行程推薦方法和裝置制造方法
【專利摘要】本發(fā)明實施例提供一種行程推薦方法和裝置，該方法包括：確定候選節(jié)點；依次對每一代蟻群執(zhí)行以下操作：采用蟻群算法，根據(jù)任意兩個候選節(jié)點之間的路徑選擇概率以及設(shè)定的時間閾值，確定當(dāng)前代蟻群中每只螞蟻爬行的整體路徑；計算當(dāng)前代蟻群中每只螞蟻爬行的整體路徑的效用值，并確定該當(dāng)前代蟻群中效用值最大的至少一個整體路徑；直至達到設(shè)定收斂條件，則停止對下一代蟻群執(zhí)行所述操作；將各代蟻群中確定的效用值最大的至少一個整體路徑推薦給用戶。本發(fā)明利用蟻群算法能夠提高行程推薦效率能夠有效評估行程的優(yōu)劣，為用戶推薦滿意的行程。
【專利說明】行程推薦方法和裝置
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及旅游應(yīng)用領(lǐng)域，尤其涉及一種行程推薦方法和裝置。
【背景技術(shù)】
[0002]隨著互聯(lián)網(wǎng)技術(shù)的發(fā)展,在線的旅游應(yīng)用系統(tǒng),如expedia.com, booking, com等，已經(jīng)越來越受大眾的歡迎。與此同時，隨著旅游資源的爆炸式增長，游客很難在短時間內(nèi)選擇旅游資源，決定旅游行程。所以，如何在短時間內(nèi)動態(tài)生成用戶滿意的完整的旅游行程已成為旅游應(yīng)用領(lǐng)域的一個新的挑戰(zhàn)，也是迫切需要解決的問題。
[0003]現(xiàn)有的對旅游資源安排旅游行程的系統(tǒng)主要有傳統(tǒng)的旅游套餐推薦系統(tǒng)，動態(tài)旅游向?qū)到y(tǒng)等。傳統(tǒng)的旅游套餐推薦系統(tǒng)，它能夠為用戶推薦在一定花費下的前topK的旅游方案。但這種推薦系統(tǒng)只考慮了無序的資源組合的推薦，動態(tài)旅游向?qū)到y(tǒng)，它采用語意匹配方法對旅游景點進行排序，并且利用貪心的啟發(fā)式近似算法來為用戶提供個性化行程。但現(xiàn)有技術(shù)行程推薦的效率低，結(jié)果難于滿足用戶的需求。

【發(fā)明內(nèi)容】

[0004]本發(fā)明提供了一種行程推薦方法和裝置，能夠提高行程推薦效率，有效評估行程的優(yōu)劣，為用戶推薦滿意的行程。
[0005]本發(fā)明提供了一種行程推薦方法，包括:
[0006]確定候選節(jié)點；
[0007]依次對每一代蟻群執(zhí)行以下操作:采用蟻群算法，根據(jù)任意兩個所述候選節(jié)點之間的路徑選擇概率以及設(shè)定的時間閾值，確定當(dāng)前代蟻群中每只螞蟻爬行的整體路徑；計算所述當(dāng)前代蟻群中每只螞蟻爬行的整體路徑的效用值，并確定所述當(dāng)前代蟻群中效用值最大的至少一個整體路徑；直至達到設(shè)定收斂條件，則停止對下一代蟻群執(zhí)行所述操作；
[0008]將各代蟻群中確定的效用值最大的至少一個整體路徑推薦給用戶。
[0009]本發(fā)明還提供了一種行程推薦裝置，包括:
[0010]確定模塊，用于確定候選節(jié)點；
[0011]操作模塊，用于依次對每一代蟻群執(zhí)行以下操作:采用蟻群算法，根據(jù)任意兩個所述候選節(jié)點之間的路徑選擇概率以及設(shè)定的時間閾值，確定當(dāng)前代蟻群中每只螞蟻爬行的整體路徑；計算所述當(dāng)前代蟻群中每只螞蟻爬行的整體路徑的效用值，并確定所述當(dāng)前代蟻群中效用值最大的至少一個整體路徑；直至達到設(shè)定收斂條件，則停止對下一代蟻群執(zhí)行所述操作；
[0012]推薦模塊，用于將各代蟻群中確定的效用值最大的至少一個整體路徑推薦給用戶。
