基于LBS与游客特征大数据分析的旅游信息推送方法技术

本发明专利技术公开了一种基于LBS与游客特征大数据分析的旅游信息推送方法。首先是游客特征建模，接着是基于大数据分析的游客层次特征提取，之后是相似游客群建模，游客与相似游客群之间的相似度计算，最后是消息的推送方式；另外可根据游客的个性消费行为特征，不断地训练消息库，并拟推送游客的个性关键词组，单独向游客推送具有个性化定制的消息。本发明专利技术通过推送到相似游客群，可以实现在游客还没有产生较多行为的情况下，用相似顾客群的行为偏好代替顾客行为偏好，进而将原来消息无法匹配到游客的情况下，通过相似游客群匹配推送给该游客，从而可以为游客提供更多、更贴合的个性化信息。

【技术实现步骤摘要】

本专利技术涉及旅游信息精准推送方法，尤其是涉及了一种基于LBS与游客特征大数据分析的旅游信息推送方法。
技术介绍
伴随着经济的发展，手机的功能越来越强大，游客通过手机浏览旅游景点相关信息，查询其他游客的旅游经验和攻略，或者依靠商家推送的信息进行旅游的方式已经成为当前旅游的主要方式。然而，这种旅游方式存在一些不足以及不够人性化的地方，比如：用户主动浏览旅游景点相关信息，比较费时费力；其他游客的旅游经验和攻略由于行程、喜好不一，游客难以直接套用；推送的信息缺乏地位位置关联，即使游客感兴趣，也可能由于距离过远、路径不熟而放弃去目的地游览娱乐；营销信息主要是泛滥式地同一向用户推送，并没有进行很好的针对性，长期漫无目的的进行营销信息推送，会造成针对性薄弱的用户的消费疲劳，甚至会造成用户的流失。未来真正的智慧旅游的景区，应该是利用大数据技术先获取游客的个人资料，分析你之前旅游的喜好，喜欢吃什么，住店都离景区多远，喜欢山还是喜欢水......也就是说在给游客推送消息的时候，整个旅游的行程就为游客定制好。从游客一出门开始，就知道要做哪路车，直到游客回到住处的时候，浴缸里的水正好是迎合游客最喜欢的泡澡温度。
技术实现思路
针对以上不足，本专利技术提出了一种基于LBS与游客特征大数据分析的旅游信息推送方法。本专利技术采用的技术方案是：首先借助大数据方法，根据游客的基本属性特征和游客的基本消费行为特征分类出相似游客群i，相似游客群j。然后通过得到的游客的部分资料信息，将该部分信息与所有的游客群相关的信息进行匹配，把该游客归到匹配度高的相似游客群，最后，将消息库中拟推送的基本关键词组通过与相似游客群中的关键词进行关键词匹配后，结合LBS商家优先推送方式向游客所在的相似游客群推送有价值的消息。另外，可根据游客的进一步的个性消费行为特征，拟推送游客的个性关键词组，结合LBS商家优先推送方式向游客推送具有个性化定制的消息。具体的技术方案是：如图1所示，本专利技术包括依次进行的以下步骤：游客特征建模步骤、基于大数据分析的游客特征提取步骤、相似游客群建模步骤、游客与相似游客群之间的相似度计算步骤和利用相似度的消息推送步骤。游客特征建模步骤是构建包含游客特征的描述模型，游客特征包括游客旅游信息的基本特征，将基本特征分为游客的基本属性特征和基本消费行为特征，基本属性特征包括性别、年龄、职业、教育和收入，例如性别分为男女，年龄分为低龄人、中龄人和老龄人等；基本消费行为特征包括吃、住、行、游、购、娱的六大类，例如吃所涵盖的口味、环境、交通、服务、价格各自分类。如图2所示，基于大数据分析的游客特征提取步骤具体是：1)通过针对游客特征的计算机操作标注方式对其旅游中提供的旅游商品或旅游服务进行标注定义；2)利用爬虫网络方法在与旅游相关联的网站或者手机app的互联网消费记录和使用记录中搜索提取获得用户的游客特征，并与已标注定义的旅游商品或旅游服务相匹配。如根据其所有就餐过的餐厅的整体属性对其就餐偏好位置指数、环境指数、服务档次进行标记，根据其所点过的菜品属性，确定其基本的口味偏好特征，并进行标记；统计其所点菜品的频次，确定其个性偏好特征，并进行记录。所述游客层次特征提取的顺序依次是游客的基本属性特征游客的基本消费行为特征，游客的个性消费行为特征。相似游客群建模步骤具体是：根据游客的基本属性特征聚类出不同的相似游客群i，具有相同基本属性特征类的游客归属于同一相似游客群i；例如分为青年人的相似游客群i和老年人的相似游客群i。所述不同的相似游客群i，包含所有游客基本属性性别、年龄、职业等的组合，即任何一个具有以上基本属性特征或部分属性特征的游客都可以找到所属的一个或多个相似游客群i。根据游客的基本消费行为特征聚类出不同的相似游客群j，具有相同基本消费行为特征类的游客归属于同一相似游客群j；例如分为吃辣的相似游客群i和吃咸的相似游客群i。所述不同的相似游客群j，包含所有游客基本消费行为特征的不同组合，即任何一个具有以上基本消费行为特征或部分基本消费行为特征的游客都可以找到所属的一个或多个相似游客群j。所述游客与相似游客群之间的相似度计算步骤具体是：把游客和相似游客群i的基本属性特征采用计算机操作标注方式进行标注定义，获得游客X的基本属性特征与其相似游客群i的基本属性特征对应的向量，游客的特征向量与相似游客群的特征向量的维数相同，具体采用以下表示：[x1,x2,…,xm][y1,y2,…,ym]其中，x1,x2,…,xm分别表示游客的各个游客基本属性，即为性别、年龄、…收入，y1,y2,…,ym分别表示相似游客群i的各个游客基本属性，即为性别、年龄、…收入。由于得到用户的游客特征可能是部分的，不完整的，而相似游客群的游客特征是完整的，相似游客群具有的游客特征而游客没有的游客特征在上述进行标注定义的时候可用0代替。再采用以下公式计算游客X的基本属性特征与其相似游客群i的基本属性特征之间的相似度A： A = x 1 y 1 + x 2 y 2 + ... + x m y m x 1 2 + x 21 2 + ... + x m 2 · y 1 2 + y 21 2 + ... + y m 2 . ]]>当计算得到的相似度A等于1时，游客和该相本文档来自技高网...

