本发明涉及数据处理技术领域，更具体地，涉及一种基于季节特征和位置特征的乡村旅游推荐方法与系统。
背景技术：
乡村旅游是以旅游度假为宗旨，村庄野外为空间，人文无干扰、生态无破坏、游居和野行为特色的村野旅游形式。随着乡村旅游的迅速发展，近年来围绕乡村旅游提出更多原创性新概念和新理论，如：游居、野行、居游、诗意栖居、轻建设、场景时代等，新概念和新理论的提出使乡村旅游的内容更丰富，形式更多元。
乡村旅游内容的丰富化和形式的多元化，使游客在选择景点时会因为选项过多而产生选择障碍。在著名景点旅游和城镇旅游中，景点推荐技术已经得到显著的效果。但是，乡村旅游在特征上有区别于城镇旅游的显著特征，如，受季节影响较大、地理位置较偏僻、流动人口稀少等。
因此，直接将用于著名景点旅游和城镇旅游的推荐技术应用到乡村旅游，会受乡村旅游自身特性的限制，达不到期望的效果，影响用户体验。
技术实现要素：
为了克服上述问题或者至少部分地解决上述问题，本发明提供一种基于季节特征和位置特征的乡村旅游推荐方法与系统，用以更合理的进行乡村旅游景点推荐，有效改善景点推荐效果和用户体验。
一方面，本发明提供一种基于季节特征和位置特征的乡村旅游推荐方法，包括：S1，基于各景点的历史用户评价，提取用户评价时间，并基于所述用户评价时间，提取季节特征；S2，根据各所述景点的名称和位置信息，获取各所述景点的经纬度信息，并通过将所述经纬度信息映射到对应标签块，构建各所述景点的地理空间位置特征；S3，根据所述用户评价时间、所述季节特征和所述地理空间位置特征，构成特征向量，并以所述历史用户评价中的用户评分记录作为标签；S4，基于所述特征向量和所述标签，利用预先建立的因子分解机算法模型，估计用户对各所述景点的预测评分，并基于所述预测评分生成景点推荐策略。
其中，步骤S1中所述用户评价时间具体为包含月份信息的String类型的字符串；相应的，步骤S1中所述基于所述用户评价时间，提取季节特征的步骤进一步包括：利用JAVA开发环境中的String.substring()函数，提取所述用户评价时间中的所述月份信息，并根据所述月份信息提取所述季节特征。
其中，所述根据所述月份信息提取所述季节特征的步骤进一步包括：提取所述月份信息作为所述季节特征，并对不同的所述季节特征分别用1、2、3、4、5、6、7、8、9、10、11、12进行标记。
其中，步骤S2中所述根据各所述景点的名称和位置信息，获取各所述景点的经纬度信息的步骤进一步包括：根据所述名称和位置信息，合成各所述景点的详细位置描述；利用接口技术调用通用地图接口API，并基于所述详细位置描述，利用所述通用地图接口API返回所述经纬度信息。
其中，所述详细位置描述的格式进一步包括：省+市+县/区+乡/镇+村+景区名+景点名称。
其中，所述经纬度信息包括经度坐标信息和纬度坐标信息，相应的，步骤S2中所述通过将所述经纬度信息映射到对应标签块，构建各所述景点的地理空间位置特征的步骤进一步包括：确定设定步长，并分别计算在所述设定步长下的每经度距离和每纬度距离；基于所述设定步长、所述每经度距离和每纬度距离，计算同一纬度上的经度步长以及同一经度上的纬度步长；基于所述同一纬度上的经度步长，计算经度方向上所述标签块的最大块数K；基于所述同一纬度上的经度步长，计算各所述景点在经度方向上的经度坐标x，并基于所述同一经度上的纬度步长，计算各所述景点在纬度方向上的纬度坐标y；基于所述经度坐标x、所述纬度坐标y和所述标签块的最大块数K，根据下式将各所述景点的经纬度信息映射到对应的标签块：
blockNumber＝y*K+x；
式中，blockNumber表示标签块标号。
其中，步骤S4中所述因子分解机算法模型进一步具体为二阶因子分解机模型，且模型函数如下：
式中，表示评分标签，ω0表示整体偏置，ωi表示xi的偏置量，V表示分解矩阵，x表示特征向量。
其中，步骤S4中所述基于所述预测评分生成景点推荐策略的步骤进一步包括：对所述预测评分进行排序，并根据排序结果按评分由高到低的顺序向用户推荐对应景点。
