System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及数据处理,具体而言,涉及一种基于大数据的智慧旅游市场预测推荐方法及系统。
技术介绍
1、随着我国旅游产业规模不断扩大,旅游信息呈现爆炸性增长,这为游客带来了获取有价值信息的难题。因此,传统的信息化旅游服务逐渐向智能化转变,智慧旅游推荐系统应运而生。这种系统能够从海量的旅游信息资源中挖掘出游客感兴趣的信息,并将这些信息精准地推荐给对应的游客用户。然而,目前现有技术中的智能旅游推荐系统仍存在一些挑战。
2、现有的推荐系统普遍倾向于向用户推荐热门地区和知名景点,这导致推荐信息的单一性和缺乏个性化差异。当用户在寻找旅游目的地或景点时,他们往往希望能够得到更贴近自己兴趣和需求的推荐,而不是仅仅被推荐一些普遍被大众熟知的地点。这种情况下,用户常常会感到推荐的景点无法完全满足其个性化的游玩需求。由于推荐系统倾向于推荐相同的热门景点,很容易导致这些景点在特定时间段内出现拥堵的情况。这不仅给用户的旅游体验带来了不便,还可能影响到景点的环境质量和游览质量。拥挤的景点可能导致游客难以享受到景点的美景和文化氛围,甚至会影响到景点的安全和秩序。
3、因此,有必要提供一种基于大数据的智慧旅游市场预测推荐方法及系统用以解决当前技术中存在的问题。
技术实现思路
1、鉴于此,本专利技术提出了一种基于大数据的智慧旅游市场预测推荐方法及系统,旨在解决当前智慧旅游推荐技术中存在的个性化程度低,推荐效果差且无法根据景点实际拥堵情况进行规避的问题。
2、本专利技术提出了一种基
3、采集用户历史旅游信息,并将所述历史旅游信息存储至数据库中,所述历史旅游信息包括:旅游时间、消费信息以及景点信息;
4、对所述景点信息进行分析,获取总景点数量n和各景点的推荐时间t0,根据所述总景点数量n和各景点的推荐时间t0对所述历史旅游信息进行筛选处理;在筛选后的所述历史旅游信息中随机选取不少于两个景点,并对所述景点信息进行特征提取,获得特征点并根据所述特征点获得特征数据值,所述特征点包括景点类型、旅行人数和景点评分;
5、将所述特征数据值结合大数据获取相似用户,获取一所述相似用户的喜好地点,并根据所述景点信息和旅游时间对所述喜好地点进行剔除,获得推荐地点;
6、根据所述消费信息对推荐地点进行排序,采集每一所述推荐地点的实时密度信息,对排序进行调整。
7、进一步的,根据所述总景点数量n和各景点的推荐时间t0对所述历史旅游信息进行筛选处理时,包括:
8、采集所述用户历史旅游中每一景点的推荐时间t0和旅游时间t,将所述推荐时间t0和旅游时间t进行比对,根据比对结果对所述历史旅游信息进行筛选;
9、当存在t<t0的景点,并且t<t0的景点数量n占总景点数量n的比例小于r%时,将该历史旅游信息剔除;
10、当存在t<t0的景点,并且t<t0的景点数量n占总景点数量n的比例大于或等于r%时,进一步进行筛选。
11、进一步的,对所述历史旅游信息进行进一步筛选时,包括:
12、根据所述旅游时间获取每一景点的旅游节点,按所述旅游节点从前至后排列景点;
13、当t<t0的景点属于重复景点时,将该历史旅游信息剔除;
14、当t<t0的景点不属于重复景点且每两个t<t0的景点之间不存在t≥t0的景点时,不剔除该历史旅游信息;
15、当t<t0的景点不属于重复景点且每两个t<t0的景点之间存在t≥t0的景点时,剔除该历史旅游信息。
16、进一步的,根据所述特征点获得特征数据值时,包括:
17、根据所述特征点计算所述特征数据值,所述特征数据值通过下式计算获得:
18、;
19、其中,z表示特征数据值,ri表示第i景点的旅行人数,r表示景点最大容纳人数;pi表示第i景点的景点评分,p表示景点最大评分;a表示旅行人数所占权重,b表示景点评分所占权重,c表示景点类型所占权重,其中,a+b+c=1,i≥2。
20、进一步的,将所述特征数据值结合大数据获取相似用户时,包括:
21、将所述用户的特征数据值表示为一个特征向量,使用余弦相似度计算所述用户与大数据获取的其余每一用户的相似度q,将所述相似度q与预先设定的相似度阈值qmin进行比对,根据比对结果判断该用户是否与所述用户相似;
22、当q>qmin时,判定该用户与所述用户相似,并将所述该用户标记为类相似用户,并进一步进行判断获取所述相似用户;
23、当q≤qmin时,判定该用户与所述用户不相似,剔除该用户。
24、进一步的,当判定该用户与所述用户相似时,进一步进行判断获取所述相似用户时,包括:
