CN111177559A - 文旅服务推荐方法、装置、电子设备及存储介质 - Google Patents

文旅服务推荐方法、装置、电子设备及存储介质 Download PDF

Info

Publication number
CN111177559A
CN111177559A CN201911404349.0A CN201911404349A CN111177559A CN 111177559 A CN111177559 A CN 111177559A CN 201911404349 A CN201911404349 A CN 201911404349A CN 111177559 A CN111177559 A CN 111177559A
Authority
CN
China
Prior art keywords
information
user
knowledge
target
travel service
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
Application number
CN201911404349.0A
Other languages
English (en)
Other versions
CN111177559B (zh
Inventor
宋雨伦
贾一羽
何中诚
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China United Network Communications Group Co Ltd
Unicom Big Data Co Ltd
Original Assignee
China United Network Communications Group Co Ltd
Unicom Big Data Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by China United Network Communications Group Co Ltd, Unicom Big Data Co Ltd filed Critical China United Network Communications Group Co Ltd
Priority to CN201911404349.0A priority Critical patent/CN111177559B/zh
Publication of CN111177559A publication Critical patent/CN111177559A/zh
Application granted granted Critical
Publication of CN111177559B publication Critical patent/CN111177559B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06F16/30—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
    • 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
    • G06F16/958—Organisation or management of web site content, e.g. publishing, maintaining pages or automatic linking
    • 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
    • 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
    • G06Q30/0203—Market surveys; Market polls
    • 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
    • G06Q30/0282—Rating or review of business operators or products
    • 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
    • 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

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Strategic Management (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • Development Economics (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Business, Economics & Management (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • General Engineering & Computer Science (AREA)
  • Game Theory and Decision Science (AREA)
  • Tourism & Hospitality (AREA)
  • Human Resources & Organizations (AREA)
  • Computational Linguistics (AREA)
  • Animal Behavior & Ethology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Primary Health Care (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供一种文旅服务推荐方法、装置、电子设备及存储介质，通过获取目标用户的用户特征信息；根据用户特征信息，从预设的文旅知识图谱中抽取知识链组；根据知识链组，计算与用户特征信息相匹配的目标文旅服务信息；将目标文旅服务信息推荐给目标用户，由于根据用户特征信息从预设的文旅知识图谱中抽取的知识链组相比原始的文旅知识图谱，数据量更小，计算效率更高，可以对用户使用过程中的动态交互行为进行实时分析并给予及时反馈，提高了向用户进行文旅服务推荐的结果的准确性。

