旅游推荐方法和装置制造方法
【专利摘要】本发明实施例提供一种旅游推荐方法和装置，该方法包括：根据设定的兴趣点类型模型和兴趣点费用模型，建立兴趣点的效用函数模型；根据该用户的历史兴趣点评分和效用函数模型生成目标函数；以目标函数中的用户偏好参数为优化目标，确定最优效用函数模型；根据最优效用函数模型计算待选兴趣点的效用值；将效用值最小的至少一个待选兴趣点推荐给所述用户。本发明考虑了用户个性化的旅游偏好和旅游费用，能够为用户推荐准确度更高的旅游兴趣点。
【专利说明】旅游推荐方法和装置
【技术领域】
[0001]本发明涉及旅游应用领域，尤其涉及一种旅游推荐方法和装置。
【背景技术】
[0002]旅游业飞速发展，使其成为世界最大的产业之一。根据世界旅游及旅行理事会的预测，到2021年旅游业对全球⑶P的贡献率将从2011年9.1%提高到9.6%。为游客提供在线旅游服务成为众多旅游网站(如Expedia、携程旅行网)发展的趋势。然而，急速增长的在线旅游信息给游客选择满足其个性化需求的景点带来极大的困难。另一方面，为获得更多的业务和利润，旅游企业必须了解游客的这些个性化需求和偏好，并提高更好的具有吸引力的服务。因此，无论对游客还是对旅游企业来说，智能化旅游服务都亟待发展与提高。
[0003]现有的旅游推荐系统仅仅利用用户的基本信息和各大网站对景点的评分来计算用户之间的相似性，根据用户之间的相似性为用户推荐景点，这种旅游推荐系统难以为用户推荐用户满意的景点。
【发明内容】
[0004]本发明提供了一种旅游推荐方法和装置。考虑了用户个性化的旅游偏好和旅游费用，能够为用户推荐准确度更高的旅游兴趣点。
[0005]本发明提供了一种旅游推荐方法，包括:
[0006]根据设定的兴趣点类型模型和兴趣点费用模型，建立兴趣点的效用函数模型；
[0007]根据该用户的历史兴趣点评分和所述效用函数模型生成目标函数；
[0008]以所述目标函数中的用户偏好参数为优化目标，确定最优效用函数模型；
[0009]根据最优效用函数模型计算待选兴趣点的效用值；
[0010]将所述效用值最大的至少一个待选兴趣点推荐给所述用户。
[0011]本发明还提供了一种旅游推荐装置，包括:
[0012]建立模块，用于根据设定的兴趣点类型模型和兴趣点费用模型，建立兴趣点的效用函数模型；
[0013]生成模块，用于根据该用户的历史兴趣点评分和所述效用函数模型生成目标函数；
[0014]确定模块，用于以所述目标函数中的用户偏好参数为优化目标，确定最优效用函数模型；
[0015]计算模块，用于根据最优效用函数模型计算待选兴趣点的效用值；
[0016]推荐模块，用于将所述效用值最大的至少一个待选兴趣点推荐给所述用户。
[0017]本发明一种旅游推荐方法和装置，通过根据设定的兴趣点类型模型和兴趣点费用模型，建立兴趣点的效用函数模型；根据该用户的历史兴趣点评分和上述效用函数模型生成目标函数；以上述目标函数中的用户偏好参数为优化目标，确定最优效用函数模型；根据上述最优效用函数模型计算待选兴趣点的效用值；将效用值最小的至少一个待选兴趣点推荐给所述用户，在为用户推荐待选兴趣点时，考虑了用户个性化的旅游偏好和旅游费用，能够为用户推荐准确度更高的旅游兴趣点。
【专利附图】
【附图说明】
[0018]为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0019]图1为本发明旅游推荐方法一个实施例的流程图；
[0020]图2为本发明旅游推荐方法以及其它旅游推荐方法在推荐的景点准确率方面的实验结果图；
[0021]图3为本发明旅游推荐方法以及其它旅游推荐方法在推荐的景点错误率方面的实验结果图；
[0022]图4为本发明旅游推荐方法以及其它旅游推荐方法在推荐的景点序列和景点的最优序列之间相关性方面的实验结果图；
[0023]图5为本发明旅游推荐装置一个实施例的结构示意图。
【具体实施方式】
