本發(fā)明涉及人工智能，特別涉及基于人工智能的旅游服務(wù)信息推送方法及系統(tǒng)。

背景技術(shù)：

1、在當(dāng)今社會(huì)，旅游已經(jīng)成為人們生活的重要組成部分。隨著互聯(lián)網(wǎng)和人工智能技術(shù)的發(fā)展，獲取旅游服務(wù)信息變得更加便捷，各種旅游服務(wù)機(jī)構(gòu)通過向用戶推送旅游產(chǎn)品信息、宣傳視頻等服務(wù)信息來提高用戶的旅游興趣和體驗(yàn)。同時(shí)，自媒體的發(fā)展使得視頻分享成為旅游服務(wù)信息的重要來源。通過其他用戶分享的視頻信息，觀看者可以直觀的了解相應(yīng)的旅游景點(diǎn)的情況，作為自己旅游計(jì)劃的參考。

2、但是，如何將視頻推送給合適的用戶，并且保證推送視頻具有參考價(jià)值，是各個(gè)旅游服務(wù)機(jī)構(gòu)需要考慮的問題；在用戶匹配上，常見的方法是通過構(gòu)建用戶畫像的方式來匹配相應(yīng)的視頻內(nèi)容；但是有些視頻的內(nèi)容經(jīng)過剪輯、拼接后，很難判斷其真實(shí)性，降低了視頻的參考價(jià)值。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明使用人工智能模型構(gòu)建用戶的人物畫像，并且為其匹配相應(yīng)的推送信息，對推送信息進(jìn)行進(jìn)一步的篩選，將原創(chuàng)信息推送給用戶，以解決背景技術(shù)中提出的問題。

2、本發(fā)明提供的技術(shù)方案為：基于人工智能的旅游服務(wù)信息推送方法，其特征在于，所述方法包括：

3、收集用戶信息，并基于收集到的用戶信息構(gòu)建用戶畫像；

4、獲取待推薦信息，從待推薦信息中提取關(guān)鍵特征，與用戶畫像進(jìn)行匹配，將與用戶畫像匹配的待推薦信息構(gòu)成原始信息庫；

5、篩選原始信息庫，將原始信息庫分為有效信息集和多個(gè)無效信息集，將有效信息集內(nèi)的待推薦信息，推送到用戶終端，并接收反饋；

6、所述待推薦信息包括視頻信息、文字信息和音頻信息中的一種或者多種，所述有效信息集包括原創(chuàng)視頻、原創(chuàng)文字和原創(chuàng)音頻中的一種或者多種，所述無效信息集包括非原創(chuàng)視頻、非原創(chuàng)文字、非原創(chuàng)音頻中的一種或者多種。

7、優(yōu)選的，所述收集用戶信息，并基于收集到的用戶信息構(gòu)建用戶畫像，包括：

8、通過api調(diào)用或爬蟲技術(shù)收集用戶的個(gè)人信息、瀏覽歷史數(shù)據(jù)和購買歷史數(shù)據(jù)；

9、對收集到的個(gè)人信息、瀏覽歷史和購買歷史數(shù)據(jù)進(jìn)行數(shù)據(jù)清洗和預(yù)處理，構(gòu)成原始用戶信息庫；

10、從原始用戶信息庫中提取用戶關(guān)鍵特征，構(gòu)成用戶關(guān)鍵特征集；具體為：

11、從瀏覽歷史數(shù)據(jù)中提取用戶瀏覽的文本數(shù)據(jù)，使用tf-idf算法提取關(guān)鍵詞，以獲取用戶瀏覽偏好的關(guān)鍵特征；

12、利用apriori算法，從用戶瀏覽歷史數(shù)據(jù)中分析頻繁出現(xiàn)的景點(diǎn)關(guān)鍵詞，從而推測用戶的旅游景點(diǎn)偏好，以獲取用戶旅游景點(diǎn)偏好的關(guān)鍵特征；

13、將用戶瀏覽偏好的關(guān)鍵特征和用戶旅游景點(diǎn)偏好的關(guān)鍵特征組成用戶關(guān)鍵特征集；

14、使用機(jī)器學(xué)習(xí)算法對用戶關(guān)鍵特征進(jìn)行聚類分析，將用戶劃分為不同用戶群體，并為用戶構(gòu)建用戶畫像；

15、所述個(gè)人信息包括姓名、年齡、職業(yè)，所述瀏覽歷史數(shù)據(jù)為用戶在旅游網(wǎng)站上的瀏覽行為，包括瀏覽時(shí)間、旅游地點(diǎn)、瀏覽時(shí)長；所述購買歷史為用戶在旅游網(wǎng)站上的購買記錄，包括旅游套餐信息、預(yù)定的機(jī)票信息。