[0013]本發(fā)明一種行程推薦方法和裝置，通過確定候選節(jié)點；依次對每一代蟻群執(zhí)行以下操作:采用蟻群算法，根據(jù)任意兩個候選節(jié)點之間的路徑選擇概率以及設(shè)定的時間閾值，確定當(dāng)前代蟻群中每只螞蟻爬行的整體路徑；計算當(dāng)前代蟻群中每只螞蟻爬行的整體路徑的效用值，并確定該當(dāng)前代蟻群中效用值最大的至少一個整體路徑；直至達到設(shè)定收斂條件，則停止對下一代蟻群執(zhí)行所述操作；將各代蟻群中確定的效用值最大的至少一個整體路徑推薦給用戶，利用蟻群算法能夠提高行程推薦效率，能夠有效評估行程的優(yōu)劣，為用戶推薦滿意的行程。
【專利附圖】

【附圖說明】
[0014]為了更清楚地說明本發(fā)明實施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對實施例或現(xiàn)有技術(shù)描述中所需要使用的附圖作一簡單地介紹，顯而易見地，下面描述中的附圖是本發(fā)明的一些實施例，對于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動性的前提下，還可以根據(jù)這些附圖獲得其他的附圖。
[0015]圖1為本發(fā)明行程推薦方法一個實施例的流程圖；
[0016]圖2為本發(fā)明行程推薦方法又一個實施例的流程圖；
[0017]圖3為本發(fā)明實施例確定當(dāng)前代蟻群中每只螞蟻爬行的整體路徑的流程圖；
[0018]圖4為本發(fā)明行程推薦方法以及其它行程推薦方法生成的行程的平均效用值的實驗結(jié)果圖；
[0019]圖5為本發(fā)明行程推薦方法以及其它行程推薦方法生成的行程的平均運行時間的實驗結(jié)果圖；
[0020]圖6為本發(fā)明行程推薦方法以及其它行程推薦方法在興趣點個數(shù)變化的情況下生成的行程的平均運行時間的實驗結(jié)果圖；
[0021]圖7為本發(fā)明行程推薦裝置一個實施例的結(jié)構(gòu)示意圖；
[0022]圖8為本發(fā)明行程推薦裝置又一個實施例的結(jié)構(gòu)示意圖。
【具體實施方式】
[0023]為使本發(fā)明實施例的目的、技術(shù)方案和優(yōu)點更加清楚，下面將結(jié)合本發(fā)明實施例中的附圖，對本發(fā)明實施例中的技術(shù)方案進行清楚、完整地描述，顯然，所描述的實施例是本發(fā)明一部分實施例，而不是全部的實施例。基于本發(fā)明中的實施例，本領(lǐng)域普通技術(shù)人員在沒有作出創(chuàng)造性勞動前提下所獲得的所有其他實施例，都屬于本發(fā)明保護的范圍。
[0024]圖1為本發(fā)明行程推薦方法一個實施例的流程圖，如圖1所示，本實施例的執(zhí)行主體為行程推薦裝置，具體可以通過軟件、硬件，或者軟件和硬件相結(jié)合的方式實現(xiàn)，則該方法包括:
[0025]步驟101,確定候選節(jié)點。
[0026]在本實施例中，候選節(jié)點包括設(shè)定時間內(nèi)的必訪問節(jié)點，待選擇訪問節(jié)點以及推薦訪問節(jié)點。
[0027]候選節(jié)點可以表示某城市內(nèi)旅游資源的興趣點(Points of Interest,簡稱POI),如在北京市的旅游資源的興趣點為:故宮，天壇，圓明園，十三陵，長城等。也可以表示某城市內(nèi)時尚街區(qū)資源的興趣點或其他資源的興趣點等，本實施例不作限制。候選節(jié)點是從網(wǎng)站上爬取的數(shù)據(jù)，如道道，藝龍，F(xiàn)lickr等網(wǎng)站，從而保證了候選節(jié)點的可靠性和真實性。