發(fā)布時間：2017-10-17 07:04

  本文關鍵詞：基于行為分析的個性化旅游景區(qū)推薦研究

  更多相關文章： 游客行為 數據挖掘 智能導游 個性化推薦

【摘要】：移動Internet技術的逐步成熟和普及,移動旅游應用得到飛速發(fā)展。旅游愛好者可以不受時間地點的約束,足不出戶就能規(guī)劃一次說走就走的旅程,但這個過程中游客不可避免的會碰到“信息超載”問題,旅游興致大減,導致旅游計劃被迫暫停甚至放棄。個性化旅游景區(qū)推薦可以有效解決移動旅游應用中“信息超載”問題,使旅游這一朝陽產業(yè)得到持續(xù)、健康發(fā)展。需要說明的是,旅游移動應用涵蓋吃、住、行、游、購五大功能模塊,本文主要針對旅游功能模塊存在的不足進行改進研究,加之該模塊具有智能導游的特點,為明確研究對象,在論文中統一以景區(qū)智能導游系統代替移動應用的旅游功能模塊。本文研究目的是對關聯規(guī)則的經典Apriori算法在個性化旅游景區(qū)推薦中存在的不足進行改進,構建基于游客行為-興趣模型的旅游景區(qū)推薦架構,制定個性化旅游服務的推薦方法,目的是增強旅游景區(qū)推薦的精準度,改善游客體驗,使得移動旅游應用對旅游產業(yè)發(fā)展、游客出行更具重要意義。本文采用分析比較法、構建模型法和實際數據驗證等方法完成研究任務。首先,闡述論文的研究背景和意義,進而從數據挖掘技術、智能導游系統和基于游客行為的個性化推薦技術這三個角度分析國內外研究及發(fā)展情況,找出當前智能導游系統中個性化旅游景區(qū)推薦的缺陷。同時對數據挖掘算法、智能導游系統和個性化推薦技術的相關概念和理論基礎進行詳細闡述,給本文研究目的奠定理論基礎。其次,分析了Apriori算法在景區(qū)智能導游系統中的局限性,考慮到景區(qū)智能導游系統中各影響因子貢獻值不同的實際情況,提出基于游客行為的改進Apriori算法,結合此算法建立游客行為-偏好個性化推薦模型,進而驗證該模型,分析個性化旅游景區(qū)推薦架構,以排除無效挖掘,提升個性化旅游景區(qū)推薦水平。再次,在游客行為-偏好模型的基礎上,開展特色景區(qū)推薦架構基于實際數據的挖掘分析實驗,借助實驗結果從目標游客群體、旅游服務和系統界面這三個角度進行深入分析,最終給出改善個性化旅游景區(qū)推薦的方法。
【關鍵詞】：游客行為 數據挖掘 智能導游 個性化推薦
【學位授予單位】：華中師范大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：TP391.3;F590
【目錄】：

