文摘
目前,中国的旅游市场是巨大的,和传统的酒店住宿不受年轻人的欢迎,和住宿只是符合年轻人的向往。和大多数当前推进的方法是由消费在携程网等大型平台,既符合住宿的推荐方法,旨在为小队个性化营销研究。摘要multi-information融合传感器网络用于推动B&B旅馆在旅游领域实现B&B旅馆营销和利润最大化。使用multi-information融合传感器网络进行个性化的平台设计、平台用户可以轻松快速地寻找他们想要的寄宿家庭,可以实现自动推送功能,实现营销的合理性。本文实验结果发现,平均相对加速从1.9增加到17.7 scoring-oriented算法相比,该算法的执行单一的电脑。执行sort-oriented算法在算法的平均相对加速从1.9增加到18.8。它可以说明本文设计系统的有效性,和软件可以为小队开展个性化营销。
1。介绍
在当前背景下,乡村住宅产业发展和增长,通过对常见的房子在农村社会生态。重建传统文化与新生活和新的思维和创造建筑空间和社区等多种功能的住宿、娱乐和休闲已成为农村振兴的一个重要棋子。当前的信息化水平推荐平台的住宿行业的落后,导致平台推荐的准确率较低,导致用户满意度不足。
基于寄宿家庭消费的经验,分析了发展方向,经营模式,实施差异化策略,消费评价住家,讨论并分析了在运行过程中面临的问题。通过水平和垂直的概念与国内外许多住家,和大规模的经验评估访谈和问卷分析,消费者团体、相关影响因素的寄宿家庭消费经验整理和总结,以便住宿消费合理定位。它提供了理论和实践支持营销策略的改进和操作模式的寄宿家庭,并提供理性的参考解决通用电气Xianshan其他操作实体。
本文的主要创新如下:提出了一种multi-information融合算法。该算法使用了一个分数提高推荐的准确性。第一,未鉴定的成绩在一个单一的分数估计,然后转换成双分数作为额外的数据进行训练和预测。通过实验证明,效率和精度明显提高。
2。相关工作
信息融合技术是近年来提出的时候只有一个计算方法对各种数据的计算困难,容易解决,还有很多研究。李等人提出了一个基于证据理论的聚类集成算法的融合过程。该算法的优势是集群结构信息在一个对象被认为是和它的邻居们用来描述它(1]。苗族等人提出了一种新的方法来提取城市道路从高分辨率(VHR)光学卫星图像使用信息级上融合[2]。Prasath相信数字图像去噪方案基于各向异性偏微分方程(pde)迅速成为计算机视觉问题的不可或缺的工具。他提出了一个融合方法,通过多尺度各向异性扩散去噪图像(3]。本文是基于multi-information融合传感器网络的研究,这将有助于旅游住宿推荐走向智慧和信息化平台,以便更好的完成相关项目的建设和领导住宿家庭的有序、健康发展旅游业。
首先出现在欧洲和美国国家住宿,主要由英国B&B。之后,大多数国家也使用B&B代表住宿,但由于文化差异,一些国家也使用家庭寄宿、FamilyHotel和其他名字表达家庭住宿。洪教授和荣格了多准则张量模型结合时空信息。辅助信息被几个特性和应用到模型中,所以家庭寄宿可以推荐通过结合各种信息(4]。贾殷等人认为有财富的数据举行有关消费者信心在网络平台上,它可以提供洞察消费者提供反馈和如何使用这个反馈预测使用机器学习技术的建议。他设计了一个预测方法的预测建议消费者在旅行和旅游的建议,特别是在航空公司(5]。王旨在建立一个概念和框架,增强客户粘性,提高旅游产品的转换效率从线上到线下平台通过个性化推荐技术的应用6]。通过相关研究,可以发现,家庭旅馆的性能更相关的当地经济,很少参与住宿行业的发展。因此,基于这个原因,本文研究个性化推荐系统是必要的。
3所示。Multi-Information融合和营销策略
3.1。寄宿家庭旅游营销策略
旅游业的蓬勃发展带来了寄宿家庭旅游市场进入一个新时代的智能旅游,这促使寄宿家庭旅游市场将从一个小行业一大产业,从传统产业向现代智能产业。住宿家庭的营销需要社会营销的帮助。社会营销旨在促进社会变革与发展,及其具体内容包含社会概念。因为不同的形式和目的,社会营销活动分为四个阶段,如图1(7,8]。
3.1.1。阶段的认知变化
认知改变通常被视为观众行为改变的最初阶段,也是最重要的阶段。在这个阶段,社会营销活动通常反映在新观念的普及,相关的知识教育,显示的结果类似的行为,等等(9]。
3.1.2。行为改变阶段
行为变化和认知变化之间最大的区别是,目标受众需要支付更少的改变他们的观念,因此更容易实现的结果。及其行为变化可能需要支付一定的经济成本、交通成本和时间成本。它决定了行为改变的难度远远高于简单的认知变化,和实现社会营销在这个阶段是相对较大的阻力。为了促进目标受众的短期行为变化,社会营销理论提出效益补偿措施应该提供给目标受众。然而,过度使用强制性的政策也应该避免,所以,目标受众主动行为变化而非强制地(10]。
