一种城市文旅活动智能推荐方法及系统与流程

1.本发明涉及文旅管理领域，具体地，涉及一种城市文旅活动智能推荐方法及系统。


背景技术：

2.随着社会经济的飞速发展，人民群众的物质水平和生活水平得到了大幅度的提高，人民逐渐开始追求高品质的生活质量。在此背景之下，文旅活动以调节心情、释放压力、烘托节日气氛等优势备受人们的青睐和推崇。同时，伴随互联网和文旅行业的迅猛发展，文旅信息每天都在快速增长，面对网络世界大量全新的文旅信息，用户想要从中找到自己感兴趣的、合适的文旅信息需要花费大量的时间和精力，研究设计一种优化城市文旅活动的推荐方法，具有重要的现实意义。
3.现有技术中，存在针对文旅活动的推荐效果不佳，文旅活动推荐针对性不高的技术问题。


技术实现要素：

4.本技术提供了一种城市文旅活动智能推荐方法及系统，解决了现有技术中存在针对文旅活动的推荐效果不佳，文旅活动推荐针对性不高的技术问题。
5.鉴于上述问题，本技术提供了一种城市文旅活动智能推荐方法及系统。
6.一方面，本技术提供了一种城市文旅活动智能推荐方法，其中，所述方法应用于一种城市文旅活动智能推荐系统，所述方法包括：基于第一目标城市，获得游客数据集和文旅项目数据集；基于所述游客数据集，采集游客在预设时间周期内的基础信息、兴趣偏好信息、历史旅游信息；从所述基础信息、所述兴趣偏好信息和所述历史旅游信息中进行特征提取，构建游客画像；对所述文旅项目数据集中的文旅项目进行属性分析，获得文旅项目方案集合；根据所述游客画像和所述文旅项目方案集合构建n个梯度提升树，其中，文旅项目方案与梯度提升树一一对应；基于所述n个梯度提升树对第一游客进行文旅项目偏好程度预测，获得偏好预测结果，其中，偏好预测结果中包含偏好文旅项目方案；基于所述偏好预测结果，将所述偏好文旅项目方案发送至所述第一游客。
7.另一方面，本技术还提供了一种城市文旅活动智能推荐系统，其中，所述系统包括：第一获得单元，所述第一获得单元用于基于第一目标城市，获得游客数据集和文旅项目数据集；第一执行单元，所述第一执行单元用于基于所述游客数据集，采集游客在预设时间周期内的基础信息、兴趣偏好信息、历史旅游信息；第二执行单元，所述第二执行单元用于从所述基础信息、所述兴趣偏好信息和所述历史旅游信息中进行特征提取，构建游客画像；第二获得单元，所述第二获得单元用于对所述文旅项目数据集中的文旅项目进行属性分析，获得文旅项目方案集合；第三执行单元，所述第三执行单元用于根据所述游客画像和所述文旅项目方案集合构建n个梯度提升树，其中，文旅项目方案与梯度提升树一一对应；第三获得单元，所述第三获得单元用于基于所述n个梯度提升树对第一游客进行文旅项目偏好程度预测，获得偏好预测结果，其中，偏好预测结果中包含偏好文旅项目方案；第四执行
单元，所述第四执行单元用于基于所述偏好预测结果，将所述偏好文旅项目方案发送至所述第一游客。
8.第三方面，本技术提供了一种城市文旅活动智能推荐系统，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其中，所述处理器执行所述程序时实现上述第一方面所述方法的步骤。
9.第四方面，本技术提供了一种计算机可读存储介质，其中，所述存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现上述第一方面中任一项所述的方法。
10.本技术中提供的一个或多个技术方案，至少具有如下技术效果或优点：根据第一目标城市，获得游客数据集和文旅项目数据集；基于所述游客数据集，采集游客在预设时间周期内的基础信息、兴趣偏好信息、历史旅游信息；对其进行特征提取，构建游客画像；对所述文旅项目数据集中的文旅项目进行属性分析，获得文旅项目方案集合；根据所述游客画像和所述文旅项目方案集合构建n个梯度提升树；对第一游客进行文旅项目偏好程度预测，获得偏好预测结果；将所述偏好文旅项目方案发送至所述第一游客。达到了对城市文旅活动进行智能化推荐；有效提升文旅活动的推荐效果；同时，为用户的文旅活动提供极大的便利，进一步提升用户的服务满意度，不断扩大消费群体；为文旅产业的飞速发展奠定基础的技术效果。
