提供旅游相关信息的方法及装置

暂无

提供旅游相关信息的方法及装置\n技术领域\n[0001] 本申请涉及信息推荐技术领域，特别是涉及提供旅游相关信息的方法及装置。\n背景技术\n[0002] 随着互联网以及Web等技术的不断发展，基于互联网及Web技术的各种应用也层出不穷，用于满足人们日常生活中方方面面的需要。例如，有些网站能够提供旅游方面的咨询、旅游景点的介绍及预订等等，用户在旅游之前可以通过这些网站查询旅游景点、酒店等相关信息，还可以直接通过网站进行预订，旅游过程中或结束之后还可以发表自己的旅游心得或者攻略等，供其他用户参考。\n[0003] 网站提供的信息往往是非常丰富的，目的是让各种不同需求的用户都能从中找到适合自己的信息。然而，对于特定的某个用户而言，如果要从如此丰富的信息中筛选出自己真正感兴趣或者对自己真正有用的部分，则是相对困难的事情。因此，如何能够帮助用户更方便快捷地找到自己所需的旅游相关信息，是迫切需要本领域技术人员解决的技术问题。\n发明内容\n[0004] 本申请提供了提供旅游相关信息的方法及装置，能够将用户可能感兴趣的旅游目的地相关的信息提供给用户，帮助用户更方便快捷地找到自己所需的信息。\n[0005] 本申请提供了如下方案：\n[0006] 一种提供旅游相关信息的方法，包括：\n[0007] 获取用户对旅游相关业务对象执行的操作信息，所述操作信息包括浏览操作信息和/或预订操作信息，所述操作信息按照操作类型和/或操作时间被划分为至少一个数据集；\n[0008] 分别从各条操作信息中提取出每次操作对应的旅游目的地信息，并分别统计各个数据集中各个旅游目的地被操作的次数；\n[0009] 分别计算各个旅游目的地的得分，其中，对于某旅游目的地，根据该旅游目的地分别在各个数据集中被操作的次数以及各个数据集的权重计算其得分；\n[0010] 根据各个旅游目的地的得分，向用户提供与特定旅游目的地相关的信息。\n[0011] 一种提供旅游相关信息的装置，包括：\n[0012] 操作信息获取单元，用于获取用户对旅游相关业务对象执行的操作信息，所述操作信息包括浏览操作信息和/或预订操作信息，所述操作信息按照操作类型和/或操作时间被划分为至少一个数据集；\n[0013] 统计单元，用于分别从各条操作信息中提取出每次操作对应的旅游目的地信息，并分别统计各个数据集中各个旅游目的地被操作的次数；\n[0014] 计算单元，用于分别计算各个旅游目的地的得分，其中，对于某旅游目的地，根据该旅游目的地分别在各个数据集中被操作的次数以及各个数据集的权重计算其得分；\n[0015] 信息提供单元，用于根据各个旅游目的地的得分，向用户提供与特定旅游目的地相关的信息。\n[0016] 根据本申请提供的具体实施例，本申请公开了以下技术效果：\n[0017] 通过本申请实施例，能够根据用户对业务对象的操作信息，提取出每次操作对应的旅游目的地信息，并统计出每个旅游目的地被操作的次数，其中，操作信息可以包括浏览操作信息和/或预订操作信息，并且，按照操作类型和/或操作时间可以被划分为至少一个数据集，在统计各个旅游目的地被操作的次数时，可以分别在各个数据集中进行统计，然后针对各个旅游目的地，分别计算出得分，这种得分与旅游目的地分别在各个数据集中被操作的次数，以及各个数据集的权重相关。计算出各个旅游目的地的得分之后，就可以选择出其中的若干个作为特定旅游目的地，并向用户提供与特定旅游目的地相关的信息。也就是说，根据本申请实施例，能够根据用户的操作信息，获取用户可能感兴趣的旅游目的地，并根据向用户推荐与其感兴趣的旅游目的地相关的旅游信息，例如，相关的业务对象或者旅游行程信息等等，这样可以使得用户更加方便快捷的获取到所需的旅游相关信息。\n[0018] 提供相关信息的过程可以是按照一定的周期一直在进行的，例如，每分钟计算一次旅游目的地的得分，并根据计算结果重新提供相关的旅游信息等等。