3.1.3。阶段,改变习惯
营销理论,行为改变是指一个相对短期的行为,指的是一个长期的固定的行为习惯。这意味着社会营销在这个阶段的主要目标是让目标受众保持前一个阶段的行为改变的方法通过相应的手段,最后形成一个良好的行为习惯。四个阶段的社会营销的目标,改变习惯阶段通常被认为是最困难的实现阶段,这不仅需要长期投资的营销主题,但目标受众也提出了更高的要求。通过一些经济行为可以改变激励,尤其是在农村社会。然而,习惯的改变可能与民俗的冲突已经持续了数千年的在农村。由于这个原因,在中国社会营销的应用程序,如生态环境保护、社区烟草控制,和其他社会运动停滞在这个阶段(11]。
3.1.4。阶段的价值变化
值的变化通常发生的同时形成的习惯。当社会营销促进变化的目标受众的日常习惯,他们的价值观往往相应地改变。一旦目标受众的价值观改变了,相应的行为不会偏离既定的社会营销的目标,即使没有相应的战略动机。社会营销的主要策略适用于这个阶段往往是类似应用于改变习惯的阶段。当目标受众的价值发生变化时,这也意味着社会利益目标追求的社会营销也取得了,也就是说,一个特定的社会概念是真正接受的目标受众(12]。
社会营销理论提出了一套有效应用工具来促进行为改变,如表所示1。
社会营销的理论工具是由五个指标:激励、沟通、规范,承诺,和方便。
3.2。多传感器信息融合
3.2.1之上。信息融合方法
与使用单一传感器收集数据相比,多传感器信息融合数据适用于来自不同传感器的数据和其他外部信息,大大减少了数据的随机性,在这项研究中,相同类型的多个传感器模块同步工作,从而构建一个multi-information融合传感器网络。其中,数据输出的传感模块将输入数据融合中心的同时,和传感模块是相互独立的,不会相互影响,从而大大提高了系统的容错率。当一个特定的传感器数据异常,多传感器融合技术大大降低了系统的总体性能影响造成的异常情况通过减少的重量数据的应用程序。正是由于这个特性,多传感器信息融合已成为国内外的一个研究热点和研究发展迅速,一个成熟的系统。传感器融合通常分为不同融合层次,即数据层融合、特征层融合和决策融合层(13,14]。
数据层融合:原始传感器数据的直接融合。系统的输入是各种类型的传感器数据,和不同类型的数据融合提取更详细的信息。数据层融合的优点是很强的通用性和高成熟理论。缺点是大型计算负担和可怜的实时性能。传感器数据本身的不稳定性和不确定性使容错率不是很高。数据层融合的框图如图2(一个)。
(一)
(b)
(c)
特征层融合后的特征信息融合分析和处理原始传感器信息(15]。与数据层融合相比,一些被丢弃的详细信息和相对重要的信息被保留为后来提供支持决策和判断。特征层融合的优点是,在特征提取后,处理的数据量减少,从而提高系统的实时性能决策。特征层融合的框图如图2 (b)。
决策融合层:决定层融合是基于预设策略如重量,产品,和累加,这样每个模式的特征信息可以保存完好无损。主要方法包括与或方法,加权多数投票方法,贝叶斯决策融合方法和行为知识空间的方法。
三个不同级别的信息融合,数据层融合、特征层融合和决策融合层,有自己的应用背景,优势,劣势。但不管什么层次的信息融合,需要把相关的信息。理论上,数据层融合提供了更细粒度的信息最终结果决心通过保留了大量的原始数据。因此,数据层融合结果的判断具有较高的准确性。决策级融合较少依赖传感器,也就是说,传感器异常和其他干扰较少的影响。因此,决策级融合有更大的灵活性,较强的抗干扰能力和更高的系统容错(16]。
3.2.2。信息融合的结构
系列结构意味着两个传感器的信息融合一次,然后融合结果与下一个传感器的信息融合,等等,直到所有传感器信息融合,如图3(一个)。平行结构融合信息只有在收到信息从传感器,如图3 (b)(17,18]。
(一)
(b)
在图中,C代表一个单一的传感器,Y代表了融合中心,年代代表了融合的结果。
3.2.3。信息融合方法
传感器信息融合方法可以分为以下几类:组合,全面、融合和相关。在这种方法中,选择添加用户的当前旅游需求偏好,也就是说,用户可以选择的重要性和程度对某些功能的重要性。特征选择是一个过程,从最初的选择一些最有效的功能特性来减少数据集的维数,如图4。
组合:将多个传感器组织成一个整体。综合:它结合了部分和属性的分析对象或现象成一个统一的整体。融合:它结合了许多不同类型的传感器。相关:它指的是两个变量之间的关联程度。
3.3。基于多目标优化旅游服务组合方法(MO)
