CN117407606B - 一种基于大语言模型和知识图谱的旅游线路推荐方法 - Google Patents
一种基于大语言模型和知识图谱的旅游线路推荐方法 Download PDFInfo
- Publication number
- CN117407606B CN117407606B CN202311714834.4A CN202311714834A CN117407606B CN 117407606 B CN117407606 B CN 117407606B CN 202311714834 A CN202311714834 A CN 202311714834A CN 117407606 B CN117407606 B CN 117407606B
- Authority
- CN
- China
- Prior art keywords
- scenic spot
- city
- knowledge graph
- tour
- scenic
- 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 21
- 238000011156 evaluation Methods 0.000 claims description 33
- 238000010187 selection method Methods 0.000 claims description 6
- 238000010276 construction Methods 0.000 claims description 3
- 230000009193 crawling Effects 0.000 claims description 3
- 230000006870 function Effects 0.000 claims description 3
- 238000012216 screening Methods 0.000 claims description 3
- 230000004048 modification Effects 0.000 abstract description 4
- 238000012986 modification Methods 0.000 abstract description 4
- 238000002360 preparation method Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 7
- 238000005457 optimization Methods 0.000 description 3
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001172 regenerating effect Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
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
- G06F16/9537—Spatial or temporal dependent retrieval, e.g. spatiotemporal queries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
- G06F16/367—Ontology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/237—Lexical tools
- G06F40/242—Dictionaries
-
- 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
- G06Q10/10—Office automation; Time management
- G06Q10/109—Time management, e.g. calendars, reminders, meetings or time accounting
- G06Q10/1093—Calendar-based scheduling for persons or groups
-
- 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
