[发明专利]基于大数据统计的景区游玩系统及推荐方法

说明书

本发明涉及大数据分析技术领域，公开了基于大数据统计的景区游玩系统及推荐方法，包括应用层、模型层、平台层以及数据采集，先通过人脸识别技术识别出游客ID信息，然后关联出游客的历史消费信息，行为偏好，游玩路线等用户画像信息，接着对游客当天的游览行为进行分析，生成所有游客当天的游览路线记录以及购买商品记录，基于大数据统计分析，分析出所有游客热门游览路线，并结合游客信息与购买记录以及兴趣爱好，三者结合向用户个性化的推荐既是热门又能带动景区内商家收入的路线，本发明基于大数据统计的景区游玩系统及推荐方法实现了在不影响游客体验的基础上带动景区与商家的收入。

技术领域

本发明涉及大数据分析技术领域，特别涉及基于大数据统计的景区游玩系统及推荐方法。

背景技术

智慧旅游的本质是推进智能技术在旅游业的应用，改善游客体验，提升旅游服务，创新景区管理，优化旅游资源的现代化过程。发展智慧旅游符合国家政策的导向，有助于传统旅游业由粗放式向现代化，集约化，信息化发展。发展智慧旅游能促使旅游企业设计多样化的旅游产品，提供差异化，个性化的旅游服务。

推荐算法：目前主流的推荐算法主要包含内容关联算法,协同过滤算法。

内容关联算法(Content-Based)，CB算法的原理是将一个item的基本属性,内容等信息提取出来,抽成一个taglist,为每个tag赋一个权重。剩下的事情就跟一个搜索引擎非常类似了,将所有item对应的taglist做一下倒排转换,放到倒排索引服务器中存储起来。当要对某一个item做相关推荐的时候,将这个item对应的taglist拿出来拼成一个类似搜索系统中的query表达式,再将召回的结果做一下排序作为推荐结果输出。当要对某个用户做个性化推荐的时候,将这个用户最近喜欢/操作过的item列表拿出来,将这些item的taglist拿出来并merge一下作为用户模型,并将这个模型的taglist请求倒排索引服务,将召回的结果作为候选推荐给该用户。该算法的优点是：1、不依赖于用户行为,即不需要冷启动的过程,随时到随时都能推荐；2、可以给出看起来比较合理的推荐解释；3、item被推荐的时效性可以做得很高,比如新闻类产品就需要用到该算法。

该算法的缺点是：1、需要理解item的内容,对音频/视频等不好解析内容的就不好处理；2、对于一次多义以及一义多词等情况处理起来比较复杂；3、容易出现同质化严重的问题,缺乏个性化。

协同过滤算法(collaborative filtering)，(User-Based CF)简介，CF算法的原理是汇总所有<user,item>的行为对,利用集体智慧做推荐。其原理很像朋友推荐,比如通过对用户喜欢的item进行分析,发现用户A和用户B很像(他们都喜欢差不多的东西),用户B喜欢了某个item,而用户A没有喜欢,那么就把这个item推荐给用户A。

(Item-Based CF)简介，当然,还有另外一个维度的协同推荐。即对比所有数据,发现itemA和itemB很像(他们被差不多的人喜欢),那么就把用户A喜欢的所有item,将这些item类似的item列表拉出来,作为被推荐候选推荐给用户A。

该算法的优点是：1、能起到意想不到的推荐效果,经常能推荐出来一些个性化结果；2、进行有效的长尾item；3、只依赖用户行为,不需要对内容进行深入了解,使用范围广。

该算法的缺点是：1、一开始需要大量的<user,item>行为数据,即需要大量冷启动数据；2、很难给出合理的推荐解释。

发明内容

发明的目的在于提供基于大数据统计的景区游玩系统及推荐方法，本发明实现了在不影响游客体验的基础上带动景区与商家的收入，以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供如下技术方案：

基于大数据统计的景区游玩系统，包括应用层、模型层、平台层以及数据采集，其中，