11.上述说明仅是本技术技术方案的概述，为了能够更清楚了解本技术的技术手段，而可依照说明书的内容予以实施，并且为了让本技术的上述和其它目的、特征和优点能够更明显易懂，以下特举本技术的具体实施方式。
附图说明
12.为了更清楚地说明本技术或现有技术中的技术方案，下面将对实施例或现有技术描述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示例性的，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，还可以根据提供的附图获得其他的附图。
13.图1为本技术一种城市文旅活动智能推荐方法的流程示意图；图2为本技术一种城市文旅活动智能推荐方法中使用偏好预测结果集合，对偏好文旅项目方案进行调整的流程示意图；图3为本技术一种城市文旅活动智能推荐方法中若调整信息包含第一关键影响因素，将调整信息发送至第一游客的流程示意图；图4为本技术一种城市文旅活动智能推荐系统的结构示意图；图5为本技术示例性电子设备的结构示意图。
具体实施方式
14.本技术通过提供一种城市文旅活动智能推荐方法及系统，解决了现有技术中存在针对文旅活动的推荐效果不佳，文旅活动推荐针对性不高的技术问题。达到了对城市文旅活动进行智能化推荐；有效提升文旅活动的推荐效果；同时，为用户的文旅活动提供极大的便利，进一步提升用户的服务满意度，不断扩大消费群体；为文旅产业的飞速发展奠定基础的技术效果。
15.下面，将参考附图详细的描述根据本技术的示例实施例。显然，所描述的实施例仅是本技术的一部分实施例，而不是本技术的全部实施例，应理解，本技术不受这里描述的示例实施例的限制。
16.本技术技术方案中对数据的获取、存储、使用、处理等均符合国家法律法规的相关规定。
17.随着社会经济的飞速发展，人民群众的物质水平和生活水平得到了大幅度的提高，人民逐渐开始追求高品质的生活质量。在此背景之下，文旅活动以调节心情、释放压力、烘托节日气氛等优势备受人们的青睐和推崇。同时，伴随互联网和文旅行业的迅猛发展，文旅信息每天都在快速增长，面对网络世界大量全新的文旅信息，用户想要从中找到自己感兴趣的、合适的文旅信息需要花费大量的时间和精力，研究设计一种优化城市文旅活动的推荐方法，具有重要的现实意义。
18.针对上述技术问题，本技术提供的技术方案总体思路如下：本技术提供一种城市文旅活动智能推荐方法，其中，所述方法应用于一种城市文旅活动智能推荐系统，所述方法包括：根据第一目标城市，获得游客数据集和文旅项目数据集；基于所述游客数据集，采集游客在预设时间周期内的基础信息、兴趣偏好信息、历史旅游信息；对其进行特征提取，构建游客画像；对所述文旅项目数据集中的文旅项目进行属性分析，获得文旅项目方案集合；根据所述游客画像和所述文旅项目方案集合构建n个梯度提升树；对第一游客进行文旅项目偏好程度预测，获得偏好预测结果；将所述偏好文旅项目方案发送至所述第一游客。
19.为了更好地理解上述技术方案，下面将结合说明书附图以及具体的实施方式对上述技术方案进行详细的说明。
20.实施例一请参阅附图1，本技术提供一种城市文旅活动智能推荐方法，其中，所述方法应用于一种城市文旅活动智能推荐系统，所述方法具体包括如下步骤：步骤s100：基于第一目标城市，获得游客数据集和文旅项目数据集；步骤s200：基于所述游客数据集，采集游客在预设时间周期内的基础信息、兴趣偏好信息、历史旅游信息；具体而言，所述游客数据集包括任一目标城市的游客数量、游客密度、游客年龄结构、游客历史行为轨迹等信息。所述文旅项目数据集包括任一目标城市的所有文旅项目的名称、简介、建设地址、投资情况、运营条件、工程进度、游客评价等信息。进一步，根据所述游客数据集，采集游客在预设时间周期内的基础信息、兴趣偏好信息、历史旅游信息。其中，所述预设时间周期是预先设定的保证采集的数据具有时效性的任一时间周期。所述基础信息包括游客的性别、年龄、联系方式、家庭住址等个人基本信息。所述兴趣偏好信息包括游客的衣着偏好、饮食偏好、购物偏好、娱乐偏好等信息。所述历史旅游信息包括游客的历史旅游景点、住宿方式、出行方式、消费情况等信息。达到了采集游客的基础信息、兴趣偏好信息、历史旅游信息，为后续构建游客画像提供数据支持的技术效果。