[0024]为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0025]图1为本发明旅游推荐方法一个实施例的流程图，如图1所示，本实施例的执行主体为旅游推荐装置，具体可以通过软件、硬件，或者软件和硬件相结合的方式实现，则该方法包括:
[0026]步骤101，根据设定的兴趣点类型模型和兴趣点费用模型，建立兴趣点的效用函数模型。
[0027]本实施例中，兴趣点可以表示旅游中的景点资源，如长城，金字塔，博物馆等。也可以表示旅游中的美食资源，如地方特色餐厅，火锅店，西餐厅，日本料理店等，兴趣点也可以表示旅游中的其他资源，本实施例不作限制。
[0028]具体地，兴趣点资源有不同的类型和不同的费用，当兴趣点表示旅游中的景点资源时，费用表示景点的门票费用，当兴趣点表示旅游中的美食资源时，费用表示美食的人均消费，根据兴趣点表示的旅游中的资源的不同，其费用表示的含义也会不同。以兴趣点为旅游景点资源为例，景点资源按照类型的不同可分为地质地貌资源、水体景观资源、生物旅游资源、人文古迹资源、宗教文化资源、古典园林资源等，而且每个景点资源有不同的门票费用。
[0029]本实施例中，设定的兴趣点类型模型是一个关于兴趣点类型和该用户的用户偏好参数的一个函数，用户的偏好参数表示该用户对每种兴趣点类型的看重程度，用户兴趣点费用模型是关于该用户的兴趣点花费的费用的一个函数，在建立兴趣点的效用函数模型中，当景点资源类型与用户偏好越相近时，效用函数模型取值越大，当景点资源花费的费用越小时，效用函数模型取值越大，若效用函数模型取值越大，则该景点资源越值得为用户推荐。
[0030]步骤102，根据该用户的历史兴趣点评分和效用函数模型生成目标函数。
[0031 ] 本实施例中，每个用户去过的兴趣点会不同，针对不同的用户，采集该用户去过的历史兴趣点，所采集的该用户历史兴趣点包括该用户去过的每个历史兴趣点的景点类型、门票费用、该用户对每个历史兴趣点的评分，并根据该用户的历史兴趣点评分和效用函数模型生成目标函数，当该用户的历史兴趣点评分和效用函数模型取值相差越小时，目标函数取值越小，表明该效用函数模型越符合该用户选择兴趣点的偏好。
[0032]步骤103，以目标函数中的用户偏好参数为优化目标，确定最优效用函数模型。
[0033]本实施例中，求取目标函数的极小值点，当目标函数取极小值时，表明该效用函数模型越符合该用户选择兴趣点的偏好，此时的用户偏好参数为该用户最优的偏好参数，将该用户最优的偏好参数带入到效用函数模型中，确定该用户的最优效用函数模型。
[0034]步骤104，根据最优效用函数模型计算待选兴趣点的效用值。
[0035]本实施例中，待选兴趣点为该用户未去过的兴趣点，将待选兴趣点的景点类型、花费费用带入到最优效用函数模型中，计算出各待选兴趣点的效用值。
[0036]步骤105，将效用值最大的至少一个待选兴趣点推荐给所述用户
[0037]具体地，可将效用值最大的一个待选兴趣点推荐给用户，也可将计算出的待选兴趣点的效用值进行降序排 列，选出前K个大的效用值对应的待选兴趣点推荐给用户，由用户对推荐的前K个待选兴趣点进行选择，在和用户交互过程中获得用户满意的待选兴趣点。
[0038]本实施例中，通过根据设定的兴趣点类型模型和兴趣点费用模型，建立兴趣点的效用函数模型；根据该用户的历史兴趣点评分和效用函数模型生成目标函数；以目标函数中的用户偏好参数为优化目标，确定最优效用函数模型；根据上述最优效用函数模型计算待选兴趣点的效用值；将效用值最小的至少一个待选兴趣点推荐给所述用户，在为用户推荐待选兴趣点时，考虑了用户个性化的旅游偏好和旅游费用，能够为用户推荐准确度更高的旅游兴趣点。
[0039]进一步地，根据设定的兴趣点类型模型和设定的兴趣点费用模型建立兴趣点的效用函数模型，具体为:
[0040]采用式(I)建立兴趣点的效用函数模型，
[0041]U (X, C) = a ^U1 (X) + β *U2 (C) (I)