Description

文旅服务推荐方法、装置、电子设备及存储介质
技术领域
本发明涉及大数据技术领域，尤其涉及一种文旅服务推荐方法、装置、电子设备及存储介质。
背景技术
随着大数据技术的发展，各类用户身份识别技术的成熟为个性化推荐***提供支撑，根据用户的特征提供个性化的实时推荐功能，可以减少用户在人机交互***中的频繁点击与纠错行为，优化用户体验，提升用户满意度，尤其在智慧旅游数据可视化场景中，不同业务场景下的信息需求内容是不一致的，如何基于大数据信息为用户推荐合适的内容，提升人机交互过程中的用户体验，是非常必要的。
现有技术中，传统的利用知识图谱实现文旅服务的推荐方法，是通过先验知识构建知识图谱，由于知识图谱的结构复杂，难以做到实时计算，因此构建规模庞大的计算矩阵，难以对用户使用过程中的动态交互行为进行实时分析并给予及时反馈，造成了计算效率低、向用户进行文旅服务推荐的结果不准确等问题，影响用户在人机交互过程中的体验。
发明内容
本发明提供一种文旅服务推荐方法、装置、电子设备及存储介质，用以向用户进行文旅服务推荐的结果不准确的问题。
根据本公开实施例的第一方面，本发明提供了一种文旅服务推荐方法，所述方法包括：
获取目标用户的用户特征信息；
根据用户特征信息，从预设的文旅知识图谱中抽取知识链组；
根据所述知识链组，计算与所述用户特征信息相匹配的目标文旅服务信息；
将所述目标文旅服务信息推荐给所述目标用户。
可选地，所述获取目标用户的用户特征信息，包括：
获取所述目标用户的画像信息和兴趣信息；
根据所述画像信息和所述兴趣信息确定所述目标用户的用户特征信息。
可选地，所述获取所述目标用户的画像信息，包括：
获取目标用户的身份信息；
根据目标用户的身份信息，对目标用户进行分类，确定目标用户的群体类别；
根据所述群体类别，确定目标用户的画像信息。
可选地，所述获取所述目标用户的兴趣信息，包括：
获取所述目标用户的浏览信息和评论信息；
根据所述目标用户的浏览信息和评论信息确定所述目标用户的兴趣信息。
可选地，所述根据所述目标用户的浏览信息和评论信息确定所述目标用户的兴趣信息，包括：
根据所述目标用户的浏览信息，确定所述目标用户的兴趣领域；
根据所述目标用户的在所述兴趣领域内的评论信息，确定目标用户的兴趣信息；
相应的，所述根据所述画像信息和所述兴趣信息确定所述目标用户的用户特征信息，包括：
将所述画像信息和兴趣信息确定为所述用户特征信息。
可选地，所述知识图谱中包括多条知识链，所述知识链用于映射不同用户特征信息对应的用户与文旅服务信息之间的关系，所述根据用户特征信息，从预设的文旅知识图谱中抽取知识链组，包括：
确定知识图谱中与所述用户特征信息相关的目标知识链；
从所述知识图谱中提取预设数量的所述目标知识链，生成知识链组。
可选地，所述根据所述知识链组，计算与所述用户特征信息相匹配的目标文旅服务信息，包括：
将所述知识链组转化为多维特征矩阵；
利用多维特征矩阵训练与用户特征信息匹配的推荐模型；
将所述用户特征信息输入所述推荐模型，获得输出的目标文旅服务信息。
可选地，所述将所述知识链组转化为多维特征矩阵，包括：
提取所述知识链组中各知识链对应的用户特征信息和文旅服务信息；
根据所述对应的用户特征信息生成多个第一特征矩形；
根据所述对应的文旅服务信息生成多个第二特征矩阵；
将各第一特征矩形和各第二特征矩形对应组合为多个特征矩阵；
将所述多个特征矩阵合并为多维特征矩阵。
可选地，在所述获取目标用户的用户特征信息前，还包括：
获取文旅服务先验知识；
根据所述文旅服务先验知识构建文旅知识图谱。
根据本公开实施例的第二方面，本发明提供了一种文旅服务推荐装置，包括：
用户特征获取模块，用于获取目标用户的用户特征信息；
知识链组抽取模块，用于根据用户特征信息，从预设的文旅知识图谱中抽取知识链组；
文旅服务计算模块，用于根据所述知识链组，计算与所述用户特征信息相匹配的目标文旅服务信息；
文旅服务推荐模块，将所述目标文旅服务信息推荐给所述目标用户。
可选地，所述用户特征获取模块，具体用于：
获取所述目标用户的画像信息和兴趣信息；
根据所述画像信息和所述兴趣信息确定所述目标用户的用户特征信息。
可选地，所述用户特征获取模块在获取所述目标用户的画像信息时，具体用于：
获取目标用户的身份信息；
根据目标用户的身份信息，对目标用户进行分类，确定目标用户的群体类别；
根据所述群体类别，确定目标用户的画像信息。
可选地，所述用户特征获取模块在获取所述目标用户的兴趣信息时，具体用于：
获取所述目标用户的浏览信息和评论信息；
根据所述目标用户的浏览信息和评论信息确定所述目标用户的兴趣信息。
可选地，所述用户特征获取模块在根据所述目标用户的浏览信息和评论信息确定所述目标用户的兴趣信息时，具体用于：
根据所述目标用户的浏览信息，确定所述目标用户的兴趣领域；
根据所述目标用户的在所述兴趣领域内的评论信息，确定目标用户的兴趣信息；
相应的，所述用户特征获取模块在根据所述画像信息和所述兴趣信息确定所述目标用户的用户特征信息时，具体用于：
将所述画像信息和兴趣信息确定为所述用户特征信息。
可选地，所述知识图谱中包括多条知识链，所述知识链用于映射不同用户特征信息对应的用户与文旅服务信息之间的关系，所述知识链组抽取模块，具体用于：
确定知识图谱中与所述用户特征信息相关的目标知识链；
从所述知识图谱中提取预设数量的所述目标知识链，生成知识链组。
可选地，所述文旅服务计算模块，具体用于：
将所述知识链组转化为多维特征矩阵；
利用多维特征矩阵训练与用户特征信息匹配的推荐模型；
将所述用户特征信息输入所述推荐模型，获得输出的目标文旅服务信息。
可选地，所述文旅服务计算模块在将所述知识链组转化为多维特征矩阵时，具体用于：
提取所述知识链组中各知识链对应的用户特征信息和文旅服务信息；
根据所述对应的用户特征信息生成多个第一特征矩形；
根据所述对应的文旅服务信息生成多个第二特征矩阵；
将各第一特征矩形和各第二特征矩形对应组合为多个特征矩阵；
将所述多个特征矩阵合并为多维特征矩阵。
可选地，所述文旅服务推荐装置，还包括知识图谱构建模块，用于：
获取文旅服务先验知识；
根据所述文旅服务先验知识构建文旅知识图谱。
根据本公开实施例的第三方面，本发明提供了一种电子设备，包括：存储器，处理器以及计算机程序；
其中，所述计算机程序存储在所述存储器中，并被配置为由所述处理器执行如本公开实施例第一方面任一项所述的文旅服务推荐方法。
