[发明专利]一种个性化多维度景点推荐方法

权利要求书

1.一种个性化多维度景点推荐方法，包括以下步骤：

1)初步规定推荐景点范围及获取数据；

所述步骤1)中，获取数据包括：

景点信息：经纬度LAL、坡度S、i处景点范围半径R_i、容纳量上限SL、i处景点软件所得人流量VF_S_i、i处景点硬件所得人流量VF_H_i；

景区信息：环境因子，包括气温AT、空气湿度H、二氧化碳浓度CDC、一氧化碳浓度CMC、声环境AE；

游客信息：游客的平均速度AS、浏览历史序列TH、到达景点的时刻E_TPT、离开景点的时刻L_TPT、i处景点游客经纬度坐标(x_i,y_i)、i处景点到下一景点的距离D、偏好向量矩阵(SST,S_PMT,S_PMS)、历史记录向量矩阵(THR，SS，SST，E_TPT，TS)，其中SST表示景点类型，S_PMT表示偏好模型问题题号，S_PMS表示偏好模型问题得分，THR表示浏览历史记录，SS为景点编号，TS表示基于时间的偏好得分；

2)根据获取数据构建基于兴趣漂移算法的兴趣打分模型；

所述步骤2)具体步骤为：

2-1)采集游客兴趣向量，分为静态信息和动态信息两种；

2-1-1)生成游客静态向量：

游客注册时填写兴趣偏好表，生成游客偏好向量矩阵(SST，S_PMT,S_PMS)，且

其中S_PMS_Ja表示j型景点的第a题得分；

2-1-2)收集游客动态信息：

根据游客历史数据生成历史兴趣表生成历史记录向量矩阵(THR，SS，SST，E_TPT，TS)，其中当存在(SS_i，SST_j)向量时，若TS_jk≥100，令TS_jk＝100，TPP_i＝L_TPT_i-E_TPT_i；此处的i和下文中的i均表示景点i，j表示景点类型，TS_jk表示用户第k次游览j型景点时的偏好得分，TPP_i表示游客在景点i处的最小浏览时间，TPP_AVE_i表示游客在景点i处的平均游览时长；

2-2)计算多维度兴趣单项打分值：

2-2-1)根据游客静态信息计算兴趣偏好打分向量(SS，S_PMQ)，这里S_PMQ为景点静态偏好得分：

当存在(SS_i，SST_j)向量时，S_PMQ_i表示i处景点静态偏好得分；

2-2-2)根据游客动态信息计算兴趣偏好打分向量(SS，S_PMD)，S_PMD为景点动态偏好得分，S_PMD_i表示i处景点动态偏好得分：

SD_temp表示景点动态偏好临时得分，当存在(SS_i，SST_j)向量时，SD_temp_i表示i处景点动态偏好临时得分，SD_temp_i＝∑k(TS_jk*W_jk)，其中W_jk为改进的正态遗忘曲线模型

其中，α、β为调节因子，α＝0.52，β＝2，Δt_jk为遗忘因子，Δt_jk＝month(NOWTIME，L_TPT_jk)/2.3，month()表示计算两个日期间的月数差，NOWTIME是获取的当前时间，σ为标准差，L_TPT_jk为第k次离开j型景点的时刻；

S_PMD_i＝(SD_temp_i-min(SD_temp))/(max(SD_temp)-min(SD_temp))*70+30

2-2-3)得到景点的偏好模型得分向量(SS，S_PM)，S_PM表示偏好模型结果分数；

其中S_PM_i＝ω_pq*S_PMQ_i+ω_pd*S_PMD_i；

ω_pq代表景点静态偏好得分权重，ω_pq取为0.672，ω_pd代表景点动态偏好得分权重，ω_pd取为0.328；

3)根据获取数据构建景色打分模型；

4)根据获取数据构建景区人流量模型；

5)根据获取数据以及构建的景区人流量模型，构建景区舒适度打分模型；

6)根据获取数据构建基于距离的打分模型；

7)综合兴趣打分模型、景色打分模型、景区舒适度打分模型、基于距离的打分模型，构建多维度景点打分模型；

8)构建反馈修正模型，对多维度景点打分模型进行修正，根据修正后的多维度景点打分模型推荐景点。