發(fā)布時間：2017-09-02 17:09

  本文關(guān)鍵詞：基于云計算的旅游服務推薦算法的設(shè)計與應用

  更多相關(guān)文章： 智慧旅游 云計算 Hadoop FP-Growth 旅游服務推薦

【摘要】：“智慧旅游”是當前中國旅游業(yè)信息化建設(shè)的主要任務和熱點研究問題,其“智慧”體現(xiàn)在“旅游服務的智慧”、“旅游管理的智慧”和“旅游營銷的智慧”三大方面。旅游服務推薦是當今旅游行業(yè)比較推崇的營銷策略,一直被廣泛的研究,在某種程度上它是智慧的體現(xiàn)。如今旅游數(shù)據(jù)正變得日趨龐大,存儲和處理這些數(shù)據(jù)變成了一個難題。同時,對于信息的檢索,搜索引擎并不能滿足用戶多元化和個性化的需求,也不能有效的解決信息負載的問題。推薦引擎作為解決信息負載的另一個方法,不但可以通過推薦技術(shù)為用戶找到了合適的或潛在需要的信息,而且能為用戶帶去更好的體驗。但是面對大數(shù)據(jù)的挑戰(zhàn),需要有新的平臺和合適有效的算法來應對。 Hadoop作為優(yōu)秀的云計算平臺,是目前研究大數(shù)據(jù)問題最好的工具之一,其MapReduce可以利用分布式計算對海量數(shù)據(jù)做快速的處理,而且它的HDFS在存儲方面安全、穩(wěn)定,有很高的容錯性。通過在Hadoop平臺編寫算法,解決從海量旅游數(shù)據(jù)中獲取有效信息是本文的一個嘗試,本文將通過對經(jīng)典的數(shù)據(jù)挖掘算法FP-Growth實現(xiàn)并行化,并應用在旅游服務推薦方面,進一步實現(xiàn)云環(huán)境下的旅游服務推薦系統(tǒng)。 通過對推薦算法和系統(tǒng)框架進行仔細的研究,本文將重點完成四大模塊：第一,對海量旅游數(shù)據(jù)進行采集,為所有實驗做好數(shù)據(jù)準備；第二,對旅游數(shù)據(jù)進行分析,本文將從旅游時空分布格局統(tǒng)計分析和基于社會網(wǎng)旅游流的核心景區(qū)分析兩方面進行研究；第三,云平臺下的旅游服務推薦算法的設(shè)計,通過認真深入研究Hadoop平臺,學習MapReduce的運行機制和編程方法,對經(jīng)典的FP-Growth算法實現(xiàn)并行化,最終完成推薦系統(tǒng)的核心算法部分；第四,完成整個推薦系統(tǒng)構(gòu)架,實現(xiàn)對旅游六大要素的若干服務組合的推薦。 在大數(shù)據(jù)背景下,研究旅游信息服務,這既是對云環(huán)境下的算法研究,同時又是對實際應用的研究。本文對基于Hadoop云平臺的旅游推薦系統(tǒng)的研究,在理論上,研究了云平臺下旅游數(shù)據(jù)挖掘的算法模型。在實踐上,對探索海量數(shù)據(jù)下旅游服務推薦系統(tǒng)的設(shè)計與實現(xiàn)進行了實驗。
【關(guān)鍵詞】：智慧旅游 云計算 Hadoop FP-Growth 旅游服務推薦
【學位授予單位】：陜西師范大學
【學位級別】：碩士
【學位授予年份】：2014
【分類號】：TP391.3;F592
【目錄】：