进一步的，所述方法还包括：将乡村旅游所涉及的地区定义成一个封闭区域，所述封闭区域的边界为所述涉及的地区的最小经度值、最大经度值、最小纬度值和最大纬度值。
另一方面，本发明提供一种基于季节特征和位置特征的乡村旅游推荐系统，包括：第一特征提取模块，用于基于各景点的历史用户评价，提取用户评价时间，并基于所述用户评价时间，提取季节特征；第二特征提取模块，用于根据各所述景点的名称和位置信息，获取各所述景点的经纬度信息，并通过将所述经纬度信息映射到对应标签块，构建各所述景点的地理空间位置特征；特征向量构建模块，用于根据所述用户评价时间、所述季节特征和所述地理空间位置特征，构成特征向量，并以所述历史用户评价中的用户评分记录作为标签；决策模块，用于基于所述特征向量和所述标签，利用预先建立的因子分解机算法模型，估计用户对各所述景点的预测评分，并基于所述预测评分生成景点推荐策略
本发明提供的一种基于季节特征和位置特征的乡村旅游推荐方法与系统，通过考虑季节因素和景点位置因素，利用因子分解机预测用户对各景点的预测评分，并根据预测评分决策景点推荐策略，能够更合理的进行乡村旅游景点推荐，从而有效改善景点推荐效果和用户体验。
附图说明
图1为本发明实施例一种基于季节特征和位置特征的乡村旅游推荐方法的流程图；
图2为根据本发明实施例一种基于季节特征和位置特征的乡村旅游推荐方法中定义的封闭区域的示意图；
图3为本发明实施例一种基于季节特征和位置特征的乡村旅游推荐系统的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。
作为本发明实施例的一个方面，本实施例提供一种基于季节特征和位置特征的乡村旅游推荐方法，参考图1，为本发明实施例一种基于季节特征和位置特征的乡村旅游推荐方法的流程图，包括：
S1，基于各景点的历史用户评价，提取用户评价时间，并基于所述用户评价时间，提取季节特征；
S2，根据各所述景点的名称和位置信息，获取各所述景点的经纬度信息，并通过将所述经纬度信息映射到对应标签块，构建各所述景点的地理空间位置特征；
S3，根据所述用户评价时间、所述季节特征和所述地理空间位置特征，构成特征向量，并以所述历史用户评价中的用户评分记录作为标签；
S4，基于所述特征向量和所述标签，利用预先建立的因子分解机算法模型，估计用户对各所述景点的预测评分，并基于所述预测评分生成景点推荐策略。
可以理解为，考虑到乡村旅游在特征上有区别于城镇旅游的显著特性，如：季节特性，体现在乡村景致通常与自然环境风貌相关，而自然环境风貌又随季节变迁发生周期性变化，在相应的季节才能欣赏到相应的景致，从而不同季节吸引游客的能力也不尽相同，因此乡村旅游受季节影响较大。
另一方面，由于地球的自转、公转规律，不同地理位置处的景致不尽相同，而且不同地区通常具有不同的人文环境，乡村旅游还呈现出地域的差别，体现为不同的地理位置特性。以往乡村旅游研究显示，距离城镇20-100km是乡村旅游频繁发生区域。因此，直接将城镇旅游推荐技术应用于乡村旅游推荐是达不到最优效果的。
本实施例结合乡村旅游自身的典型特性，提取相应的特征数据，并利用因子分解机算法模型对提取的特征数据进行处理，最终获取相应的推荐策略，以便根据该推荐测量向对应用户推荐相应的景点。
具体在步骤S1中，由于事先并不清楚一年中的什么时间最适合到某个景点去观赏旅行，也不清楚每年的某个时间该景点是什么样的景致，因此无法确定最优的旅游时间和地点。针对这个问题，步骤S1中获取某个地区已知的所有景点，并从大数据中获取历史时间内用户对这些景点的评价信息，即历史用户评价。
针对每条用户评价，都有对应的评价时间和实质的评价内容，还可以包括评分记录。本步骤从获取的历史用户评价的信息中提取用户评价时间的信息，并根据该用户评价时间，通过一定的处理算法，得到对应的特征元素，并根据所有特征元素提取季节特征。
