个性化酒店的推荐方法及系统 |
| CN111724037A (zh) * | 2020-05-21 | 2020-09-29 | 口碑(上海)信息技术有限公司 | 运营资源分配方法、装置、计算机设备及可读存储介质 |
| CN113094602A (zh) * | 2021-04-09 | 2021-07-09 | 携程计算机技术（上海）有限公司 | 酒店推荐方法、系统、设备及介质 |
| CN113361920A (zh) * | 2021-06-04 | 2021-09-07 | 上海华客信息科技有限公司 | 酒店服务优化指标推荐方法、系统、设备及存储介质 |
| CN113590937A (zh) * | 2021-07-05 | 2021-11-02 | 深圳市天下房仓科技有限公司 | 酒店搜索及信息管理方法、装置、电子设备及存储介质 |
| US20230315537A1 (en) * | 2022-03-31 | 2023-10-05 | Microsoft Technology Licensing, Llc | Predictive quota management for cloud customers |
| CN115757936A (zh) * | 2022-10-21 | 2023-03-07 | 鹿马智能科技（上海）有限公司 | 酒店间夜产品的提供方法、装置、电子设备和存储介质 |
Non-Patent Citations (3)
| Title |
|---|
| Historical legacies and ecological determinants of grass naturalizations worldwide;Monnet, AC等;《ECOGRAPHY》;第43卷(第9期);1373-1385 * |
| 基于用户隐式数据的个性化酒店推荐算法;史达 于淼川 李梦琪;《山东大学学报（理学版）》(第7期);1-10 * |
| 基于社会媒体的旅游数据挖掘与分析;高新波;沈钧戈;;数据采集与处理(第01期);19-27 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117332994A (zh) | 2024-01-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20210105541A1 (en) | Yield optimization of cross-screen advertising placement | |
| CN109003028B (zh) | 用于划分物流区域的方法和装置 | |
| US10789610B2 (en) | Utilizing a machine learning model to predict performance and generate improved digital design assets | |
| US11200592B2 (en) | Simulation-based evaluation of a marketing channel attribution model | |
| US20200286154A1 (en) | Utilizing item-level importance sampling models for digital content selection policies | |
| JP2010517193A (ja) | 電子ネットワークにおいてコンテンツを効果的にクライアント装置に提供するためのシステム及び方法 | |
| JP2022514134A (ja) | 輸送サービスプロバイダを管理する方法、当該方法を実施するための命令を含むコンピュータプログラム、当該方法を実行させる命令を記憶する非一時記憶媒体、及び輸送サービスプロバイダを管理するための装置 | |
| WO2018207878A1 (ja) | 需要予測装置 | |
| CN109086822B (zh) | 一种主播用户分类方法、装置、设备及存储介质 | |
| CN114138625A (zh) | 服务器健康状态的评估方法、系统、电子设备和存储介质 | |
| WO2017124041A1 (en) | Yield optimization of cross-screen advertising placement | |
| CN109389424B (zh) | 流量分配方法、装置、电子设备及存储介质 | |
| CN111882398A (zh) | 智慧城市服务推荐方法、装置、计算机设备及存储介质 | |
| CN117235586B (zh) | 酒店客户画像构建方法、系统、电子设备及存储介质 | |
| CN111291071A (zh) | 数据处理方法、装置及电子设备 | |
| CN109978575B (zh) | 一种挖掘用户流量经营场景的方法及装置 | |
| CN115983900A (zh) | 用户营销策略的构建方法、装置、设备、介质和程序产品 | |
| JP5813052B2 (ja) | 情報処理装置、方法及びプログラム | |
| CN110389817B (zh) | 多云系统的调度方法、装置和计算机可读介质 | |
| US20210312331A1 (en) | Dynamic video content optimization | |
| CN114445138A (zh) | 酒店房型定价方法、装置、设备及存储介质 | |
| CN117332994B (zh) | 酒店多媒体资源分配方法、系统、电子设备及存储介质 | |
| CN113760521A (zh) | 一种虚拟资源的分配方法和装置 | |
| US11636377B1 (en) | Artificial intelligence system incorporating automatic model updates based on change point detection using time series decomposing and clustering | |
| CN111311015A (zh) | 个性化点击率预测方法、设备及可读存储介质 |
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 |