CN108268613A - 基于语义分析的旅游行程生成方法、电子设备及存储介质 - Google Patents

Abstract

本发明提供基于语义分析的旅游行程生成方法，包括步骤获取游记文本，根据游记文本的基本信息对游记文本进行分段，获得若干分段结果，将若干分段结果生成分段结果矩阵，筛选旅游专题资源数据库中目的地对应的若干兴趣点生成兴趣点集合，将兴趣点集合元素与分段结果矩阵元素进行匹配，将每种分段结果每天访问的兴趣点记录生成访问记录矩阵，将访问记录矩阵中的若干分段结果按照时间顺序进行对照，清除偏离当天行程的兴趣点记录，将分段结果和对应的兴趣点记录生成旅游行程；本发明涉及电子设备与可读存储介质，用于基于语义分析的旅游行程生成方法；本发明能够自动提取互联网上现有游记文本的基本信息，直接把用户喜爱阅读的游记文本转换为结构化的行程。

Description

基于语义分析的旅游行程生成方法、电子设备及存储介质

技术领域

本发明涉及旅游应用领域，尤其涉及基于语义分析的旅游行程生成方法、电子设备及存储介质。

背景技术

随着自由行成为一种热门的旅游方式，游客在规划行程时，会在互联网上查阅相关的信息，常见方式是首先确定要访问的兴趣点，再为每个兴趣点分配访问时间，最后根据访问时间制定餐饮、住宿和交通计划。

如果游客对旅游目的地并不熟悉，行程的制定过程将极为耗时耗力，应对这一情况，现在已有研究者提出利用计算机软件自动制定行程，让游客在其基础上进行调整，为旅游规划提供决策支撑。现有的自动制定行程方法是根据单个兴趣点的属性进行排列组合的，兴趣点的访问顺序和访问时间均未经任何游客实践，行程的实际操作性有限，游客在实际出行时可能遇到交通、体力和预算方面的问题；游记收集、处理、添加标签没有全部自动化，较长的处理周期使行程较为陈旧，无法满足游客希望体验最新旅游线路的需求；数据源较为局限，数据源的多少依赖于轨迹采集APP的装机量，在轨迹采集APP未能大批量推广时，获取的行程参考价值有限。

发明内容

为了克服现有技术的不足，本发明的目的之一在于提供基于语义分析的旅游行程生成方法，自动提取游记文本的基本信息，将游记文本生成对应的旅游行程。

本发明提供基于语义分析的旅游行程生成方法，包括以下步骤：

获取游记文本，获取用于生成旅游行程的游记文本；

游记文本处理，遍历所述游记文本，获取所述游记文本的基本信息，在所述基本信息对应位置处对对所述游记文本进行分段，获得若干分段结果，所述分段结果包括若干分段文本，将若干所述分段结果生成分段结果矩阵，所述基本信息包括目的地；

提取兴趣点记录，筛选旅游专题资源数据库中所述目的地对应的若干兴趣点，生成兴趣点集合，将所述兴趣点集合元素与所述分段结果矩阵元素进行匹配，获得每种所述分段结果每天访问的兴趣点记录，将所述兴趣点记录生成访问记录矩阵；

生成旅游行程，将所述访问记录矩阵中的若干分段结果按照时间顺序进行对照，对若干所述分段结果每天访问的兴趣点记录进行分析，获得所述兴趣点记录的偏移量，根据所述偏移量清除偏离当天行程的兴趣点记录，将所述分段结果和所述分段结果每天访问的兴趣点记录生成旅游行程。

进一步地，所述步骤游记文本处理还包括分析所述游记文本的来源，对所述游记文本进行过滤，生成纯文本游记，根据所述基本信息对所述纯文本游记进行分段，获得若干分段结果，将若干所述分段结果生成分段结果矩阵。