其中，在每次重新计算旅游目的地的得分时，还可以对新收集到的对业务对象的操作情况，对数据集的权重进行更新，通过不断的更新，使得数据集的权重更能体现出实际的情况，也使得推荐出的信息符合用户需求的概率得到进一步提高。\n[0019] 当然，实施本申请的任一产品并不一定需要同时达到以上所述的所有优点。\n附图说明\n[0020] 为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。\n[0021] 图1是本申请实施例提供的方法的流程图；\n[0022] 图2是本申请实施例提供的装置的示意图。\n具体实施方式\n[0023] 下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员所获得的所有其他实施例，都属于本申请保护的范围。\n[0024] 在本申请实施例中，为了能够便于用户方便快捷的得到自己所需的旅游相关信息，可以对用户的网上操作行为进行收集，计算出用户偏好的旅游目的地，并据此向用户推荐与其偏好的旅游目的地相关的信息，例如，相关的业务对象(如景点、酒店等)的推荐，或者还可以根据用户偏好的旅游目的地选择出合适的旅游行程方案，向用户进行推荐，等等。\n其中，在对用户的偏好旅游目的地进行计算时采用了如下的方式：将用户的操作行为信息分成的至少一个数据集，例如：由历史浏览操作信息组成的第一数据集、由实时浏览操作信息组成的第二数据集以及由预订操作信息组成的第三数据集，通过对不同的数据集配置不同的权重，来计算出各个旅游目的地的得分，另外，还可以根据用户的点击等操作行为作为各数据集权重的激励因子，来不断的优化数据集的权重，使得最终推荐出的信息更能够被用户接受。下面对本申请实施例进行详细地介绍。\n[0025] 参见图1，本申请实施例首先提供了一种提供旅游相关信息的方法，该方法可以包括以下步骤：\n[0026] S101：获取用户对旅游相关业务对象执行的操作信息，所述操作信息包括浏览操作信息和/或预订操作信息，所述操作信息按照操作类型和/或操作时间被划分为至少一个数据集；\n[0027] 在用户在网站中对相关业务对象进行操作的过程中，服务器一般会以记日志的形式对用户的操作行为进行记录，包括用户操作对应的网页URL、操作类型、操作次数等信息，因此，可以从这种日志信息中获取到用户对旅游相关对象执行的操作信息。\n[0028] 其中，根据操作类型的不同，获取到的操作信息可以包括浏览操作信息和/或预订操作信息。所谓的浏览操作信息表示用户浏览了某业务对象，例如，网页中显示了多个酒店的链接，用户可能点击了其中的某条链接，以便在对应的页面中查看其详细的介绍等信息，此时，就可以将用户点击的这条链接对应的网页的URL、网页标题等信息记录在浏览日志中，并将操作类型记录为浏览操作，等等；当然，同时还可以将对应的用户标识记录下来，这样，就可以通过同一用户标识对应的浏览日志获知用户浏览了哪个或者哪些业务对象。所谓的预订操作信息表示用户预订了某业务对象，例如，仍然假设某网页中显示了多个酒店的链接，并显示了预订操作的入口，用户可以点击该预订操作入口，在新弹出的页面中执行购买该业务对象对应的产品的操作，也就是说，可以将该业务对象加入到订单中，后续还可以执行在线付款等操作，相应的，服务器可以将该用户的订单信息记录下来，订单信息中会记录用户预订的业务对象的相关信息(例如名称等)，因此，通过查看用户的订单信息，就可以获知用户曾经预订过哪些业务对象。\n[0029] 也就是说，由于用户曾经浏览过哪些业务对象，以及曾经对哪些业务对象进行了预订，都证明用户可能对这些业务对象感兴趣，因此，可以从中挖掘出用户可能感兴趣的旅游目的地等信息，以便用于后续的信息推荐。