基于上述说明，本实施例在考虑季节特性的同时还考虑景点的地理空间位置特性，因此在步骤S2中，根据上述获取的该地区内所有景点，可以获取这些景点的名称以及位置描述信息，然后结合景点的位置描述信息和名称确定对应景点详细经纬度信息。
之后，根据应用需求设定步长，并根据该设定步长将各个景点对应的详细经纬度信息对应到对应的标签块。结合获取的季节特征，利用标签块信息提取一个对应的地理空间位置特征。
其中，在一个实施例中，所述方法还包括：将乡村旅游所涉及的地区定义成一个封闭区域，所述封闭区域的边界为所述涉及的地区的最小经度值、最大经度值、最小纬度值和最大纬度值。
可以理解为，参考图2，为根据本发明实施例一种基于季节特征和位置特征的乡村旅游推荐方法中定义的封闭区域的示意图。图中以经纬度信息圈定一个封闭区域，作为本实施例所涉及的地区，将对该区域中所有的乡村旅游景点进行处理。在划定区域范围时，在南北向上限定一个最小纬度坐标和一个最大纬度坐标，在东西方向上限定一个最小经度坐标，一个最大经度坐标。则在四个限定值所限定的区域内选择景点进行推荐处理。
在步骤S3中，将上述步骤获取的用户评价时间、季节特征和地理空间位置特征进行合并。合并之后得到一个用户与景点间的关联关系特征向量，即反应用户会不会选择各景点的关联向量。同时，将上述的历史用户评价中的用户评分记录做成对应的多个不同标签。
在步骤S4中，以根据上述步骤获取的季节特征和地理空间位置特征为因子分解机的因子，利用因子分解机算法模型对特征向量进行因子分解，得到用户对各个景点的预测评分。然后根据对各景点的预测评分，按给定规则，生成对应的景点推荐策略。
本发明实施例提供的一种基于季节特征和位置特征的乡村旅游推荐方法，通过考虑季节因素和景点位置因素，利用因子分解机预测用户对各景点的预测评分，并根据预测评分决策景点推荐策略，能够更合理的进行乡村旅游景点推荐，从而有效改善景点推荐效果和用户体验。
其中可选的，步骤S1中所述用户评价时间具体为包含月份信息的String类型的字符串；
相应的，步骤S1中所述基于所述用户评价时间，提取季节特征的步骤进一步包括：
利用JAVA开发环境中的String.substring()函数，提取所述用户评价时间中的所述月份信息，并根据所述月份信息提取所述季节特征。
可以理解为，本实施例采用JAVA开发平台开发景点推荐系统。首先根据用户以往的评价信息，即历史用户评价，提取出评价时间。时间用一个String类型的字符串表示，且该字符串中包含有月份信息。在一个实施例中，用户评价时间的格式为“年-月-日-时-分-秒”。
然后，利用JAVA开发环境中的String.substring()函数，从上述用户评价时间中提取月份信息，并以提取的月份信息作为季节特征构建季节特征向量。
其中，所述根据所述月份信息提取所述季节特征的步骤进一步包括：提取所述月份信息作为所述季节特征，并对不同的所述季节特征分别用1、2、3、4、5、6、7、8、9、10、11、12进行标记。即根据上述实施例将季节特征分为12个季，并分别用1、2、...、12的自然数据进行标记。
其中可选的，步骤S2中所述根据各所述景点的名称和位置信息，获取各所述景点的经纬度信息的步骤进一步包括：
根据所述名称和位置信息，合成各所述景点的详细位置描述；
利用接口技术调用通用地图接口API，并基于所述详细位置描述，利用所述通用地图接口API返回所述经纬度信息。
可以理解为，本实施例首先根据信息合成算法，将同一景点对应的名称信息和位置描述信息进行合并，生成该景点的详细位置描述。其中，在一个实施例中，所述详细位置描述的格式进一步包括：省+市+县/区+乡/镇+村+景区名+景点名称。
然后，利用JavaScript技术调用通用地图接口API，将详细位置描述传送给通用地图接口API。并且，利用通用地图接口API根据详细信息描述进行处理，返回景点的经纬度信息。其中，通用地图接口API如，百度地图、谷歌地图和高德地图等，
