基于行为分析的个性化旅游景区推荐研究

发布时间：2017-10-17 07:04

  本文关键词：基于行为分析的个性化旅游景区推荐研究

  更多相关文章： 游客行为 数据挖掘 智能导游 个性化推荐

【摘要】：移动Internet技术的逐步成熟和普及,移动旅游应用得到飞速发展。旅游爱好者可以不受时间地点的约束,足不出户就能规划一次说走就走的旅程,但这个过程中游客不可避免的会碰到“信息超载”问题,旅游兴致大减,导致旅游计划被迫暂停甚至放弃。个性化旅游景区推荐可以有效解决移动旅游应用中“信息超载”问题,使旅游这一朝阳产业得到持续、健康发展。需要说明的是,旅游移动应用涵盖吃、住、行、游、购五大功能模块,本文主要针对旅游功能模块存在的不足进行改进研究,加之该模块具有智能导游的特点,为明确研究对象,在论文中统一以景区智能导游系统代替移动应用的旅游功能模块。本文研究目的是对关联规则的经典Apriori算法在个性化旅游景区推荐中存在的不足进行改进,构建基于游客行为-兴趣模型的旅游景区推荐架构,制定个性化旅游服务的推荐方法,目的是增强旅游景区推荐的精准度,改善游客体验,使得移动旅游应用对旅游产业发展、游客出行更具重要意义。本文采用分析比较法、构建模型法和实际数据验证等方法完成研究任务。首先,阐述论文的研究背景和意义,进而从数据挖掘技术、智能导游系统和基于游客行为的个性化推荐技术这三个角度分析国内外研究及发展情况,找出当前智能导游系统中个性化旅游景区推荐的缺陷。同时对数据挖掘算法、智能导游系统和个性化推荐技术的相关概念和理论基础进行详细阐述,给本文研究目的奠定理论基础。其次,分析了Apriori算法在景区智能导游系统中的局限性,考虑到景区智能导游系统中各影响因子贡献值不同的实际情况,提出基于游客行为的改进Apriori算法,结合此算法建立游客行为-偏好个性化推荐模型,进而验证该模型,分析个性化旅游景区推荐架构,以排除无效挖掘,提升个性化旅游景区推荐水平。再次,在游客行为-偏好模型的基础上,开展特色景区推荐架构基于实际数据的挖掘分析实验,借助实验结果从目标游客群体、旅游服务和系统界面这三个角度进行深入分析,最终给出改善个性化旅游景区推荐的方法。
【关键词】：游客行为 数据挖掘 智能导游 个性化推荐
【学位授予单位】：华中师范大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP391.3;F590
【目录】：

