本发明涉及目的地预测，特别是涉及一种民航领域基于知识图谱的分类型用户目的地预测方法。
背景技术：
1、在民航领域的用户目的地预测场景中，传统的预测方法通常是基于用户长期且稳定的出行数据，通过分析历史出行规律来推断未来目的地。然而，实际应用中存在大量出行行为未形成周期性规律的短期用户，这类用户往往由于出行数据时间跨度短、任务数量少且形成稳定的出行规律，导致传统方法难以从有限的数据中提取有效的特征和规律。并且，民航出行具有较强的时效性和临时性特点，用户的出行决策易受航班动态、天气变化等多种因素影响，针对此类用户，如果还是使用全量的历史数据来进行预测，会导致目的地预测的准确性较低。
技术实现思路
1、针对上述技术问题，本发明采用的技术方案为：
2、根据本申请提供的一种民航领域基于知识图谱的分类型用户目的地预测方法，所述方法包括以下步骤：
3、h100，获取目标用户id对应的每一历史出行任务信息；每一历史出行任务信息至少包括对应出行任务的开始时间；
4、h200，将每一历史出行任务信息对应的历史出行任务作为一个节点，并按照出行任务执行时间的先后顺序将每一节点依次连接，得到目标用户id对应的出行任务知识图谱ha；ha的每一节点包括对应出行任务的开始时间、结束时间、出发地和目的地；
5、h300，对ha进行特征向量提取，以得到ha对应的历史出行任务特征向量hx；
6、h400，将hx输入至预设的用户类型分类模型，以确定目标用户id对应的用户为长期用户或短期用户；其中，长期用户为出行行为形成周期性规律的用户，短期用户为出行行为未形成周期性规律的用户；
7、h500，若目标用户id对应的用户为长期用户，则将目标用户id对应的历史出行任务中的最早开始时间和最晚开始时间对应的时间段确定为目标时间段；
8、h600，若目标用户id对应的用户为短期用户，则根据ha确定目标用户id对应的目标时间段；
9、h700，获取目标时间段内目标用户id对应的若干不同类型的历史任务信息，以生成目标用户id对应的知识图谱hz；
10、h800，根据hz预测目标用户id对应的目的地。
11、本发明至少具有以下有益效果：
12、本发明的民航领域基于知识图谱的分类型用户目的地预测方法，首先通过构建用户出行任务知识图谱，系统地整合用户历史出行信息，将复杂的出行数据转化为结构化知识。在此基础上提取特征向量并进行用户类型分类，精准识别长期用户与短期用户，针对不同类型用户分别制定目标时间段确定策略，进而整合目标时间段内多类型历史任务信息生成新的知识图谱，充分挖掘用户潜在出行模式。相比传统方案，该方法有效解决了民航领域短期用户数据不足、特征难提取的预测难题，同时兼顾长期用户的规律挖掘，大幅提升了不同用户类型目的地预测的准确性与时效性。
1.一种民航领域基于知识图谱的分类型用户目的地预测方法，其特征在于，所述方法包括以下步骤：
2.根据权利要求1所述的民航领域基于知识图谱的分类型用户目的地预测方法，其特征在于，步骤h300包括以下步骤：
3.根据权利要求2所述的民航领域基于知识图谱的分类型用户目的地预测方法，其特征在于，所述使用第一特征提取方法对ha进行特征向量提取，包括以下步骤：
4.根据权利要求2所述的民航领域基于知识图谱的分类型用户目的地预测方法，其特征在于，所述使用第二特征提取方法对ha进行特征向量提取，包括以下步骤：
5.根据权利要求2所述的民航领域基于知识图谱的分类型用户目的地预测方法，其特征在于，步骤h340包括以下步骤：
6.根据权利要求2所述的民航领域基于知识图谱的分类型用户目的地预测方法，其特征在于，hd1通过以下步骤得到：
7.根据权利要求2所述的民航领域基于知识图谱的分类型用户目的地预测方法，其特征在于，hd2通过以下步骤得到：
8.根据权利要求1所述的民航领域基于知识图谱的分类型用户目的地预测方法，其特征在于，步骤h600包括以下步骤：