【技术保护点】
一种基于LBS与游客特征大数据分析的旅游信息推送方法，其特征在于包括依次进行的以下步骤：游客特征建模步骤、基于大数据分析的游客特征提取步骤、相似游客群建模步骤、游客与相似游客群之间的相似度计算步骤和利用相似度的消息推送步骤。

【技术特征摘要】
1.一种基于LBS与游客特征大数据分析的旅游信息推送方法，其特征在于包括依次进行的以下步骤：游客特征建模步骤、基于大数据分析的游客特征提取步骤、相似游客群建模步骤、游客与相似游客群之间的相似度计算步骤和利用相似度的消息推送步骤。2.根据权利要求1所述的一种基于LBS与游客特征大数据分析的旅游信息推送方法，其特征在于：所述游客特征建模步骤是构建包含游客特征的描述模型，游客特征包括游客旅游信息的基本特征，将基本特征分为游客的基本属性特征和基本消费行为特征，基本属性特征包括性别、年龄、职业、教育和收入，基本消费行为特征包括吃、住、行、游、购、娱的六大类。3.根据权利要求1所述的一种基于LBS与游客特征大数据分析的旅游信息推送方法，其特征在于：所述基于大数据分析的游客特征提取步骤具体是：1)通过针对游客特征的计算机操作标注方式对其旅游中提供的旅游商品或旅游服务进行标注定义；2)利用爬虫网络方法在与旅游相关联的网站或者手机app的互联网消费记录和使用记录中搜索提取获得用户的游客特征，并与已标注定义的旅游商品或旅游服务相匹配。4.根据权利要求1所述的一种基于LBS与游客特征大数据分析的旅游信息推送方法，其特征在于：所述相似游客群建模步骤具体是：根据游客的基本属性特征聚类出不同的相似游客群i，具有相同基本属性特征类的游客归属于同一相似游客群i；根据游客的基本消费行为特征聚类出不同的相似游客群j，具有相同基本消费行为特征类的游客归属于同一相似游客群j。5.根据权利要求1所述的一种基于LBS与游客特征大数据分析的旅游信息推送方法，其特征在于：所述游客与相似游客群之间的相似度计算步骤具体是：把游客和相似游客群i的基本属性特征采用计算机操作标注方式进行标注定义，获得游客X的基本属性特征与其相似游客群i的基本属性特征对应的向量，游客的特征向量与相似游客群的特征向量的维数相同，具体采用以下表示：[x1,x2,…,xm][y1,y2,…,ym]其中，x1,x2,…,xm分别表示游客的性别、年龄、…收入，y1,y2,…,ym分别表示相似游客群i的性别、年龄、…收入。再采用以下公式计算游客X的基本属性特征与其相似游客群i的基本属性特征之间的相似度A： A = x 1 y 1 + x 2 y 2 +...

【专利技术属性】
技术研发人员：吕剑彪，马利刚，郑俊，
申请(专利权)人：杭州天迈网络有限公司，
类型：发明
国别省市：浙江;33