基于社会网络的旅游服务推荐方法技术

本发明专利技术提供了一种基于社会网络的旅游服务推荐方法，包括：以用户的位置为圆心，由用户指定半径；聚类在此半径内的其他用户位置信息以产生中心点；再进一步筛选中心点，产生推荐点。本发明专利技术减少了用户搜索周围地点的时间成本，采用多种热点展示，方便用户规划行程，热门地点筛选排除无关地点，避免无关信息干扰用户选择。

【技术实现步骤摘要】
基于社会网络的旅游服务推荐方法
本专利技术属于云计算、软件工程领域，特别涉及一种基于社会网络的旅游服务推荐方法
技术介绍
目前中国的手机用户已经突破10大关，目前的智能手机已经可以通过GPS或者北斗等定位系统定位自己所在的位置，大量用户智能手机定位信息目前只是应用在道路拥堵等公共服务方面。但是在旅游方面的应用还比较少。在陌生的城市，游客对于商场以及公园的了解并不是太了解，如何进行筛选仅仅是通过网络上进行筛选。目前的地图应用只是将游客所在位置周围的信息呈现给用户，并没有筛选。
技术实现思路
本专利技术提供了一种基于社会网络的旅游服务推荐方法，以解决至少一个上述技术问题。为解决上述问题，作为本专利技术的一个方面，提供了一种基于社会网络的旅游服务推荐方法，包括：以用户的位置为圆心，由用户指定半径；聚类在此半径内的其他用户位置信息以产生中心点；再进一步筛选中心点，产生推荐点。优选地，聚类在此半径内的其他用户位置信息以产生中心点时，采用Noisk-means算法。优选地，Noisk-means算法包括：使用了基于Nois的初始方法来估算K值与初始中心点，其中，K值为K-means算法需要指定的K值。优选地，Nois初始时：采用下述方式产生新解：将K值转换为二进制随机反转某一位的数值产生新的二进制数值，转换为十进值数值就得到了新解；采用下述方式进行解的优劣度判断：根据产生的新解，利用k-means++初始化中心点的方式，产生初始化中心点，并且由于在同样的K值情况下，产生的中心点的位置并不是固定的，可以寻找更优的初始化中心点的分布；采用下述方式进行解的评估：优选地，k-means聚类方式为：通过Nois算法初始化的中心点，计算数据点与各个中心点的距离，把每个数据点分配给距离最近的中心点，根据分配的数据点重新计算中心，直到满足终止条件退出循环。优选地，再进一步筛选中心点包括：以NoisK-means计算出中心点之后，通过GPS坐标反查地址的方式，反查出每一个中心点的地址，通过匹配地址中关键字的方式排除与商场、公园等公共休闲设施和旅游景点无关的中心点，并且将反查出地址相同的中心点进行合并，避免出现地址重复的情况。优选地，产生推荐点包括：将筛选之后的中心点，计算中心周围的人员的密度并且按照密度排序，以列表的方式展示出中心点地址的相关信息。优选地，中心点人员密度计算方式如下所示：其中，D代表人员密度，S代表中心点建筑的建筑面积，Pn代表在中心点建筑范围内的人员数量。由于采用了上述技术方案，本专利技术具有以下优点：(1)减少了用户搜索周围地点的时间成本目前人们随着人们的生活水平不断的提高，以及人们对于生活品质的要求也在不断的提高。在五一、国庆等小长假外出游玩也成为很多人的选择。但是对于一个陌生的城市，对于城市公园、商场等相关公共设施分布，以及设施的人流量情况并不了解。这就需要用户上网进行信息收集，但是由于网络信息存在碎片化的特点，这就会耗费用户大量的时间，根据人员位置分布情况来估算出热点地点，推荐给用户，减少用户收集信息进行筛选的时间成本，并且也能将城市中的热点地点推荐给用户，让用户有更好的出行体验。(2)多种热点展示，方便用户规划行程用户搜索城市城市公园、商场等相关公共设施分布时，只能进行单一种类搜索，这就需要用户自己去搜集了解，信息搜集不全面就会导致用户行程出现不科学的安排，提高用户在行程中时间的浪费。通过多种类型热点的展示。直观的展示各种热点之间的分布关系，以及热门地点的相关信息。方便用户了解信息，规划行程。(3)热门地点筛选排除无关地点，避免无关信息干扰用户选择在城市中人员密集区域不仅仅是存在于商场、公园等公共休闲设施和旅游景点内，在车站与车流拥堵区域内也存在人员密集区域，若将此区域展示给用户，会干扰用户选择。通过GPS反查地址并合并重复，关键字过滤等方式去除此区域热点的方式，避免无关信息干扰用户选择。本专利技术的创新之处在于：(1)NoisK-means算法在基于用户位置分布推荐城市热门地，即在用户位置分布的基础上发掘出人员最密集的公共设施。(2)GPS反查地址筛选热门地点，即通过GPS反查的地址，实现根据关键字与去重来筛选热门地点。附图说明图1示意性地示出了本专利技术的流程图；图2示意性地示出了新解产生方式示意图。具体实施方式以下对本专利技术的实施例进行详细说明，但是本专利技术可以由权利要求限定和覆盖的多种不同方式实施。目前人们来到一个陌生的城市对于出行的规划依赖地图提供的各个公共设施的分布情况，来规划自己在城市里面的行程规划，但是并没有对每个公共设施的人员情况进行展示，为此，本专利技术提供了一种基于社会网络的旅游服务推荐方法，以解决人们在陌生城市对于热门休闲地点查找的困难，解决用户在信息搜集方面的困难。图1示出了本专利技术的程序流程图。如图1所示，本专利技术以Noisk-means算法为基础，通过以用户的位置为圆心，由用户指定半径，聚类在此半径内的其他用户位置信息，产生中心，再进一步筛选中心点，产生推荐点。进一步筛选产生的中心点，生成热点。更优选地，再在产生推荐点的过程中，不需要用户去指定个数，通过使用Nois初始化的算法来估算个数以及产生初始中心点。1.Nois初始化方式基本的K-means算法需要指定K值，这会增加用户的使用成本，因此使用了基于Nois的初始方法来估算K值与初始中心点。Nois初始化方法最优解与当前解的优劣判断过程中加入噪声判断使之具有一定的随机性，也使输出的最后结果受到异常数据影响变小，并且在间隔一定迭代次数时以当前最优解出发，寻找更优解，或者间隔一定的迭代次数利用‘无噪声’来寻找更优解。新解产生方式：将K值转换为二进制随机反转某一位的数值产生新的二进制数值，转换为十进值数值就得到了新解。解的优劣度判断：根据产生的新解，利用k-means++初始化中心点的方式，产生初始化中心点，并且由于在同样的K值情况下，产生的中心点的位置并不是固定的，可以寻找更优的初始化中心点的分布。解的评估公式如下所示：2.K-means聚类方式K-means算法是一种基于数据点之间的距离来划分数据的分类算法。通过Nois算法初始化的中心点，计算数据点与各个中心点的距离，把每个数据点分配给距离最近的中心点，根据分配的数据点重新计算中心，直到满足终止条件。退出循环。若某一区域内的数据点较为密集，而K-means更新中心的方式是求平均值，这就会造成中心点最后会落在此区域内。利用这一特性可以通过K-means算法估算出在一定区域内的人员密集中心点。3.热门地点筛选方式NoisK-means计算出中心点，之后通过GPS坐标反查地址的方式，反查出每一个中心点的地址，通过匹配地址中关键字的方式排除与商场、公园等公共休闲设施和旅游景点无关的中心点。并且将反查出地址相同的中心点进行本文档来自技高网...