16、優(yōu)選的，還包括構(gòu)建旅游偏好特征集，具體包括以下步驟：

17、提取瀏覽時(shí)間特征；

18、從瀏覽歷史提取用戶的歷史瀏覽時(shí)間戳；

19、使用pandas庫將瀏覽時(shí)間戳轉(zhuǎn)換為時(shí)間格式，提取小時(shí)、星期和月份特征，并分別轉(zhuǎn)換為整數(shù)，將小時(shí)特征作為時(shí)間特征；

20、獲取多個(gè)時(shí)間特征的平均時(shí)間特征；其中：

21、，其中為瀏覽次數(shù)；

22、提取旅游地點(diǎn)特征；

23、從瀏覽歷史數(shù)據(jù)中提取用戶的旅游地點(diǎn)的文本數(shù)據(jù)；

24、通過獨(dú)熱編碼將旅游地點(diǎn)轉(zhuǎn)換為數(shù)值型特征，具體為：

25、通過詞袋模型或tf-idf將文本數(shù)據(jù)轉(zhuǎn)換為數(shù)值型特征；

26、提取瀏覽時(shí)長特征：

27、從瀏覽歷史數(shù)據(jù)中提取瀏覽時(shí)長；

28、將瀏覽時(shí)長轉(zhuǎn)換為分鐘單位；

29、檢查異常值，并將異常值去除；所述異常值為瀏覽時(shí)長小于0或大于10000分鐘；

30、將瀏覽時(shí)間特征、旅游地點(diǎn)特征和平均時(shí)間特征組成旅游偏好特征集a。

31、優(yōu)選的，所述獲取待推薦信息，從待推薦信息中提取關(guān)鍵特征，包括：

32、使用爬蟲技術(shù)從網(wǎng)絡(luò)中獲取其他用戶分享的旅游視頻信息；

33、從旅游視頻中提取視頻關(guān)鍵特征，所述視頻關(guān)鍵特征包括：視頻主題、版權(quán)聲明、景點(diǎn)、拍攝時(shí)間；具體為：

34、通過預(yù)訓(xùn)練的yolov3模型循環(huán)讀取旅游視頻的視頻幀，檢測視頻中物體，通過預(yù)添加類別名稱映射，使yolov3模型輸出物體名稱；

35、使用ocr技術(shù)提取視頻中的文字，并將檢測到的文字生成文本格式數(shù)據(jù)；

36、通過關(guān)鍵詞算法從文本格式數(shù)據(jù)中提取景點(diǎn)名稱、版權(quán)聲明、時(shí)間關(guān)鍵詞；

37、將提取到的關(guān)鍵詞構(gòu)成關(guān)鍵詞數(shù)據(jù)庫，并將關(guān)鍵詞數(shù)據(jù)庫發(fā)送到云端存儲(chǔ)。

38、優(yōu)選的，所述從待推薦信息中提取關(guān)鍵特征，與用戶畫像進(jìn)行匹配，將與用戶畫像匹配的待推薦信息構(gòu)成原始信息庫，包括：

39、使用tf-idf向量化關(guān)鍵詞和用戶關(guān)鍵特征；

40、通過pandas庫計(jì)算用戶關(guān)鍵特征向量與關(guān)鍵詞向量間的相似度，輸出相似度分?jǐn)?shù)，并對相似度分?jǐn)?shù)進(jìn)行升序排列；

41、根據(jù)相似度分?jǐn)?shù)排序?qū)σ曨l進(jìn)行降序排序，選出前個(gè)旅游視頻，為每個(gè)旅游視頻提交相似度分?jǐn)?shù)標(biāo)簽，將選出的個(gè)旅游視頻構(gòu)成原始信息庫。

42、優(yōu)選的，所述篩選原始信息庫，將原始信息庫分為有效信息集和無效信息集，包括：

43、從原始信息庫中獲取旅游視頻信息；

44、通過滑動(dòng)窗口從旅游視頻中提取多個(gè)視頻幀；

45、將視頻幀輸入到訓(xùn)練好的cnn模型中，通過cnn模型將視頻幀與原創(chuàng)視頻庫中的圖像進(jìn)行比較，識(shí)別旅游視頻是否是原創(chuàng)視頻；

46、將識(shí)別為原創(chuàng)視頻的旅游視頻歸類為有效信息集；將非原創(chuàng)視頻的旅游視頻歸類為無效信息集。

47、優(yōu)選的，所述將視頻幀輸入到訓(xùn)練好的cnn模型中，通過cnn模型將視頻幀與原創(chuàng)視頻庫中的圖像進(jìn)行比較，識(shí)別旅游視頻是否是原創(chuàng)視頻，包括以下步驟：