本发明公开了一种基于大语言模型和知识图谱的旅游线路推荐方法,涉及信息推荐领域,首先以城市和景点为基础,城市以及城市中的景点相互关联,构建出完整的城市、景点知识图谱,进行旅游线路推荐时,以景点推荐指数为基础,自动生成旅游线路以及每个景点推荐游览时间和景点之间路途需要的时间,游客根据自己的喜好修改参观路线以及定制专属路线,最后对生成的路线进行时间优化,重新调整景点游览顺序,最终生成旅游路线规划图。本发明基于游客的诉求,利用知识图谱和大语言模型,为游客的旅游出行自动生成旅游线路日程计划,同时游客根据自己的需求进行标记修改,并根据需求自行定制出行路线,减少了游客的行程准备工作,省心省时省力。
Description
技术领域
本发明涉及信息推荐领域,尤其是一种基于大语言模型和知识图谱的旅游线路推荐方法。
背景技术
旅游是现代人休闲娱乐的一种重要方式,目前市场上各种旅游app层出不穷,为人们的出行提供了许多便利,它们会提供各种景点的详细信息,并根据人们的喜好和浏览记录进行景点推荐,无法根据游客的诉求对旅游景点进行具体定位,以及无法帮助游客进行旅游线路智能化、特色化日程规划。现在旅游线路日程需要提前规划,人们往往会根据网上的文章、博客、小视频进行准备,不仅耗时耗力,同时网上的推荐良莠不齐,跟人们实地感受不尽相同,需要一种方便快捷的旅游线路日程规划方案,满足人们省心旅游的需求。
发明内容
为了克服现有技术中存在的上述问题,本发明提出一种基于大语言模型和知识图谱的旅游线路推荐方法。
本发明解决其技术问题所采用的技术方案是:一种基于大语言模型和知识图谱的旅游线路推荐方法,包括如下步骤:
步骤1,利用大语言模型生成城市知识图谱、景点知识图谱,并进行城市知识图谱、景点知识图谱的更新;
步骤2,利用大语言模型语义理解的功能理解用户的喜好,从步骤1所得的城市知识图谱、景点知识图谱中筛选出跟用户喜好贴近的景点,根据城市知识图谱、景点知识图谱中的景点推荐指数、景点建议游览时间、两个景点之间的出行方式及时间确定游览路线;
步骤3,用户根据个人需求对步骤2所得的游览线路进行修改,根据最终确定的游览景点、顺序重新计算游览时间;
步骤4,根据用户个人约束的总游览时间,将步骤3所得的游览路线中游览时间小于等于用户个人约束总游览时间的游览线路选出来,从选出来的游览路线中,选择总游览时间最短的游览路线作为最终游览路线。
上述的一种基于大语言模型和知识图谱的旅游线路推荐方法,所述步骤1利用大语言模型生成城市知识图谱、景点知识图谱的具体过程包括:
步骤1.1,生成城市字典;将格式化的城市字典模板以及城市名作为大语言模型的输入,采用上下文示例选择方法,给大语言模型提供多个样例,使得模型输出和样例一致,获取到格式化的城市字典文字描述信息,按照属性名将对应的描述信息存储到数据库表中备用,并添加唯一标识ID为后续景点关联做准备;
步骤1.2,生成景点字典:按照景点字典模版采用下文示例选择方法生成景点字典,景点字典信息存储到数据库表中时,引入城市唯一标识ID,将景点与城市关联起来;
步骤1.3,循环生成城市下所有景点的字典,并在生成新的景点字典时,利用离线地图API获取所有景点两两之间的最佳公共交通出行方式以及所需时间,将其存储到数据库景点关系表中,每一行存储两个景点及出行方式和时间,同样需要引入城市唯一标识ID;
步骤1.4,生成景点知识图谱:从数据库景点关系表中依次读取数据,按照景点-关系-景点的方式递归构建一个城市所有景点的知识图谱,从数据库景点字典表中查找对应的景点信息添加到对应的节点上;
步骤1.5,循环执行步骤1.1至步骤1.4,生成所有城市的景点知识图谱,并且景点与城市建立对应关系;
步骤1.6,从大语言模型中获取所有城市两两之间的空间距离,将距离A以内的两个城市及距离存储到数据库城市关系表中;
步骤1.7,生成城市知识图谱:按照景点知识图谱构建方式,从数据库城市关系表中依次读取数据,按照城市-关系-城市递归构建所有城市知识图谱,从数据库城市字典表中查找对应的城市信息添加到对应的节点上。
上述的一种基于大语言模型和知识图谱的旅游线路推荐方法,所述步骤1中城市知识图谱、景点知识图谱的更新过程具体包括:利用网络爬虫将评价内容爬取出来,针对每个城市、景点的评价存储到单独的一张表中,并与城市、景点进行关联;
将评价表作为语言大模型的输入,根据对每条评价的语义理解进行二元分类,将分类结果填写到对应的评价上,根据正负评价占比调整推荐评分;
将评价表作为语言大模型的输入,提取出现频率高的有效信息并生成评价关键词,确定该有效信息所属的属性,利用语言大模型的语义分析能力,对比生成的关键词与对应属性原有的信息语义是否相近,如果语义相差很大,则将该有效信息更新到对应数据库表的属性上。
上述的一种基于大语言模型和知识图谱的旅游线路推荐方法,所述步骤4中通过动态路径规划算法对景点游览顺序进行优化安排,确保生成的游览线路所用的游览时间最短。