設(shè)定時間內(nèi)的必訪問節(jié)點為用戶在爬取的旅游資源興趣點中設(shè)置的在設(shè)定時間內(nèi)必去的旅游資源興趣點，待選擇訪問節(jié)點為用戶在爬取的旅游資源興趣點中設(shè)置的有意愿要去的待選擇旅游資源興趣點。剩余的爬取的旅游資源興趣點即為推薦的旅游資源興趣點。在網(wǎng)站中除爬取候選節(jié)點外，還要爬取候選節(jié)點中為每個候選節(jié)點安排的駐留時間T(ri)，從任意候選節(jié)點ri到其它任意候選節(jié)點rj所需的時間TCriO，任意候選節(jié)點!Ti到其它任意候選節(jié)點1.」之間的距離dist Cri, r」),每個候選節(jié)點的大眾評分值。
[0028]步驟102，依次對每一代蟻群執(zhí)行以下操作:采用蟻群算法，根據(jù)任意兩個所述候選節(jié)點之間的路徑選擇概率以及設(shè)定的時間閾值，確定當(dāng)前代蟻群中每只螞蟻爬行的整體路徑；計算所述當(dāng)前代蟻群中每只螞蟻爬行的整體路徑的效用值，并確定所述當(dāng)前代蟻群中效用值最大的至少一個整體路徑；直至達到設(shè)定收斂條件，則停止對下一代蟻群執(zhí)行所述操作。
[0029]本實施例中，采用的是蟻群算法對行程進行規(guī)劃，具體地，在執(zhí)行蟻群算法前要對執(zhí)行蟻群算法所需的參數(shù)進行設(shè)定，包括蟻群算法中的螞蟻代數(shù)N1和每代螞蟻的只數(shù)N2,時間閾值Ttto，時間閾值可以為在某一城市內(nèi)進行某一活動預(yù)算的時間閾值，如在北京市內(nèi)旅游預(yù)算的時間閾值，又如在米蘭的時尚街區(qū)購物預(yù)算的時間閾值等，具體的，螞蟻的代數(shù)可以為N1=5，每代螞蟻的個數(shù)可以為N2=50，在城市內(nèi)進行某一活動預(yù)算的時間閾值可以為Ttto=12小時，其中，設(shè)定的螞蟻的代數(shù)、每代螞蟻的只數(shù)和某一城市內(nèi)進行某一活動預(yù)算的時間閾值，在本實施例不做限定。
[0030]具體地，計算任意兩個候選節(jié)點之間的路徑選擇概率，當(dāng)前代蟻群中的每只螞蟻任意選擇一個節(jié)點為選擇的節(jié)點Iri安排駐留時間T Cri)，計算該候選節(jié)點Iri和其它任意的候選節(jié)點h之間的路徑選擇概率P OV)，根據(jù)任意兩個候選節(jié)點之間的路徑選擇概率P (O以及設(shè)定的時間閾值Tthr，確定當(dāng)前代蟻群中每只螞蟻爬行的整體路徑I，如候選節(jié)點表示北京市的旅游資源的興趣點，那么當(dāng)前代蟻群中螞蟻k爬行的整體路徑可以Ik表示為:故宮一天壇一圓明園一十三陵一長城，當(dāng)前代蟻群中每只螞蟻的一個爬行的整體路徑對應(yīng)蟻群算法的一個解，利用效用函數(shù)f (I)計算當(dāng)前代蟻群中每只螞蟻爬行的整體路徑的效用值，根據(jù)前代蟻群中每只螞蟻爬行的整體路徑的效用值確定當(dāng)前代蟻群中效用值最大的至少一個整體路徑/,，直至達到設(shè)定收斂條件，則停止對下一代蟻群執(zhí)行所述操作。其中，效用值表示對每只螞蟻爬行的整體路徑的評價標(biāo)準，效用值越大，表示該只螞蟻爬行的整體路徑越優(yōu)，效用值越小，則表示該只螞蟻爬行的整體路徑越差
[0031]步驟103，將各代蟻群中確定的效用值最大的至少一個整體路徑推薦給用戶。
[0032]具體地，可將各代蟻群中確定的效用值最大的一個整體路徑推薦給用戶，也可將各代蟻群中確定的效用值進行降序排列，選出前K個大的效用值對應(yīng)的整體路徑推薦給用戶，由用戶對推薦的前K個整體路徑進行選擇，在和用戶交互過程中獲得用戶滿意行程。