48、使用tensorflow或pytorch構(gòu)建一個(gè)cnn模型；所述cnn模型包括多個(gè)卷積層、池化層和全連接層；

49、從原創(chuàng)視頻庫中獲取多個(gè)原創(chuàng)圖像數(shù)據(jù)；

50、從網(wǎng)絡(luò)上獲取多個(gè)對應(yīng)的非原創(chuàng)視頻的圖像數(shù)據(jù)；

51、將原創(chuàng)圖像數(shù)據(jù)進(jìn)而非原創(chuàng)視頻的圖像數(shù)據(jù)構(gòu)成圖像樣本集，并將圖像樣本集分為訓(xùn)練集和驗(yàn)證集；

52、使用訓(xùn)練集訓(xùn)練cnn模型，使用交叉熵?fù)p失函數(shù)和優(yōu)化器來最小化cnn模型的損失，cnn模型的輸出為圖像為原創(chuàng)視頻的概率值；

53、設(shè)定比較閾值，當(dāng)|-|≥0，則判斷是原創(chuàng)視頻；

54、將獲取到的多個(gè)視頻幀輸入到訓(xùn)練好的cnn模型內(nèi)，判斷是否是原創(chuàng)視頻。

55、優(yōu)選的，所述將有效信息集內(nèi)的待推薦信息，推送到用戶終端，并接收反饋，包括：

56、將有效信息集內(nèi)的待推薦信息按照相似度分?jǐn)?shù)降序排列，構(gòu)成推薦信息序列；

57、設(shè)定推薦閾值、推送時(shí)間段（，）、推送時(shí)間間隔，，表示推送起始時(shí)間點(diǎn)，表示推送結(jié)束時(shí)間點(diǎn)；

58、選擇個(gè)相似度分?jǐn)?shù)大于的待推薦信息，當(dāng)推送起始時(shí)間大于時(shí)，將待推薦信息送給用戶，并接收反饋信息，將接收到反饋信息發(fā)送到云端存儲(chǔ)；其中，其中，，為時(shí)間參數(shù)，；如果，，則將第個(gè)視頻信息，返回到有效信息集中，插入推薦信息序列的首位，保證在下次優(yōu)先推薦。

59、本發(fā)明還提供基于人工智能的旅游服務(wù)信息推送系統(tǒng)，所述系統(tǒng)用于執(zhí)行所述的基于人工智能的旅游服務(wù)信息推送方法。

60、本發(fā)明還提供一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，所述計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)存儲(chǔ)有計(jì)算機(jī)程序，所述計(jì)算機(jī)程序被處理器執(zhí)行以實(shí)現(xiàn)所述的基于人工智能的旅游服務(wù)信息推送方法。

61、本發(fā)明的有益效果：

62、1、本發(fā)明中，對收集到的個(gè)人信息、瀏覽歷史和購買歷史數(shù)據(jù)進(jìn)行數(shù)據(jù)清洗和預(yù)處理，構(gòu)成原始用戶信息庫；從原始信息庫中提取旅游視頻信息；利用滑動(dòng)窗口從旅游視頻中提取多個(gè)視頻幀；將視頻幀導(dǎo)入到訓(xùn)練好的cnn模型中，利用cnn模型將視頻幀與原創(chuàng)視頻庫中的圖像進(jìn)行比較，識(shí)別旅游視頻是否為原創(chuàng)視頻；將識(shí)別為原創(chuàng)的旅游視頻劃分為有效信息集；將非原創(chuàng)的旅游視頻劃分為無效信息集，在信息推送時(shí)，只篩選有效信息集內(nèi)的視頻數(shù)據(jù)，保質(zhì)推送視頻的參考價(jià)值。

63、2、本發(fā)明，將有效信息集內(nèi)的待推薦信息按照相似度分?jǐn)?shù)降序排列，構(gòu)成推薦信息序列；以確定優(yōu)先推送哪些信息；設(shè)定推薦閾值、推送時(shí)間段（，）、推送時(shí)間間隔，，設(shè)定合理的推送間隔，避免頻繁打擾用戶，過于頻繁的推送可能會(huì)導(dǎo)致用戶感到煩惱，從而減少對平臺(tái)的使用；分析用戶過去的瀏覽數(shù)據(jù)確定其活躍時(shí)間段，這些時(shí)段內(nèi)推送信息，以提高用戶的關(guān)注度和接受度。