上述的一种基于大语言模型和知识图谱的旅游线路推荐方法,所述动态路径规划算法具体步骤包括:对不同景点进行排列组合,根据排列组合结果得到多条游览路线,根据景点知识图谱计算两个景点之间的通勤时间,并将所有排列组合后的景点通勤时间相加得到总的通勤时间,选择通勤时间最短的路线作为推荐游览路线。
本发明的有益效果是,本发明基于游客的喜好、日程安排等诉求,利用知识图谱的知识理论,为游客的旅游出行自动生成旅游线路日程计划,同时游客可以根据自己的需求进行标记修改,并可以根据需求自行定制出行路线,真正达到智能化、专业化,满足游客需求的同时,减少了游客的行程准备工作,省心省时省力。
附图说明
下面结合附图和实施例对本发明进一步说明。
图1为本发明旅游线路推荐示意图;
图2为本发明城市字典示意图;
图3为本发明城市字典示例示意图;
图4为本发明景点字典示意图;
图5为本发明城市关联示意图;
图6为本发明景点关联示意图;
图7为本发明城市知识图谱示意图;
图8为本发明景点知识图谱示意图;
图9为本发明旅游时间示意图。
具体实施方式
为使本领域技术人员更好的理解本发明的技术方案,下面结合附图和具体实施方式对本发明作详细说明。
本发明提出的旅游线路推荐方法,首先以城市和景点为基础,城市以及城市中的景点相互关联,构建出完整的城市、景点知识图谱,作为旅游线路推荐的依据。进行旅游线路推荐时,以景点推荐指数为基础,自动生成旅游线路以及每个景点推荐游览时间和景点之间路途需要的时间,同时,游客可以根据自己的喜好修改参观路线以及定制专属路线,最后对生成的路线进行时间优化,重新调整景点游览顺序,最终生成旅游路线规划图,如图1所示。
具体实现方案为,(1)智能化构建城市、景点知识图谱,具体包括:
1)城市字典,利用大语言模型按照图2所示的格式生成城市字典信息构建城市字典,标签代表人们对该城市的总体印象,如红色旅游城市、历史文化名城、环境优美等等,推荐指数是游客对城市的评价,根据游客的评价动态改变该指数,其他内容代表该城市的一些特色信息,包括历史、文化、景点、美食、民俗风情等,如图3所示。
2)景点字典,景点字典与城市字典是相互对应的,一个景点对应一个城市,一个城市可以对应多个景点,在构建景点字典时,景点信息同样采用大语言模型按照图4所示的格式生成。标签代表景点性质,例如山、湖、古建筑、博物馆等,特色代表景点最具代表性的游览项目,介绍是对景点详细的讲解,并可以链接图片、视频等,游览推荐包括游览推荐方式、时间等,方便游客安排时间日程。
3)城市、景点关联,城市之间采用距离进行关联,城市之间距离超过一定范围,例如1000km,则认为两个城市之间不进行关联,如图5所示,游客可以根据城市之间的距离确定是否要进行多城旅游;同一城市景点之间通过公共交通方式关联,推荐最便捷的交通方式以及所需时间,并且景点之间两两关联,形成一个完整的景点交通关系图如图6所示。
4)城市、景点知识图谱,通过城市字典的描述,构建各个城市的知识图谱,该图谱以城市为中心,城市字典中的描述信息作为其属性信息,同时城市之间通过其相隔的距离进行两两连接,如图7所示。
构建好城市知识图谱后,通过每个城市景点字典以及景点关系的描述,构建一个完整的城市景点知识图谱如图8所示,该图谱以景点为核心,景点的描述信息作为其属性,景点之间通过推荐交通方式及时间两两相连,可以从某一个景点开始,构建一个完整的景点游览路线,并大体计算所需的游览时间。
本实施例中,利用大语言模型生成城市、景点知识图谱及其内容的更新,城市、景点知识图谱构建过程如下:
步骤一,生成城市字典。将格式化的城市字典模板以及城市名作为大语言模型的输入,采用上下文示例选择方法(In-context example selection),给大语言模型提供多个样例,使得模型输出和样例一致,获取到格式化的城市字典文字描述信息,然后按照属性名将对应的描述信息存储到数据库表中备用,并添加唯一标识ID为后续景点关联做准备。
步骤二,生成景点字典。按照景点字典模版同样采用下文示例选择方法生成景点字典,景点字典信息存储到数据库表中时,引入城市唯一标识ID,将景点与城市关联起来。
步骤三,循环生成城市下所有景点的字典,并在生成新的景点字典时,利用离线地图API获取所有景点两两之间的最佳公共交通出行方式以及所需时间,并将其存储到数据库表中,每一行存储两个景点及出行方式和时间,同样需要引入城市唯一标识ID。
步骤四,生成景点知识图谱。从城市的某个景点开始,从数据库景点关系表中依次读取数据,按照景点-关系(出行方式、时间)-景点的方式递归构建一个城市所有景点的知识图谱,同时,从数据库景点字典表中查找对应的景点信息添加到对应的节点上。
步骤五,循环执行步骤一至步骤四,生成所有城市的景点知识图谱,并且景点与城市建立对应关系。
步骤六,从大语言模型中获取所有城市两两之间的空间距离,将距离1000km以内的两个城市及距离存储到数据库表中。