21.步骤s300：从所述基础信息、所述兴趣偏好信息和所述历史旅游信息中进行特征提取，构建游客画像；步骤s400：对所述文旅项目数据集中的文旅项目进行属性分析，获得文旅项目方
案集合；具体而言，所述基础信息、所述兴趣偏好信息、所述历史旅游信息中数据特征维度较高，增加了对其进行计算分析、构建游客画像的困难度。但盲目减少数据的特征会损失数据包含的关键信息,容易导致构建的游客画像的精确度下降。优选的，本技术采用特征提取，提取出与第一目标城市的文旅信息相关的特征，既减少了需要分析的指标，又尽可能多的保持原来数据的信息。同时，提高构建游客画像的效率，节约时间。进一步，在获得所述文旅项目数据集的基础上，对其进行属性分析，获得文旅项目方案集合。所述文旅项目方案集合是由文化类、风景类、艺术类、人文类等不同类型的任一文旅项目方案构成的任一集合。达到了构建游客画像、分析文旅项目数据集中任一文旅项目的属性，为后续建设梯度提升树奠定基础的技术效果。
22.步骤s500：根据所述游客画像和所述文旅项目方案集合构建n个梯度提升树，其中，文旅项目方案与梯度提升树一一对应；步骤s600：基于所述n个梯度提升树对第一游客进行文旅项目偏好程度预测，获得偏好预测结果，其中，偏好预测结果中包含偏好文旅项目方案；步骤s700：基于所述偏好预测结果，将所述偏好文旅项目方案发送至所述第一游客。
23.具体而言,在获得所述游客画像和所述文旅项目方案集合的基础上，构建n个梯度提升树，且所述文旅项目方案共有n个，与所述n个梯度提升树一一对应。所述梯度提升树是一种迭代的决策树算法，该算法由多棵决策树组成，将所有树的结论累加，得到最终答案。所述梯度提升树的原理是使用多个弱基分类器，采用串行的方式对其进行训练。每个基分类器之间有依赖，将基分类器一个个叠加。每个基分类器在训练的时候,对前一个基分类器分错的样本,给予更高的权重。所有弱分类器的结果相加等于预测值,然后下一个弱分类器去拟合误差函数对预测值的残差(预测值与真实值之间的误差),各个分类器的结果加权得到最终结果。其中弱分类器的表现形式就是各棵决策树。所述梯度提升树具有泛化能力较强、灵活性较高等优势。进一步，对第一游客进行文旅项目偏好程度预测，获得偏好预测结果，基于此，将所述偏好文旅项目方案发送至所述第一游客。其中，所述偏好预测结果是任一游客对所述n个文旅项目方案的偏好分数。所述偏好文旅项目方案是任一游客对所述n个文旅项目方案中偏好分数最高的文旅项目方案。达到了对城市文旅活动进行智能化推荐；有效提升文旅活动的推荐效果；同时，为用户的文旅活动提供极大的便利，进一步提升用户的服务满意度，不断扩大消费群体；为文旅产业的飞速发展奠定基础的技术效果。
24.进一步的，本技术步骤s300还包括：步骤s310：遍历所述基础信息、所述兴趣偏好信息和所述历史旅游信息，获得游客基础信息关键词、兴趣偏好关键词和旅游关键词；步骤s320：所述基础信息关键词、所述兴趣偏好关键词和所述旅游关键词与所述文旅项目数据集进行关联性分析，获得关联性分析结果；步骤s330：获得第一比例系数；步骤s340：若关键词的所述关联性分析结果满足所述第一比例系数，则保留所述关键词；步骤s350：若所述关键词的所述关联性分析结果不满足所述第一比例系数，则去
除所述关键词；步骤s360：获得第一关联关键词集合，基于所述第一关联关键词集合构建所述游客画像。
25.具体而言，对所述基础信息、所述兴趣偏好信息、所述历史旅游信息进行遍历特征提取，获得游客基础信息关键词、兴趣偏好关键词和旅游关键词。所述基础信息关键词是表明任一游客的个人特征的任一词组。所述兴趣偏好关键词是表明任一游客的个人兴趣偏好特征的任一词组。所述旅游关键词是表明任一游客的历史旅游特征的任一词组。例如，所述基础信息关键词是单身女性。所述兴趣偏好关键词是冒险。所述旅游关键词是滑雪场。进一步，将所述关联性分析结果与所述第一比例系数进行比较，对所述关键词进行保留或去除，进而获得第一关联关键词集合，并根据其构建所述游客画像。其中，所述关联性分析结果是表明所述基础信息关键词、所述兴趣偏好关键词、所述旅游关键词与所述文旅项目数据集之间的相关性程度的系数。所述第一比例系数是通过大数据查询等方式，获得的任一相关性系数。当所述关联性分析结果满足所述第一比例系数，对所述关键词进行保留；当所述关联性分析结果不满足所述第一比例系数，对所述关键词进行去除。达到了通过第一关联关键词集合构建游客画像，提升游客画像的精确度的技术效果。