其中，在具体实现时，当用户打开网站页面进行查看时，就可以获取该用户的各种历史操作信息，据此就可以计算出用户可能感兴趣的旅游目的地，并据此进行信息的推荐；之后用户会在该网页中执行一些操作，在此过程中又会新获取到一些相关的操作信息，因此，这部分新获取到的信息也可以加入到计算中，用于计算各个旅游目的地的得分，因此，在本申请实施例中，可以在每隔一定的时间周期之后，都重新进行计算，并重新推荐。也就是说，从宏观来看，计算以及推荐的过程是每个时间周期进行一次。每个时间周期中都可能获取到新的操作信息加入计算。\n[0030] 需要说明的是，对于浏览操作信息而言，首先可以获取到用户的历史浏览操作信息(例如，最近三个月的历史浏览记录)，这样，即使用户刚刚登陆到网站，也可以根据该用户的历史浏览操作信息，获取到一些数据进行推荐。同时，结合旅游业务对象的特定以及实际情况考虑，用户此次浏览网页的过程中发生的点击某业务对象等操作，一般可能更能体现出该用户当前最需要的是哪方面的信息。而对于一些历史记录信息，虽然一般也能够体现出用户对哪个或者哪些旅游目的地感兴趣，但用户这一次浏览网页时，又可能是对其他的一些旅游目的地感兴趣，因此，对于浏览操作信息而言，最新获取到的浏览操作信息，相对于历史浏览操作信息而言，一般具有更高的参考价值。因此，在实际应用中，可以将用户的浏览操作信息区分为历史浏览操作信息组成的第一数据集以及实时浏览操作信息组成的第二数据集，并且分别为不同的数据集赋予不同的权重初始值，并且第二数据集的权重初始值大于第二数据集的权重初始值。\n[0031] 也就是说，在获取用户的浏览操作信息时，可以区分该浏览操作信息是属于实时浏览操作信息还是历史浏览操作信息。其中，具体在区分时，对于实时浏览操作信息，可以根据每次计算及信息推荐的时间周期来进行确定，例如，假设每一分钟进行一次计算及信息推荐，则最近一分钟收集到的浏览操作信息作为实时浏览操作信息。如，在12∶01时，将从\n12∶00到12∶01这一分钟内收集到的浏览操作信息作为实时浏览操作信息。而12∶00之前收集到的浏览操作信息可以加入到历史浏览操作信息中，或者可以简单地将历史浏览操作信息定义为从前若干天到当前日期的前一天这一段时间内收集到的浏览操作信息，例如，当前日期是6月1日，将历史浏览操作信息定义为三个月内的浏览操作信息，则就可以获取从3月1日到5月31日的浏览操作信息作为该用户的历史浏览操作信息。\n[0032] 另一种实际情况是，如果某用户最近预订了某业务对象，并且生成的订单尚处于有效期内，则这种订单中记录的预订操作信息往往也能很明显的体现出用户此次浏览网页时最需要关注哪方面的信息。例如，某用户预订了某酒店，并且当前尚未到预订的入住时间，或者订单状态显示尚未入住(虽然是在网站中进行的预订，并且预订时可能并没有指定入住时间，但是，当用户真正到酒店中入住之后，酒店的客户端系统可以向网站服务器返回相应的信息，此时，网站服务器才会对订单状态进行修改，否则该订单一直处于有效状态)，则证明该用户此次登录网站很有可能是需要关于与该酒店相关的一些信息，例如，所在城市的景点等等。需要说明的是，对于预订操作信息而言，可以不必区分是实时的预订操作还是历史预订操作，只要订单处于有效状态，都可以从中取出预订操作信息，以用于后续的计算。\n[0033] 另外需要说明的是，由于浏览操作与预订操作属于不同的操作类型，并且在体现用户可能感兴趣的旅游目的地的重要性方面也会有所不同，因此，在获取用户的操作信息时，也可以将浏览操作信息与预订信息区分开，得到不同的数据集。这样，再结合前文所述的将浏览操作信息区分为实时浏览操作信息与历史浏览操作信息，最终就可以将用户的操作信息分为：由历史浏览操作信息组成的第一数据集、由实时浏览操作信息组成的第二数据集以及由预订操作信息组成的第三数据集，并且三个数据集可以分别具有各自的权重，在后续的计算过程中，首先分别在各个数据集中进行统计，然后再将各个数据集的统计结果按照各自的权重进行汇总，得到最后的计算结果。