步骤七,生成城市知识图谱。按照景点知识图谱构建方式,从某个城市开始,从数据库城市关系表中其次读取数据,按照城市-关系(距离)-城市递归构建所有城市知识图谱,同时,从数据库城市字典表中查找对应的城市信息添加到对应的节点上。
城市、景点知识图谱内容更新过程如下:
步骤a,利用网络爬虫将评价内容爬取出来,针对每个城市、景点的评价存储到单独的一张表中,并与城市、景点进行关联。
步骤b,将评价表作为语言大模型的输入,根据对每条评价的语义理解进行二元分类(正面、负面评价),例如“好玩”、“美丽”、“推荐”等正面评价,“无聊”、“不值”、“差”等负面评价,将分类结果填写到对应的评价上,根据正负评价占比调整推荐评分。
步骤c,同样将评价表作为语言大模型的输入,提取出现频率高的有效信息并生成评价关键词,确定该有效信息所属的属性,利用语言大模型的语义分析能力,对比生成的关键词与对应属性原有的信息语义是否相近,如果语义相差很大,则将该有效信息更新到对应数据库表的属性上。
步骤d,根据以上改动,重新生成新的城市、景点知识图谱。
(2)旅游线路日程推荐,具体包括:
1)智能旅游线路推荐,根据游客的日程安排,智能地推荐旅游线路及具体的时间安排,以城市一日游为例,根据该城市各个景点的推荐指数形成一个完整的游览线路日程计划,同时考虑到实际情况,假设一天的出行时间为10h,智能旅游线路推荐原则是按照景点推荐指数从高到低依次确定游览景点,然后从景点知识图谱中依次查找对应的景点,每确定一个景点计算游览和景点之间路程的时间总和,不超过10h则添加下一个景点,具体描述如下:
假设各个景点按推荐指数从高到低表示为A1、A2、……、An,从景点知识图谱中获取每个景点的游览时间为T(A1)、T(A2)、……、T(An),两个景点之间路上所需时间为t(A1A2)、t(A2A3)、……、t(An-1An),则当T(A1)+ t(A1A2)+ T(A2)+ t(A2A3)+……+ t(An-1An)+ T(An)<10h时,确定的An为最终的游览景点,游览路线也随之确定,其示意图如图9所示。
2)智能推荐路线改动,游客可以对智能推荐的路线进行改动,包括景点游览顺序的改变,添加、替换、删除景点等,根据最终确定的游览景点及顺序重新计算时间,假设最终确定的游览景点及顺序是A1、A3、A2、A5,从景点知识图谱中按顺序查找四个景点以及相邻两个景点的通勤时间,则总时间为:
T=T(A1)+t(A1A3)+T(A3)+t(A3A2)+T(A2)+t(A2A5)+T(A5)。
3)特色旅游路线推荐,根据游客的喜好,利用大语言模型语义理解功能,从景点标签中筛选出跟游客喜好最贴切的景点,然后采用智能旅游线路推荐方案生成一条特色旅游路线,同时游客可以对该路线进行改动,达到自己的预期。
(3)个性化出行定制:当游客对将要去的城市比较了解,需要自主选择旅游景点,依据游客选择的景点,依次查找景点知识图谱,自动生成旅游线路,旅游线路生成方式参照(2)。
(4)旅游线路优化:根据景点生成的旅游线路可能存在时间规划不合理的地方,例如从一个景点出发,首先到了一个比较远的景点,然后到下一个景点时往回走,会造成时间的浪费。此处,采用动态路径规划算法,对景点游览顺序进行重新优化安排,具体介绍如下:
假设有三个景点A1、A2、A3,每两个景点之间路上的时间为t(A1A2)、t(A2A3)、t(A1A3),如果按照A1、A2、A3的顺序进行游览,则所需要的时间为:T1=T(A1)+ t(A1A2) + T(A2)+ t(A2A3)+T(A3)。
如果A1->A2->A3路上的时间大于A1->A3->A2路上的时间,即t(A1A2) + t(A2A3)>t(A1A3)+t(A2A3),此时时间比较合理的游览顺序为A1->A3->A2。
以上实施例仅为本发明的示例性实施例,不用于限制本发明。本领域技术人员可以在本发明的实质和保护范围内,对本发明做出各种修改或等同替换,这种修改或等同替换也应视为落在本发明的保护范围内。
Claims (3)
1.一种基于大语言模型和知识图谱的旅游线路推荐方法,其特征在于,包括如下步骤:
步骤1,利用大语言模型生成城市知识图谱、景点知识图谱,并进行城市知识图谱、景点知识图谱的更新;
步骤2,利用大语言模型语义理解的功能理解用户的喜好,从步骤1所得的城市知识图谱、景点知识图谱中筛选出跟用户喜好贴近的景点,根据城市知识图谱、景点知识图谱中的景点推荐指数、景点建议游览时间、两个景点之间的出行方式及时间确定游览路线;
步骤3,用户根据个人需求对步骤2所得的游览线路进行修改,根据最终确定的游览景点、顺序重新计算游览时间;
步骤4,根据用户个人约束的总游览时间,将步骤3所得的游览路线中游览时间小于等于用户个人约束总游览时间的游览线路选出来,从选出来的游览路线中,选择总游览时间最短的游览路线作为最终游览路线;