• 摘要6-7
• Abstract7-11
• 第1章 绪论11-21
• 1.1 研究背景和意义11-12
• 1.1.1 研究背景11-12
• 1.1.2 研究意义12
• 1.2 国内外研究现状12-18
• 1.2.1 国外研究现状12-15
• 1.2.2 国内研究现状15-17
• 1.2.3 国内外研究综述17-18
• 1.3 本文研究的主要内容和方法18-21
• 1.3.1 本文研究的主要内容18-19
• 1.3.2 主要研究方法19-21
• 第2章 相关概念和理论基础21-31
• 2.1 数据挖掘技术21-26
• 2.1.1 数据挖掘的定义及流程21-23
• 2.1.2 数据挖掘的任务23-24
• 2.1.3 关联规则24-26
• 2.2 智能导游系统26-28
• 2.2.1 智能导游系统的定义26
• 2.2.2 个性化推荐关联景区智能导游26-27
• 2.2.3 景区智能导游系统个性化推荐现状及存在问题27-28
• 2.3 个性化推荐技术28-30
• 2.3.1 游客行为定义及描述28
• 2.3.2 个性化景区推荐定义28-29
• 2.3.3 个性化景区推荐方法分类29-30
• 2.4 本章小结30-31
• 第3章 传统关联规则算法与改进31-40
• 3.1 关联规则的经典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算法在景区智能导游系统中的局限性35
• 3.2 关联规则的Apriori算法改进35-39
• 3.2.1 景区智能导游系统中游客行为特征35-36
• 3.2.2 基于游客行为的Apriori算法改进36-39
• 3.2.3 Apriori算法改进对比39
• 3.3 本章小结39-40
• 第4章 基于改进Apriori算法的个性化景区推荐架构及实验40-65
• 4.1 基于改进Aprori算法的行为一偏好模型框架结构40-47
• 4.1.1 行为-偏好模型建立40-42
• 4.1.1.1 游客行为关联水平加权40-41
• 4.1.1.2 多源关联垂直加权41
• 4.1.1.3 复合加权关联规则41-42
• 4.1.2 行为-偏好模型算法描述42-44
• 4.1.3 行为-偏好模型检验44-47
• 4.2 基于行为-偏好模型的个性化景区推荐架构47-52
• 4.2.1 虚拟关联模块49-50
• 4.2.2 个性化景区推荐模块50-51
• 4.2.3 推荐质量反馈模块51-52
• 4.3 个性化景区推荐实验分析52-61
• 4.3.1 数据来源52-54
• 4.3.2 数据分析54-61
• 4.4 个性化景区推荐方法61-64
• 4.4.1 定位目标游客61-62
• 4.4.2 关联旅游服务62-63
• 4.4.3 系统界面优化63-64
• 4.5 本章小结64-65
• 第5章 总结与展望65-67
• 5.1 研究总结65-66
• 5.2 不足与研究展望66-67
• 参考文献67-71
• 致谢71

【相似文献】

中国期刊全文数据库 前10条

1 香丽芸;浅谈数据挖掘及其应用[J];昌吉师专学报;2001年02期

2 郑雪燕,张杰明,岳洋;数据挖掘语言[J];计算机时代;2001年11期

3 刘明晶;数据挖掘[J];华南金融电脑;2001年04期

4 张伟;刘勇国;彭军;廖晓峰;吴中福;;数据挖掘发展研究[J];计算机科学;2001年07期

5 钟晓;马少平;张钹;俞瑞钊;;数据挖掘综述[J];模式识别与人工智能;2001年01期

6 朱建平,张润楚;数据挖掘的发展及其特点[J];统计与决策;2002年07期

7 傅岚;在数据海洋中打捞信息数据挖掘[J];科技广场;2002年11期

8 李峻;数据挖掘,企业洞察先机的“慧眼”[J];中国计算机用户;2002年48期

9 罗可,蔡碧野,卜胜贤,谢中科;数据挖掘及其发展研究[J];计算机工程与应用;2002年14期

10 ;2002数据挖掘研讨班[J];计算机工程;2002年06期

中国重要会议论文全文数据库 前10条

1 史东辉;蔡庆生;张春阳;;一种新的数据挖掘多策略方法研究[A];第十七届全国数据库学术会议论文集（研究报告篇）[C];2000年

2 张弦;;数据挖掘在农业中的应用[A];纪念中国农业工程学会成立30周年暨中国农业工程学会2009年学术年会（CSAE 2009）论文集[C];2009年

3 魏顺平;;教育数据挖掘:现状与趋势[A];信息化、工业化融合与服务创新——第十三届计算机模拟与信息技术学术会议论文集[C];2011年

4 关清平;沉培辉;;概率网络在数据挖掘上的应用[A];科技、工程与经济社会协调发展——中国科协第五届青年学术年会论文集[C];2004年

5 丁瑾;;基于Web数据挖掘的综述[A];山西省科学技术情报学会学术年会论文集[C];2004年

6 聂茹;田森平;;Web数据挖掘及其在电子商务中的应用[A];中南六省（区）自动化学会第24届学术年会会议论文集[C];2006年

7 李菊;王军;;数据挖掘在客户关系管理的应用[A];计算机技术与应用进展·2007——全国第18届计算机技术与应用（CACIS）学术会议论文集[C];2007年