进一步地，所述基本信息还包括旅行开始时间、旅行结束时间、作者、旅行目的、同行人员、组织方式，所述步骤获取基本信息包括遍历所述纯文本游记，获取所述纯文本游记的旅行开始时间、旅行结束时间、作者、旅行目的、同行人员、组织方式。

进一步地，所述步骤游记文本处理还包括获取具有时间属性的标志词，遍历所述纯文本游记，在所述具有时间属性的标志词对应位置处对所述纯文本游记进行切割，生成若干所述分段文本。

进一步地，所述步骤生成旅游行程还包括根据所述分段结果中同一天访问的相邻兴趣点之间的关联系数计算所述相邻兴趣点之间的偏离系数，若所述偏离系数达到偏离阈值，则清除偏离的兴趣点记录。

进一步地，还包括步骤清理冗余访问记录，清理所述访问记录矩阵中每种分段结果最后一天访问的兴趣点记录。

进一步地，所述步骤清理冗余访问记录还包括比对所述分段结果矩阵中相邻的分段结果，删除相邻的所述分段结果重叠部分对应的兴趣点访问记录。

进一步地，还包括步骤审核旅游行程，审核所述旅游行程的内容和顺序，若所述旅游行程的内容缺失或顺序混乱，则对所述旅游行程的内容或顺序进行调整生成修正旅游行程。

一种电子设备，包括：处理器；

存储器；以及程序，其中所述程序被存储在所述存储器中，并且被配置成由处理器执行，所述程序包括用于执行上述基于语义分析的旅游行程生成方法。

一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行上述基于语义分析的旅游行程生成方法。

相比现有技术，本发明的有益效果在于：

本发明能够自动提取互联网上现有游记文本的基本信息，游记资源的获取不依赖于特定的行程采集终端，游记资源的信息丰富、更新速度快、免费可得，本发明从用户喜爱阅读的游记文本出发，直接把用户喜爱阅读的游记文本转换为结构化的行程，将游记作者在旅行中访问的城市、景点、餐厅、商店、入住酒店、交通方式添加至旅游专题资源数据库，用户在旅游专题资源数据库中可一键浏览，减少了用户在旅行规划时的工作量，省去了用户通过电子地图、搜索引擎、攻略网站等多个信息来源查找信息的繁琐过程；由于网络游记文本的写作具有一定的随意性，对***生成的旅游行程进行审核，自动标注出可能存在内容缺失和顺序混乱的位置，并根据旅游行程的地理路线和游记作者的行为偏好，给出对应的修正旅游行程，用户可以自行决定是否对行程进行修正与补全，旅游行程生成的周期短，旅游行程生成及时，旅游行程实际操作性强。

上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，并可依照说明书的内容予以实施，以下以本发明的较佳实施例并配合附图详细说明如后。本发明的具体实施方式由以下实施例及其附图详细给出。

附图说明

此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：

图1为本发明的基于语义分析的旅游行程生成方法流程图；

图2为本发明实施例的游记分段结果重叠部分示意图。

具体实施方式

下面，结合附图以及具体实施方式，对本发明做进一步描述，需要说明的是，在不相冲突的前提下，以下描述的各实施例之间或各技术特征之间可以任意组合形成新的实施例。

基于语义分析的旅游行程生成方法，如图1所示，包括以下步骤：

获取游记文本，获取用于生成旅游行程的游记文本，包括接收用户输入的游记网页地址，从游记网页地址对应的网页获取游记文本，还包括接收用户发送的游记文本，游记文本记为T_raw；本实施例的源数据直接来源于互联网上大量的旅行游记，这些游记资源具有信息丰富、更新快和免费等诸多特点，因此其实现流程更为简洁，且不依赖于特定的行程采集终端。

游记文本处理，遍历游记文本，获取所述游记文本的基本信息，根据基本信息对游记文本进行分段，获得若干分段结果，分段结果包括若干分段文本，将若干分段结果生成分段结果矩阵；优选的，步骤游记文本处理还包括分析游记文本的来源，对游记文本进行过滤，生成纯文本游记，根据基本信息对纯文本游记进行分段，获得若干分段结果，将若干分段结果生成分段结果矩阵。

