隨著互聯(lián)網(wǎng)技術(shù)的發(fā)展和社會經(jīng)濟的進步,旅游已經(jīng)成為人們生活中不可或缺的一部分,人們對旅游信息服務(wù)的要求變得更加多樣化,越來越多的人選擇根據(jù)自己的需要,通過網(wǎng)絡(luò)獲取旅游景點的文字、圖片等信息來為旅行做準備,也傾向于分享自己的旅游行程和旅程體驗。因此基于旅游大數(shù)據(jù)的景點位置識別與信息搜索研究成為現(xiàn)在研究者關(guān)心和探索的熱點,是幫助提高人們生活質(zhì)量的重要方法。本文完成的主要工作如下:（1）結(jié)合景點評論文本數(shù)據(jù)的特點,利用動態(tài)主題模型提取景點在時間維度下的主題分布,有效地獲得景點的主題分布與演化,建立了與景點相關(guān)的語義主題模型。訓(xùn)練得到景點在時間維度下的主題分布,在旅游信息搜索中引入時間信息,通過景點主題在時間維度上的變化來推測用戶的搜索意圖,可有效地提高景點信息搜索的準確率。結(jié)合游客拍攝的景點圖片的GPS信息,利用聚類算法,得到景點圖像的聚類中心,獲得相應(yīng)的熱門景點位置,實現(xiàn)了景點圖片位置信息的有效提取,獲取了熱門景點的分布信息。（2）提出了一種基于深度學(xué)習(xí)的景點圖像位置識別的方法。利用卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu),提取圖像的深度特征,將在視覺與地理位置上接近的圖像集的交集作為候選集,結(jié)合查詢圖像特征與候... 

【文章來源】：北京郵電大學(xué)北京市 211工程院校 教育部直屬院校

【文章頁數(shù)】：95 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖２－２基于單張圖像和多張圖像進行地理位置建模的方法??２＿２．２局部圖像特征、ＨＯＧ特征、深度圖像特征及其在圖像定位中的應(yīng)用??

ＲＥＬＵ的基于ｓｉｇｍｏｉｄ函數(shù)的非線性映射，加快網(wǎng)絡(luò)的收斂；池化層ｐｏｏｌｉｎｇ通??過壓縮數(shù)據(jù)和參數(shù)的量，減少過擬合；全卷積層ＦＣ?—般放在ＣＮＮ的尾部。卷??積神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)如圖２－３所示。??ｃｏｎｖ?ｌａｙｅｒ????ｚ?Ｚ?ｐｏｏｌｍｅ?ｌａｙｅｒ?／Ｑ??一一?Ｚ＿／?ｃｏｉｉｖ?ａｙｅｒ?／／’〇??＿＿?／／?／／?．?〇??Ｊ?Ｊ?Ｗ?＼?：??／?／?ｐｏｏｌｉｎｇ?ｌａｙｅｒ＼?？??Ｌｉ／?Ｉｄ??圖２－３卷積神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)??卷積神經(jīng)網(wǎng)絡(luò)（ＣＮＮ）在深度學(xué)習(xí)領(lǐng)域的發(fā)展顯示它表示圖像的很大優(yōu)勢，??卷積神經(jīng)網(wǎng)絡(luò)極大的靈活性使得圖像位置識別還有很大的提升空間。ＣＮＮ模型??是基于數(shù)以百萬計的帶標記的圖像集（比如ＩｍａｇｅＮｅｔ）來訓(xùn)練獲得大量的參數(shù)??的。經(jīng)過這樣的訓(xùn)練，模型就有能力為新圖像學(xué)習(xí)獲得具有區(qū)別力的和人類可理??解的圖像特征表示。卷積神經(jīng)網(wǎng)絡(luò)在許多任務(wù)上取得了良好的性能，比如圖像分??類和圖像檢索。在許多研究中表明，在實現(xiàn)視覺任務(wù)中，使用ＣＮＮ提取的通用??１１??

３．１．２旅游信息數(shù)據(jù)庫建立??結(jié)合爬取到的景點圖像、簡介、名稱、路線信息，使用Ｌｕｃｅｎｅ建立本地數(shù)??據(jù)庫。數(shù)據(jù)庫結(jié)構(gòu)如圖３－２所示。??輩ｊ??〔??＞??景點評論‘７?Ｉ景點圖像??＿＾＊ｉｓＨＬｕｃ＾ｅ索Ｓ息??ｍＢｍｍ?｜景點路線??文本?ｐ，??圖３－２數(shù)據(jù)庫結(jié)構(gòu)如圖??獲取的景點信息在本地以文件的形式存儲，使用Ｌｕｃｅｎｅ工具對文本和圖像??文件構(gòu)建索引，Ｌｕｃｅｎｅ也提供了相應(yīng)的查詢索引的ＡＰＩ。??景點的簡介信息，以文本文件的形式存儲，并對文件名稱和內(nèi)容建立索引，??保證合理的搜索結(jié)果；景點的圖像信息同樣以文件的形式存儲，為了后文的圖像??信息查詢，圖像的存儲名稱為對應(yīng)的景點，并分別放置在對應(yīng)景點名稱的文件夾??下，為基于本地數(shù)據(jù)庫的信息查詢提供圖像與景點名稱的對應(yīng)關(guān)系。景點的評論??信息和路線信息也是文本的形式存儲


本文編號：3527463