1.一种个性化路径推荐的方法,其特征在于,包括:
根据用户的偏好数据从预选地点中选取出预设数量的地点;
根据所述地点得出路径图,寻找出所述路径图中有临时事件的路径;
调用预训练的分类器,判断所述用户是否属于偏好所述临时事件的用户类别,所述分类器包含偏好临时事件以及非偏好临时事件的两类用户;
当判断出所述用户属于所述用户类别时,则根据预训练得出的所述临时事件的评分以及预设限制条件得出所述路径的路径评分;
根据所述路径评分,将所述路径推荐给所述用户。
2.如权利要求1所述的方法,其特征在于,所述根据用户的偏好数据从预选地点中选取出预设数量的地点包括:
分别计算所述用户的所述偏好数据和所述预选地点的相似度;
从所述预选地点中,根据所述相似度的高低选取出从高到低地选取出所述预设数量的所述预选地点,将选取出的所述预选地点作为所述地点。
3.如权利要求2所述的方法,其特征在于,所述寻找出所述路径图中有临时事件的路径包括:
计算所述临时事件与所述路径图中的原始路径的距离;
将所述距离与预设阈值相比较;
当所述距离小于所述预设阈值时,则判断所述原始路径上有所述临时事件,将所述原始路径作为所述路径。
4.如权利要求1所述的方法,其特征在于,所述预设限制条件为以下一种或任意组合:
时间限制、出发地点、用户需求以及用户兴趣爱好。
5.如权利要求1所述的方法,其特征在于,所述当判断出所述用户属于所述用户类别时,则根据预训练得出的所述临时事件的评分以及预设限制条件得出所述路径的路径评分包括:
获取所述预设限制条件;
根据所述评分以及所述预设限制条件,更新所述路径的权重;
利用所述权重计算出所述路径的所述路径评分。
6.如权利要求1至5任一项所述的方法,其特征在于,所述根据所述偏好数据从预选地点中选取出预设数量的地点之前还包括:
获取与所述用户具有相同兴趣爱好的历史用户的轨迹数据;
根据所述轨迹数据训练得出所述分类器,所述分类器包含偏好临时事件以及非偏好临时事件的两类用户;
根据所述分类器以及万有引力模型,推导出用于计算所述临时事件的所述评分的计算公式;
利用所述计算公式得出所述临时事件的所述评分。
7.一种个性化路径推荐的装置,其特征在于,包括:
地点筛选模块,根据用户的偏好数据从预选地点中选取出预设数量的地点;
路径寻找模块,根据所述地点得出路径图,寻找出所述路径图中有临时事件的路径;
判断模块,调用预训练的分类器,判断所述用户是否属于偏好所述临时事件的用户类别,所述分类器包含偏好临时事件以及非偏好临时事件的两类用户;
路径评分模块,当判断出所述用户属于所述用户类别时,则根据预训练得出的所述临时事件的评分以及预设限制条件得出所述路径的路径评分;
推荐模块,根据所述路径评分,将所述路径推荐给所述用户。
8.如权利要求7所述的装置,其特征在于,所述地点筛选模块包括:
相似度计算单元,用于分别计算所述用户的所述偏好数据和所述预选地点的相似度;
选取排序单元,用于从所述预选地点中,根据所述相似度的高低选取出从高到低地选取出所述预设数量的所述预选地点,将选取出的所述预选地点作为所述地点。
9.如权利要求8所述的方法,其特征在于,所述路径寻找模块包括:
距离计算单元,用于计算所述临时事件与所述路径图中的原始路径的距离;
比较单元,用于将所述距离与预设阈值相比较;
确定单元,用于当所述距离小于所述预设阈值时,则判断所述原始路径上有所述临时事件,将所述原始路径作为所述路径。
10.如权利要求7至9任一项所述的装置,其特征在于,还包括:
历史轨迹数据获取模块,用于获取与所述用户具有相同兴趣爱好的历史用户的轨迹数据;
分类器训练模块,用于根据所述轨迹数据训练得出分类器,所述分类器包含偏好临时事件以及非偏好临时事件的两类用户;
推导模块,用于根据所述分类器以及万有引力模型,推导出用于计算所述临时事件的所述评分的计算公式;
计算模块,用于利用所述计算公式得出所述临时事件的所述评分。