当前旅游业的产业综合服务管理,包括餐饮、购物、住宿、娱乐、交通、休闲等服务。这些服务构成的综合服务管理指标。因此,本文只考虑时间的三个因素(d)、成本(p),服务质量(年代设计目标函数(时)19- - - - - -21]。在时间的限制、成本和服务质量提出的用户,服务组合方案整合运输(T)、住宿(H),餐饮(R)。为了最好的结果,下一层细化了交通、住宿和餐饮、和几个相关subattributes,分别和他们将结合服务,分别。这些属性会更直观地显示在一个表,如表所示2。
总之,最优结果,用户希望获得最短的时间,最低的成本,和最好的服务质量。本文使用优化方法,在约束条件下,一些可选择的变量是最大值,这样选择的目标函数可以是最优的。为了方便起见,本文定义了一个函数d、成本p和服务质量年代分别如下:
(我= 1,2,…n)的参数属性d,p,年代。
因此,其优化目标如下:(1)的时间d是最短的。 在这里,dT由用户在运输所花费的时间,dH用户花费的时间在住宿、dR由用户花费的时间在餐厅,和属性函数f如表所示2。(2)成本p是最低的。 她的e、PT是用户的交通支出,PH是用户的消费住宿、PR是用户的消费食品和属性的函数如表所示2。
最终用户的自定义表达式可以很容易说的线性组合之前用户的数据和个性化的结果通过当前的偏好决定,不失一般性。定制需求的分数由历史数据挖掘在最后根据不同用户的个性化表达不同以前的数据。更大的用户的特定需求的数量通过以前的数据挖掘,用户拥有更多的历史数据。定制需求的分数由当前用户的选择增加用户的过去数据减少。
因此,在这个模型中,两个变量和介绍了。显示重量的大小根据历史数据和获得显示重量的大小获得根据当前用户选择的数据。
最重要的组件的计算算法和 ,然后体重的大小根据计算的值的大小和 。的价值是由当前用户的个性化需求选择程度根据表中列出的属性2,范围是[0,1]。根据的大小和值,重量的计算方法如下:
在这里,变量的重量吗d, 变量的重量吗c,代表的比例的大小 ,它的范围是[0,1],其计算方法如下:
在哪里指的是最大的价值n。
4所示。智慧旅游住宿推荐平台
4.1。介绍了个性化推荐算法
推荐算法主要由三个模块:用户数据模块、推荐算法模块,模块和推荐结果。系统收集用户的个人信息数据和行为数据,算法分析之后,生成推荐结果和推给用户。一个典型的推荐系统体系结构如图5。
推荐系统基于用户数据分析用户首选项。因此,用户数据采集系统的核心,和用户数据可以分为显式和隐式数据。明确的数据通常指系统中的用户主动提交的数据,如系统上提交的个人注册信息和评论。然而,由于隐私问题,一些用户将提供虚假或不正确的信息当注册个人信息。通过这种方式,数据的准确性会降低,基于这些数据的建模和分析将会导致后来的推动效果没有达到预期。所谓的“显式数据”的数据可以直观地反映了用户的偏好和“隐式数据”指的是数据不是很直观的反映用户的偏好。
智能家庭寄宿旅游推荐系统有助于提高平台推荐的准确性,提高用户满意度。该系统可以快速处理复杂的数据通过multi-information融合传感技术和构建成一个有效的模型。整体施工方法采用前端和后端分离模式和高度概括了它的基本组件,它可以通过使用中央图书馆,进口可以减少项目的膨胀和促进传感模块之间的联系的加强。此外,该系统具有较强的安全性和保护从多个维度的稳定服务。
4.2。对智慧旅游住宿推荐平台的需求
中国住宿业的发展经历了很长一段时间。传统的酒店只是无法满足客流旅游高峰期间,尤其是一些著名的旅游景点附近,和住宿已经成为当地旅游服务的配套设施之一。然而,到整个家庭寄宿的商业模式而言,一个完整的工业模式尚未形成。大多数寄宿运营商分散的个体。经营理念也相对落后和业务渠道是有限的。在旅游高峰期,游客常常受欢迎的景点,附近没有房间租金,房东的房间似乎是空的。互联网有很多房间在这个方向。租户可以提前在网上预订合适的住房根据他们的实际需要和旅行计划。房东,还可以充分利用自己的清单。同时充分利用闲置的社会资源,促进社会发展,也给房东带来额外的好处。 The design concept of the platform is mainly to provide suitable family housing for the vast number of traveling tourists. Tourists can choose whole rental or short-term rental according to their actual needs. Reliable plans can be provided in terms of technology and security. After a series of user demand research, the detailed needs of users in this aspect and the expected effect of the platform can be fully understood.