根据本公开实施例的第四方面，本发明提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机执行指令，所述计算机执行指令被处理器执行时用于实现如本公开实施例第一方面任一项所述的文旅服务推荐方法。
本发明提供的文旅服务推荐方法、装置、电子设备及存储介质，通过获取目标用户的用户特征信息；根据用户特征信息，从预设的文旅知识图谱中抽取知识链组；根据所述知识链组，计算与所述用户特征信息相匹配的目标文旅服务信息；将所述目标文旅服务信息推荐给所述目标用户，由于根据用户特征信息从预设的文旅知识图谱中抽取的知识链组相比原始的文旅知识图谱，数据量更小，计算效率更高，可以对用户使用过程中的动态交互行为进行实时分析并给予及时反馈，提高了向用户进行文旅服务推荐的结果的准确性。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。
图1为本发明实施例提供的文旅服务推荐方法的一种应用场景图；
图2为本发明一个实施例提供的文旅服务推荐方法的流程图；
图3为本发明另一个实施例提供的文旅服务推荐方法的流程图；
图4为图3所示实施例中步骤S203的流程图；
图5为图3所示实施例中步骤S204的流程图；
图6为本发明实施例提供的知识链组的内容示意图；
图7为图3所示实施例中步骤S208的流程图；
图8为本发明一个实施例提供的文旅服务推荐装置的结构示意图；
图9为本发明另一个实施例提供的文旅服务推荐装置的结构示意图；
图10为本发明一个实施例提供的电子设备的结构示意图。
通过上述附图，已示出本公开明确的实施例，后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本公开构思的范围，而是通过参考特定实施例为本领域技术人员说明本公开的概念。
具体实施方式
这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
首先对本发明所涉及的名词进行解释：
知识图谱：知识图谱是结构化的语义知识库，用于以符号形式描述物理世界中的概念及其相互关系。其基本组成单位是“实体-关系-实体”三元组，以及实体及其相关属性值对，实体间通过关系相互联结，构成网状的知识结构。三元组的基本形式主要包括第一实体、关系、第二实体，以及概念、属性、属性值等。
实体是知识图谱中的最基本元素，不同的实体间存在不同的关系。概念主要指集合、类别、对象类型、事物的种类，例如人物、地理等；属性主要指对象可能具有的属性、特征、特性、特点以及参数，例如国籍、生日等；属性值主要指对象指定属性的值，例如中国、1988-09-08等。每个实体可用一个全局唯一确定的ID来标识，每个属性-属性值对(attribute-value pair，AVP)可用来刻画实体的内在特性，而关系可用来连接两个实体，刻画它们之间的关联。
下面以具体地实施例对本发明的技术方案以及本申请的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图，对本发明的实施例进行描述。
下面对本发明实施例的应用场景进行解释：
图1为本发明实施例提供的文旅服务推荐方法的一种应用场景图，如图1所示，本发明实施例提供的文旅服务推荐方法运行在电子设备上，具体地，电子设备为A网站的服务器。目标用户通过终端设备访问A网站后，A网站的服务器获取目标用户的用户特征信息，并根据用户特征信息，确定了与用户特征信息相匹配的目标文旅服务信息，并将目标文旅服务信息推送给目标用户，使目标用户能够快速的获得适合自己的文旅服务项目。
图2为本发明一个实施例提供的文旅服务推荐方法的流程图，如图2所示，本实施例提供的文旅服务推荐方法包括以下几个步骤：
步骤S101，获取目标用户的用户特征信息。
用户特征信息是用于描述用户所具有的特性的信息，利用用户特征信息，可以对不同用户进行分类和区别。用户特征信息可以是简单的单要素信息，例如，性别特征，获取目标用户的用户特征信息，即获取目标用户的性别。用户特征信息也可以为复杂的多要素信息，例如，用户的兴趣特征、年龄特征、人群特征综合作为用户特征信息，获取目标用户的用户特征信息，即获取目标用户的兴趣特征、年龄特征、人群特征等多个特征要素作为用户特征信息，可以理解的是，用户特征信息中特征要素越多，对用户进行区分越准确。
进一步地，用户特征信息可以包括用户本身所具有的客观特性，例如，用户的性别特征、年龄特征。也可以包括根据需要对用户进行分类后，用户所具有的主观特征，例如，高消费特征、年轻群体特征。因此，用户特征信息的内容，可以根据具体的场景和需要进行调整，此处不对用户特征信息的内容做具体限定。
步骤S102，根据用户特征信息，从预设的文旅知识图谱中抽取知识链组。
文旅知识图谱为文旅活动中，用于描述不同用户特征信息的用户与特定的文旅活动内容的知识图谱，根据文旅指数图谱，可以确定不同用户特征信息的用户与文旅活动内容之间的映射关系。
但是，预设的文旅知识图谱所包含的内容量巨大，其中的映射关系也极其复杂，直接对预设的文旅知识图谱进行处理或计算，都会造成计算效率低下的问题。
而对于用户特征信息而言，其中只包含少量的信息，根据用户特征信息，从预设的文旅知识图谱中，找到与目标用户的用户特征信息相匹配的内容，形成若干组知识链，可以将预设的文旅知识图谱中无用信息滤除，相当于进行了降维，可以有效的降低后续进行数据处理的数据量，提高数据处理的效率。
例如，用户特征信息中包含“兴趣特征”和“性别特征”两个特征要素，则根据用户特征信息，将预设的文旅知识图谱中涉及“兴趣特征”和“性别特征”的知识链抽取出来，其余不涉及“兴趣特征”和“性别特征”的知识链则舍去，不再后续计算中进行处理，实现提高数据处理效率的目的。
步骤S103，根据知识链组，计算与用户特征信息相匹配的目标文旅服务信息。
在确定知识链组后，知识链组中包括多条知识链，根据每条知识链中的关系元素，可以形成一套根据目标用户的不同用户特征信息，为目标用户推荐文旅服务的策略，此时，根据用户的具体用户特征信息，利用该推荐文旅服务的策略，计算得到与用户特征信息相匹配的目标文旅服务信息。
步骤S104，将目标文旅服务信息推荐给目标用户。
获得目标文旅服务信息后，通过不同渠道，推荐给目标用户，使目标用户能够得到与用户特征信息匹配，能够满足用户需求的文旅服务推荐信息，进而使目标用户能够快速的获得适合自己的文旅服务项目。