\n[0034] 需要说明的是，在实际应用中，在某次获取用户的操作信息时，可能出现某数据集中无相关数据的情况。例如，当用户刚刚登陆到网站时，可能还没有执行点击等操作，因此，第二数据集可能为空，此时，可以仅依据第一数据集及第三数据集中的数据进行计算及信息推荐。或者，如果某用户还没有在网站中预订过任何业务对象，则第三数据集中的数据可能为空，此时，可以仅依据第一数据集及第二数据集中的数据进行计算及信息推荐，等等。\n当然，由于在用户浏览网站的过程中，会以一定的周期进行多次的数据获取及后续的计算及信息推荐，因此，在每个周期获取到的数据也可能会有所不同，例如，在某周期内用户没有执行任何的点击等操作，则该周期内收集到的第二数据集为空，后续用户可能开始执行点击等操作，因此，下一个周期收集到的第二数据集就不为空了，等等。总之在某一计算及推荐周期内，能够获取到哪些数据集的数据，就根据哪些数据集中的数据来进行计算。\n[0035] S102：分别从各条操作信息中提取出每次操作对应的旅游目的地信息，并分别统计各个数据集中各个旅游目的地被操作的次数；\n[0036] 在获取到操作信息之后，无论属于哪个具体的数据集，都可以首先从中提取出对应的旅游目的地信息。也就是说，无论是浏览操作还是预订操作，其操作的业务对象一般都能体现出旅游目的地信息。例如，用户浏览过某景点的链接，则可以将该景点所属的城市确定为该浏览操作对应的旅游目的地。又如，用户预订过某酒店，则可以将该酒店所属的城市确定为该浏览操作对应的旅游目的地，等等。其中，被操作的业务对象与旅游目的地之间的对应关系可以是预先获知的，可以根据某操作信息中的业务对象获知该操作信息对应的旅游目的地；或者，浏览日志中或者订单信息中也可能直接包含旅游目的地信息，因此，也可以直接从中提取出来。\n[0037] 也就是说，针对当前用户，可以获取到多个数据集，每个数据集中包括有操作信息，每条操作信息中都可以提取出旅游目的地信息，这样，就可以分别统计出各个数据集中各个旅游目的地被操作的次数。例如，在第一数据集中包括5条操作信息，分别为：\n[0038] 浏览了北京景点故宫；\n[0039] 浏览了北京景点香山；\n[0040] 浏览了北京景点颐和园；\n[0041] 浏览了上海景点东方明珠；\n[0042] 浏览了上海景点世博园。\n[0043] 其中，前三条浏览操作信息中提取出的旅游目的地都是“北京”，后两条浏览记录中提取出的旅游目的地都是“上海”，因此，对于第一数据集而言，包含北京和上海这样两个旅游目的地，其中，北京对应的次数为3，上海对应的次数为2。\n[0044] 第二数据集及第三数据集也分别进行上述统计，最终得到各个数据集中各个旅游目的地被操作的次数。\n[0045] S103：分别计算各个旅游目的地的得分，其中，对于某旅游目的地，根据该旅游目的地分别在各个数据集中被操作的次数以及各个数据集的权重计算其得分；\n[0046] 例如，在某个计算周期中，获取的数据如下：\n[0047] 第一数据集：北京5次，上海8次，广州4次；\n[0048] 第二数据集：北京3次，上海1次；\n[0049] 第三数据集：北京1次，广州1次。\n[0050] 则相当于此次获取到的数据中，共包括北京、上海、广州这三个旅游目的地，因此，可以分别计算各个旅游目的地的得分。计算公式可以如下：\n[0051] a×history+b×current+c×notify    (1)\n[0052] 其中，history代表某旅游目的地在第一数据集中的出现次数，current代表该旅游目的地在第二数据集中的出现次数，notify代表该旅游目的地在第三数据集中的出现次数。a、b、c分别为各个数据集的权重。\n[0053] 因此，北京的得分为：5a+3b+c；上海的得分为：8a+b；广州的得分为：4a+c。