發(fā)布時(shí)間：2018-03-04 23:16

  本文選題：空間數(shù)據(jù)挖掘　切入點(diǎn)：地理標(biāo)簽照片　出處：《華中師范大學(xué)》2017年碩士論文　論文類型：學(xué)位論文

【摘要】：隨著科技的發(fā)展和人們生活水平的提高,旅行已經(jīng)成為越來越多的人生活中至關(guān)重要的一環(huán),雖然現(xiàn)在有關(guān)旅行的應(yīng)用系統(tǒng)很多,但真正能夠滿足用戶實(shí)際需求的卻很少,例如通過搜索引擎或者旅行網(wǎng)站搜索的結(jié)果往往是旅行公司的商業(yè)推廣或者旅游景點(diǎn)的過度宣傳。如何讓游客在一個(gè)陌生的城市中快捷方便地找到熱門旅游景點(diǎn)并規(guī)劃好游玩路線,這是智慧旅游時(shí)代自助旅游者的迫切需求。本文總結(jié)了國(guó)內(nèi)外關(guān)于空間數(shù)據(jù)挖掘和旅游推薦的相關(guān)技術(shù)和方法,并在此基礎(chǔ)上提出了一種基于空間數(shù)據(jù)挖掘的熱門景點(diǎn)和線路推薦方法。由于大部分旅行者都有拍照的習(xí)慣并且喜歡在社交媒體上分享這些照片,本文首先從大型圖片分享網(wǎng)站Flickr上挖掘了大量帶有空間地理信息和文本Tag的Geo圖片,通過 P-DBSCAN(A Parallel of Density-Based Spatial Clustering of Applications with Noise, 一種并行的基于密度的聚類算法)聚類算法對(duì)這些用戶上傳的攜帶空間地理信息的圖片進(jìn)行空間聚類得到圖片所在的景點(diǎn)集,然后根據(jù)文本Tag將這些聚類得到的景點(diǎn)與真實(shí)的景點(diǎn)進(jìn)行對(duì)應(yīng),并構(gòu)建景點(diǎn)數(shù)據(jù)庫(kù)。然后,計(jì)算游客對(duì)不同景點(diǎn)的游覽次數(shù)來找出熱門景點(diǎn),根據(jù)游客的旅行歷史和背景信息等利用協(xié)同過濾算法計(jì)算用戶相似度,并以此為依據(jù)進(jìn)行個(gè)性化景點(diǎn)推薦,在推薦的同時(shí)考慮天氣和時(shí)間等因素。最后,對(duì)游客的旅行歷史進(jìn)行分析可以提取出游客的旅行軌跡,使用序列模式挖掘算法分析出熱門旅行路線,再根據(jù)游客的旅行歷史和當(dāng)前的搜索文本來進(jìn)行個(gè)性化的線路推薦。本文在聚類的過程中采用了 P-DBSCAN算法,通過實(shí)驗(yàn)證明P-DBSCAN算法在密度分布不均的情況下聚類效果明顯優(yōu)于DBSCAN算法。而在推薦過程中引用了 Apache Mahout提供的一個(gè)協(xié)同過濾算法的推薦引擎Taste,并在Android設(shè)備上展示最終推薦結(jié)果。
[Abstract]:With the development of science and technology and the improvement of people's living standard, travel has become a vital part of life more and more people, although the application system about traveling a lot, but be able to meet the actual needs of users rarely, for example through search engines or travel site search is often the result of excessive promotional or commercial Travel Company tourist attractions. How to let visitors in a strange city in fast and convenient to find popular tourist attractions and planning to visit route, this is the urgent demand of wisdom tourism era self-help tourists. This paper summarizes the related technologies of spatial data mining and tourism recommendation and methods at home and abroad, and put forward a based on spatial data mining for hot spots and lines. The recommended method of most of the travelers have the habit of taking pictures and in love Social media to share these photos, this paper from the large photo sharing website Flickr mining with a lot of spatial geographic information and text Tag Geo images, through P-DBSCAN (A Parallel of Density-Based Spatial Clustering of Applications with Noise, a parallel clustering algorithm based on density clustering algorithm) for these users to upload carry geographical space the picture information spatial clustering images obtained by the attractions set, and then the clustering obtained spots corresponding to the real attractions according to the text Tag, and construct the scene points according to the library. Then, the calculation of the number of tourists to visit different scenic spots to find hot spots, calculated according to the similarity of users travel history and background information by tourists the collaborative filtering algorithm, and as a basis for personalized recommendation, and consider the weather in the recommended at the same time Among other factors. Finally, analysis can extract the travel trajectory of tourists on the tourist travel history, mining algorithm analysis hot travel route using the sequence pattern, according to the tourists travel history and the current search text to personalize the lines recommended. This paper uses the P-DBSCAN algorithm in the clustering process, proved by experiments P-DBSCAN clustering algorithm in the case of uneven density distribution is better than the DBSCAN algorithm. In the process of recommendation refers to a collaborative filtering recommendation engine Taste Apache provided by Mahout, and show the final recommendation on the Android devices.