【技术保护点】
1.一种基于社会网络的旅游服务推荐方法，其特征在于，包括：/n以用户的位置为圆心，由用户指定半径；/n聚类在此半径内的其他用户位置信息以产生中心点；/n再进一步筛选中心点，产生推荐点。/n

【技术特征摘要】
1.一种基于社会网络的旅游服务推荐方法，其特征在于，包括：
以用户的位置为圆心，由用户指定半径；
聚类在此半径内的其他用户位置信息以产生中心点；
再进一步筛选中心点，产生推荐点。


2.根据权利要求1所述的基于社会网络的旅游服务推荐方法，其特征在于，聚类在此半径内的其他用户位置信息以产生中心点时，采用Noisk-means算法。


3.根据权利要求2所述的基于社会网络的旅游服务推荐方法，其特征在于，Noisk-means算法包括：使用了基于Nois的初始方法来估算K值与初始中心点，其中，K值为K-means算法需要指定的K值。


4.根据权利要求3所述的基于社会网络的旅游服务推荐方法，其特征在于，Nois初始时：
采用下述方式产生新解：将K值转换为二进制随机反转某一位的数值产生新的二进制数值，转换为十进值数值就得到了新解；
采用下述方式进行解的优劣度判断：根据产生的新解，利用k-means++初始化中心点的方式，产生初始化中心点，并且由于在同样的K值情况下，产生的中心点的位置并不是固定的，可以寻找更优的初始化中心点的分布；
采用下述方式进行解的评估：

【专利技术属性】
技术研发人员：陈云川，周相兵，张华，辜建刚，沈少朋，陈功锁，屈召贵，陈亮，温佐承，张智恒，
申请(专利权)人：四川旅游学院，
类型：发明
国别省市：四川;51