本实施例中，通过获取目标用户的用户特征信息。根据用户特征信息，从预设的文旅知识图谱中抽取知识链组。根据知识链组，计算与用户特征信息相匹配的目标文旅服务信息。将目标文旅服务信息推荐给目标用户，由于根据用户特征信息从预设的文旅知识图谱中抽取的知识链组相比原始的文旅知识图谱，数据量更小，计算效率更高，可以对用户使用过程中的动态交互行为进行实时分析并给予及时反馈，提高了向用户进行文旅服务推荐的结果的准确性。
图3为本发明另一个实施例提供的文旅服务推荐方法的流程图，如图3所示，本实施例提供的文旅服务推荐方法在图2所示实施例提供的文旅服务推荐方法的基础上，对步骤S101-步骤S103进一步细化，并在在步骤S101之前增加了构建文旅知识图谱的步骤，则本实施例提供的文旅服务推荐方法的包括以下几个步骤：
步骤S201，获取文旅服务先验知识。
文旅服务先验知识是指能够用于描述不同用户与文旅服务之间关系的数据。该数据可作为研究不同用户与文旅服务之间关系的学习样本。文旅服务先验知识的形式和内容是多种多样的，例如，根据不同用户主动或被动接受的文旅服务的记录，作为文旅服务先验知识。再例如，通过网站上不同用户对于不同文旅服务的评价、点击量等数据，作为文旅服务先验知识。文旅服务先验知识的获取方式是多种多样的，此处不对文旅服务先验知识的形式、内容、获取方式做具体限定。
步骤S202，根据文旅服务先验知识构建文旅知识图谱。
根据获取的文旅服务先验知识，可以作为样本数据进行分析和特征提取，构建构建文旅知识图谱。知识图谱的构建分为自底向上和自顶向下两种方式，自底向上的方式是从已有的文旅服务先验知识中提取出一定的规则，根据规则找到置信度较高的的信息加入到知识图谱中，自顶向下的方式是从高质量的网站中找到实体及关系信息加入到知识图谱的过程，或者通过相结合的方式，例如，先从用户的行为及评论数据中利用自然语言处理的方式抽取、归纳实体，再利用自顶向下的方式从用户画像等信息进行校验扩充，两种方法交替结合使用，保证提取出具有较高置信度的文旅用户实体库。再利用文本相似度等实体对齐的方式进行知识融合的步骤，最后将处理好的数据通过统一资源描述符表示并存储到图数据中形成文旅知识图谱。
步骤S203，获取目标用户的画像信息。
画像信息是用于描述用户的特性和需求的信息，根据画像信息可以将具有不同特性的用户分为不同的类型。例如，青年群体、高消费群体、价格敏感群体等。
可选地，如图4所示，步骤S203中获取目标用户的画像信息，包括步骤S2031、S2032和S2033三个具体的实现步骤：
步骤S2031，获取目标用户的身份信息。
具体地，身份信息为与用户真实身份相关的信息，获取身份信息的方式一般是通过用户的登记信息获得。例如，用户登记的性别信息、年龄信息等。当然，也可以通过第三方授权的方式获得用户的身份信息，例如，用户为A网站的会员，并在A网站登记了身份信息。B网站通过A网站的授权，获得用户的身份信息。此处，对获取目标用户的身份信息的具体方式，不做限定。
步骤S2032，根据目标用户的身份信息，对目标用户进行分类，确定目标用户的群体类别。
用户身份信息不同，一般会造成用户很多行为习惯、消费习惯的不同。因此，根据目标用户的身份信息，对目标用户进行分类后，使不同用户身份的用户，处于对应的群体类别中，便于后续根据不同的群体类别，推荐与其匹配的文旅服务信息。
可选地，可以根据目标用户的身份信息，确定目标用户与其他用户之间的关系信息，例如，目标用户A与用户B为好友关系。可以将目标用户和与其具有特定关系的其他用户，例如好友、同学、亲属，确定为一个群体类别。由于用户的行为习惯和特性，往往会受到其社交网络中的亲朋好友的影响，因此将目标用户和与其具有特定关系的其他用户确定为一个群体类别，能够更好的确定用户的实际需求，提高确定用户特性信息的准确性。
步骤S2033，根据群体类别，确定目标用户的画像信息。
由于特定的群体类别在行为习惯和消费习惯上，具有相对明显的区别和特点，因此，可以据此确定不同群体类别的用户对应的画像信息。例如，对于年龄较小的青年群体，在参加文旅活动时，倾向于将一些热门大城市、热度较高的景点作为文旅活动的目的地。而一些年龄较大的中老年群体，在参加文旅活动时，倾向于将一些名胜古迹、自然风光优美的景点作为文旅活动的目的地。再例如，青年群体在参加文旅活动时，消费较高，中老年群体，在参加文旅活动时，消费较低。因此，可以据此确定青年群体用户的画像信息和中老年群体用户的画像信息。
本实施例步骤中，通过用户的目标用户的身份信息，为用户生成不同的画像信息，起到了将用户快速归类的目的，身份信息的获取方式简单，内容准确，因此可以提高用户的画像信息的处理效率和准确性。
步骤S204，获取目标用户的兴趣信息。
具体地，兴趣信息是指用户的兴趣点信息，在文旅活动中，用户往往容易接受与兴趣点匹配的文旅服务。例如感兴趣的国家、地区。感兴趣的活动内容，如美食、运动，均属于兴趣信息的范畴。
可选地，用户在网站上的浏览信息和评论信息，可以表现用户的感兴趣的内容，因此，可以根据目标用户的浏览信息和评论信息确定目标用户的兴趣信息。
可选地，如图5所示，步骤S204中获取目标用户的兴趣信息，包括步骤S2041、S2042和S2043三个具体的实现步骤：
步骤S2041，获取目标用户的浏览信息和评论信息。
具体地，用户在网站的浏览信息和评论信息往往是用户对其内容感兴趣的直接表现。浏览信息包括用户在一段时间内浏览的网页的内容、时长。
评论信息为用户在一段时间内针对特定内容发表的评论内容，包括非实时的留言和实时的讯息，例如视频弹幕等。
步骤S2042，根据目标用户的浏览信息，确定目标用户的兴趣领域。
可选地，若目标用户长时间或多次浏览特定领域的内容，则可以确定用户对该领域比较感兴趣，即可确定该特定领域为目标用户的兴趣领域。例如，目标用户在网站上多次浏览“新疆旅游”相关的内容和信息，可确定目标用户对“新疆旅游”比较感兴趣，即“新疆旅游”即可作为目标用户的兴趣领域。再例如，目标用户在网站上多次浏览“自驾游”相关的内容和信息，可确定目标用户对“自驾游”比较感兴趣，即“自驾游”即可作为目标用户的兴趣领域。
步骤S2043，根据目标用户的在兴趣领域内的评论信息，确定目标用户的兴趣信息。
在用户对某个领域很感兴趣的同时，用户对该兴趣领域的感情可能是正面的，也可能是负面的，例如，用户多次搜索“新疆旅游”，实际上是由于已经参加过和“新疆旅游”相关的文旅活动，但是体验很差，为了投诉和表达不满“新疆旅游”的文旅活动而多次浏览该内容。
因此，在确定兴趣领域的基础上，根据目标用户在兴趣领域内的评论信息，确定用户的情感倾向，进而准确的确定目标用户的兴趣信息。