\n[0054] 其中，关于各数据集的权重的取值，这里需要说明的是，一般情况下，可以预先根据经验值等为各个数据集设置权重初始值，例如，根据各个数据集的重要性的不同，可以将第三数据集的权重设置为最高，第一数据集的权重设置为最低，如：设a＝1，b＝2，c＝7，等等。当然，在实际应用中，也可以设置为其他的数值，这里不进行限定。\n[0055] 同时，如前文所述，随着用户对业务对象的点击等操作，会不断地获取到新的操作信息，可能包括实时浏览操作信息，还可能包括预订信息，这些新获取到的信息在一定程度上可以看作是用户对之前给出的推荐结果的反馈。例如，用户可能点击了之前推荐出的某业务对象，而该业务对象出现在上一周期的某数据集中，则证明该数据集对评判该用户兴趣点的参考价值更大。因此，在本申请实施例中，在每次收集到新的用户操作信息之后，还可以根据新收集到的用户操作信息，对各个数据集的权重进行调整。具体在进行调整时，可以有多种方式，例如，其中一种方式可以是：如果当前时间周期内新获取到的操作信息中提取出的某旅游目的地在上一时间周期获取到的某数据集中出现过，则将该数据集的权重提高之后，再计算各个旅游目的地的得分。\n[0056] 例如，假设在上一周期中，获取到的数据如下：\n[0057] 第一数据集：上海5次，广州4次；\n[0058] 第二数据集：广州2次；\n[0059] 第三数据集：北京2次，上海1次。\n[0060] 另外假设在当前周期内，获取到用户的实时浏览操作信息中，发现该用户浏览了北京3次，则当前周期中，获取到的数据如下：\n[0061] 第一数据集：上海5次，广州4次；\n[0062] 第二数据集：北京3次；\n[0063] 第三数据集：北京2次，上海1次。\n[0064] 也就是说，与上一周期相比，第一数据集及第三数据集中的数据均未发生变化，只有第二数据集中的数据发生了变化，并且第二数据集中新提取出的旅游目的地“北京”，在上一周期的第三数据集中出现过，因此，就证明第三数据集对该用户来说更重要，因此，可以首先将第三数据集的权重提高，然后再计算各旅游目的地的得分。\n[0065] 具体采用何种策略来调整数据集的权重值，可以根据实际的需求来确定。例如，可以利用以下公式进行调整：\n[0066] y(n)＝x(n)×(1+B)    (2)\n[0067] 其中：\n[0068] n代表某个数据集，如：n＝1时代表第一数据集，n＝2时代表第二数据集，n＝3时代表第三数据集；\n[0069] y(n)代表该数据集调整后的权重值；\n[0070] x(n)代表该数据集调整前的权重值；\n[0071] B代表调整的因子，一般是一个大于0小于1的数。\n[0072] 例如，在前述例子中，需要对第三数据集的权重进行调整，假设，第三数据集调整前的权重是7，也即x(3)＝7，并假设B＝0.1，则调整后的权重值y(3)＝7×(1+0.1)＝7.7。\n[0073] 这样，在计算各个旅游目的地的得分时，就可以根据调整后的权重值进行计算。假设第一数据集的权重为1，第二数据集的权重为2，则在前述例子中，在当前周期计算出的北京的得分为：3×2+2×7.7，上海的得分为5×1+1×7.7，广州的得分为：4×1+1×2。\n[0074] 通过上述方式，可以实现对各个数据集的权重的优化，也就是说，虽然对于不同的用户、不同的操作过程而言，各个数据集的权重初始值可能都是相同的，但是，随着特定用户执行的具体的操作，可以逐渐对各数据集的权重进行优化，体现出对于特定用户的个性化特点。例如，在公式(2)中，相当于x(n)会以B的增量叠加到下一次的优化结果中，这样当重复N次之后，数据集的权重可以表示为：\n[0075] y(n)＝x(n)×(1+B)N   (3)\n[0076] 在公式(3)中，x(n)为数据集n的权重初始值。换言之，随着用户的不断反馈，用户实时点击的那部分旅游目的地所属的数据集的权重将会不断的变大，进而被点击的这部分旅游目的地的得分也会得到提高，进而可以优先将与其相关的信息推荐给用户。