[0033]本實施例中，通過確定候選節(jié)點；依次對每一代蟻群執(zhí)行以下操作:采用蟻群算法，根據(jù)任意兩個候選節(jié)點之間的路徑選擇概率以及設(shè)定的時間閾值，確定當(dāng)前代蟻群中每只螞蟻爬行的整體路徑；計算當(dāng)前代蟻群中每只螞蟻爬行的整體路徑的效用值，并確定該當(dāng)前代蟻群中效用值最大的至少一個整體路徑；直至達到設(shè)定收斂條件，則停止對下一代蟻群執(zhí)行所述操作；將各代蟻群中確定的效用值最大的至少一個整體路徑推薦給用戶，利用蟻群算法能夠提高行程推薦效率能夠有效評估行程的優(yōu)劣，為用戶推薦滿意的行程。
[0034]圖2為本發(fā)明行程推薦方法又一個實施例的流程圖，如圖2所示，在本實施例中，以候選節(jié)點表示某一城市內(nèi)旅游資源的興趣點為例，詳細介紹本實施例的技術(shù)方案，本實施例方法包括:
[0035]步驟201，確定候選節(jié)點。
[0036]進一步地,在本實施例中,候選節(jié)點包括設(shè)定時間內(nèi)的必訪問節(jié)點，待選擇訪問節(jié)點以及推薦訪問節(jié)點。
[0037]候選節(jié)點表示從網(wǎng)站上爬取的某一城市內(nèi)的旅游資源興趣點，如道道，藝龍，F(xiàn)lickr等網(wǎng)站，從而保證了候選節(jié)點的可靠性和真實性。設(shè)定時間內(nèi)的必訪問節(jié)點為用戶在爬取的旅游資源興趣點中設(shè)置的在設(shè)定時間內(nèi)必去的旅游資源興趣點，待選擇訪問節(jié)點為用戶在爬取的旅游資源興趣點中設(shè)置的有意愿要去的待選擇旅游資源興趣點。剩余的爬取的旅游資源興趣點即為推薦的旅游資源興趣點。將設(shè)定時間內(nèi)必訪問的節(jié)點組成設(shè)定時間內(nèi)必訪問節(jié)點列表,表示為mList,將待選擇訪問節(jié)點組成待選擇節(jié)點列表,表示為oList,將推薦訪問節(jié)點組成推薦節(jié)點列表,表示為rList, rList, mList和oList共同組成一個候選節(jié)點的列表。
[0038]在網(wǎng)站中除爬取候選節(jié)點外，還要爬取上述候選節(jié)點中為每個候選節(jié)點安排的駐留時間T Cri)，從任意候選節(jié)點Iri到其它任意候選節(jié)點rj所需的時間T CriO，任意候選節(jié)點T1到其它任意候選節(jié)點r」之間的距離dist Cri, r」),每個候選節(jié)點的大眾評分值rand Cri)。
[0039]步驟202，采 用蟻群算法，根據(jù)任意兩個候選節(jié)點之間的路徑選擇概率以及設(shè)定的時間閾值，確定當(dāng)前代蟻群中每只螞蟻爬行的整體路徑。
[0040]本實施例中，當(dāng)前代蟻群為第N代蟻群，N的初始值為1，每代間隔可以為I。
[0041]如圖3所示，步驟202的具體實現(xiàn)包括:
[0042]步驟202a，計算當(dāng)前代蟻群中任意兩個候選節(jié)點之間的路徑選擇概率。
[0043]其中，路徑選擇概率用于表示每只螞蟻在任意兩個候選節(jié)點間構(gòu)成的路徑上選擇爬行的概率，以當(dāng)代蟻群中的螞蟻k為例進行說明，則當(dāng)前代蟻群中任意兩個候選節(jié)點之間的路徑選擇概率為:
【權(quán)利要求】
1.一種行程推薦方法，其特征在于，包括: 確定候選節(jié)點； 依次對每一代蟻群執(zhí)行以下操作:采用蟻群算法，根據(jù)任意兩個所述候選節(jié)點之間的路徑選擇概率以及設(shè)定的時間閾值，確定當(dāng)前代蟻群中每只螞蟻爬行的整體路徑；計算所述當(dāng)前代蟻群中每只螞蟻爬行的整體路徑的效用值，并確定所述當(dāng)前代蟻群中效用值最大的至少一個整體路徑；直至達到設(shè)定收斂條件，則停止對下一代蟻群執(zhí)行所述操作； 將各代蟻群中確定的效用值最大的至少一個整體路徑推薦給用戶。
