[发明专利]基于主题的旅游本体构建方法

摘要

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。

主权项

1.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，其特征在于：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；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；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；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。