\n[0077] S104：根据各个旅游目的地的得分，向用户提供与特定旅游目的地相关的信息。\n[0078] 在计算出各个旅游目的地的得分之后，就可以向用户提供相应的推荐信息。例如，可以将得分最高的若干个旅游目的地，作为可以向当前用户推荐的旅游目的地。在提供推荐信息时，可以直接将与特定旅游目的地相关的业务对象(例如，相关的酒店或者景点等)推荐给用户，或者，如果得分最高的旅游目的地为多个，则还可以将这些旅游目的地与预置的旅游行程策略进行匹配，将匹配度较高的旅游行程策略推荐给当前用户。所谓的旅游行程策略，就是预先制定好的旅游计划，其中包括总共旅游天数、每天的行程安排、分别参观哪些景点，入住哪些酒店等等。例如，根据各个旅游目的地的得分可以看出，某用户可能感兴趣的城市包括昆明、大理及丽江，则可以查看预置的旅游行程策略中，哪些行程策略包括这三个城市，然后就可以将包括这三个城市的行程策略推荐给用户。\n[0079] 需要说明的是，在向用户提供推荐信息时，与特定旅游目的地相关的业务对象或者匹配的行程策略可能是非常多的，此时，可以选择其中一部分向用户进行推荐。例如，可以将其中最热门的(例如，最近浏览次数最多的)信息推荐给用户，或者，还可以将获得最多好评的信息推荐给用户，等等。另外，在本申请实施例中，还可以考虑用户的“购买力”这一因素。也就是说，与特定旅游目的地相关的各个业务对象或者旅游行程策略中，价格一般会有所不同，有的可能相差很大，用户在选择时，可能会选择自己的消费范围之内的信息，因此，如果能够获取到用户的购买力信息，则可以向用户推荐在其消费范围内、最热门或者最受好评的信息，这样可以进一步提高推荐信息的有效性。\n[0080] 其中，具体在评估用户的购买力信息时，可以根据用户在电子商务平台中的历史购买记录来进行确定。具体的，可以预先统计各个用户在平台中购买商品的平均价格，例如，某用户在电子商务平台中购买过10件商品，这些商品的平均价格为100元，则证明该用户的消费能力一般是100元左右的商品。这样能够分别统计出各个用户在购买商品时的平均价格，之后，可以将这些平均价格综合在一起，并划分多个消费等级，例如，分为“高”、“中”、“低”三个等级，并确定出各个等级对应的价格区间(具体的价格区间可以任意指定)。\n这样，针对当前用户，在需要向其提供推荐信息时，可以首先获取到该用户在电子商务交易平台中的历史购买记录，并计算出该用户购买的各个商品的平均价格，然后判断该价格落入到哪个消费等级的价格区间内，相应的，就可以将该用户确定为该消费等级的用户。相应的，对于与特定旅游目的地相关的各条信息，也可以预先按照价格划分出消费等级，然后从中选择出与当前用户的消费等级相匹配的信息进行推荐。同时，还可以考虑热度、好评率等信息进行排序。\n[0081] 另外，考虑到一些旅游目的地之间可能具有一定的相似性，如果一个用户对某旅游目的地感兴趣，则也很可能会对与之相似的其他旅游目的地感兴趣，因此，也可以根据这些相似的其他旅游目的地，向当前用户提供推荐信息，这样，可以丰富推荐的结果，并且使得一些知名度不高的旅游目的地的相关信息获得更多的推荐机会。\n[0082] 也就是说，在利用本申请实施例的方法，计算出当前用户可能感兴趣的旅游目的地之后，还可以将这种旅游目的地作为种子，找出与种子相似的其他旅游目的地，然后将作为种子的旅游目的地以及相似的其他旅游目的地，都作为可以用于推荐的特定旅游目的地，然后再基于这些特定旅游目的地向用户进行相关信息的推荐，同样可以包括业务对象信息或者旅游行程策略信息，等等。\n[0083] 其中，在计算旅游目的地之间的相似度时，这种相似度一般是指计算旅游目的地具有的旅游资源之间的相似度。因此，可以首先对旅游目的地具有的旅游资源情况进行描述，进而再进行相似度的计算。在对旅游目的地具有的旅游资源情况进行描述时，可以对旅游目的地的景点所属的类型进行分类，得出一个旅游目的地中各类型景点的分布比例情况，用这种分布比例情况来表示旅游资源情况。