8 肖阳;李启贤;;数据挖掘在中国钢铁行业中的应用[A];中国计量协会冶金分会2012年会暨能源计量与节能降耗经验交流会论文集[C];2012年

9 杨磊;王贵成;汪勇;张占胜;;SQL Server 2005在数据挖掘中的应用[A];2009年中国智能自动化会议论文集（第二分册）[C];2009年

10 谢中;邱玉辉;;面向商务网站有效性的数据挖掘方法[A];第十八届全国数据库学术会议论文集（技术报告篇）[C];2001年

中国重要报纸全文数据库 前10条

1 本报记者褚宁;数据挖掘如“挖金”[N];解放日报;2002年

2 周蓉蓉;数据挖掘需要点想像力[N];计算机世界;2004年

3 □中国电信股份有限公司北京研究院 张舒博 □北京邮电大学计算机科学与技术学院 牛琨;走出数据挖掘的误区[N];人民邮电;2006年

4 《网络世界》记者 王莹;数据挖掘保险业的新蓝海[N];网络世界;2012年

5 刘俊丽;基于地理化的网络数据挖掘与分析提升投资有效性[N];人民邮电;2014年

6 本报记者 连晓东;数据挖掘：金融信息化新热点[N];中国电子报;2002年

7 本报记者 凤小华 朱仁康;“数字挖掘软件”引领中国信息化新浪潮[N];中国电子报;2003年

8 本报记者　史延廷;“成功企业数据挖掘暨数量化管理论坛”在京举办[N];中国旅游报;2002年

9 朱小宁;数据挖掘：信息化战争的基础工程[N];解放军报;2005年

10 本报记者 王小平;从“大集中”走向数据挖掘[N];金融时报;2002年

中国博士学位论文全文数据库 前10条

1 于自强;海量流数据挖掘相关问题研究[D];山东大学;2015年

2 张馨;全基因组SNP芯片应用于CNV和L0H分析的软件比对与数据挖掘[D];复旦大学;2011年

3 彭计红;基于数据挖掘的痴呆中医证的研究[D];南京中医药大学;2015年

4 李秋虹;基于MapReduce的大规模数据挖掘技术研究[D];复旦大学;2013年

5 邬文帅;基于多目标决策的数据挖掘方法评估与应用[D];电子科技大学;2015年

6 谢邦彦;整合数据挖掘与TRIZ理论的质量管理方法研究[D];首都经济贸易大学;2010年

7 何伟全;云南高校学生意外伤害因素关联规则挖掘及风险管控体系研究[D];昆明理工大学;2015年

8 段功豪;基于多结构数据挖掘的滑坡灾害预测模型研究[D];中国地质大学;2016年

9 白晓明;基于数据挖掘的复合材料宏—细观力学模型研究[D];哈尔滨工业大学;2016年

10 蓝永豪（LAM Wing Ho）;基于数据挖掘技术分析当代中医名家痤疮验方经验研究[D];南京中医药大学;2016年

中国硕士学位论文全文数据库 前10条

1 林仁红;基于数据挖掘的机遇识别与评价研究[D];首都经济贸易大学;2007年

2 张彦俊;游戏运营中的数据挖掘[D];复旦大学;2011年

3 焦亚召;基于多核函数FCM算法在数据挖掘聚类中的应用研究[D];昆明理工大学;2015年

4 王杰锋;物联网能耗数据智能分析及其应用平台设计[D];江南大学;2015年

5 刘学建;数据挖掘在电子商务推荐系统中的应用研究[D];昆明理工大学;2015年

6 戴阳阳;基于数据挖掘的金融时间序列预测研究与应用[D];江南大学;2015年

7 石思优;基于主题模型的医疗数据挖掘研究[D];广东技术师范学院;2015年

8 陈丹;移动互联网信令挖掘实现智慧营销的设计与实现应用研究[D];华南理工大学;2015年

9 陈思;基于数据挖掘的大学生客户识别模型的研究[D];昆明理工大学;2015年

10 位长帅;基于客户数据挖掘的电信客户关系管理研究[D];西南交通大学;2015年

，

本文编号：1047438