论文部分内容阅读
随着经济社会的发展,人们对于旅游的需求越来越旺盛,旅游产业迎来了快速发展。各种旅游信息呈爆发式增长,如何方便快捷的从这些信息中获取有用信息变得越来越困难。当人们将去一座陌生的城市旅游时不得不耗费大量的时间和精力来搜寻城市相关景点信息,规划将要游玩的景点。与此同时,GPS技术和移动互联网的快速发展,产生了大量的基于地理位置的服务,这些服务在带给用户丰富的用户体验的同时,也促进了用户参与分享的乐趣。一些带有地理位置标签的图片分享网站受到了用户的欢迎,并随之产生了海量的包含地理位置、拍摄时间、标签等信息的照片。通过对这些带地理标签信息的照片集的挖掘,可以得到城市景点区域和用户兴趣偏好等信息,而利用这些信息又可以为用户提供个性化的景点推荐服务。本文正是利用这些带地理标签的照片,通过空间聚类算法,挖掘城市的景点区域和用户景点喜好,再加上照片的拍摄时间信息,给用户推荐感兴趣的景点区域。本文所做的工作主要包括:(1)分析了空间数据挖掘和个性化旅游推荐系统的国内外研究现状,对个性化推荐和空间数据挖掘的过程和主要技术进行了总结介绍。(2)针对geo照片(带地理标签的照片)集通过DBSCAN (density based spatial clustering of applications with noise)聚类算法,提取景点区域,并建立用户景点兴趣矩阵、景点区域热度向量。(3)提出了基于用户偏好、照片时间上下文、景点区域热度的BIPM(Based on Interest Popularity And Month)个性化旅游景点推荐算法,构建了个性化旅游景点推荐模型。(4)基于本文提出的个性化旅游景点推荐模型,对个性化旅游推荐系统提供了设计与实现,并以此为用户推荐感兴趣的旅游景点区域。系统采用列表和在百度地图上标注的形式展现推荐结果。