在一实施例中，分析游记文本的来源，去除HTML标记、图片、表格等与游记文本正文无关的信息，生成纯文本游记，记为T_refined。优选的，基本信息包括旅行开始时间、旅行结束时间、目的地、作者、旅行目的、同行人员、组织方式，本实施例中，目的地为目的地国家，步骤获取基本信息包括遍历纯文本游记，获取纯文本游记的旅行开始时间、旅行结束时间、目的地国家、作者、旅行目的、同行人员、组织方式，组织方式表示有无明确的时序结构，旅行开始时间记为d_start，旅行结束时间记为d_end，目的地国家记为C_dest。优选的，步骤游记文本处理还包括获取具有时间属性的标志词，遍历纯文本游记T_refined，在具有时间属性的标志词对应位置处对纯文本游记T_refined进行切割，生成若干分段文本，考虑到自然语言的复杂性和多义性，有多种分段方案适用于该游记文本，产生若干种分段结果，本实施例中假设分段结果有n种。设数组P₁为一种分段结果，其内容为[p_1,1,p_1,2,p_1,3,…,p_1,m]，其中p_1,2表示使用分段结果P₁中的第2段文本，也就是该分段方案中对第2天游记的文字描述。因此，当有若干分段结果时，就生成了分段结果矩阵M_P，分段结果矩阵M_P如下式(1)所示：

提取兴趣点记录，从旅游专题资源数据库中获取游记访问国家的所有兴趣点名称，即读取全球的旅游兴趣点，筛选旅游专题资源数据库中目的地国家C_dest对应的若干兴趣点，生成兴趣点集合，获得属于该目的地国家的兴趣点，将这些兴趣点的名称放入兴趣点集合，兴趣点集合记为A，A＝{a₁,a₂,a₃,...,a_k},将兴趣点集合A中的元素与分段结果矩阵M_P中的元素进行匹配，即使用兴趣点名称对每种分段结果进行匹配，获得每种分段结果每天访问的兴趣点记录，此处兴趣点记录为兴趣点记录数组，兴趣点记录数组记为t，以t为元素组成访问记录矩阵，记为Mt，该运算过程记为match(M_P,A)，Mt公式如下式(2)和(3)所示：

其中，t_n，m＝match(p_n，m，A)＝[f_n，m，1 f_n，m，2 f_n，m，3 … f_n，m，u] (3)

上述公式(2)中，M_P中元素p_1,2表示分段结果P₁中第2天游记文字描述，用集合A中的元素与p_1,2进行名称匹配，得到访问记录数组t_1,2，t_1,2＝[f_1,2,1,f_1,2,2,f_1,2,3,…,f_1,2,u]，其中f_1,2,1～f_1,2,u是指分段结果P₁中第2天访问的各个兴趣点，当天访问的兴趣点总数为u。

在一实施例中，在对游记文本进行分析时，需要建立多个自然语言模型，对于不同类别、不同来源的游记，这些参数设置均要分别进行配置。同时，为了提高***对游记中的地名、交通方式、游客行为等要素识别的准确率，也需要对旅游专题数据库中对应的数据进行参数设置，因此本发明采用机器学习中的自我训练方法，建立游记样本库，根据目的地国家、作者、来源对这些游记进行简单的人工标注，然后将游记导入***中，使用训练算法对自然语言模型进行调整，调整的目标参数包括兴趣点别名权重、兴趣点关系矩阵、交通行为判定参数、消费行为判定参数等，从而采用自动化手段，持续性的提升自然语言处理的准确度。

在一实施例中，因为每种分段结果都是基于相同的游记文本T_refined生成的，因此分段结果中的第一个分段t_n,1与最后一个分段t_n,m必然会与其它分段结果产生重叠，从而产生大量的冗余访问记录，优选的，还包括步骤清理冗余访问记录，清理访问记录矩阵中每种分段结果最后一天访问的兴趣点记录。