• 摘要3-4
• Abstract4-8
• 第1章 緒論8-16
• 1.1 研究背景8-9
• 1.1.1 云計算8
• 1.1.2 推薦系統(tǒng)8-9
• 1.1.3 大數(shù)據(jù)9
• 1.2 研究意義9-10
• 1.3 國內(nèi)外研究現(xiàn)狀10-13
• 1.3.1 國內(nèi)外旅游信息服務的研究現(xiàn)狀10
• 1.3.2 推薦系統(tǒng)的研究現(xiàn)狀10-13
• 1.4 課題研究的主要內(nèi)容13-14
• 1.5 論文組織結(jié)構(gòu)14-16
• 第2章 實現(xiàn)旅游服務推薦的基礎(chǔ)理論16-24
• 2.1 個性化推薦系統(tǒng)16-21
• 2.1.1 個性化推薦技術(shù)對比16-18
• 2.1.2 個性化推薦系統(tǒng)的組成18-20
• 2.1.3 個性化旅游服務推薦的作用20-21
• 2.2 社會網(wǎng)絡(luò)分析理論21-22
• 2.2.1 社會網(wǎng)絡(luò)分析法21
• 2.2.2 城市旅游流網(wǎng)絡(luò)構(gòu)建21-22
• 2.3 本章小結(jié)22-24
• 第3章 云計算平臺HADOOP24-34
• 3.1 分布式文件系統(tǒng)HDFS24-26
• 3.2 HADOOP計算模型——MAPREDUCE26-29
• 3.2.1 MapReduce編程模型27
• 3.2.2 MapReduce編程實現(xiàn)27-28
• 3.2.3 MapReduce運行過程28-29
• 3.3 關(guān)系數(shù)據(jù)ETL工具SQOOP29-32
• 3.3.1 Sqoop使用方法實例29-32
• 3.4 本章小結(jié)32-34
• 第4章 云計算環(huán)境下旅游服務推薦系統(tǒng)框架設(shè)計34-44
• 4.1 數(shù)據(jù)采集模塊分析34-35
• 4.1.1 數(shù)據(jù)采集工具34-35
• 4.1.2 本站數(shù)據(jù)獲取35
• 4.2 數(shù)據(jù)分析模塊35-37
• 4.2.1 旅游季節(jié)性統(tǒng)計分析35-36
• 4.2.2 基于社會網(wǎng)的旅游流的分析36-37
• 4.3 推薦算法并行化模塊分析37-41
• 4.3.1 關(guān)聯(lián)規(guī)則算法分析37-40
• 4.3.2 FP-Growth算法并行化40-41
• 4.4 服務推薦模塊41-43
• 4.4.1 推薦服務建模41-42
• 4.4.2 服務推薦流程42-43
• 4.5 本章總結(jié)43-44
• 第5章 旅游信息服務推薦系統(tǒng)實現(xiàn)44-62
• 5.1 數(shù)據(jù)的采集44-46
• 5.1.1 從旅游社區(qū)網(wǎng)站上采集數(shù)據(jù)44-45
• 5.1.2 采集數(shù)據(jù)的整理45-46
• 5.2 旅游數(shù)據(jù)的分析46-51
• 5.2.1 旅游時空分布格局統(tǒng)計分析46-48
• 5.2.2 基于社會網(wǎng)旅游流的核心景區(qū)分析48-51
• 5.3 分布式HADOOP平臺的搭建51-56
• 5.3.1 搭建環(huán)境準備51-52
• 5.3.2 安裝并配置jdk52
• 5.3.3 安裝ssh52-53
• 5.3.4 安裝hadoop53-56
• 5.4 MAPREDUCE FP-GROWNTH算法并行化實驗56-62
• 5.4.1 實驗數(shù)據(jù)56-57
• 5.4.2 實驗結(jié)果57-62
• 第6章 總結(jié)與展望62-64
• 6.1 總結(jié)62
• 6.2 展望62-64
• 參考文獻64-66
• 致謝66

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前2條

1 平亮;宗利永;;基于社會網(wǎng)絡(luò)中心性分析的微博信息傳播研究——以Sina微博為例[J];圖書情報知識;2010年06期

2 陶雪嬌;胡曉峰;劉洋;;大數(shù)據(jù)研究綜述[J];系統(tǒng)仿真學報;2013年S1期

，

本文編號：779795