[发明专利]基于主题的旅游产品分类方法、系统、设备及存储介质

权利要求书

1.一种基于主题的旅游产品分类方法，其特征在于，包括以下步骤：

获得基于目的地的文本数据集合；

基于所述文本数据集合进行特征词提取，进行词嵌入表示模型训练，获得所述特征词的向量；

进行基于所述特征词的加权计算，获得该目的地和各所述主题的相关度。

2.如权利要求1所述的基于主题的旅游产品分类方法，其特征在于，所述获得基于目的地的文本数据，包括：

通过爬虫获得目的地的描述文本数据和点评文本数据；

基于所述描述文本数据和点评文本数据获得所述文本数据集合。

3.如权利要求1所述的基于主题的旅游产品分类方法，其特征在于，所述基于所述文本数据集合进行特征词提取，进行词嵌入表示模型训练，获得所述特征词的向量，包括：

通过TF-IDF方法进行特征词提取，计算各文档下每个词的TF-IDF值，获得每个文档下每个词的TF-IDF值，公式如下：

TF-IDF(w_i)＝tf(w_i)×idf(w_i)＝tf_j(w_i)×log(N/df(w_i))

其中，tf_j(w_i)表示词w_i在文档j中出现的频率，N代表文档集合中文档的数量，df(w_i)表示文档集合中包含词w_i的文档数量；

进行词嵌入模型训练，训练Word2Vec和Glove模型，获得每个词的向量表示v_i：

v_i＝(x₁,x₂,…,x_i,…,x_n)；

进行相似度的计算，采用了余弦相似度作为相似性的度量方法，计算公式如下：

其中，X，Y分别表示两个向量，x_i表示向量X中第i维对应的数值，y_i表示向量Y中第i维对应的数值。

4.如权利要求1所述的基于主题的旅游产品分类方法，其特征在于，所述进行基于所述特征词的加权计算，获得该目的地和各所述主题的相关度，包括：

结合TF-IDF权重，进行相似度的累加，获得文档和标签的相关度，计算公式如下：

其中，relation(d,tag_j)表示文档d和标签j的相关度，work_i表示词i的向量表示，tag_j表示标签j的向量表示，TF-IDF(w_i)表示词i的TF-IDF值。

5.如权利要求4所述的基于主题的旅游产品分类方法，其特征在于，所述进行基于所述特征词的加权计算，获得该目的地和各所述主题的相关度，包括：

对相关度进行最值归一化处理，计算公式如下：

其中，R_scaled表示归一化后的相关度，relation表示归一化前的相关度，relation_min表示该文档和所有标签相关度的最小值，relation_max表示该文档和所有标签相关度的最大值。

6.如权利要求5所述的基于主题的旅游产品分类方法，其特征在于，还包括：

至少基于所述目的地关于所述主题的相关度概率分布以及热度，获得推荐参数。