25、获取所述类相似用户的旅游地点;
26、当所述用户的历史旅游信息内包含的景点范围大于等于所述旅游地点时,剔除该所述类相似用户;
27、当所述用户的历史旅游信息内包含的景点范围小于所述旅游地点时,将所述类相似用户作为所述相似用户。
28、进一步的,获得推荐地点时,还包括:
29、获取每一所述相似用户的旅游信息,根据所述旅游信息获取每一所述相似用户的景点名称,并计算每一景点的旅游时间,当存在景点重复时将所述旅游时间进行求和,按旅游时间对每一所述相似用户的景点名称进行排序;
30、当所述用户的任一历史旅游景点在一相似用户的排序中排名最高时,获取该相似用户的景点排序作为所述喜好地点,并在排序中剔除所述用户的历史旅游景点,获得所述推荐地点。
31、进一步的,根据所述消费信息对推荐地点进行排序时,包括:
32、根据所述用户的消费信息获取平均消费水平x,获取每一所述推荐地点的消费水平x0,获取消费差值δx,δx=|x-x0|,根据所述消费差值δx由小到大对所述推荐地点进行排序。
33、进一步的,采集每一所述推荐地点的实时密度信息,对排序进行调整时,包括:
34、将所述实时密度信息m分别与预先设定的第一密度信息m1和第二密度信息m2进行比对,m1<m2,根据比对结果对排序进行调整;
35、当m≤m1时,将该推荐地点的排名提升两位;
36、当m1<m≤m2时,将该推荐地点的排名提升一位;
37、当m2<m时,将该推荐地点的排名降低一位。
38、与现有技术相比,本专利技术的有益效果在于:通过分析历史旅游信息中的旅游时间、消费信息和景点信息,筛选出符合用户偏好和时间要求的景点,避免了推荐系统仅依赖热门地区和知名景点而导致推荐单一性和缺乏个性化差异的问题。通过随机选取并特征提取景点信息,得到特征数据值,从而实现了对景点特征的有效提取和描述,为后续推荐提供了准确的参考。结合大数据技术获取相似用户的喜好地点,再根据用户的喜好和旅游时间对推荐地点进行筛选和剔除,确保了推荐结果的个性化和实用性。本文档来自技高网...
【技术保护点】
1.一种基于大数据的智慧旅游市场预测推荐方法,其特征在于,包括:
2.根据权利要求1所述的基于大数据的智慧旅游市场预测推荐方法,其特征在于,根据所述总景点数量N和各景点的推荐时间T0对所述历史旅游信息进行筛选处理时,包括:
3.根据权利要求2所述的基于大数据的智慧旅游市场预测推荐方法,其特征在于,对所述历史旅游信息进行进一步筛选时,包括:
4.根据权利要求3所述的基于大数据的智慧旅游市场预测推荐方法,其特征在于,根据所述特征点获得特征数据值时,包括:
5.根据权利要求4所述的基于大数据的智慧旅游市场预测推荐方法,其特征在于,将所述特征数据值结合大数据获取相似用户时,包括:
6.根据权利要求5所述的基于大数据的智慧旅游市场预测推荐方法,其特征在于,当判定该用户与所述用户相似时,进一步进行判断获取所述相似用户时,包括:
7.根据权利要求6所述的基于大数据的智慧旅游市场预测推荐方法,其特征在于,获得推荐地点时,还包括:
8.根据权利要求7所述的基于大数据的智慧旅游市场预测推荐方法,其特征在于,根据所述消
9.根据权利要求8所述的基于大数据的智慧旅游市场预测推荐方法,其特征在于,采集每一所述推荐地点的实时密度信息,对排序进行调整时,包括:
10.一种基于大数据的智慧旅游市场预测推荐系统,用于应用如权利要求1-9任一项所述的基于大数据的智慧旅游市场预测推荐方法,其特征在于,包括:
...【技术特征摘要】
1.一种基于大数据的智慧旅游市场预测推荐方法,其特征在于,包括:
2.根据权利要求1所述的基于大数据的智慧旅游市场预测推荐方法,其特征在于,根据所述总景点数量n和各景点的推荐时间t0对所述历史旅游信息进行筛选处理时,包括:
3.根据权利要求2所述的基于大数据的智慧旅游市场预测推荐方法,其特征在于,对所述历史旅游信息进行进一步筛选时,包括:
4.根据权利要求3所述的基于大数据的智慧旅游市场预测推荐方法,其特征在于,根据所述特征点获得特征数据值时,包括:
5.根据权利要求4所述的基于大数据的智慧旅游市场预测推荐方法,其特征在于,将所述特征数据值结合大数据获取相似用户时,包括:
6.根据权利要求5所述的基...
【专利技术属性】
技术研发人员:张吉英,董阳,
申请(专利权)人:北京中景合天科技有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。