如图2所示，为降低后期去除冗余访问记录处理的复杂度，优选的，步骤清理冗余访问记录还包括比对分段结果矩阵中相邻的分段结果，提前筛选出冗余的访问记录，删除相邻的分段结果重叠部分对应的兴趣点访问记录，图2中相邻的分段结果1和分段结果2的分段文本分别以0，1，2，3，4标识，由于自然语言的复杂性和多义性，分段结果1和分段结果2中的分段不相同，图2中分段结果1的1分段文本、2分段文本、3分段文本与分段结果2的0分段文本存在重叠，图2中用1，2，3∩0表示，分段结果1的4分段文本与分段结果2的0分段文本、1分段文本、2分段文本、3分段文本存在重叠，图2中用4∩0，1，2，3表示，删除分段结果1和分段结果2重叠部分对应的兴趣点访问记录。

生成旅游行程，将访问记录矩阵中的若干分段结果按照时间顺序进行对照，对若干分段结果每天访问的兴趣点记录进行分析，获得兴趣点记录的偏移量，根据偏移量清除偏离当天行程的兴趣点记录，将分段结果每天访问的兴趣点记录生成旅游行程，本实施例中，步骤生成旅游行程还包括根据分段结果中同一天访问的相邻兴趣点之间的关联系数计算相邻兴趣点之间的偏离系数，若偏离系数达到偏离阈值，则清除偏离的兴趣点记录，判定某条兴趣点记录是否偏离当天行程的公式如下式(4)所示：

其中，D_n,m,3为兴趣点记录f_n,m,1偏离系数，R_n,m,1，2为访问记录f_n,m,1和f_n,m,q之间的关联系数，本实施例中，旅游行程是根据游记文本中对目的地国家的若干兴趣点的访问记录生成的，并不是对单个兴趣点的属性进行排列组合得到的，本实施例中，兴趣点的访问顺序和访问时间均经游记作者实践，因此旅游行程的实际操作性强。

在一实施例中，优选的，还包括步骤审核旅游行程，根据人工整理分析得出的先验规则，审核旅游行程的内容和顺序，自动标注出存在内容缺失和顺序混乱的位置，根据行程的地理路线和游记作者的行为偏好，对旅游行程的内容或顺序进行调整生成修正旅游行程，用户可以对照浏览存在问题的旅游行程和修正后的旅游行程，自行决定是否对旅游行程进行修正或补全。

一种电子设备，包括：处理器；存储器；以及程序，其中程序被存储在存储器中，并且被配置成由处理器执行，程序包括用于执行上述基于语义分析的旅游行程生成方法。一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行上述基于语义分析的旅游行程生成方法。

本发明能够自动提取互联网上现有游记文本的基本信息，游记资源的获取不依赖于特定的行程采集终端，游记资源的信息丰富、更新速度快、免费可得，本发明从用户喜爱阅读的游记文本出发，直接把用户喜爱阅读的游记文本转换为结构化的行程，将游记作者在旅行中访问的城市、景点、餐厅、商店、入住酒店、交通方式添加至旅游专题资源数据库，用户在旅游专题资源数据库中可一键浏览，减少了用户在旅行规划时的工作量，省去了用户通过电子地图、搜索引擎、攻略网站等多个信息来源查找信息的繁琐过程；由于网络游记文本的写作具有一定的随意性，对***生成的旅游行程进行审核，自动标注出可能存在内容缺失和顺序混乱的位置，并根据旅游行程的地理路线和游记作者的行为偏好，给出对应的修正旅游行程，用户可以自行决定是否对行程进行修正与补全，旅游行程生成的周期短，旅游行程生成及时，旅游行程实际操作性强。