[0042]其中，α+β=1，0〈α〈1，(KiKl1U1 (X)表示兴趣点类型模型，U2(C)表示兴趣点费用模型，α，β分别表示兴趣点类型模型和兴趣点费用模型所占权重，针对不同的用户，其对兴趣点的类型和费用有不同的关注程度，所以针对不同的用户，α，β的值可根据用户需求进行改变。
[0043]本实施例中，建立的兴趣点的效用函数模型是关于兴趣点类型模型和兴趣点费用模型线性可分的，可针对不同的用户对兴趣点的类型和费用关注程度设置不同的权重，能够更灵活的满足不同用户的需求 。
[0044]在经济学中，柯布-道格拉斯函数能够衡量消费者对商品的喜爱程度，形式如下:[0045]u (Y1, y2) =Y1a^y215 (2)
[0046]其中，Yl和y2分别代表了两类商品的数量，a和b描述了消费者对两类商品的偏好 O ≤a, b ≤ 1,并且 a+b=l。
[0047]所以在本实施例中，为了衡量用户对兴趣点类型的偏好，设定的兴趣点类别模型为:
[0048]
【权利要求】
1.一种旅游推荐方法，其特征在于，包括: 根据设定的兴趣点类型模型和兴趣点费用模型，建立兴趣点的效用函数模型； 根据该用户的历史兴趣点评分和所述效用函数模型生成目标函数； 以所述目标函数中的用户偏好参数为优化目标，确定最优效用函数模型； 根据最优效用函数模型计算待选兴趣点的效用值； 将所述效用值最大的至少一个待选兴趣点推荐给所述用户。
2.根据权利要求1所述的方法，其特征在于，所述根据设定的兴趣点类型模型和兴趣点费用模型建立兴趣点的效用函数模型，具体为: 采用U (X，c) = a *U1（X）+ β *U2 (C)建立所述兴趣点的效用函数模型； 其中，α+β=1，0〈α〈1，0〈β〈1，U1(X)表示所述兴趣点类型模型，U2(C)表示所述兴趣点费用模型，α，β分别表示所述兴趣点类型模型和所述兴趣点费用模型所占权重。
3.根据权利要求2所述的方法，其特征在于，所述兴趣点类型模型为:
4.根据权利要求2或3所述的方法，其特征在于，所述根据该用户的历史兴趣点评分和所述效用函数模型生成目标函数，具体为: 根据
5.根据权利要求4所述的方法，其特征在于，所述以所述目标函数中的用户偏好参数为优化目标，确定最优效用函数模型，具体包括: 采用梯度下降法确定所述目标函数中用户偏好参数的最优值； 根据所述用户偏好参数的最优值，采用
6.一种旅游推荐装置，其特征在于，包括: 建立模块，用于根据设定的兴趣点类型模型和兴趣点费用模型，建立兴趣点的效用函数模型； 生成模块，用于根据该用户的历史兴趣点评分和所述效用函数模型生成目标函数； 确定模块，用于以所述目标函数中的用户偏好参数为优化目标，确定最优效用函数模型； 计算模块，用于根据最优效用函数模型计算待选兴趣点的效用值； 推荐模块，用于将所述效用值最大的至少一个待选兴趣点推荐给所述用户。
7.根据权利要求6所述的装置，其特征在于， 所述建立模块，用于根据设定的兴趣点类型模型和兴趣点费用模型建立兴趣点的效用函数模型，具体为: 采用U (X，c) = a ^u1⑴+ β *U2 (C)建立所述兴趣点的效用函数模型； 其中，α+β=1，0〈α〈1，0〈β〈1，U1(X)表示所述兴趣点类型模型，U2(C)表示所述兴趣点费用模型，α，β分别表示所述兴趣点类型模型和所述兴趣点费用模型所占权重。
8.根据权利要求7所述的装置，其特征在于，所述兴趣点类别模型为: ，
9.根据权利要求7或8所述的装置，其特征在于， 所述生成模块，用于根据该用户的历史兴趣点评分和所述效用函数模型生成目标函数，具体为: 根据
10.根据权利要求9所述的装置，其特征在于， 所述确定模块，用于以所述目标函数中的用户偏好参数为优化目标，确定最优效用函数模型，具体包括: 采用梯度下降法确定所述目标函数中用户偏好参数的最优值； 根据所述用户偏好参数的最优值，采用
【文档编号】G06F17/30GK103870604SQ201410136090
【公开日】2014年6月18日 申请日期:2014年4月4日 优先权日:2014年4月4日
【发明者】张日崇, 郭晓辉, 孙海龙, 刘旭东, 怀进鹏 申请人:北京航空航天大学