26.进一步的，本技术步骤s360还包括：步骤s361：基于所述第一关联关键词集合，进行词频统计，获得词频统计结果；步骤s362：获得第一词频阈值；步骤s363：将所述词频统计结果中词频低于所述第一词频阈值的关联关键词去除后，获得第二关联关键词集合；步骤s364：基于所述第二关联关键词集合构建所述游客画像。
27.具体而言，所述词频统计结果是指所述第一关联关键词集合中任一关联关键词出现的次数。第一词频阈值是预先设定的任一词频阈值。
28.对所述词频统计结果、所述第一词频阈值进行比较，当所述词频统计结果中任一词频低于所述第一词频阈值时，对所述词频的关联关键词进行去除后，获得第二关联关键词集合，并根据其构建所述游客画像。
29.所述第二关联关键词集合是与所述第一关联关键词集合不同的任一关联关键词集合。例如，所述词频统计结果是博物馆作为关联关键词出现了1次。第一词频阈值是3次。所述词频统计结果低于所述第一词频阈值，则去除博物馆这一关联关键词。达到了通过第二关联关键词集合，进一步提高游客画像的质量，为后续构建n个梯度提升树奠定基础的技术效果。
30.进一步的，本技术步骤s600还包括：步骤s610：基于所述文旅项目方案集合获得对应的历史游客画像集合；步骤s620：获得第一文旅项目方案和第一历史游客画像集合；步骤s630：使用所述第一历史游客画像集合和所述第一历史游客画像集合对第一文旅项目方案的偏好程度数据训练第一梯度提升树，获得第一文旅项目方案的梯度提升树。
31.具体而言，所述历史游客画像集合是由与所述文旅项目方案集合对应的所有历史游客画像构成的任一集合。所述第一文旅项目方案是所述文旅项目方案集合中的任一文旅
项目方案。所述第一历史游客画像集合是所述历史游客画像集合中任一历史游客画像集合。进一步，利用所述第一历史游客画像集合和所述第一历史游客画像集合对第一文旅项目方案的偏好程度，对第一梯度提升树进行数据训练，获得第一文旅项目方案的梯度提升树。所述第一梯度提升树是所述n个梯度提升树中的任一梯度提升树。达到了得到更加准确、有效的第一文旅项目方案的梯度提升树，为后续准确获得偏好文旅项目方案、加快文旅活动推荐方法的智能化进程奠定基础的技术效果。
32.进一步的，本技术步骤s600还包括：步骤s640：获得第一游客的游客画像；步骤s650：对所述第一游客的游客画像和所述第一历史游客画像集合、第二历史游客画像集合直至第n历史游客画像集合进行差异性分析；步骤s660：获得同族游客画像集合；步骤s670：基于所述同族游客画像集合，获得m个梯度提升树，其中，m《n；步骤s680：基于所述m个梯度提升树对第一游客进行文旅项目偏好程度预测，获得偏好预测结果。
33.具体而言，所述第一游客的游客画像是任一游客的画像。所述同族游客画像集合是根据所述第一历史游客画像集合、第二历史游客画像集合直至第n历史游客画像集合，对所述第一游客的游客画像进行差异性分析，获得的相似度高的游客画像集合。进一步，利用所述同族游客画像集合，获得m个梯度提升树，并根据其对第一游客进行文旅项目偏好程度预测。所述m个梯度提升树是所述同族游客画像集合中参与训练的梯度提升树的数量，且m《n。达到了通过m个梯度提升树提升偏好程度预测的准确性，推荐方案时使用更加精准的梯度提升树进行预测，能够获得更加准确的偏好文旅项目方案。
34.进一步的，如附图2所示，本技术步骤s700之后还包括：步骤s810：获得所述第一游客的同行游客画像集合；步骤s820：基于所述同行游客画像集合，获得同行游客的偏好预测结果集合；步骤s830：使用所述偏好预测结果集合，对所述偏好文旅项目方案进行调整。
