欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2017106667775
申请人: 苏州大学
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种旅行路线推荐方法,其特征在于,包括:

获取用户的历史访问记录,并依据所述历史访问记录得到历史访问信息;

采用预先建立的协同过滤模型对所述历史访问信息进行处理,得出与所述用户对应的各个兴趣点及各个所述兴趣点的兴趣值,所述兴趣值为个人访问持续时间与所有用户的平均访问持续时间之间的比值;

获取所述各个兴趣点的流行度,所述流行度为各个兴趣点被访问的次数;

依据约束条件及目标函数对各个所述兴趣点的流行度及各个所述兴趣点的兴趣值进行处理,得到具有最大兴趣值的兴趣点序列;

其中,所述目标函数为:

其中,N表示兴趣点的总数量,Cat(pi)表

示兴趣点pi的类别标签,Int(Cat(pi))表示所述用户对所述兴趣点pi的兴趣值,Pop(pi)表示兴趣点pi的流行度,η表示流行度和兴趣值的权重,xi,j表示0/1变量;

所述约束条件包括:

起始兴趣点p1和终止兴趣点pn的约束条件、每个兴趣点最多被访问一次的约束条件、最大行程时间的约束条件、无子路线消费的约束条件。

2.根据权利要求1所述的旅行路线推荐方法,其特征在于,所述协同过滤模型为概率矩阵分解模型。

3.根据权利要求2所述的旅行路线推荐方法,其特征在于,所述采用预先建立的协同过滤模型对所述历史访问信息进行处理,得出与所述用户对应的各个兴趣点及各个所述兴趣点的兴趣值的过程具体为:采用预先建立的概率矩阵分解模型通过最大化后验概率及梯度下降法对所述历史访问信息进行处理,得出与所述用户对应的各个兴趣点及各个所述兴趣点的兴趣值。

4.根据权利要求1所述的旅行路线推荐方法,其特征在于,所述协同过滤模型为视觉增强型概率矩阵分解模型;所述历史访问信息包括与历史访问记录中的历史照片对应的视觉特征。

5.根据权利要求4所述的旅行路线推荐方法,其特征在于,所述采用预先建立的协同过滤模型对所述历史访问信息进行处理,得出与所述用户对应的各个兴趣点及各个所述兴趣点的兴趣值的过程具体为:采用预先建立的视觉增强型概率矩阵分解模型通过视觉邻域算法、最大化后验概率及梯度下降法对所述历史访问信息进行处理,得出与所述用户对应的各个兴趣点及各个所述兴趣点的兴趣值。

6.根据权利要求4所述的旅行路线推荐方法,其特征在于,所述视觉特征包括颜色直方图特征、尺度不变特征及卷积神经网络特征中的一种或多种的组合。

7.一种旅行路线推荐系统,其特征在于,包括:

获取模块,用于获取用户的历史访问记录,并依据所述历史访问记录得到历史访问信息;还用于获取各个兴趣点的流行度,所述流行度为各个兴趣点被访问的次数;

预测模块,用于采用预先建立的协同过滤模型对所述历史访问信息进行处理,预测出与所述用户对应的各个所述兴趣点及各个所述兴趣点的兴趣值,所述兴趣值为个人访问持续时间与所有用户的平均访问持续时间之间的比值;

处理模块,用于依据约束条件及目标函数对各个所述兴趣点的流行度及各个所述兴趣点的兴趣值进行处理,得到具有最大兴趣值的兴趣点序列,其中,所述目标函数为:其中,N表示兴趣点的总数量,Cat(pi)表

示兴趣点pi的类别标签,Int(Cat(pi))表示所述用户对所述兴趣点pi的兴趣值,Pop(pi)表示兴趣点pi的流行度,η表示流行度和兴趣值的权重,xi,j表示0/1变量;

所述约束条件包括:

起始兴趣点p1和终止兴趣点pn的约束条件、每个兴趣点最多被访问一次的约束条件、最大行程时间的约束条件、无子路线消费的约束条件。

8.根据权利要求7所述的旅行路线推荐系统,其特征在于,所述协同过滤模型为概率矩阵分解模型。

9.根据权利要求7所述的旅行路线推荐系统,其特征在于,所述协同过滤模型为视觉增强型概率矩阵分解模型;所述历史访问信息包括与历史访问记录中的历史照片对应的视觉特征。