本实施例步骤中，通过获取用户的浏览信息和评论信息，从用户的兴趣领域和情感倾向两个方面确定用户的兴趣信息，避免出现对用户真实兴趣意图的误判，提高评估用户兴趣信息的准确性。
可选地，在目标用户未在兴趣领域内评论时，可以通过目标用户浏览的兴趣领域内的具体内容，判断目标用户对该兴趣领域的情感倾向，进而准确确定目标用户的兴趣信息。
可选地，兴趣信息中包括浏览信息和评论信息本身。
可选地，从目标用户的评论信息中确定用户的情感倾向的方法，以及从目标用户浏览的兴趣领域内的具体内容中判断目标用户对该兴趣领域的情感倾向的方法，可以采用对该具体内容和评论内容进行自然语言处理并获取语义信息和情感信息的方式，实现对目标用户情感倾向的判断，其具体的实现方法为本领域现有技术，此处不再赘述。
步骤S205，根据画像信息和兴趣信息确定目标用户的用户特征信息。
用户的画像信息和用户的兴趣信息从两个维度去描述用户的特征信息。画像信息是对用户群体的大致分类，而兴趣信息是用于在特定用户群体的基础上，再筛选出具有特定兴趣特征的用户群体。因此，根据画像信息和兴趣信息两个维度去确定目标用户的用户特征信息，起到准确评估用户特征信息的效果，提高用户特征评估的精确度。具体地，一种可选的实现方式为将画像信息和兴趣信息确定为用户特征信息。
可选地，知识图谱中包括多条知识链，知识链用于映射不同用户特征信息对应的用户与文旅服务信息之间的关系。
步骤S206，确定知识图谱中与用户特征信息相关的目标知识链。
用户特征信息相对于知识图谱信息量少，知识图谱中有大量冗余的知识链与用户特征信息是不相关的，根据用户特征信息确定知识图谱中与之相关的知识链，能够有效提高后续的数据处理效率。
例如，用户特征信息中包含有用户A的年龄特征和兴趣爱好特征，则将知识图谱中，属性涉及年龄特征和兴趣爱好特征的知识链确定为目标知识链。而知识图谱中的其他属性不与之相关知识链，例如表征用户上一次参加的文旅活动的记录与推荐文旅服务之间关系的知识链，则不将其确定为目标知识链。
步骤S207，从知识图谱中提取预设数量的目标知识链，生成知识链组。
可选地，知识链组包括多条知识链，知识链的条数为预设数量，可以根据目标知识链的数量和具体的需求进行设定，此处不做具体的限定。
图6为本发明实施例提供的知识链组的内容示意图。如图6所示，用户特征信息中的画像信息，包括了用户的“职业信息”“好友信息”几个特征要素。用户特征信息中的兴趣信息，包括了“浏览信息”、“评论信息”几个特征要素，从知识图谱中抽取十条与用户特征信息相关的知识链组成知识链组，其中，第一实体为用户1，即目标用户。第二实体为服务2，即目标文旅服务，知识链一至十中的关系分别为：
知识链一，通过用户1的评价内容，确定服务2。
知识链二，通过用户1的画像信息确定好友用户2，通过用户2的浏览内容，确定服务2。
知识链三，通过用户1的浏览内容，确定服务1。通过共同浏览服务1的用户2，确定服务2。
知识链四，通过用户1的浏览确定服务1，通过服务1的归属，确定公司1，确定同属于公司2的文旅服务为服务2。
知识链五，通过用户1的浏览确定服务1，根据服务1的位置确定地点1，确定位于同一地点的文旅服务为服务2。
知识链六，通过用户1的浏览确定服务1，根据服务1的消费情况，确定消费1，确定具有相似消费情况的文旅服务为服务2。
知识链七，通过用户1的画像信息确定用户职业为职业1，根据职业1确定具有相同职业的用户2，根据用户2的浏览内容，确定服务2。
知识链八，通过用户1撰写的评价1中的正向情感，确定服务1，根据同样具有正向情感的评价2，确定撰写评价2的用户2，根据用户的2浏览内容，确定服务2。
知识链九，通过用户1撰写的评价1中的内容，确定提及的产品1，根据同样提及产品1的评价2，确定撰写评价2的用户2，根据用户2的浏览内容，确定服务2。
知识链十，通过用户1撰写的评价1中的评价及提及的内容，确定服务1和产品。根据对服务1和产品具有相似评价和内容提及的评价2，确定撰写评价2的用户2，根据用户2的浏览内容，确定服务2。
步骤S208，将知识链组转化为多维特征矩阵。
根据知识链组确定目标推荐文旅服务，需要将知识链组进行矩阵化后进行计算。
可选地，如图7所示，步骤S208中将知识链组转化为多维特征矩阵，包括步骤S2081、S2082、S2083、S2084和S2085五个具体的实现步骤：
步骤S2081，提取知识链组中各知识链对应的用户特征信息和文旅服务信息。
知识链组中包括多组知识链，每条知识链相当于一组“用户-服务”对，知识链的两端的第一实体和第二实体分别为用户特征信息和文旅服务信息。对知识链两端的第一实体和第二实体进行提取，可获得用户特征信息和文旅服务信息。
步骤S2082，根据对应的用户特征信息生成多个第一特征矩形。
步骤S2083，根据对应的文旅服务信息生成多个第二特征矩阵。
步骤S2084，将各第一特征矩形和各第二特征矩形对应组合为多个特征矩阵。
步骤S2085，将多个特征矩阵合并为多维特征矩阵。
具体地，将用户特征信息和文旅服务信息分别进行矩阵化，其中用户特征信息用u表示，文旅服务信息用b表示，则第i个用户特征信息为ui，文旅服务信息bi。将用户特征信息和文旅服务信息联合起来，可以获L组特征，L为预设的知识链组中的知识链的数量，如式1所示：
Figure BDA0002348222100000141
其中，F是矩阵的秩，ui (l)和bj (l)分别代表从第l个知识链中提取的用户特征信息和文旅服务信息。不同的特征矩阵的秩不同，本实施例中将特征矩阵固定为相同值。xn表示第n个采样经过合并后的特征向量。每个用户-服务对可以用L×F维的特征矩阵表示。
步骤S209，利用多维特征矩阵训练与用户特征信息匹配的推荐模型。
生成多维特征矩阵后，我们对特征之间的二阶关系进行建模，本发明中通过对二阶参数进行低秩分解如公式(2)所示：
Figure BDA0002348222100000144
其中，w0是偏置，d＝2LF表示由L和知识链组成的矩阵的所有特征，w∈Rd表示一阶参数，V＝[vi]∈Rd×k表示不同参数交叉点乘的二阶参数，vi表示矩阵V的第i行，xi n是xn中的第i个特征。通过最小化均方损失函数的方式来学习参数，如公式(3)所示：
Figure BDA0002348222100000145
式中yn由第n次采样获得，N是总的采样次数。
