[发明专利]景点热度预测方法及装置

权利要求书

1.一种景点热度预测方法，其特征在于，所述方法包括：

获取待预测景点对应的景点信息，其中，所述景点信息包括待预测景点对应的文本信息及图片信息；

对待预测景点的文本信息进行分析，从景点层级模型的主题层中获取到与待预测景点对应的主题，其中，所述主题层包括多个用于对景点进行聚类的主题；

根据待预测景点对应的主题从所述景点层级模型的标签层中获取到与所述主题对应的热度变化标签模型，其中所述热度变化标签模型记录有对应主题下各景点的融合特征与热度变化标签之间的对应关系，所述热度变化标签模型用于表征融合特征到热度变化标签的转换过程；

分别从待预测景点的文本信息及图片信息中提取对应的文本特征及图片特征，并将所述文本特征及图片特征进行融合，得到对应的融合特征；

根据待预测景点的融合特征及所述热度变化标签模型，对待预测景点进行标签分类，得到待预测景点对应的热度变化标签，以完成对待预测景点的热度预测，其中待预测景点对应的热度变化标签为热门到热门、热门到冷门、冷门到热门及冷门到冷门的其中一个。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：

建立景点层级模型；

所述建立景点层级模型的步骤包括：

获取不同景点对应的景点数据，其中，所述景点数据包括该景点的文本信息、图片信息及点评信息；

对各景点对应的文本信息进行分析，从所述文本信息中提取用于对各景点进行聚类的主题，并将各景点划分到对应主题下，以形成主题层及用于表征各景点的景点层；

分别从各景点的文本信息及图片信息中提取对应的文本特征及图片特征，并将每个景点对应的文本特征及图片特征进行融合，得到各景点对应的融合特征，以形成用于容纳各景点对应的融合特征的特征层；

对各景点对应的点评信息进行分析，为各景点设置对应的热度变化标签，以形成用于描述各景点热度变化的标签层；

根据同一主题下各景点的融合特征与热度变化标签之间的对应关系，建立并存储不同主题对应的热度变化标签模型。

3.根据权利要求2所述的方法，其特征在于，所述对各景点对应的文本信息进行分析，从所述文本信息中提取用于对各景点进行聚类的主题，并将各景点划分到对应主题下，以形成主题层及用于表征各景点的景点层的步骤包括：

通过隐含狄利克雷分布主题概率模型对各景点的文本信息进行分析，从所述文本信息中提取出相应的主题及与所述主题对应的关键词，形成主题层；

根据各景点的文本信息中所述关键词的出现频率，对各景点在不同主题下的聚类概率进行计算，并选取各景点对应的概率最大的主题作为该景点所属的主题，以将各景点划分到对应主题下，形成景点层。

4.根据权利要求3所述的方法，其特征在于，所述对待预测景点的文本信息进行分析，从景点层级模型的主题层中获取到与待预测景点对应的主题的步骤包括：

根据主题层中各主题对应的关键词在待预测景点的文本信息中的出现概率，对所述待预测景点在不同主题下的聚类概率进行计算，并选取概率最大的主题作为所述待预测景点对应的主题。

5.根据权利要求2所述的方法，其特征在于，所述点评信息包括点评时间、点评数目及点评评分，所述对各景点对应的点评信息进行分析，为各景点设置对应的热度变化标签，以形成用于描述各景点热度变化的标签层的步骤包括：

根据各景点对应的点评时间对预设点评时间范围内的点评数目及点评评分进行统计，得到点评评分大于预设评分阈值的点评数目在所述预设点评时间范围内的变化曲线；

对所述变化曲线进行分析，并根据分析结果为各景点设置对应的热度变化标签，形成对应的标签层。

6.根据权利要求5所述的方法，其特征在于，所述对所述变化曲线进行分析，并根据分析结果为各景点设置对应的热度变化标签的步骤包括：

将变化曲线上各时间点对应的点评数目与预设数目阈值进行比较，若点评数目小于预设数目阈值时，判定对应时间点下的景点处于冷门状态，否则判定所述景点处于热门状态；

根据所述变化曲线下的景点状态的变化情况，将所述景点的热度变化标签设置为热门到热门、热门到冷门、冷门到热门及冷门到冷门的其中一个。