基于AIGC的综合文旅景点推荐方法和系统与流程

本发明属于人工智能，更具体地说，涉及一种基于aigc的综合文旅景点推荐方法和系统。

背景技术：

1、随着旅游业的发展，旅游者对于个性化、精确的旅游景点推荐的需求日益增强。然而，传统的推荐方法往往无法满足这些需求。在线旅游平台、游客旅游消费、用户习惯内容化正处于激烈发展态势。计划旅行的游客常利用在线旅游网站中的用户生成信息，如评级、在线评论、图片等作为其决策的重要参考。然而，对游客来说，筛选海量信息是一项艰巨的挑战。因此，学者们提出旅游景点推荐方法来解决“信息过载”问题。借助于机器学习、深度学习、数据挖掘等技术挖掘用户和景点特征，景点推荐方法的推荐质量不断提高。景点推荐的目的是解决游客的“信息过载”问题，为其提供符合其偏好的景点推荐。基于评级的景点推荐和基于在线评论的景点推荐是推荐算法中应用较为广泛的两种途径。但基于评级的景点推荐方法往往受到数据稀疏性的问题困扰，基于在线评论的景点推荐方法也常会忽视评级中也包含大量的潜在信息的问题。

技术实现思路

1、基于以上现状，本发明提出一种全新的基于aigc(artificial intelligencegenerated content人工智能生成内容)的综合文旅景点推荐方法和系统，借助web爬虫技术、api整合、nlp预处理、aigc深度学习模型以及用户反馈机制，形成一个高效、个性化的推荐方法。

2、为解决上述技术问题，本发明的技术方案如下：

3、基于本发明的一个方面，提供了一种基于aigc的综合文旅景点推荐方法，所述方法包括如下步骤：

4、s1、数据收集与整合；

5、s2、数据预处理；

6、s3、特征提取；

7、s4、模型选择与训练；

8、s5、推荐生成；

9、s6、用户界面与体验。

10、进一步的，所述s1的具体步骤为：

11、s11、信息收集：使用scrapy，定期爬取旅游网站的数据；

12、s12、api整合：通过社交平台的api，收集与景点相关的帖子和情感倾向，获取实时的用户评价和趋势。

13、进一步的，所述s2的具体步骤为：

14、s21、文本处理：利用nltk和spacy进行分词、词干提取、语言检测和词向量化；

15、s22、图像处理：利用opencv进行图像增强、大小调整和格式转换。

16、进一步的，所述s3的具体步骤为：

17、文本：使用bert进行文本的词向量化，将其转化为机器可理解的数值格式：

18、bt＝wbert(ts)     (1)

19、其中，bt是bert模型输出的文本特征，wbert代表bert权重函数，ts是处理后的文本序列；

20、图像：利用vgg16预训练模型提取景点图片的特征向量：

21、vi＝wvgg(ip)  (2)

22、其中，vi是vgg16模型输出的图像特征，wvgg代表vgg16权重函数，ip是处理后的图片。

23、进一步的，所述s4的具体步骤为：

24、s41、协同过滤：：使用surprise或fastai库，基于用户评价和浏览历史数据进行推荐：

25、

26、式中：

27、ru,i是用户u对景点i的预测评分；

28、μ是所有评分的全局平均；

29、bu和bi分别是用户和景点的偏差项；

30、wj,i是景点j和景点i之间的相似度；

31、ru,j是用户u给予景点j的实际评分；

32、s42、内容过滤：利用景点的文本和图像特征进行聚类，然后根据用户的历史偏好和查询来进行推荐；

33、s43、描述生成：使用bert模型，为每个推荐的景点生成独特的描述。

34、进一步的，所述s5的具体步骤为：

35、s51、用户输入：收集用户偏好，生成偏好模型；

36、s52、综合推荐：结合所述偏好模型，生成一个按优先级排序的景点推荐列表，并为每个景点附带ai生成的描述。

37、进一步的，所述s6的具体步骤为：

38、s61、前端界面：使用react开发前端页面，展示推荐景点；

39、s62、反馈系统：在每个推荐结果后设有评分和评论功能，允许用户对推荐效果进行反馈。

40、根据本发明的另一个方面，一种基于aigc的综合文旅景点推荐系统，包括：数据采集模块、数据处理模块、特征提取模块、模型训练与推荐模块和用户界面交互模块；

41、所述数据采集模块，使用scrapy建立定制爬虫，目标为旅游网站，获取景点信息；通过python的requests库，集成社交平台的api，获取景点相关的帖子和情感倾向，获取实时的用户评价和趋势；数据统一存储在postgresql数据库中；

42、所述数据处理模块，使用nltk进行文本的分词、词干提取和语言检测；使用spacy进行词向量化；使用opencv进行图像增强、大小调整和格式转换；处理后的数据替换原始数据并存储在数据库中；

43、所述特征提取模块，使用bert进行文本的词向量化；利用vgg16从景点图片中提取特征向量；将提取的特征存储在数据库中，与原始数据关联；

44、所述模型训练与推荐模块，使用数据库中的用户评价和浏览历史数据，通过surprise库训练协同过滤模型；利用bert为景点生成描述；用户查询时，结合用户的偏好和模型，实时生成推荐列表；

45、所述用户界面交互模块，使用react建立前端页面，包括查询界面、推荐展示和用户反馈区；后端使用flask提供api接口，与数据库和模型训练与推荐模块交互；当用户提交查询或反馈，前端通过api与后端交互，并实时更新页面内容。

46、根据本发明的另一方面，提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现本发明的基于aigc的综合文旅景点推荐方法中的步骤。

47、根据本发明的又一方面，提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现本发明的基于aigc的综合文旅景点推荐方法中的步骤。

48、相比于现有技术，本发明至少具有如下有益效果：本发明提供了一个综合性、高度个性化的旅游景点推荐方法；可以帮助用户完成旅行决策，减轻人工筛选负担。

技术特征：

1.一种基于aigc的综合文旅景点推荐方法，其特征在于，所述方法包括如下步骤：

2.根据权利要求1所述的方法，其特征在于，所述s1的具体步骤为：

3.根据权利要求1所述的方法，其特征在于，所述s2的具体步骤为：

4.根据权利要求1所述的别方法，其特征在于，所述s3的具体步骤为：

5.根据权利要求1所述的方法，其特征在于，所述s4的具体步骤为：

6.根据权利要求1所述的方法，其特征在于，所述s5的具体步骤为：

7.根据权利要求1所述的方法，其特征在于，所述s6的具体步骤为：

8.一种基于aigc的综合文旅景点推荐系统，其特征在于，包括：数据采集模块、数据处理模块、特征提取模块、模型训练与推荐模块和用户界面交互模块；

9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于：该程序被处理器执行时实现如权利要求1～7中任一项所述的基于aigc的综合文旅景点推荐方法中的步骤。

10.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1～7中任一项所述的基于aigc的综合文旅景点推荐方法中的步骤。

技术总结
本发明公开了一种基于AIGC的综合文旅景点推荐方法和系统，所述方法包括如下步骤：S1、数据收集与整合；S2、数据预处理；S3、特征提取；S4、模型选择与训练；S5、推荐生成；S6、用户界面与体验。所述系统包括：数据采集模块、数据处理模块、特征提取模块、模型训练与推荐模块和用户界面交互模块。本发明可以帮助用户完成旅行决策，减轻人工筛选负担。

技术研发人员：孙志明,薄鹏宇,肖勇,刘黄骁烈
受保护的技术使用者：南京汇智互娱网络科技有限公司
技术研发日：
技术公布日：2024/1/25