[发明专利]基于主题的旅游本体构建方法

说明书

本发明涉及一种基于主题的旅游本体构建方法，属于旅游信息化领域。该方法步骤为：通过对各大旅游网站进行旅游景点描述性文字的爬虫爬取数据，并进行去重去噪后，对文本分词；训练文档主题生成模型，得到文档‑主题矩阵，并提取出主题，作为兴趣点；通过词语相关性得出所述主题之间的关联度，然后将兴趣点再次归为大主题，作为本体的一级类；根据分词产生的关键词进行人工筛选后，选出旅游项目，放到对应景点下；利用信息熵进行主题划分效果的评判；最后进行本体的构建。本发明考虑了地域、最佳游玩季节、推荐游玩时长、价格等因素，并且具体到旅游项目，可以用于旅游推荐网站导航，旅游线路动态规划，旅游信息扩展搜索。

技术领域

本发明属于旅游信息化领域，涉及一种基于主题的旅游本体构建方法。

背景技术

当前旅游成为一种潮流，日趋庞大的旅游信息使得传统的关键词查询不能够较好地满足用户需求，归根究底是机器对自然语言的理解和表达并不充分，因此引入本体。本体是一种促使知识复用、知识共享和建模的模型，作为语义网的核心广泛应用于知识工程的表达，知识体系的构建和信息资源的查询检索。国外的旅游本体的研究起步较早并日趋成熟，但是不适用于中文检索和使用；国内的研究才刚刚起步，大多是基于景点自身性质建立本体，以景点中包含的景观的建造背景和位置信息等进行建模，没有深入挖掘景点所包含的真正吸引游客的特征。

发明内容

有鉴于此，本发明的目的在于提供一种基于主题的旅游本体构建方法，通过提取各类景点的主题、综合地域、最佳游玩季节、游玩时长因素，建立旅游本体，使其能够达到更为人性化的旅游路线规划与搜索推荐。

为达到上述目的，本发明提供如下技术方案：

基于主题的旅游本体构建方法，所述旅游本体包括类、关系、函数、属性和实例五种元素，该方法包括以下步骤：

S1：通过Python语言和BeautifulSoup4库对各大旅游信息类网站有关旅游景点描述性文字内容进行爬取；

S2：将爬取的数据进行去重去噪，并利用Java中文分词器Ansj对文本进行分词；

S3：使用文档主题生成模型(Latent Dirichlet Allocation，LDA)对分词结果进行训练，得到“文档——主题”矩阵，并提取出主题，作为兴趣点；通过词语相关性，计算主题之间的关联度，然后将相关性大的兴趣点归集为大主题，作为本体的一级类；将各个景点根据“文档——主题”矩阵具体分配到对应兴趣点下，并利用景点的属性描述景点；最后将分词产生的关键词进行人工筛选后，选出旅游项目，归类到至对应景点；

S4：利用信息熵进行主题划分效果的评判，信息熵越小主题划分效果越好，找到最小的信息熵对应的本体参数；

S5：利用protege4.3框架进行本体的构建。

进一步，所述类为四级结构，包括主题、兴趣点、景点和旅游项目；所述关系包括属于、位于和包含；所述属性包括开放时间、价格、最佳游玩季节、地域、别名和推荐游玩时间；所述实例包括景点和旅游项目。

进一步，所述在步骤S2中，根据旅游领域的知识，分词的时候添加适用的常用词表和停用词表，使得分词的结果满足需求。

进一步，在步骤S3中，所述主题由十个词描述，所述文档与景点一一对应。

进一步，所述BeautifulSoup4库、Java中文分词器Ansj以及protege4.3均为开源框架。

本发明的有益效果在于：

(1)本发明是以主题、旅游信息点为主，而现有本体多是基于景点的地理位置，有些考虑到了兴趣点，但是不全面且不作为主要推荐点。

(2)本发明另外考虑了地域、最佳游玩季节、推荐游玩时长、价格等因素，并且具体到旅游项目，当前没有本体没有涉及到季节和时长。