可选地，通过知识链的方式构造用户和服务之间的一些隐式特征，为了防止训练结果过拟合，本实施例可以利用分解因子机的方式解决稀疏矩阵下特征组合的问题，排除掉无用的知识链，放弃了对相似度计算无用的特征组，使目标函数优化为非凸非光滑的问题，正则化后的二阶关系如公式(4)所示：
Figure BDA0002348222100000151
式中Φv和φw分别是经过正则化后的一阶和二阶参数，最后通过近端梯度法来进行迭代计算。经过迭代训练获得一阶和二阶参数，当输入新的用户时，将用户和商品所形成的知识链带入模型中获得用户-服务相似度，最后输出用户和服务的关联概率，概率越大说明关系越紧密，根据概率大小进行排序，排名靠前的进行推荐。
步骤S210，将用户特征信息输入推荐模型，获得输出的目标文旅服务信息。
获取推荐模型后，将具体的用户特征信息输入该推荐模型，获得与目标用户的需求相匹配的目标文旅服务。
本实施例中，通过在交互过程中对用户的画像信息和用户操作进行特征抽取，收集用户群体特征与兴趣信息，结合知识图谱算法构造知识链，从而在***与用户不断交互过程中，实时采集数据、处理数据、分析推断用户行动特征，并根据用户偏向及时反馈推荐内容，优化内容质量，提供更加匹配用户认知需求的***内容，使人机交互过程更为智能，提升用户满意度，优化用户体验。
图8为本发明一个实施例提供的文旅服务推荐装置的结构示意图，如图8所示，本实施例提供的文旅服务推荐装置3包括：
用户特征获取模块31，用于获取目标用户的用户特征信息。
知识链组抽取模块32，用于根据用户特征信息，从预设的文旅知识图谱中抽取知识链组。
文旅服务计算模块33，用于根据知识链组，计算与用户特征信息相匹配的目标文旅服务信息。
文旅服务推荐模块34，将目标文旅服务信息推荐给目标用户。
其中，用户特征获取模块31、知识链组抽取模块32、文旅服务计算模块33和文旅服务推荐模块34依次连接。本实施例提供的文旅服务推荐装置3可以执行如图2所示的方法实施例的技术方案，其实现原理和技术效果类似，此处不再赘述。
图9为发明另一个实施例提供的文旅服务推荐装置的结构示意图，如图9所示，本实施例提供的文旅服务推荐装置4在如图8所示文旅服务推荐装置的基础上，还包括知识图谱构建模块41，用于：
获取文旅服务先验知识。
根据文旅服务先验知识构建文旅知识图谱。
可选地，用户特征获取模块31，具体用于：
获取目标用户的画像信息和兴趣信息。
根据画像信息和兴趣信息确定目标用户的用户特征信息。
可选地，用户特征获取模块31在获取目标用户的画像信息时，具体用于：
获取目标用户的身份信息。
根据目标用户的身份信息，对目标用户进行分类，确定目标用户的群体类别。
根据群体类别，确定目标用户的画像信息。
可选地，用户特征获取模块31在获取目标用户的兴趣信息时，具体用于：
获取目标用户的浏览信息和评论信息。
根据目标用户的浏览信息和评论信息确定目标用户的兴趣信息。
可选地，用户特征获取模块31在根据目标用户的浏览信息和评论信息确定目标用户的兴趣信息时，具体用于：
根据目标用户的浏览信息，确定目标用户的兴趣领域。
根据目标用户的在兴趣领域内的评论信息，确定目标用户的兴趣信息。
相应的，用户特征获取模块31在根据画像信息和兴趣信息确定目标用户的用户特征信息时，具体用于：
将画像信息和兴趣信息确定为用户特征信息。
可选地，知识图谱中包括多条知识链，知识链用于映射不同用户特征信息对应的用户与文旅服务信息之间的关系，知识链组抽取模块32，具体用于：
确定知识图谱中与用户特征信息相关的目标知识链。
从知识图谱中提取预设数量的目标知识链，生成知识链组。
可选地，文旅服务计算模块33，具体用于：
将知识链组转化为多维特征矩阵。
利用多维特征矩阵训练与用户特征信息匹配的推荐模型。
将用户特征信息输入推荐模型，获得输出的目标文旅服务信息。
可选地，文旅服务计算模块33在将知识链组转化为多维特征矩阵时，具体用于：
提取知识链组中各知识链对应的用户特征信息和文旅服务信息。
根据对应的用户特征信息生成多个第一特征矩形。
根据对应的文旅服务信息生成多个第二特征矩阵。
将各第一特征矩形和各第二特征矩形对应组合为多个特征矩阵。
将多个特征矩阵合并为多维特征矩阵。
其中，知识图谱构建模块41、用户特征获取模块31、知识链组抽取模块32、文旅服务计算模块33和文旅服务推荐模块34依次连接。本实施例提供的文旅服务推荐装置4可以执行如图3-图7所示的方法实施例的技术方案，其实现原理和技术效果类似，此处不再赘述。
图10为本发明一个实施例提供的电子设备的示意图，如图10所示，本实施例提供的电子设备包括：存储器51，处理器52以及计算机程序。
其中，计算机程序存储在存储器51中，并被配置为由处理器52执行以实现本发明图2-图7所对应的实施例中任一实施例提供的文旅服务推荐方法。
其中，存储器51和处理器52通过总线53连接。
相关说明可以对应参见图2-图7的步骤所对应的相关描述和效果进行理解，此处不做过多赘述。
本发明一个实施例提供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以实现本发明图2-图7所对应的实施例中任一实施例提供的文旅服务推荐方法。
其中，计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
在本发明所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，模块的划分，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，例如多个模块或组件可以结合或者可以集成到另一个***，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接口，装置或模块的间接耦合或通信连接，可以是电性，机械或其它的形式。
本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本发明的其它实施方案。本发明旨在涵盖本发明的任何变型、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发明的一般性原理并包括本发明未公开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，本发明的真正范围和精神由下面的权利要求书指出。
应当理解的是，本发明并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本发明的范围仅由所附的权利要求书来限制。