具体的，首先获取各旅游目的地包含的景点的总数，然后根据各景点的类别属性，确定各旅游目的地包括的各类别景点的数目；之后，可以以向量的形式描述各旅游目的地，其中，向量的每一维度对应一景点类别，每一维度上的取值为该旅游目的地在对应景点类别上包含的景点的数目与该旅游目的地包含的景点总数的比值，最后，通过计算向量之间的欧式距离，确定旅游目的地之间的相似度。\n[0084] 比如以青岛为例，假设统计青岛出的景点一共有183个景点，其中人文类的景点31个，宗教类的景点21个，登山类的景点13个，......，这样便能用向量的形式实现了对一个青岛的旅行性质进行描述：(31/183，21/183，13/183，......)。其他城市也可以按照类似的方式进行描述，之后，就可以计算向量之间的欧氏距离，得到的结果越小，则城市之间的旅行相似性就越大。\n[0085] 总之，通过本申请实施例，能够根据用户对业务对象的操作信息，提取出每次操作对应的旅游目的地信息，并统计出每个旅游目的地被操作的次数，其中，操作信息可以包括浏览操作信息和/或预订操作信息，并且，按照操作类型和/或操作时间可以被划分为至少一个数据集，在统计各个旅游目的地被操作的次数时，可以分别在各个数据集中进行统计，然后针对各个旅游目的地，分别计算出得分，这种得分与旅游目的地分别在各个数据集中被操作的次数，以及各个数据集的权重相关。计算出各个旅游目的地的得分之后，就可以选择出其中的若干个作为特定旅游目的地，并向用户提供与特定旅游目的地相关的信息。也就是说，根据本申请实施例，能够根据用户的操作信息，获取用户可能感兴趣的旅游目的地，并根据向用户推荐与其感兴趣的旅游目的地相关的旅游信息，例如相关的业务对象，或者旅游行程信息等等，这样可以使得用户更加方便快捷的获取到所需的旅游相关信息。\n[0086] 其中，提供相关信息的过程可以是按照一定的周期一直在进行的，例如，每分钟计算一次旅游目的地的得分，并根据计算结果重新提供相关的旅游信息等等。其中，在每次重新计算旅游目的地的得分时，还可以对新收集到的对业务对象的操作情况，对数据集的权重进行更新，通过不断的更新，使得数据集的权重更能体现出实际的情况，也使得推荐出的信息符合用户需求的概率得到进一步提高。\n[0087] 与本申请实施例提供的提供旅游相关信息的方法相对应，本申请实施例还提供了一种提供旅游相关信息的装置，参见图2，该装置可以包括：\n[0088] 操作信息获取单元201，用于获取用户对旅游相关业务对象执行的操作信息，所述操作信息包括浏览操作信息和/或预订操作信息，所述操作信息按照操作类型和/或操作时间被划分为至少一个数据集；\n[0089] 统计单元202，用于分别从各条操作信息中提取出每次操作对应的旅游目的地信息，并分别统计各个数据集中各个旅游目的地被操作的次数；\n[0090] 计算单元203，用于分别计算各个旅游目的地的得分，其中，对于某旅游目的地，根据该旅游目的地分别在各个数据集中被操作的次数以及各个数据集的权重计算其得分；\n[0091] 信息提供单元204，用于根据各个旅游目的地的得分，向用户提供与特定旅游目的地相关的信息。\n[0092] 其中，所述至少一个数据集可以包括由历史浏览操作信息组成的第一数据集、由实时浏览操作信息组成的第二数据集和/或由预订操作信息组成的第三数据集。\n[0093] 所述预订操作信息可以包括当前处于有效状态的订单信息中记录的预订操作信息。\n[0094] 其中，可以周期性地进行多次计算及信息推荐，该装置还可以包括：\n[0095] 重新计算单元，用于每隔预置的时间周期，重新获取用户对旅游相关业务对象执行的操作信息，并重新计算各个旅游目的地的得分。