其中可选的，所述经纬度信息包括经度坐标信息和纬度坐标信息，相应的，步骤S2中所述通过将所述经纬度信息映射到对应标签块，构建各所述景点的地理空间位置特征的步骤进一步包括：
确定设定步长，并分别计算在所述设定步长下的每经度距离和每纬度距离；
基于所述设定步长、所述每经度距离和每纬度距离，计算同一纬度上的经度步长以及同一经度上的纬度步长；
基于所述同一纬度上的经度步长，计算经度方向上所述标签块的最大块数K；
基于所述同一纬度上的经度步长，计算各所述景点在经度方向上的经度坐标x，并基于所述同一经度上的纬度步长，计算各所述景点在纬度方向上的纬度坐标y；
基于所述经度坐标x、所述纬度坐标y和所述标签块的最大块数K，根据下式将各所述景点的经纬度信息映射到对应的标签块：
blockNumber＝y*K+x；
式中，blockNumber表示标签块标号。
其中，上述算法的假设前提是：地球是个椭球体，地球的赤道半径为R1，地球的极半径为R2。因此，利用计算机思想进行的具体算法过程如表1所示，为根据本发明实施例一种基于季节特征和位置特征的乡村旅游推荐方法中标签块标号的获取实现。
表1，本发明实施例中标签块标号的获取实现
在表1中，lat表示纬度，lng表示经度，dot(lng,lat)表示由纬度和经度表示的地理空间位置点，maxLng和minLng分别表示最大经度和最小经度，maxLat和minLat分别表示最大纬度和最小纬度，perLng和perLat分别表示在设定步长下的每经度距离和每纬度距离，stepSize表示设定步长，stepSizeLng和stepSizeLat分别表示同一纬度上的经度步长和同一经度上的纬度步长，blockNumber表示标签块标号。
其中的每经度距离表示每单位经度(单位：度)对应的球面距离(单位：km)。同样的，每纬度距离表示每单位纬度(单位：度)对应的球面距离(单位：km)。同一纬度上的经度步长和同一经度上的纬度步长分别表示在设定步长下用经度表示的步长和用纬度表示的步长。
在根据上述实施例将景点的经纬度信息映射到对应标签块时，可按上述处理流程进行对应变换。
其中可选的，步骤S4中所述因子分解机算法模型进一步具体为二阶因子分解机模型，且模型函数如下：
式中，表示评分标签，ω0表示整体偏置，ωi表示xi的偏置量，V表示分解矩阵，x表示特征向量。
可以理解为，对于根据上述实施例获取的特征向量，利用上述二阶因子分解机模型进行内部数据运算，由模型输出估计的预测评分。
其中可选的，步骤S4中所述基于所述预测评分生成景点推荐策略的步骤进一步包括：对所述预测评分进行排序，并根据排序结果按评分由高到低的顺序向用户推荐对应景点。
可以理解为，在根据上述实施例对该地区内所有景点进行预测评分之后，按照评分的高低对各景点进行排序。然后按排序中由高到低的顺序，选择前面的几个分别对应的景点推荐给客户。并在用户不接受推荐时，迭代更新排序的指针，按排序中在后的景点推荐给用户。例如，从排序中选取评分最高的几个，如前三个，推送给客户。当客户选择忽略推送时，向用户推荐排序中第4～6个，若用户继续选择忽略，则推荐排序中的7～9个，如此迭代循环直至推荐成功。
作为本发明实施例的另一个方面，本实施例提供一种基于季节特征和位置特征的乡村旅游推荐系统，参考图3，为本发明实施例一种基于季节特征和位置特征的乡村旅游推荐系统的结构示意图，包括：第一特征提取模块1、第二特征提取模块2、特征向量构建模块3和决策模块4。其中，
第一特征提取模块1用于基于各景点的历史用户评价，提取用户评价时间，并基于所述用户评价时间，提取季节特征；
第二特征提取模块2用于根据各所述景点的名称和位置信息，获取各所述景点的经纬度信息，并通过将所述经纬度信息映射到对应标签块，构建各所述景点的地理空间位置特征；
特征向量构建模块3用于根据所述用户评价时间、所述季节特征和所述地理空间位置特征，构成特征向量，并以所述历史用户评价中的用户评分记录作为标签；
决策模块4用于基于所述特征向量和所述标签，利用预先建立的因子分解机算法模型，估计用户对各所述景点的预测评分，并基于所述预测评分生成景点推荐策略。
