文摘

针对缺乏理论依据的文化旅游资源的发展,基于人工智能的传感器技术的应用方法提出了文化旅游资源的推荐模型。传感器网络是一种基于应用程序的网络。与传统的无线通信网络相比,它有大的节点规模的特点,自组织的多次反射,无人值守,没有通信基础设施。结合人工智能传感器技术,本文试图构建一个评价指标体系和评价模型对文化旅游资源,并使用该模型进行综合评价西部地区文化生态旅游资源。实验结果表明,该价值的西部地区文化旅游资源的评价结果为6.346,具有良好的开发价值。其次,从每一层的具体评价结果,西部文化旅游标准,最高6.605。文化旅游资源、景观资源和发展状况得分低。其中,文化旅游资源和景观资源得分最高(7.186),以及经济和文化领域最低得分(6.092)。在文化旅游发展条件、政策条件很高(6.823),但位置条件非常低,只有4.879分。因此,发现该模型需要文化旅游景观资源、文化旅游资源、环境和文化旅游开发条件,文化旅游资源评价的内容,这是全面和有很强的等级和针对性;模糊综合评价方法具有较强的客观性,以确定重量和价值分类;文化旅游资源和加权评价模型具有合理性和普遍性,能够提供一个科学依据的分类和评价文化旅游资源和文化旅游的规划和发展。

1。介绍

最初定义的资源是原始自然,后来扩大它作为自然资源和文化资源,阐明资源的效用特征(1]。其中,自然资源可以产生经济价值在特定时间和地点来改善人类的自然环境因素和条件和未来的福利;文化资源是物质和精神产品,凝结人类nondifferent劳动。它包括物质和非物质文化财富积累在历史演进2]。旅游资源是基于功能属性,这意味着某些地区可以吸引游客,可以使用和生成的各种事物和因素使用和产生的经济、社会和环境效益。包括自然人文旅游资源的开发利用和潜在的旅游吸引力的开发(3]。孩子文化旅游资源是旅游资源的概念。狭义的文化旅游资源是一种旅游文化、旅游资源有机组合;广义上说,任何可以为游客提供文化体验的旅游资源,包括历史、艺术、科学价值的文物,建筑网站仍然和口头传统、表演艺术、社会风俗、礼仪、节日、实践经验和知识,和工艺。它是传统文化的形式表达式如文化旅游资源(4]。

近年来,旅游业蓬勃发展,旅游之间的技术合作和信息技术(IT)也成熟了5]。智能旅游服务、互联网等技术,人工智能软件,大数据,无线传感器网络,近距离通信(nfc)已被用来提供准确的旅游信息和广泛的为游客旅游经历6]。例如,游客们可以下载的休闲公园和书的时间段播放设施或设施。这可以缩短游客排队等候的时间,提高设备的整体利用率和游客满意度。为了进一步提高旅游管理和服务的效率,优化乘客的旅行经验,结合人工智能软件和大数据,并探索建设文化旅游资源推荐模型,设计和有效的建议和策略。文化产业发展系统的逻辑模型图所示1(7]。

2。文献综述

对于这个研究问题,易卜拉欣和达姆回顾了民族文化旅游资源的空间分布和特征在Dounana,尼日利亚(8]。MoVR系统4优素福等人提出的使用60 ghz毫米波之间实现无线传输呈现分离VR系统的主机和显示头盔(9]。提出的闪回Wisutruangdat提前呈现整个虚拟现实应用,可连续虚拟空间到大量的不同位置的全景照片商店的全景图片在一个分层缓存基于外部存储设备的设计(10]。Bi和王测量当前主流沉浸式虚拟现实系统的延迟性能和更精确的定义延迟指标:初始延迟并把延迟(如图2)[11]。Kwiatek-Soltys和Bajgier-Kowalska使用一种方法基于图像压缩:帧数据不同的虚拟现实场景压缩成JPEG格式根据相同的压缩比,压缩后,现场消费更多的存储空间会更复杂(12]。尤妮斯和Mwangi BRISQUE值常用图形评估现场的复杂性(13]。丁字裤等人分析了人工智能应用程序在文化产业的问题和风险,并提出了相应的预防措施(14]。Palanca-Tan描述生产一体化、通信集成和集成人工智能和消费文化产业和路径进行优化设计的集成创新[15]。Iaromenko等人提出了利用智能文化产品供应链解决供应问题的文化产业16]。王等人深入讨论了智能创新范式和发展文化创意产业的边界(17]。基于人工智能产业优势的商路Kong-Macao大湾地区,哈马德等人提出了一个新想法促进文化产业发展的商路Kong-Macao大湾地区与人工智能18]。