2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述候選節(jié)點包括設(shè)定時間內(nèi)的必訪問節(jié)點，待選擇訪問節(jié)點以及推薦訪問節(jié)點。
3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述任意兩個所述候選節(jié)點之間的路徑選擇概率為:

4.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述計算所述當(dāng)前代蟻群中每只螞蟻爬行的整體路徑的效用值，具體為
5.根據(jù)要求4所述的方法，其特征在于，所述確定所述當(dāng)前代蟻群中效用值最大的至少一個整體路徑之后，還包括: 根據(jù)所確定的所述當(dāng)前代蟻群中效用值最大的至少一個整體路徑，更新信息素矩陣之后，再對下一代蟻群執(zhí)行所述操作；其中，所述更新的信息素矩陣為:
6.根據(jù)權(quán)利要求1-5任一項所述的方法，其特征在于，所述收斂條件包括:所述當(dāng)前代蟻群中效用值最大的整體路徑與上一代蟻群中效用值最大的整體路徑為同一整體路徑；或者，執(zhí)行所述操作的蟻群代的數(shù)量達到設(shè)定值。
7.一種行程推薦裝置，其特征在于，包括: 確定模塊，用于確定候選節(jié)點； 操作模塊，用于依次對每一代蟻群執(zhí)行以下操作:采用蟻群算法，根據(jù)任意兩個所述候選節(jié)點之間的路徑選擇概率以及設(shè)定的時間閾值，確定當(dāng)前代蟻群中每只螞蟻爬行的整體路徑；計算所述當(dāng)前代蟻群中每只螞蟻爬行的整體路徑的效用值，并確定所述當(dāng)前代蟻群中效用值最大的至少一個整體路徑；直至達到設(shè)定收斂條件，則停止對下一代蟻群執(zhí)行所述操作； 推薦模塊，用于將各代蟻群中確定的效用值最大的至少一個整體路徑推薦給用戶。
8.根據(jù)權(quán)利要求7所述的裝置，其特征在于，所述候選節(jié)點包括設(shè)定時間內(nèi)的必訪問節(jié)點，待選擇訪問節(jié)點以及推薦訪問節(jié)點。
9.根據(jù)權(quán)利要求8所述的裝置，其特征在于，所述任意兩個所述候選節(jié)點之間的路徑選擇概率為:
10.根據(jù)權(quán)利要求9所述的裝置，其特征在于， 計算模塊，用于計算所述當(dāng)前代蟻群中每只螞蟻爬行的整體路徑的效用值，具體為:
11.根據(jù)權(quán)利要求10所述的裝置，其特征在于， 所述確定模塊，還用于確定所述當(dāng)前代蟻群中效用值最大的至少一個整體路徑； 所述裝置還包括:更新模塊，用于確定模塊在確定所述當(dāng)前代蟻群中效用值最大的至少一個整體路徑之后，根據(jù)所確定的所述當(dāng)前代蟻群中效用值最大的至少一個整體路徑，更新信息素矩陣； 其中，所述更新的信息素矩陣為:
12.根據(jù)權(quán)利要求7-11任一項所述的裝置，其特征在于，所述收斂條件包括:所述當(dāng)前代蟻群中效用值最大的整體路徑與上一代蟻群中效用值最大的整體路徑為同一整體路徑；或者，執(zhí)行所述操作的蟻群代的數(shù)量達到設(shè)定值。
【文檔編號】G06F17/30GK103839105SQ201410085520
【公開日】2014年6月4日 申請日期:2014年3月10日 優(yōu)先權(quán)日:2014年3月10日
【發(fā)明者】張日崇, 郭曉輝, 孫海龍, 劉旭東, 懷進鵬 申請人:北京航空航天大學(xué)