可以理解为，考虑到乡村旅游在特征上有区别于城镇旅游的显著特性，如：季节特性，体现在乡村景致通常与自然环境风貌相关，而自然环境风貌又随季节变迁发生周期性变化，在相应的季节才能欣赏到相应的景致，从而不同季节吸引游客的能力也不尽相同，因此乡村旅游受季节影响较大。
另一方面，由于地球的自转、公转规律，不同地理位置处的景致不尽相同，而且不同地区通常具有不同的人文环境，乡村旅游还呈现出地域的差别，体现为不同的地理位置特性。以往乡村旅游研究显示，距离城镇20-100km是乡村旅游频繁发生区域。因此，直接将城镇旅游推荐技术应用于乡村旅游推荐是达不到最优效果的。
本实施例在推荐系统中设置上述处理模块，以结合乡村旅游自身的典型特性，提取相应的特征数据，并利用因子分解机算法模型对提取的特征数据进行处理，最终获取相应的推荐策略，以便根据该推荐测量向对应用户推荐相应的景点。
其中，第一特征提取模块1具体用来获取某个地区已知的所有景点，并从大数据中获取历史时间内用户对这些景点的评价信息，即历史用户评价。
同时，针对每条用户评价，都有对应的评价时间和实质的评价内容，还可以包括评分记录。第一特征提取模块1从获取的历史用户评价的信息中提取用户评价时间的信息，并根据该用户评价时间，通过一定的处理算法，得到对应的特征元素，并根据所有特征元素提取季节特征。
第二特征提取模块2根据上述获取的该地区内所有景点，可以获取这些景点的名称以及位置描述信息，然后结合景点的位置描述信息和名称确定对应景点详细经纬度信息。
之后，第二特征提取模块2根据应用需求设定步长，并根据该设定步长将各个景点对应的详细经纬度信息对应到对应的标签块。结合获取的季节特征，第二特征提取模块2利用标签块信息提取出各景点的地理空间位置特征。
特征向量构建模块3将根据以上功能模块获取的用户评价时间、季节特征和地理空间位置特征进行合并。合并之后得到一个用户与景点间的关联关系特征向量，即反应用户会不会选择各景点的向量。同时，特征向量构建模块3将上述的历史用户评价中的用户评分记录做成对应的多个不同标签。
决策模块4以利用上述功能模块获取的季节特征和位置特征为因子分解机的因子，利用因子分解机算法模型对特征向量进行因子分解，得到用户对各个景点的预测评分。然后决策模块4根据对各景点的预测评分，按给定规则，生成对应的景点推荐策略。
本发明实施例提供的一种基于季节特征和位置特征的乡村旅游推荐系统，通过在系统中设置对应的功能模块，同时考虑季节因素和景点位置因素，利用因子分解机预测用户对各景点的预测评分，并根据预测评分决策景点推荐策略，能够更合理的进行乡村旅游景点推荐，从而有效改善景点推荐效果和用户体验。
另外，本领域内的技术人员应当理解的是，在本发明的申请文件中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本发明的说明书中，说明了大量具体细节。然而应当理解的是，本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中，并未详细示出公知的方法、结构和技术，以便不模糊对本说明书的理解。类似地，应当理解，为了精简本发明公开并帮助理解各个发明方面中的一个或多个，在上面对本发明的示例性实施例的描述中，本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。
然而，并不应将该公开的方法解释呈反映如下意图：即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说，如权利要求书所反映的那样，发明方面在于少于前面公开的单个实施例的所有特征。因此，遵循具体实施方式的权利要求书由此明确地并入该具体实施方式，其中每个权利要求本身都作为本发明的单独实施例。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。