Claims (12)

1.一种文旅服务推荐方法，其特征在于，所述方法包括：
获取目标用户的用户特征信息；
根据用户特征信息，从预设的文旅知识图谱中抽取知识链组；
根据所述知识链组，计算与所述用户特征信息相匹配的目标文旅服务信息；
将所述目标文旅服务信息推荐给所述目标用户。
2.根据权利要求1所述的方法，其特征在于，所述获取目标用户的用户特征信息，包括：
获取所述目标用户的画像信息和兴趣信息；
根据所述画像信息和所述兴趣信息确定所述目标用户的用户特征信息。
3.根据权利要求2所述的方法，其特征在于，所述获取所述目标用户的画像信息，包括：
获取目标用户的身份信息；
根据目标用户的身份信息，对目标用户进行分类，确定目标用户的群体类别；
根据所述群体类别，确定目标用户的画像信息。
4.根据权利要求3所述的方法，其特征在于，所述获取所述目标用户的兴趣信息，包括：
获取所述目标用户的浏览信息和评论信息；
根据所述目标用户的浏览信息和评论信息确定所述目标用户的兴趣信息。
5.根据权利要求4所述的方法，其特征在于，所述根据所述目标用户的浏览信息和评论信息确定所述目标用户的兴趣信息，包括：
根据所述目标用户的浏览信息，确定所述目标用户的兴趣领域；
根据所述目标用户的在所述兴趣领域内的评论信息，确定目标用户的兴趣信息；
相应的，所述根据所述画像信息和所述兴趣信息确定所述目标用户的用户特征信息，包括：
将所述画像信息和兴趣信息确定为所述用户特征信息。
6.根据权利要求1所述的方法，其特征在于，所述知识图谱中包括多条知识链，所述知识链用于映射不同用户特征信息对应的用户与文旅服务信息之间的关系，所述根据用户特征信息，从预设的文旅知识图谱中抽取知识链组，包括：
确定知识图谱中与所述用户特征信息相关的目标知识链；
从所述知识图谱中提取预设数量的所述目标知识链，生成知识链组。
7.根据权利要求1所述的方法，其特征在于，所述根据所述知识链组，计算与所述用户特征信息相匹配的目标文旅服务信息，包括：
将所述知识链组转化为多维特征矩阵；
利用多维特征矩阵训练与用户特征信息匹配的推荐模型；
将所述用户特征信息输入所述推荐模型，获得输出的目标文旅服务信息。
8.根据权利要求7所述的方法，其特征在于，所述将所述知识链组转化为多维特征矩阵，包括：
提取所述知识链组中各知识链对应的用户特征信息和文旅服务信息；
根据所述对应的用户特征信息生成多个第一特征矩形；
根据所述对应的文旅服务信息生成多个第二特征矩阵；
将各第一特征矩形和各第二特征矩形对应组合为多个特征矩阵；
将所述多个特征矩阵合并为多维特征矩阵。
9.根据权利要求1所述的方法，其特征在于，在所述获取目标用户的用户特征信息前，还包括：
获取文旅服务先验知识；
根据所述文旅服务先验知识构建文旅知识图谱。
10.一种文旅服务推荐装置，其特征在于，所述装置包括：
用户特征获取模块，用于获取目标用户的用户特征信息；
知识链组抽取模块，用于根据用户特征信息，从预设的文旅知识图谱中抽取知识链组；
文旅服务计算模块，用于根据所述知识链组，计算与所述用户特征信息相匹配的目标文旅服务信息；
文旅服务推荐模块，将所述目标文旅服务信息推荐给所述目标用户。
11.一种电子设备，其特征在于，包括：存储器，处理器以及计算机程序；
其中，所述计算机程序存储在所述存储器中，并被配置为由所述处理器执行以实现如权利要求1-9中任一项所述的文旅服务推荐方法。
12.一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中存储有计算机执行指令，所述计算机执行指令被处理器执行时用于实现如权利要求1至9任一项所述的文旅服务推荐方法。
CN201911404349.0A 2019-12-30 2019-12-30 文旅服务推荐方法、装置、电子设备及存储介质 Active CN111177559B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911404349.0A CN111177559B (zh) 2019-12-30 2019-12-30 文旅服务推荐方法、装置、电子设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911404349.0A CN111177559B (zh) 2019-12-30 2019-12-30 文旅服务推荐方法、装置、电子设备及存储介质

