-
公开(公告)号：CN109993668B
公开(公告)日：2021-07-13
申请号：CN201910279794.2
申请日：2019-04-09
Applicant: 桂林电子科技大学
IPC: G06Q50/14 , G06F16/9535
Abstract: 本发明涉及一种基于门控循环单元神经网络的景点推荐方法，解决的是启动困难问题，数据稀疏性问题，以及忽略旅游轨迹中的隐含语义问题的技术问题，通过采用步骤一，采集旅游数据＜uj1，sj2，vj3＞，对旅游数据进行预处理，按照第j个游客的所有旅游数据按照时间顺序生成表征旅游轨迹的旅游序列T；步骤二，将步骤一的旅游序列输入到门控循环单元神经网络中，通过门控循环神经网络对旅游数据进行建模，建立门控循环单元神经网络学习模型；步骤三，将步骤一的旅游序列T作为数据集同时输入步骤二的门控循环单元神经网络学习模型，将同批次的其他景点作为负例进行训练；步骤四，定义损失函数，更新推荐列表，完成景点推荐的技术方案，较好的解决了该问题，可用于景点推荐中。
-
公开(公告)号：CN107680010B
公开(公告)日：2020-12-18
申请号：CN201710910640.X
申请日：2017-09-29
Applicant: 桂林电子科技大学
IPC: G06Q50/14 , G06F16/9537 , H04W4/80
Abstract: 本发明公开一种基于游览行为的景区路线推荐方法及其系统，通过获取游客在游览过程中产生的行为数据，利用频繁游览路线挖掘方法，从已获取的历史游览行为数据中挖掘生成一组候选游览路线。再根据游客输入的总游览时间、游览起始/结束地点等个人游览约束，从候选路线中搜索满足个人约束且游览价值最高的路线推荐给游客。本发明具有推荐路线精度高，推荐结果个性化程度及游览体验度高的特点。
-
公开(公告)号：CN107358471B
公开(公告)日：2020-05-22
申请号：CN201710581785.X
申请日：2017-07-17
Applicant: 桂林电子科技大学
Abstract: 本发明公开一种基于游览行为的旅游资源推荐方法及系统，通过在各景点安装蓝牙位置标签设备为游客智能终端提供景点标示，智能终端以此准确获得该游客在景区的详细游览轨迹；利用游客携带的智能终端获取其游览行为数据，并通过计算各游客的游览行为数据获得其对各旅游资源的喜爱度评价，并由此生成动态推荐结果。该方法获取的评价数据及推荐结果能够精确到景区内的各个景点，且结果由游客游览行为计算得到，因此具有客观、全面的优点。此外，该方法还能够针对旅游资源具有随时节变化，游览价值动态变化的特点。通过对不同时间段游客的游览行为的统计，得到不同时间段内景区及景点的动态推荐结果。
-
公开(公告)号：CN108875005A
公开(公告)日：2018-11-23
申请号：CN201810620123.3
申请日：2018-06-15
Applicant: 桂林电子科技大学
Abstract: 本发明提出一种基于游览行为的游客偏好学习系统,该系统包括iBeacon模块、智能终端、应用程序和服务器；所述iBeacon模块用于标识景区内部游览点或展厅内部展品的位置信息；所述应用程序用于接收并解析iBeacon模块的广播数据包，计算智能终端和iBeacon设备之间的距离，识别游客当前所处的游览点；所述智能终端采集游客在某个游览点的游览行为数据并上传游览行为数据至服务器；所述服务器用于处理并存储游客的游览行为数据，并根据偏好学习模型获取游客对不同游览点的偏好。本发明提出的将iBeacon模块和智能终端相结合获取游客游览行为的方法，可以获取游客细粒度的游览行为，根据本发明提出的游客偏好学习系统，可获取游客针对某一景区内各个游览点的细粒度游览偏好。
-
公开(公告)号：CN106530412A
公开(公告)日：2017-03-22
申请号：CN201611158066.9
申请日：2016-12-15
Applicant: 桂林电子科技大学
CPC classification number: G07B11/00 , G06Q10/02 , G06Q30/0635 , G07C9/00103
Abstract: 一种电子门票验证系统，包括：门票管理服务器、门票验证设备、门票预订端，门禁设备，门票管理服务器与门票验证设备通过互联网连接，与门票预订端通过移动互联网或无线互联网连接，门票验证设备控制门禁设备开闭，整个系统门票验证操作过程分为：①预订；②应答；③发送订单；④触发验证；⑤输入验证；⑥返回订单过程。采用本发明提供的电子门票验证系统可节省了用户查找电子门票时间，简化了门票验证流程，能够在相同时间内验证更多的门票，且整个门票验证流程无需其他工作人员参与，因而大大地节省了人力成本。
-
Patent Agency Ranking