所述步骤1利用大语言模型生成城市知识图谱、景点知识图谱的具体过程包括:
步骤1.1,生成城市字典;将格式化的城市字典模板以及城市名作为大语言模型的输入,采用上下文示例选择方法,给大语言模型提供多个样例,使得模型输出和样例一致,获取到格式化的城市字典文字描述信息,按照属性名将对应的描述信息存储到数据库表中备用,并添加唯一标识ID为后续景点关联做准备;
步骤1.2,生成景点字典:按照景点字典模版采用下文示例选择方法生成景点字典,景点字典信息存储到数据库表中时,引入城市唯一标识ID,将景点与城市关联起来;
步骤1.3,循环生成城市下所有景点的字典,并在生成新的景点字典时,利用离线地图API获取所有景点两两之间的最佳公共交通出行方式以及所需时间,将其存储到数据库景点关系表中,每一行存储两个景点及出行方式和时间,同样需要引入城市唯一标识ID;
步骤1.4,生成景点知识图谱:从数据库景点关系表中依次读取数据,按照景点-关系-景点的方式递归构建一个城市所有景点的知识图谱,从数据库景点字典表中查找对应的景点信息添加到对应的节点上;
步骤1.5,循环执行步骤1.1至步骤1.4,生成所有城市的景点知识图谱,并且景点与城市建立对应关系;
步骤1.6,从大语言模型中获取所有城市两两之间的空间距离,将距离A以内的两个城市及距离存储到数据库城市关系表中;
步骤1.7,生成城市知识图谱:按照景点知识图谱构建方式,从数据库城市关系表中依次读取数据,按照城市-关系-城市递归构建所有城市知识图谱,从数据库城市字典表中查找对应的城市信息添加到对应的节点上;
所述步骤1中城市知识图谱、景点知识图谱的更新过程具体包括:利用网络爬虫将评价内容爬取出来,针对每个城市、景点的评价存储到单独的一张表中,并与城市、景点进行关联;
将评价表作为语言大模型的输入,根据对每条评价的语义理解进行二元分类,将分类结果填写到对应的评价上,根据正负评价占比调整推荐评分;
将评价表作为语言大模型的输入,提取出现频率高的有效信息并生成评价关键词,确定该有效信息所属的属性,利用语言大模型的语义分析能力,对比生成的关键词与对应属性原有的信息语义是否相近,如果语义相差很大,则将该有效信息更新到对应数据库表的属性上。
2.根据权利要求1所述的一种基于大语言模型和知识图谱的旅游线路推荐方法,其特征在于,所述步骤2中通过动态路径规划算法对景点游览顺序进行优化安排,确保生成的游览线路所用的游览时间最短。
3.根据权利要求2所述的一种基于大语言模型和知识图谱的旅游线路推荐方法,其特征在于,所述动态路径规划算法具体步骤包括:对不同景点进行排列组合,根据排列组合结果得到多条游览路线,根据景点知识图谱计算两个景点之间的通勤时间,并将所有排列组合后的景点通勤时间相加得到总的通勤时间,选择通勤时间最短的路线作为推荐游览路线。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311714834.4A CN117407606B (zh) | 2023-12-14 | 2023-12-14 | 一种基于大语言模型和知识图谱的旅游线路推荐方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311714834.4A CN117407606B (zh) | 2023-12-14 | 2023-12-14 | 一种基于大语言模型和知识图谱的旅游线路推荐方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117407606A CN117407606A (zh) | 2024-01-16 |
CN117407606B true CN117407606B (zh) | 2024-03-05 |
Family
ID=89492856
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311714834.4A Active CN117407606B (zh) | 2023-12-14 | 2023-12-14 | 一种基于大语言模型和知识图谱的旅游线路推荐方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117407606B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN208126123U (zh) * | 2017-06-24 | 2018-11-20 | 青岛理工大学 | 智能房车光伏综合应用系统 |
CN109977283A (zh) * | 2019-03-14 | 2019-07-05 | 中国人民大学 | 一种基于知识图谱和用户足迹的旅游推荐方法和系统 |