【學(xué)位授予單位】：華中師范大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類號(hào)】：TP311.13;TP391.3

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 林娜;鄭亞男;;基于出租車軌跡數(shù)據(jù)的路徑規(guī)劃方法[J];計(jì)算機(jī)應(yīng)用與軟件;2016年01期

2 陳娟;鐘雨露;鄧勝利;;移動(dòng)社交平臺(tái)用戶體驗(yàn)的影響因素分析與實(shí)證——以微信為例[J];情報(bào)理論與實(shí)踐;2016年01期

3 李鵬;程明;;移動(dòng)互聯(lián)網(wǎng)技術(shù)的應(yīng)用[J];黑龍江科學(xué);2014年09期

4 袁懷旺;李積豐;徐彪;霍歡;;融合位置和社交屬性的熱點(diǎn)軌跡聚類算法[J];計(jì)算機(jī)工程與應(yīng)用;2015年07期

5 楊長(zhǎng)春;周猛;葉施仁;徐小松;;基于改進(jìn)CURE算法的微博熱點(diǎn)話題發(fā)現(xiàn)[J];計(jì)算機(jī)仿真;2013年11期

6 宋秋銀;;基于云計(jì)算的數(shù)據(jù)挖掘技術(shù)研究[J];電腦編程技巧與維護(hù);2013年08期

7 王樹良;丁剛毅;鐘鳴;;大數(shù)據(jù)下的空間數(shù)據(jù)挖掘思考[J];中國(guó)電子科學(xué)研究院學(xué)報(bào);2013年01期

8 黨輝;王治和;潘麗娜;;基于云模型的模糊數(shù)據(jù)挖掘研究與應(yīng)用[J];電腦知識(shí)與技術(shù);2013年04期

9 茍光磊;崔貫勛;王柯柯;;基于屬性重要性的Cobweb算法[J];重慶理工大學(xué)學(xué)報(bào)(自然科學(xué));2012年12期

10 王穎;金志軍;;常用數(shù)字濾波算法[J];中國(guó)計(jì)量;2012年03期

相關(guān)會(huì)議論文 前1條

1 宮蕊;舒紅平;郭遠(yuǎn)遠(yuǎn);;基于DBSCAN的密度聚類算法的研究[A];2008'中國(guó)信息技術(shù)與應(yīng)用學(xué)術(shù)論壇論文集（二）[C];2008年

相關(guān)博士學(xué)位論文 前1條

1 Abdul Majid;基于地理標(biāo)簽的社會(huì)媒體數(shù)據(jù)挖掘的智能旅游推薦研究[D];浙江大學(xué);2012年

相關(guān)碩士學(xué)位論文 前6條

1 胡喬楠;基于旅游文記的旅游景點(diǎn)推薦及行程路線規(guī)劃系統(tǒng)[D];浙江大學(xué);2015年

2 宋春曉;空間數(shù)據(jù)挖掘在基于GIS的智能交通系統(tǒng)中的應(yīng)用[D];西安電子科技大學(xué);2013年

3 趙卓真;一種基于密度與網(wǎng)格的聚類方法[D];中山大學(xué);2012年

4 葛登科;基于GIS的空間數(shù)據(jù)挖掘方法研究[D];西安電子科技大學(xué);2010年

5 楊坤;基于空間數(shù)據(jù)挖掘的超市選址決策研究[D];青島大學(xué);2008年

6 胡斌;基于網(wǎng)格技術(shù)的分布式空間數(shù)據(jù)挖掘算法研究[D];中南大學(xué);2008年

，

本文編號(hào)：1567739