公开(公告)号：CN108875005B
公开(公告)日：2021-03-26
申请号：CN201810620123.3
申请日：2018-06-15
Applicant: 桂林电子科技大学
IPC: G06F16/9535 , G06F16/9537 , G06N20/00
Abstract: 本发明提出一种基于游览行为的游客偏好学习系统,该系统包括iBeacon模块、智能终端、应用程序和服务器；所述iBeacon模块用于标识景区内部游览点或展厅内部展品的位置信息；所述应用程序用于接收并解析iBeacon模块的广播数据包，计算智能终端和iBeacon设备之间的距离，识别游客当前所处的游览点；所述智能终端采集游客在某个游览点的游览行为数据并上传游览行为数据至服务器；所述服务器用于处理并存储游客的游览行为数据，并根据偏好学习模型获取游客对不同游览点的偏好。本发明提出的将iBeacon模块和智能终端相结合获取游客游览行为的方法，可以获取游客细粒度的游览行为，根据本发明提出的游客偏好学习系统，可获取游客针对某一景区内各个游览点的细粒度游览偏好。
-
公开(公告)号：CN108829852A
公开(公告)日：2018-11-16
申请号：CN201810641523.2
申请日：2018-06-21
Applicant: 桂林电子科技大学
Abstract: 本发明提出一种个性化旅游路线推荐方法,包括步骤1.获取游客的游记信息并进行预处理；步骤2.得到基于类别信息的景点类型表示向量；步骤3.获取每个用户的旅游偏好表示向量、每个月份下游客的旅游偏好表示向量以及每个景点的表示向量；步骤4.根据步骤1得到候选游玩路线集合；步骤5.根据个人约束从候选游玩路线集合得到待候选旅游路线；步骤6.得到每一条旅游路线所属的偏好表示向量；步骤7.将用户的游玩偏好与候选路线进行相似度匹配得到与用户游玩偏好最匹配的游玩路线作为最终向用户推荐的旅游路线。本发明根据游客历史游玩轨迹中的每个景点与其所属的景点类别信息，得到游客的个性化旅游偏好。
-
公开(公告)号：CN108629019B
公开(公告)日：2021-04-30
申请号：CN201810433143.X
申请日：2018-05-08
Applicant: 桂林电子科技大学
IPC: G06F40/211 , G06F40/284 , G06F40/30 , G06K9/62 , G06F16/332
Abstract: 本发明公开一种面向问答领域含有人名的问句相似度计算方法，分别计算人名与非人名部分的相似度，并且考虑到句子的结构，从句子的语序以及长短两方面进行句子相似度的计算，最终根据句子语义相似度和结构相似度加权求得整体句子的相似度。解决了通过以往句子相似度算法在计算含有人名的句子时，无法得到符合人为主观判断的问题。本发明提出的方法能够更加精确的计算出含有人名的句子相似度，并可以将其广泛的应用到问答领域。
-
公开(公告)号：CN109993668A
公开(公告)日：2019-07-09
申请号：CN201910279794.2
申请日：2019-04-09
Applicant: 桂林电子科技大学
IPC: G06Q50/14 , G06F16/9535
Abstract: 本发明涉及一种基于门控循环单元神经网络的景点推荐方法，解决的是启动困难问题，数据稀疏性问题，以及忽略旅游轨迹中的隐含语义问题的技术问题，通过采用步骤一，采集旅游数据＜uj1，sj2，vj3＞，对旅游数据进行预处理，按照第j个游客的所有旅游数据按照时间顺序生成表征旅游轨迹的旅游序列T；步骤二，将步骤一的旅游序列输入到门控循环单元神经网络中，通过门控循环神经网络对旅游数据进行建模，建立门控循环单元神经网络学习模型；步骤三，将步骤一的旅游序列T作为数据集同时输入步骤二的门控循环单元神经网络学习模型，将同批次的其他景点作为负例进行训练；步骤四，定义损失函数，更新推荐列表，完成景点推荐的技术方案，较好的解决了该问题，可用于景点推荐中。
-
公开(公告)号：CN106683203A
公开(公告)日：2017-05-17
申请号：CN201611158050.8
申请日：2016-12-15
Applicant: 桂林电子科技大学
CPC classification number: G07B11/00 , G06F16/2282 , G06Q10/02
Abstract: 一种电子门票验证方法，包括以下操作过程：①预订；②应答；③发送订单；④触发验证；⑤输入验证；⑥返回订单。采用本发明提供的技术方案节省了用户查找电子门票时间，简化了门票验证流程，能够在相同时间内验证更多的门票，且整个门票验证流程无需其他工作人员参与，因而大大地节省了人力成本。
-
-
-
-
-
-
-
-
-
Search Results
16
records
(took 0.025 seconds)