以上，仅为本发明的较佳实施例而已，并非对本发明作任何形式上的限制；凡本行业的普通技术人员均可按说明书附图所示和以上而顺畅地实施本发明；但是,凡熟悉本专业的技术人员在不脱离本发明技术方案范围内，利用以上所揭示的技术内容而做出的些许更动、修饰与演变的等同变化，均为本发明的等效实施例；同时,凡依据本发明的实质技术对以上实施例所作的任何等同变化的更动、修饰与演变等，均仍属于本发明的技术方案的保护范围之内。

Claims (10)

1.基于语义分析的旅游行程生成方法，其特征在于包括以下步骤：

获取游记文本，获取用于生成旅游行程的游记文本；

游记文本处理，遍历所述游记文本，获取所述游记文本的基本信息，在所述基本信息对应位置处对对所述游记文本进行分段，获得若干分段结果，所述分段结果包括若干分段文本，将若干所述分段结果生成分段结果矩阵，所述基本信息包括目的地；

提取兴趣点记录，筛选旅游专题资源数据库中所述目的地对应的若干兴趣点，生成兴趣点集合，将所述兴趣点集合元素与所述分段结果矩阵元素进行匹配，获得每种所述分段结果每天访问的兴趣点记录，将所述兴趣点记录生成访问记录矩阵；

生成旅游行程，将所述访问记录矩阵中的若干分段结果按照时间顺序进行对照，对若干所述分段结果每天访问的兴趣点记录进行分析，获得所述兴趣点记录的偏移量，根据所述偏移量清除偏离当天行程的兴趣点记录，将所述分段结果和所述分段结果每天访问的兴趣点记录生成旅游行程。

2.如权利要求1所述的基于语义分析的旅游行程生成方法，其特征在于：所述步骤游记文本处理还包括分析所述游记文本的来源，对所述游记文本进行过滤，生成纯文本游记，根据所述基本信息对所述纯文本游记进行分段，获得若干分段结果，将若干所述分段结果生成分段结果矩阵。

3.如权利要求2所述的基于语义分析的旅游行程生成方法，其特征在于：所述基本信息还包括旅行开始时间、旅行结束时间、作者、旅行目的、同行人员、组织方式，所述步骤获取基本信息包括遍历所述纯文本游记，获取所述纯文本游记的旅行开始时间、旅行结束时间、作者、旅行目的、同行人员、组织方式。

4.如权利要求2所述的基于语义分析的旅游行程生成方法，其特征在于：所述步骤游记文本处理还包括获取具有时间属性的标志词，遍历所述纯文本游记，在所述具有时间属性的标志词对应位置处对所述纯文本游记进行切割，生成若干所述分段文本。

5.如权利要求1所述的基于语义分析的旅游行程生成方法，其特征在于：所述步骤生成旅游行程还包括根据所述分段结果中同一天访问的相邻兴趣点之间的关联系数计算所述相邻兴趣点之间的偏离系数，若所述偏离系数达到偏离阈值，则清除偏离的兴趣点记录。

6.如权利要求1所述的基于语义分析的旅游行程生成方法，其特征在于：还包括步骤清理冗余访问记录，清理所述访问记录矩阵中每种分段结果最后一天访问的兴趣点记录。

7.如权利要求6所述的基于语义分析的旅游行程生成方法，其特征在于：所述步骤清理冗余访问记录还包括比对所述分段结果矩阵中相邻的分段结果，删除相邻的所述分段结果重叠部分对应的兴趣点访问记录。

8.如权利要求1所述的基于语义分析的旅游行程生成方法，其特征在于：还包括步骤审核旅游行程，审核所述旅游行程的内容和顺序，若所述旅游行程的内容缺失或顺序混乱，则对所述旅游行程的内容或顺序进行调整生成修正旅游行程。

9.一种电子设备，其特征在于包括：处理器；

存储器；以及程序，其中所述程序被存储在所述存储器中，并且被配置成由处理器执行，所述程序包括用于执行权利要求1-8任意一项所述的方法。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于：所述计算机程序被处理器执行如权利要求1-8任意一项所述的方法。