CN110288436A (zh) * | 2019-06-19 | 2019-09-27 | 桂林电子科技大学 | 一种基于游客偏好建模的个性化景点推荐方法 |
CN112667877A (zh) * | 2020-12-25 | 2021-04-16 | 陕西师范大学 | 一种基于旅游知识图谱的景点推荐方法及设备 |
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 |
EP4092388A2 (en) * | 2021-09-17 | 2022-11-23 | Beijing Baidu Netcom Science Technology Co., Ltd. | Method and apparatus of recommending information, electronic device, storage medium, and program product |
WO2023273292A1 (zh) * | 2021-06-30 | 2023-01-05 | 深圳市城市交通规划设计研究中心股份有限公司 | 基于多源数据融合的居民出行链生成方法及共乘查询方法 |
CN116257057A (zh) * | 2023-02-03 | 2023-06-13 | 青岛理工大学 | 基于区域划分的农机作业路径规划方法及系统 |
CN116991992A (zh) * | 2023-07-06 | 2023-11-03 | 阿维塔科技(重庆)有限公司 | 交互方法、装置和设备 |
CN117033667A (zh) * | 2023-10-07 | 2023-11-10 | 之江实验室 | 一种知识图谱构建方法、装置、存储介质及电子设备 |
-
2023
- 2023-12-14 CN CN202311714834.4A patent/CN117407606B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN208126123U (zh) * | 2017-06-24 | 2018-11-20 | 青岛理工大学 | 智能房车光伏综合应用系统 |
CN109977283A (zh) * | 2019-03-14 | 2019-07-05 | 中国人民大学 | 一种基于知识图谱和用户足迹的旅游推荐方法和系统 |
CN110288436A (zh) * | 2019-06-19 | 2019-09-27 | 桂林电子科技大学 | 一种基于游客偏好建模的个性化景点推荐方法 |
CN112667877A (zh) * | 2020-12-25 | 2021-04-16 | 陕西师范大学 | 一种基于旅游知识图谱的景点推荐方法及设备 |
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 |
WO2023273292A1 (zh) * | 2021-06-30 | 2023-01-05 | 深圳市城市交通规划设计研究中心股份有限公司 | 基于多源数据融合的居民出行链生成方法及共乘查询方法 |
EP4092388A2 (en) * | 2021-09-17 | 2022-11-23 | Beijing Baidu Netcom Science Technology Co., Ltd. | Method and apparatus of recommending information, electronic device, storage medium, and program product |
CN116257057A (zh) * | 2023-02-03 | 2023-06-13 | 青岛理工大学 | 基于区域划分的农机作业路径规划方法及系统 |
CN116991992A (zh) * | 2023-07-06 | 2023-11-03 | 阿维塔科技(重庆)有限公司 | 交互方法、装置和设备 |
CN117033667A (zh) * | 2023-10-07 | 2023-11-10 | 之江实验室 | 一种知识图谱构建方法、装置、存储介质及电子设备 |
Non-Patent Citations (1)
Title |
---|
牛俊洁 ; 崔忠伟 ; 赵晨洁 ; 王永金 ; 吴恋 ; .个性化旅游推荐技术研究及发展综述.物联网技术.2020,(第03期),第 92-94页. * |
Also Published As
Publication number | Publication date |
---|---|