35.具体而言，所述同行游客画像集合是由第一游客的所有同行游客画像构成的任一集合。根据所述同行游客画像集合，获得同行游客的偏好预测结果集合，并根据其调整所述偏好文旅项目方案。所述同行游客的偏好预测结果集合是由任一游客的所有同行游客对所述文旅项目方案的偏好分数构成的任一集合。例如，所述同行游客画像集合是第一游客的父母的画像集合。所述同行游客的偏好预测结果集合显示第一游客的父母对文化类的文旅项目方案的偏好分数较高，这时需要对发送至所述第一游客的所述偏好文旅项目方案进行调整，增加文化类的文旅项目方案的推送。达到了根据同行游客的偏好预测结果集合，对偏好文旅项目方案进行调整，扩大本技术的城市文旅活动智能推荐方法的使用范围，增强实用性，提升用户的服务满意度的技术效果。
36.进一步的，如附图3所示，本技术步骤s830还包括：步骤s831：实时采集所述文旅项目方案集合中各文旅项目方案的调整信息；步骤s832：基于所述第一游客的游客画像，获得第一关键影响因素，所述第一关键影响因素包含第一游客画像中词频最高的关键词；步骤s833：若所述调整信息包含所述第一关键影响因素，则将所述调整信息发送
至所述第一游客。
37.具体而言，对所述文旅项目方案集合中各文旅项目方案的调整信息进行实时采集。当所述调整信息包括第一关键影响因素时，则将所述调整信息发送至所述第一游客。所述第一关键影响因素是根据所述第一游客的游客画像，获得的对所述第一游客具有较大影响的任一信息，且所述第一关键影响因素包含第一游客画像中词频最高的关键词。例如，所述第一关键影响因素是第一游客最喜欢的歌手名称。所述调整信息是第一游客最喜欢的歌手即将在某地方举办演唱会的消息。将所述调整信息发送至所述第一游客，增加了第一游客参加最喜欢的歌手的演唱会的概率。达到了将包括第一关键影响因素的调整信息发送至第一游客，增强对文旅活动推荐的准确性和个性化的技术效果。
38.综上所述，本技术所提供的一种城市文旅活动智能推荐方法具有如下技术效果：1.根据第一目标城市，获得游客数据集和文旅项目数据集；基于所述游客数据集，采集游客在预设时间周期内的基础信息、兴趣偏好信息、历史旅游信息；对其进行特征提取，构建游客画像；对所述文旅项目数据集中的文旅项目进行属性分析，获得文旅项目方案集合；根据所述游客画像和所述文旅项目方案集合构建n个梯度提升树；对第一游客进行文旅项目偏好程度预测，获得偏好预测结果；将所述偏好文旅项目方案发送至所述第一游客。达到了对城市文旅活动进行智能化推荐；有效提升文旅活动的推荐效果；同时，为用户的文旅活动提供极大的便利，进一步提升用户的服务满意度，不断扩大消费群体；为文旅产业的飞速发展奠定基础的技术效果。
39.2.所述基础信息、所述兴趣偏好信息、所述历史旅游信息中数据特征维度较高，增加了对其进行计算分析、构建游客画像的困难度。但盲目减少数据的特征会损失数据包含的关键信息,容易导致构建的游客画像的精确度下降。优选的，本技术采用特征提取，提取出与第一目标城市的文旅信息相关的特征，既减少了需要分析的指标，又尽可能多的保持原来数据的信息。同时，提高构建游客画像的效率，节约时间。
40.3.所述梯度提升树是一种迭代的决策树算法，该算法由多棵决策树组成，将所有树的结论累加，得到最终答案。所述梯度提升树的原理是使用多个弱基分类器，采用串行的方式对其进行训练。每个基分类器之间有依赖，将基分类器一个个叠加。每个基分类器在训练的时候,对前一个基分类器分错的样本,给予更高的权重。所有弱分类器的结果相加等于预测值,然后下一个弱分类器去拟合误差函数对预测值的残差(预测值与真实值之间的误差),各个分类器的结果加权得到最终结果。其中弱分类器的表现形式就是各棵决策树。所述梯度提升树具有泛化能力较强、灵活性较高等优势。
41.实施例二基于与前述实施例中一种城市文旅活动智能推荐方法，同样发明构思，本发明还提供了一种城市文旅活动智能推荐系统，请参阅附图4，所述系统包括：第一获得单元11，所述第一获得单元11用于基于第一目标城市，获得游客数据集和文旅项目数据集；第一执行单元12，所述第一执行单元12用于基于所述游客数据集，采集游客在预设时间周期内的基础信息、兴趣偏好信息、历史旅游信息；第二执行单元13，所述第二执行单元13用于从所述基础信息、所述兴趣偏好信息和所述历史旅游信息中进行特征提取，构建游客画像；