• 摘要6-7
• Abstract7-11
• 第1章 緒論11-21
• 1.1 研究背景和意義11-12
• 1.1.1 研究背景11-12
• 1.1.2 研究意義12
• 1.2 國內外研究現狀12-18
• 1.2.1 國外研究現狀12-15
• 1.2.2 國內研究現狀15-17
• 1.2.3 國內外研究綜述17-18
• 1.3 本文研究的主要內容和方法18-21
• 1.3.1 本文研究的主要內容18-19
• 1.3.2 主要研究方法19-21
• 第2章 相關概念和理論基礎21-31
• 2.1 數據挖掘技術21-26
• 2.1.1 數據挖掘的定義及流程21-23
• 2.1.2 數據挖掘的任務23-24
• 2.1.3 關聯規(guī)則24-26
• 2.2 智能導游系統26-28
• 2.2.1 智能導游系統的定義26
• 2.2.2 個性化推薦關聯景區(qū)智能導游26-27
• 2.2.3 景區(qū)智能導游系統個性化推薦現狀及存在問題27-28
• 2.3 個性化推薦技術28-30
• 2.3.1 游客行為定義及描述28
• 2.3.2 個性化景區(qū)推薦定義28-29
• 2.3.3 個性化景區(qū)推薦方法分類29-30
• 2.4 本章小結30-31
• 第3章 傳統關聯規(guī)則算法與改進31-40
• 3.1 關聯規(guī)則的經典Apriori算法31-35
• 3.1.1 Apriori算法基本思想31
• 3.1.2 Apriori算法流程31-35
• 3.1.3 Apriori算法在景區(qū)智能導游系統中的局限性35
• 3.2 關聯規(guī)則的Apriori算法改進35-39
• 3.2.1 景區(qū)智能導游系統中游客行為特征35-36
• 3.2.2 基于游客行為的Apriori算法改進36-39
• 3.2.3 Apriori算法改進對比39
• 3.3 本章小結39-40
• 第4章 基于改進Apriori算法的個性化景區(qū)推薦架構及實驗40-65
• 4.1 基于改進Aprori算法的行為一偏好模型框架結構40-47
• 4.1.1 行為-偏好模型建立40-42
• 4.1.1.1 游客行為關聯水平加權40-41
• 4.1.1.2 多源關聯垂直加權41
• 4.1.1.3 復合加權關聯規(guī)則41-42
• 4.1.2 行為-偏好模型算法描述42-44
• 4.1.3 行為-偏好模型檢驗44-47
• 4.2 基于行為-偏好模型的個性化景區(qū)推薦架構47-52
• 4.2.1 虛擬關聯模塊49-50
• 4.2.2 個性化景區(qū)推薦模塊50-51
• 4.2.3 推薦質量反饋模塊51-52
• 4.3 個性化景區(qū)推薦實驗分析52-61
• 4.3.1 數據來源52-54
• 4.3.2 數據分析54-61
• 4.4 個性化景區(qū)推薦方法61-64
• 4.4.1 定位目標游客61-62
• 4.4.2 關聯旅游服務62-63
• 4.4.3 系統界面優(yōu)化63-64
• 4.5 本章小結64-65
• 第5章 總結與展望65-67
• 5.1 研究總結65-66
• 5.2 不足與研究展望66-67
• 參考文獻67-71
• 致謝71

【相似文獻】

中國期刊全文數據庫 前10條

1 香麗蕓;淺談數據挖掘及其應用[J];昌吉師專學報;2001年02期

2 鄭雪燕,張杰明,岳洋;數據挖掘語言[J];計算機時代;2001年11期

3 劉明晶;數據挖掘[J];華南金融電腦;2001年04期

4 張偉;劉勇國;彭軍;廖曉峰;吳中福;;數據挖掘發(fā)展研究[J];計算機科學;2001年07期

5 鐘曉;馬少平;張鈸;俞瑞釗;;數據挖掘綜述[J];模式識別與人工智能;2001年01期

6 朱建平,張潤楚;數據挖掘的發(fā)展及其特點[J];統計與決策;2002年07期

7 傅嵐;在數據海洋中打撈信息數據挖掘[J];科技廣場;2002年11期

8 李峻;數據挖掘,企業(yè)洞察先機的“慧眼”[J];中國計算機用戶;2002年48期

9 羅可,蔡碧野,卜勝賢,謝中科;數據挖掘及其發(fā)展研究[J];計算機工程與應用;2002年14期

10 ;2002數據挖掘研討班[J];計算機工程;2002年06期

中國重要會議論文全文數據庫 前10條

1 史東輝;蔡慶生;張春陽;;一種新的數據挖掘多策略方法研究[A];第十七屆全國數據庫學術會議論文集（研究報告篇）[C];2000年

2 張弦;;數據挖掘在農業(yè)中的應用[A];紀念中國農業(yè)工程學會成立30周年暨中國農業(yè)工程學會2009年學術年會（CSAE 2009）論文集[C];2009年

3 魏順平;;教育數據挖掘:現狀與趨勢[A];信息化、工業(yè)化融合與服務創(chuàng)新——第十三屆計算機模擬與信息技術學術會議論文集[C];2011年

4 關清平;沉培輝;;概率網絡在數據挖掘上的應用[A];科技、工程與經濟社會協調發(fā)展——中國科協第五屆青年學術年會論文集[C];2004年

5 丁瑾;;基于Web數據挖掘的綜述[A];山西省科學技術情報學會學術年會論文集[C];2004年

6 聶茹;田森平;;Web數據挖掘及其在電子商務中的應用[A];中南六�。▍^(qū)）自動化學會第24屆學術年會會議論文集[C];2006年

7 李菊;王軍;;數據挖掘在客戶關系管理的應用[A];計算機技術與應用進展·2007——全國第18屆計算機技術與應用（CACIS）學術會議論文集[C];2007年