本文基于现有的生态旅游资源评价指标:模型,尝试建立一个文化旅游资源评价指标体系、评价模型,最后利用模型评价西方文化旅游资源。实验结果表明,在文化旅游环境资源指标的得分最高,文化旅游是更可取的,但环境环境,环保环境,和社区经济很差,这也是文化旅游的发展需要在西部地区发展的方向努力。最后,通过简单的应用程序文化旅游资源评价模型,该模型是评价文化旅游和景观资源,文化旅游环境资源、文化旅游资源和文化旅游开发条件,更全面和强大的分层和靶向性,和模糊综合评价方法具有较强的客观性测定的重量,具有更好的性能。

3所示。研究方法

3.1。介绍人工智能软件

一般来说,人工智能软件是指通过普通计算机程序技术,代表了人类的智慧。智能旅游综合系统,人工智能软件技术的应用主要包括机器学习、智能感知、智能推理和智能行动,但是这些应用程序是密切相关的大数据,移动互联网和云计算技术。

3.1.1。人工智能软件和移动互联网

互联网是所有技术的前提。无处不在,几乎是不可能找到的设备没有连接到互联网。移动互联网的本质仍然是互联网。它只允许互联网用户连接到互联网的云没有地理限制。

3.1.2。人工智能软件和大数据

他们互相补充和促进。大数据主要指的是质量、多维、多层次、等。根据上述分析,可以看出,大数据是人工智能软件的基础之一。可以说,没有所谓的情报没有大数据。数据能带来大量的信息,但是很难看到数据中包含的信息和价值如果你只是观察无序的数据。人工智能技术的算法可以使大数据有意义的和有价值的。人工智能软件之间的桥梁和大数据机器学习。机器学习的过程主要包括数据采集、算法设计、算法实现、算法训练,和算法验证。可以看出,数据机器学习的前提下,和人工智能软件技术的应用必须得到相关数据的支持。同时,有效的信息和价值可以通过分析数据挖掘在机器学习算法。

3.1.3。人工智能软件和云计算

云计算指的是巨大的数据处理程序的分解成无数小程序通过网络“云”,然后这些小程序的结果由系统处理和分析由多个服务器并返回给用户。简单来说,云计算主要是分布式存储和分布式计算。通过上面的分析,我们知道,人工智能软件需要的大量数据进行训练和学习,用于人工智能软件云计算上的力量支持,云计算是一种强大的助推器背后的人工智能软件,而云计算使你的商业生态系统,和云计算平台资源整合需要人工智能软件技术的应用。

3.2。建立文化旅游资源评价指标

文化旅游资源评价的目的是识别文化生态旅游资源类型特点,分析资源组织结构,确定资源价值,评估资源。长期以来,学者只研究了整体的生态旅游资源,和相应的评价指标也有一些综合评价指标。然而,现有的评价指标建立的基础和原则具有同样的参考价值。遵循的基本原理简明科学、系统性、代表性、可比性、可操作性、定性和定量,结合文化旅游资源分类方案,参考现有文献和相关文档,评估指标,程度和使用频率统计方法,理论分析、专家咨询法和旅游调查方法,三个方面的文化旅游景观资源、文化旅游环境资源和文化旅游开发条件,并构造以下文化生态旅游资源评价指标体系。其中,文化旅游景观(B1)是文化旅游的核心构成要素,稀缺性、独特性,和审美价值直接决定了文化旅游的吸引力,是文化旅游资源评价体系的核心和基础。同时,强调生态旅游也决定了文化旅游环境(B2)区分重要标志和其他旅游类型,和文化风景只能反映其独特的审美价值在相应的文化生态环境。经验值,所以文化旅游环境(主要是人类环境)也应该是文化生态旅游资源评价的一个重要组成部分。此外,在某种意义上,对人类是有用的资源,和评估资源必须与社会需求,从而结合文化旅游的来源,位置条件、政策条件等。(B3)来分析文化旅游资源的价值,以反映资源的本质,然后更客观评价(19]。