第二获得单元14，所述第二获得单元14用于对所述文旅项目数据集中的文旅项目进行属性分析，获得文旅项目方案集合；第三执行单元15，所述第三执行单元15用于根据所述游客画像和所述文旅项目方案集合构建n个梯度提升树，其中，文旅项目方案与梯度提升树一一对应；第三获得单元16，所述第三获得单元16用于基于所述n个梯度提升树对第一游客进行文旅项目偏好程度预测，获得偏好预测结果，其中，偏好预测结果中包含偏好文旅项目方案；第四执行单元17，所述第四执行单元17用于基于所述偏好预测结果，将所述偏好文旅项目方案发送至所述第一游客。
42.进一步的，所述系统还包括：第四获得单元，所述第四获得单元用于遍历所述基础信息、所述兴趣偏好信息和所述历史旅游信息，获得游客基础信息关键词、兴趣偏好关键词和旅游关键词；第五获得单元，所述第五获得单元用于所述基础信息关键词、所述兴趣偏好关键词和所述旅游关键词与所述文旅项目数据集进行关联性分析，获得关联性分析结果；第六获得单元，所述第六获得单元用于获得第一比例系数；第五执行单元，所述第五执行单元用于若关键词的所述关联性分析结果满足所述第一比例系数，则保留所述关键词；第六执行单元，所述第六执行单元用于若所述关键词的所述关联性分析结果不满足所述第一比例系数，则去除所述关键词；第七获得单元，所述第七获得单元用于获得第一关联关键词集合，基于所述第一关联关键词集合构建所述游客画像。
43.进一步的，所述系统还包括：第八获得单元，所述第八获得单元用于基于所述第一关联关键词集合，进行词频统计，获得词频统计结果；第九获得单元，所述第九获得单元用于获得第一词频阈值；第十获得单元，所述第十获得单元用于将所述词频统计结果中词频低于所述第一词频阈值的关联关键词去除后，获得第二关联关键词集合；第七执行单元，所述第七执行单元用于基于所述第二关联关键词集合构建所述游客画像。
44.进一步的，所述系统还包括：第十一获得单元，所述第十一获得单元用于基于所述文旅项目方案集合获得对应的历史游客画像集合；第十二获得单元，所述第十二获得单元用于获得第一文旅项目方案和第一历史游客画像集合；第十三获得单元，所述第十三获得单元用于使用所述第一历史游客画像集合和所述第一历史游客画像集合对第一文旅项目方案的偏好程度数据训练第一梯度提升树，获得第一文旅项目方案的梯度提升树。
45.进一步的，所述系统还包括：第十四获得单元，所述第十四获得单元用于获得第一游客的游客画像；
第八执行单元，所述第八执行单元用于对所述第一游客的游客画像和所述第一历史游客画像集合、第二历史游客画像集合直至第n历史游客画像集合进行差异性分析；第十五获得单元，所述第十五获得单元用于获得同族游客画像集合；第十六获得单元，所述第十六获得单元用于基于所述同族游客画像集合，获得m个梯度提升树，其中，m《n；第十七获得单元，所述第十七获得单元用于基于所述m个梯度提升树对第一游客进行文旅项目偏好程度预测，获得偏好预测结果。
46.进一步的，所述系统还包括：第十八获得单元，所述第十八获得单元用于获得所述第一游客的同行游客画像集合；第十九获得单元，所述第十九获得单元用于基于所述同行游客画像集合，获得同行游客的偏好预测结果集合；第九执行单元，所述第九执行单元用于使用所述偏好预测结果集合，对所述偏好文旅项目方案进行调整。
47.进一步的，所述系统还包括：第十执行单元，所述第十执行单元用于实时采集所述文旅项目方案集合中各文旅项目方案的调整信息；第二十获得单元，所述第二十获得单元用于基于所述第一游客的游客画像，获得第一关键影响因素，所述第一关键影响因素包含第一游客画像中词频最高的关键词；第十一执行单元，所述第十一执行单元用于若所述调整信息包含所述第一关键影响因素，则将所述调整信息发送至所述第一游客。
48.本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，前述图1实施例一中的一种城市文旅活动智能推荐方法和具体实例同样适用于本实施例的一种城市文旅活动智能推荐系统，通过前述对一种城市文旅活动智能推荐方法的详细描述，本领域技术人员可以清楚的知道本实施例中一种城市文旅活动智能推荐系统，所以为了说明书的简洁，在此不再详述。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