8 肖陽;李啟賢;;數據挖掘在中國鋼鐵行業(yè)中的應用[A];中國計量協會冶金分會2012年會暨能源計量與節(jié)能降耗經驗交流會論文集[C];2012年

9 楊磊;王貴成;汪勇;張占勝;;SQL Server 2005在數據挖掘中的應用[A];2009年中國智能自動化會議論文集（第二分冊）[C];2009年

10 謝中;邱玉輝;;面向商務網站有效性的數據挖掘方法[A];第十八屆全國數據庫學術會議論文集（技術報告篇）[C];2001年

中國重要報紙全文數據庫 前10條

1 本報記者褚寧;數據挖掘如“挖金”[N];解放日報;2002年

2 周蓉蓉;數據挖掘需要點想像力[N];計算機世界;2004年

3 □中國電信股份有限公司北京研究院 張舒博 □北京郵電大學計算機科學與技術學院 牛琨;走出數據挖掘的誤區(qū)[N];人民郵電;2006年

4 《網絡世界》記者 王瑩;數據挖掘保險業(yè)的新藍海[N];網絡世界;2012年

5 劉俊麗;基于地理化的網絡數據挖掘與分析提升投資有效性[N];人民郵電;2014年

6 本報記者 連曉東;數據挖掘：金融信息化新熱點[N];中國電子報;2002年

7 本報記者 鳳小華 朱仁康;“數字挖掘軟件”引領中國信息化新浪潮[N];中國電子報;2003年

8 本報記者　史延廷;“成功企業(yè)數據挖掘暨數量化管理論壇”在京舉辦[N];中國旅游報;2002年

9 朱小寧;數據挖掘：信息化戰(zhàn)爭的基礎工程[N];解放軍報;2005年

10 本報記者 王小平;從“大集中”走向數據挖掘[N];金融時報;2002年

中國博士學位論文全文數據庫 前10條

1 于自強;海量流數據挖掘相關問題研究[D];山東大學;2015年

2 張馨;全基因組SNP芯片應用于CNV和L0H分析的軟件比對與數據挖掘[D];復旦大學;2011年

3 彭計紅;基于數據挖掘的癡呆中醫(yī)證的研究[D];南京中醫(yī)藥大學;2015年

4 李秋虹;基于MapReduce的大規(guī)模數據挖掘技術研究[D];復旦大學;2013年

5 鄔文帥;基于多目標決策的數據挖掘方法評估與應用[D];電子科技大學;2015年

6 謝邦彥;整合數據挖掘與TRIZ理論的質量管理方法研究[D];首都經濟貿易大學;2010年

7 何偉全;云南高校學生意外傷害因素關聯規(guī)則挖掘及風險管控體系研究[D];昆明理工大學;2015年

8 段功豪;基于多結構數據挖掘的滑坡災害預測模型研究[D];中國地質大學;2016年

9 白曉明;基于數據挖掘的復合材料宏—細觀力學模型研究[D];哈爾濱工業(yè)大學;2016年

10 藍永豪（LAM Wing Ho）;基于數據挖掘技術分析當代中醫(yī)名家痤瘡驗方經驗研究[D];南京中醫(yī)藥大學;2016年

中國碩士學位論文全文數據庫 前10條

1 林仁紅;基于數據挖掘的機遇識別與評價研究[D];首都經濟貿易大學;2007年

2 張彥俊;游戲運營中的數據挖掘[D];復旦大學;2011年

3 焦亞召;基于多核函數FCM算法在數據挖掘聚類中的應用研究[D];昆明理工大學;2015年

4 王杰鋒;物聯網能耗數據智能分析及其應用平臺設計[D];江南大學;2015年

5 劉學建;數據挖掘在電子商務推薦系統中的應用研究[D];昆明理工大學;2015年

6 戴陽陽;基于數據挖掘的金融時間序列預測研究與應用[D];江南大學;2015年

7 石思優(yōu);基于主題模型的醫(yī)療數據挖掘研究[D];廣東技術師范學院;2015年

8 陳丹;移動互聯網信令挖掘實現智慧營銷的設計與實現應用研究[D];華南理工大學;2015年

9 陳思;基于數據挖掘的大學生客戶識別模型的研究[D];昆明理工大學;2015年

10 位長帥;基于客戶數據挖掘的電信客戶關系管理研究[D];西南交通大學;2015年

，

本文編號：1047438