Publications (2)

Publication Number Publication Date
CN111177559A true CN111177559A (zh) 2020-05-19
CN111177559B CN111177559B (zh) 2023-05-30

Family

ID=70655879

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911404349.0A Active CN111177559B (zh) 2019-12-30 2019-12-30 文旅服务推荐方法、装置、电子设备及存储介质

Country Status (1)

Country Link
CN (1) CN111177559B (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111738414A (zh) * 2020-06-11 2020-10-02 北京百度网讯科技有限公司 推荐模型的生成、内容推荐方法、装置、设备和介质
CN112348638A (zh) * 2020-11-09 2021-02-09 上海风秩科技有限公司 一种活动文案推荐方法、装置、电子设备和存储介质
CN113837846A (zh) * 2021-10-27 2021-12-24 武汉卓尔数字传媒科技有限公司 商品推荐方法、装置、计算机设备和存储介质
CN114817737A (zh) * 2022-05-13 2022-07-29 北京世纪超星信息技术发展有限责任公司 一种基于知识图谱的文物热点推送方法及***
CN115018474A (zh) * 2022-08-03 2022-09-06 山东美丽乡村云计算有限公司 基于大数据的文旅消费热度分析方法
CN117891352A (zh) * 2024-03-14 2024-04-16 南京市文化投资控股集团有限责任公司 一种基于元宇宙的文旅内容推荐***及方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104794232A (zh) * 2015-05-04 2015-07-22 百度在线网络技术（北京）有限公司 搜索结果的推荐方法和装置
CN107729444A (zh) * 2017-09-30 2018-02-23 桂林电子科技大学 一种基于知识图谱的个性化旅游景点推荐方法
WO2018072071A1 (zh) * 2016-10-18 2018-04-26 浙江核新同花顺网络信息股份有限公司 知识图谱构建***及方法
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***
CN110188248A (zh) * 2019-05-28 2019-08-30 新华网股份有限公司 基于新闻问答交互***的数据处理方法、装置及电子设备
CN110287336A (zh) * 2019-06-19 2019-09-27 桂林电子科技大学 一种面向旅游景点推荐的游客画像构建方法
CN110473521A (zh) * 2019-02-26 2019-11-19 北京蓦然认知科技有限公司 一种任务模型的训练方法、装置、设备

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104794232A (zh) * 2015-05-04 2015-07-22 百度在线网络技术（北京）有限公司 搜索结果的推荐方法和装置
WO2018072071A1 (zh) * 2016-10-18 2018-04-26 浙江核新同花顺网络信息股份有限公司 知识图谱构建***及方法
CN107729444A (zh) * 2017-09-30 2018-02-23 桂林电子科技大学 一种基于知识图谱的个性化旅游景点推荐方法
CN110473521A (zh) * 2019-02-26 2019-11-19 北京蓦然认知科技有限公司 一种任务模型的训练方法、装置、设备
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***
CN110188248A (zh) * 2019-05-28 2019-08-30 新华网股份有限公司 基于新闻问答交互***的数据处理方法、装置及电子设备
CN110287336A (zh) * 2019-06-19 2019-09-27 桂林电子科技大学 一种面向旅游景点推荐的游客画像构建方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
贾中浩: "基于知识图谱和用户长短期偏好的个性化景点推荐", 《智能***学报》 *

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111738414A (zh) * 2020-06-11 2020-10-02 北京百度网讯科技有限公司 推荐模型的生成、内容推荐方法、装置、设备和介质
CN111738414B (zh) * 2020-06-11 2023-04-07 北京百度网讯科技有限公司 推荐模型的生成、内容推荐方法、装置、设备和介质
CN112348638A (zh) * 2020-11-09 2021-02-09 上海风秩科技有限公司 一种活动文案推荐方法、装置、电子设备和存储介质
CN112348638B (zh) * 2020-11-09 2024-02-20 上海秒针网络科技有限公司 一种活动文案推荐方法、装置、电子设备和存储介质
CN113837846A (zh) * 2021-10-27 2021-12-24 武汉卓尔数字传媒科技有限公司 商品推荐方法、装置、计算机设备和存储介质
CN113837846B (zh) * 2021-10-27 2023-09-22 武汉卓尔数字传媒科技有限公司 商品推荐方法、装置、计算机设备和存储介质
CN114817737A (zh) * 2022-05-13 2022-07-29 北京世纪超星信息技术发展有限责任公司 一种基于知识图谱的文物热点推送方法及***
CN114817737B (zh) * 2022-05-13 2024-01-02 北京世纪超星信息技术发展有限责任公司 一种基于知识图谱的文物热点推送方法及***
CN115018474A (zh) * 2022-08-03 2022-09-06 山东美丽乡村云计算有限公司 基于大数据的文旅消费热度分析方法
CN117891352A (zh) * 2024-03-14 2024-04-16 南京市文化投资控股集团有限责任公司 一种基于元宇宙的文旅内容推荐***及方法
CN117891352B (zh) * 2024-03-14 2024-05-31 南京市文化投资控股集团有限责任公司 一种基于元宇宙的文旅内容推荐***及方法

Also Published As

Publication number Publication date
CN111177559B (zh) 2023-05-30

Similar Documents

Publication Publication Date Title
US11893071B2 (en) Content recommendation method and apparatus, electronic device, and storage medium
CN111177559B (zh) 文旅服务推荐方法、装置、电子设备及存储介质
US11238310B2 (en) Training data acquisition method and device, server and storage medium
US9785888B2 (en) Information processing apparatus, information processing method, and program for prediction model generated based on evaluation information
CN104573054B (zh) 一种信息推送方法和设备
Chen et al. General functional matrix factorization using gradient boosting
KR101623052B1 (ko) 사용자 질의 처리 방법 및 시스템
CN110390052B (zh) 搜索推荐方法、ctr预估模型的训练方法、装置及设备
CN110888990A (zh) 文本推荐方法、装置、设备及介质
CN112765480B (zh) 一种信息推送方法、装置及计算机可读存储介质
CN112434151A (zh) 一种专利推荐方法、装置、计算机设备及存储介质
CN111291191B (zh) 一种广电知识图谱构建方法及装置
CN104423621A (zh) 拼音字符串处理方法和装置
CN108133058B (zh) 一种视频检索方法
CN112052387A (zh) 一种内容推荐方法、装置和计算机可读存储介质
CN111858972A (zh) 一种基于家庭知识图谱的电影推荐方法
CN112036659A (zh) 基于组合策略的社交网络媒体信息流行度预测方法
CN103095849A (zh) 基于QoS属性预测和纠错的有监督Web服务发现方法及***
KR20210074734A (ko) 영상 내 자막 키워드 추출 및 순위 산정 시스템 및 방법
US9875443B2 (en) Unified attractiveness prediction framework based on content impact factor
CN108647364A (zh) 一种基于移动终端应用数据的预测推荐方法
CN110633410A (zh) 信息处理方法及装置、存储介质、电子装置
CN111882224A (zh) 对消费场景进行分类的方法和装置
WO2023087933A1 (zh) 内容推荐方法、装置、设备、存储介质及程序产品
Chen et al. Exploiting aesthetic features in visual contents for movie recommendation

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