49.对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本技术。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本技术的精神或范围的情况下，在其它实施例中实现。因此，本技术将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
50.示例性电子设备下面参考图5来描述本技术的计算机设备。该计算机设备可以是应用版本管理服务器或终端，其内部结构图可以如图5所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理
器执行时以实现一种应用包的处理方法。
51.在该计算机设备是终端时，该计算机设备还可以包括显示屏和输入装置。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
52.本领域技术人员可以理解，图5中示出的结构，仅仅是与本技术方案相关的部分结构的框图，并不构成对本技术方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
53.在一个实施例中，还提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现上述各方法实施例中的步骤。
54.在一个实施例中，提供了一种计算机可读存储介质，存储有计算机程序，该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
55.在一个实施例中，提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行上述各方法实施例中的步骤。
56.本技术提供了一种城市文旅活动智能推荐方法，其中，所述方法应用于一种城市文旅活动智能推荐系统，所述方法包括：根据第一目标城市，获得游客数据集和文旅项目数据集；基于所述游客数据集，采集游客在预设时间周期内的基础信息、兴趣偏好信息、历史旅游信息；对其进行特征提取，构建游客画像；对所述文旅项目数据集中的文旅项目进行属性分析，获得文旅项目方案集合；根据所述游客画像和所述文旅项目方案集合构建n个梯度提升树；对第一游客进行文旅项目偏好程度预测，获得偏好预测结果；将所述偏好文旅项目方案发送至所述第一游客。解决了现有技术中存在针对文旅活动的推荐效果不佳，文旅活动推荐针对性不高的技术问题。达到了对城市文旅活动进行智能化推荐；有效提升文旅活动的推荐效果；同时，为用户的文旅活动提供极大的便利，进一步提升用户的服务满意度，不断扩大消费群体；为文旅产业的飞速发展奠定基础的技术效果。
57.本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本技术所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器（read-only memory，rom）、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器（random access memory，ram）或外部高速缓冲存储器。作为说明而非局限，ram可以是多种形式，比如静态随机存取存储器（static random access memory，sram）或动态随机存取存储器（dynamic random access memory，dram）等。
58.以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
59.以上所述实施例仅表达了本技术的几种实施方式，其描述较为具体和详细，但并
不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本技术构思的前提下，还可以做出若干变形和改进，这些都属于本技术的保护范围。因此，本技术专利的保护范围应以所附为准。