[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

说明书

本发明提供了基于主题的旅游产品分类方法、系统、设备及存储介质，该方法包括：获得基于目的地的文本数据集合；基于文本数据集合进行特征词提取，进行词嵌入表示模型训练，获得特征词的向量；进行基于特征词的加权计算，获得该目的地和各主题的相关度。本发明能够大幅度降低标注的人工成本，快速有效地得到文本相关主题，且具有易扩展的特性，可以得到考虑相关度和热度的综合得分，从而可以进行目的地的推荐。

技术领域

本发明涉及在线旅游领域，具体地说，涉及基于主题的旅游产品分类方法、系统、设备及存储介质。

背景技术

在线旅游(Online Travel Agency)，是旅游电子商务行业的专业词语。指“旅游消费者通过网络向旅游服务提供商预定旅游产品或服务，并通过网上支付或者线下付费，即各旅游主体可以通过网络进行产品营销或产品销售”。OTA的出现将原来传统的旅行社销售模式放到网络平台上，更广泛的传递了线路信息，互动式的交流更方便了客人的咨询和订购。

文本分类是自然语言处理领域中常见且重要的任务类型，在搜索引擎、问答系统、会话系统等重要的信息处理系统中应用非常广泛。在旅游的搜索召回、推荐等场景下，可以进行目的地的主题推荐或者依据主题进行目的地的推荐，以达到二跳率、订单转化等指标提升的目的。而目的地推荐、主题推荐的核心是如何从文本中提取出特征，拟合出特征到主题之间的权重。现有的特征提取技术难以解决长文本的问题，并且需要进行语料的人工标注，是一种有监督的方法，难以降低标注的人工成本，无法迅速得到文本相关主题。

因此，本发明提供了一种基于主题的旅游产品分类方法、系统、设备及存储介质。

发明内容

针对现有技术中的问题，本发明的目的在于提供基于主题的旅游产品分类方法、系统、设备及存储介质，克服了现有技术的困难，能够大幅度降低标注的人工成本，快速有效地得到文本相关主题，且具有易扩展的特性，可以得到考虑相关度和热度的综合得分，从而可以进行目的地的推荐。

本发明的实施例提供一种基于主题的旅游产品分类方法，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。

优选地，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。

优选地，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：