3.3。文化旅游资源推荐模型建设

3.3.1。指标衡量和判断

根据文化旅游资源评价目标,指的是生态旅游资源的评价方法的相关文献,利用模糊综合评价方法,将指数标准划分为优秀、良好、中等、差,标准的采用十进制分数,满10分分类,每个级别的分数是:换,每天的比赛时间,以6 - 4,4 - 2。在一个特定的评估,可以确定每个指标的分数根据实际数据或专家20.]。

3.3.2。指标权重计算

计算当前水平的分析方法(层次分析法)来计算重量。第一步是构建判断矩阵。根据文化旅游评价指标体系,邀请专家评分,确定相关比较两个或两个因素之间的关系在同一层和上层构造判断矩阵。每个矩阵应该满足:

和 , 显示元素的相对重要性的确定值双为 ,和的值表所示1。

使用 , 代表B和C层指标,范围从0到1的值 。值越大,更重要的是它表明其指标层指标。值越小,越低的重要性。第二步是解决矩阵特征值。根据确认矩阵的构造,最大特征根对应的特征向量,每个评价因素的权重。每个矩阵的最大特征根和特征向量计算使用积累的方法,具体方法如下:(1)标准化矩阵中的列P (2)添加和计数 (3)标准的体重 (4)计算矩阵的最大特征 (5)判断矩阵的一致性测试

比率分析方法使用一致性指数的比率( )判断矩阵和相应的随机一致性指标( ),和随机一致性比率( )测试,认为当CR < 0.10,确定矩阵是满意的一致性:

国际扶轮可以通过判断相应的订单( )的矩阵。

3.3.3。评价模型建立

大数据,人工智能软件、移动互联网、云计算等智能旅游综合系统,智能旅游系统,构造人工智能软件文化旅游资源推荐模型,分别。引用模糊数学中配分函数和模糊综合评价方法,利用加权和multi-indicators文化旅游资源综合评价模型用于计算评估值。构建旅游基于人工智能软件集成系统模型如图3。(1)第一层是数据感知层,主要介绍如何旅游需求和旅游供给方面的数据与网络相连,主要是移动互联网技术的应用(2)第二层是数据分析层,即大数据分析层,主要包含四个关键步骤:数据收集、数据清洗、数据处理和数据分析。主要有两种方法来收集大数据:一个是通过传感器和第二个是爬虫收集互联网网络数据信息(3)第三层是人工智能层,主要的应用人工智能技术在智能旅游综合系统,主要包括机器学习智能感知、智能推理和智能行为。机器学习应该建立一个合适的学习模式根据不同景区的实际情况,地区,每个景点以及明确的他们想要达成的目标(4)第四层是系统应用程序层,即旅游集成系统的应用。整个旅游综合系统不是一个简单的系统,但一个复杂的一个,集大数据、人工智能移动互联网、云计算和其他技术(5)选择评价因素层评价指标体系的评价因素集 (6)测定指标的值。大多数指标的指标体系可以获得或从每个旅游资源的统计计算的位置。指标难以量化指标体系,和各种指标得分的专家询问和回答问题。在此基础上,指的是描述和指标的计算表1根据相应的标准和方法,分数的决定,结果代表了吗 。为了简化计算,认为只要的测量值在相对应的标准部分的分数一定的分数,这个间隔是1之间的隶属度,和其他分区的间隔是0,所以分数的_,即一个分数值评分标准部分(7)取 相应的权重值,建立一组股票 (8)进步之前,每个评价指标的权重值和分数的值提交以下赋权和多指标评价模型,最后得到一个生态旅游资源的价值评估值

E是总指数;的分数是单项的第二项;是给出的重量的第i个二级指标;是重量由第一级指标;二级指标的数量;在第一级条目的数量。(9)根据文化旅游资源的综合得分( ),文化旅游资源开发价值分为4个等级

3.3.4。人工智能软件聚类模型的旅游和文化资源

统计分析的基础上,人工智能软件的旅游文化资源,人工智能软件的优化设计模型,进行旅游文化资源,和一种人工智能的软件模型,基于大数据信息融合的旅游文化资源和集群调度算法。交叉频繁项的特征量提取规则的旅游文化资源,和人工智能的状态参数描述软件的旅游文化资源如下:

通过观察旅游文化资源的分布,旅游文化资源一体化的分组控制模型如下:

其中,旅游文化资源的初始概率分布, 是旅游文化资源的利用率,集合S的旅游文化资源信息,资源信息分布的属性关系表示为 根据上述的功能分析。模糊聚类的约束下的旅游文化资源、属性分类的约束因素评价旅游文化资源可以得到如下:

旅游文化资源的模糊关联度特性计算,并采用c均值聚类方法对大数据融合处理中提取相关特征的旅游文化资源。在显著性水平,c均值聚类模型如下:

3.4。文化旅游资源的推荐策略

的主要目标的推荐策略是一系列POIs的过程中用户。推荐的策略包括以下三个阶段:(1)粗滤:在这个阶段,系统首先学习用户的信息,基于社会网络分析的相关位置和利益,并选择一个旅游景点的旅游景点可能感兴趣的用户;(2):基于社交网络的动态知识的行为,分配三个不同的分数,也就是说,兴趣,情感,和受欢迎的旅游景点选择前一阶段;(3)过滤后:在这个阶段,这三个分数是根据用户的位置和文化景点和旅游本体的概率。

3.4.1。前置过滤阶段

这个阶段的目的是确定特定用户基于位置的旅游景点子集,人气和用户兴趣 。首先,获取用户位置根据经度和纬度,并更接近用户的旅游景点构成子集a。然后,通过分析用户数据日志,你可以得到子集B旅游景点的游客,也就是说,最高冲的一个子集。最后,当用户选择一个旅游景点使用机器学习技术,最后C子集是通过学习用户配置文件。机器学习技术是一个简单的贝叶斯分类器,这是一个概率分类器基于贝叶斯定理。所使用的机器学习技术计算每个对象的关联概率相对于用户配置文件:添加一个旅游景点与给定阈值C子集的初始化设置C是空集,对于任何 存在 ,当满足以下公式之间的关系 ,旅游景点4 C添加到集合。

4所示。结果分析

4.1。模型应用:西方文化旅游资源评价

以下4.4.1。研究背景

这个项目是在两个不同的景点上进行西部在五一黄金周期间。本研究采用实地采访调查相结合的方法。根据设计和文化旅游资源评价指标体系的研究问卷,随机抽取游客在参观的景点和环境主题,现场文件、现场访谈和现场回收。320年发放的调查问卷,回收有效问卷242份,回收效率是75.62%。监测包括182名男性(56.88%)和138名女性(43.12%),年龄从18岁到71岁(表2)。

4.1.2。评价结果

根据前一篇文章中,建立判断矩阵,和重量决定终于获得价值。

从上面的评估结果,我们可以看到,首先,文化旅游资源的评价结果在西部地区好值6.346,具有良好的开发价值。这个结果将提供一个重要的协议的主要工业现状和旅游开发的概念继续加强西部地区旅游业。其次,从每一层的具体评价结果,西部地区文化旅游的标准是最高,为6.605。文化旅游资源景观资源和发展状况得分相对较低。其中,文化旅游资源景观资源(7.186)最高,经济和文化领域的最低得分(6.092)。这有很高的一致性与当前发展现状和作者的研究地点。风景区的文化旅游景观,古老的城市建筑和街道,但缺乏在经济和文化景观发展的地方。在文化旅游开发条件、政策条件很高(6.823),但位置条件非常低,只有4.879分。这意味着位置和交通劣势西部地区仍然是重要的限制西方文化旅游的发展,以及政府政策的大力支持是促进文化的强大力量发展该地区的旅游资源。同样,在得分最高的,文化旅游环境资源指标、文化旅游收集环境和地区元素是理想,但区域设施环境,社会经济的综合环境差,这也是在西部地区的文化旅游发展的方向。 Finally, through the simple application of cultural tourism resource evaluation model, this model is found to be evaluated by cultural tourism and landscape resources, cultural tourism environmental resources, and cultural tourism development conditions as cultural tourism resources, more comprehensive and strong hierarchical and targeted sex, and fuzzy comprehensive evaluation methods have strong objectivity for the determination of weight.

5。结论

从人工智能软件的角度,探索建设智能旅游数据分析模型。文化旅游资源推荐模型提出了基于人工智能软件。系统使用一组实际数据实验验证。实验结果表明,该系统具有更好的性能。在未来的研究中,该系统将实现真正的应用场景,进一步验证系统的有效性和针对性地做出相应的改进。

的利益冲突

作者宣称没有利益冲突。