\n[0096] 为了根据用户的实时操作信息对各个数据集的权重进行优化，该装置还可以包括：\n[0097] 权重调整单元，用于如果当前时间周期内新获取到的操作信息中提取出的某旅游目的地在上一时间周期获取到的某数据集中出现过，则将该数据集的权重提高之后再计算各个旅游目的地的得分。\n[0098] 具体实现时，信息提供单元204具体可以包括：\n[0099] 第一信息提供子单元，用于将得分最高的预置数目的旅游目的地确定为所述特定旅游目的地，并向用户提供与特定旅游目的地相关的信息。\n[0100] 或者，在另一种实现方式下，信息提供单元204具体可以包括：\n[0101] 种子目的地确定子单元，用于将得分最高的预置数目的旅游目的地作为种子目的地；\n[0102] 相似目的地确定子单元，用于获取与所述种子目的地在旅游特征上最相似的预置数目的旅游目的地；\n[0103] 第二信息提供子单元，用于将所述种子目的地以及所述最相似的预置数目的旅游目的地确定为所述特定旅游目的地，并向用户提供与特定旅游目的地相关的信息。\n[0104] 其中，具体可以通过以下单元获取旅游目的地之间的相似度：\n[0105] 景点总数获取单元，用于获取各旅游目的地包含的景点的总数；\n[0106] 类别信息确定单元，用于根据各景点的类别属性，确定各旅游目的地包括的各类别景点的数目；\n[0107] 向量描述单元，用于以向量的形式描述各旅游目的地，其中，所述向量的每一维度对应一景点类别，每一维度上的取值为该旅游目的地在对应景点类别上包含的景点的数目与该旅游目的地包含的景点总数的比值；\n[0108] 距离计算单元，用于通过计算向量之间的欧式距离，确定旅游目的地之间的相似度。\n[0109] 具体在提供相关信息时，相关信息的种类可以有多种，在一种情况下，信息提供单元204具体可以包括：\n[0110] 业务对象信息提供子单元，用于根据各个旅游目的地的得分，向用户提供与特定旅游目的地相关的旅游相关业务对象的信息。\n[0111] 或者，在另一种情况下，信息提供单元204具体可以包括：\n[0112] 确定子单元，用于根据各个旅游目的地的得分，确定至少两个特定旅游目的地；\n[0113] 旅游行程方案信息提供子单元，用于从预置的旅游行程方案信息中，获取所述至少两个特定旅游目的地匹配的旅游行程方案，并将所述匹配的旅游行程方案提供给用户。\n[0114] 另外，该装置还可以包括：\n[0115] 价格平均值获取单元，用于根据用户在电子商务交易平台中的交易记录信息，获取各条交易记录中对应的价格数据的平均值；\n[0116] 消费等级确定单元，用于根据所述平均值以及预置的消费等级与价格区间之间的对应关系，确定该用户的消费等级；\n[0117] 所述信息提供单元204具体可以用于：\n[0118] 根据各个旅游目的地的得分，向用户提供与特定旅游目的地相关的信息中，与该用户的消费等级相对应的信息。\n[0119] 通过以上的实施方式的描述可知，本领域的技术人员可以清楚地了解到本申请可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例或者实施例的某些部分所述的方法。\n[0120] 本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统或系统实施例而言，由于其基本相似于方法实施例，所以描述得比较简单，相关之处参见方法实施例的部分说明即可。以上所描述的系统及系统实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。\n[0121] 以上对本申请所提供的提供旅游相关信息的方法及装置，进行了详细介绍，本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想；同时，对于本领域的一般技术人员，依据本申请的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本申请的限制。