CN117407606A (zh) | 2024-01-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107679661B (zh) | 一种基于知识图谱的个性化旅游路线规划方法 | |
Punjani et al. | Template-based question answering over linked geospatial data | |
CN103885983B (zh) | 一种旅游线路的确定方法、优化方法以及装置 | |
CN108416461A (zh) | 旅游行程的智能创建方法和设备 | |
Zhou et al. | Intelligent tourism recommendation algorithm based on text mining and MP nerve cell model of multivariate transportation modes | |
CN110162642A (zh) | 基于对象代理数据库的专利知识图谱构建方法 | |
Mirri et al. | Walking under a different sky: Urban colored routes for creative engagement and pleasure | |
CN112733040B (zh) | 一种旅游行程推荐方法 | |
CN110532464B (zh) | 一种基于多旅游上下文建模的旅游推荐方法 | |
Cao et al. | Semantic approach to travel information search and itinerary recommendation | |
Scioscia et al. | A framework and a tool for semantic annotation of POIs in OpenStreetMap | |
CN117407606B (zh) | 一种基于大语言模型和知识图谱的旅游线路推荐方法 | |
Wang et al. | A social network analysis of tourism cooperation in the Yangtze River Delta: A supply and demand perspective | |
CN111797331A (zh) | 基于群智感知的多目标多约束路线推荐方法 | |
CN114580796B (zh) | 一种旅游属性路径规划方法及系统 | |
Ge et al. | Data-driven serendipity navigation in urban places | |
Cotfas | Collaborative itinerary recommender systems | |
Yang et al. | Mattrip: Multi-functional attention-based neural network for semantic travel route recommendation | |
Jain et al. | Public transport ontology for passenger information retrieval | |
Khruahong et al. | Ontology design for Thailand travel industry | |
Yotenka et al. | Tourist destination mapping visualization in Yogyakarta using affinity propagation and social network analysis: A case study on@ explorejogja Instagram in 2017 | |
Rinciog et al. | ROUTE SUGGESTION FOR VISITING MUSEUMS USING SEMANTIC DATA. | |
Dema | eTourPlan: A knowledge-based tourist route and activity planner | |
CN111191084B (zh) | 一种基于图结构的地名地址的解析方法 | |
Shkolnikov et al. | Merging tourist routes for collaborative trip planning |
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 |