住满在线预订平台的主要功能是实现用户预订房屋的功能平台和房东出版社的平台。为了实现不同的用户有不同的权限,该平台从不同的角色设置和设置系统的两个角色,即房客和房东。功能结构如图6。
4.3。建设智慧的寄宿家庭旅游推荐系统平台
智慧家庭寄宿的建筑环境旅游推荐系统平台如表所示3。
个性化的住宿家庭在线预订平台是基于传统的B / S结构。这种结构的客户主要是浏览器,用户可以完成自己的浏览器上访问操作电脑。B / S结构的系统服务器由WEB服务器和数据库。这个平台的体系结构主要是设计一个三层B / S模式,包括表示层、业务逻辑层和数据层,如图7(一)。
(一)
(b)
系统逻辑上分为前端浏览器,后端服务器和数据库。系统的物理结构设计如图7 (b)。
房地产的主要功能推荐个性化推荐模块是为租户个性化推荐的住房在选择住房时,供参考,以便用户可以迅速找到适合他们的住房。与此同时,它也增加了接触尽可能多的优良性能。系统推荐的对象分为两类:一是新用户首次登录平台的用户,另一个是旧的。对于不同的推荐对象,不同的推荐采用监测。具体设计见图8。
用户第一次登录,系统没有基本的用户数据信息。此时,推荐算法不能推荐房子对他们很好,推荐系统可以选择一些流行的房屋。老用户的系统,他们有一定的数据基础。基于用户信息和历史数据,系统可以计算并推荐属性适合他们根据协同过滤推荐算法。
4.4。智慧旅游住宿推荐平台的性能
系统的性能测试主要测试安全、响应时间和系统的兼容性。性能测试如表所示4。
在这一节中,本文将评估性能(即执行时间)通过分布式算法的框架基于Hadoop MapReduce的平台。摘要D算法的两种实现,运行scoring-oriented ranking-oriented。数据集ML-1M并使用不同数量的电脑(1、2、4、8、16和32)。
图9显示了执行时间的算法和相应的相对加速度。从实验结果可以看出,本文算法的分布式体系结构基于MapReduce导致显著的加速算法。平均相对加速增加从1.9到17.7 scoring-oriented执行我们的算法相对于一台计算机。执行sort-oriented算法在我们的算法,平均相对加速增加从1.9到18.8。
(一)
(b)
sorting-oriented协作过滤,一种广泛使用的测试方法是规范化折扣累积获得(NDCG)标准,这是受欢迎的评估文档排序结果的信息检索。在协同过滤的背景下,用户可以指定的产品评级自然作为等级相关判断。具体来说,NDCG指标评估n固定产品的排序列表。让U是用户和组由用户评级分配u到p -产品分类产品列表的用户u的意思是相对于第n个NDCG所有用户的位置U定义如下:
NDCG的价值是在[0,1]和更高的价值意味着更好的分类效果,NDCG敏感的得分排名最高的产品。这是折现系数建模的日志(1 +p)提高排名的位置,这是一个非常理想的房地产评估排名推荐系统。网页搜索一样,因为大多数用户只看前几个产品的推荐名单,和顶部产品比其他的更重要。
图10显示NDCG指标下的性能比较。它可以清楚地看到从图相比,我们的算法优于所有的算法。数据集是毫升- 100 k时,本文算法的性能在NDCG@3-5是最好的。在NDCG@1-2,性能波动,但是远远高于SVM算法。当ML-1M数据集时,我们的算法的性能在NDCG@2-5是最高的。在NDCG@1,也远高于SVM算法。
(一)
(b)
5。结论
本文首先分析了个性化系统的要求,主要介绍了传统的推荐方法的缺陷所提供的当前网站和使用本文中的算法的必要性的建议。其次,介绍了系统的体系结构。然后,详细介绍了系统数据库,包括用户信息数据和酒店信息数据。此外,系统的功能设计和功能实现过程,并给出函数结果图。最后,系统的功能和性能进行了测试。由于时间和精力的限制,本文还存在一些不足,还需要进一步的努力在未来的学习和生活。(1)数据源、数据摘要携程的历史数据。这个数据缺乏实时性能和最新的酒店评价数据。在未来,携程网站应该捕获数据实时的基于扩展的总量数据以改进建议的准确性。(2)由于时间有限,酒店没有测试和推荐算法所使用的许多游客。 Therefore, special problems may be encountered during the actual recommendation process. In the future work, it is necessary to combine the practical application of the algorithm to continuously optimize the algorithm.
数据可用性
没有数据被用来支持本研究。
的利益冲突
作者宣称没有利益冲突。