技术领域本发明涉及互联网的特别是计算机网络旅游信息服务数据处理领域，特别是“互联网+旅游”环境下支持O2O应用的商品推荐方法。
背景技术：
近年来，随着社会的进步和人们生活水平的提高，旅游正成为一种越来越流行的消遣方式。然而当人们到达一个景点，面对形形色色、多种多样的商品，游客很难知道自己真正需要的商品，甚至有很多人在选择商品时被欺骗。因此，基于移动app的旅游景点的商品推荐正好可以帮助游客找到自己可能需要的商品，参考以往的商品购买和评价也可以极大降低自己被骗的概率。另一方面，对于景点而言，也可以提高自己的整体利润。综上所述，研究基于移动app的旅游景点的商品推荐方法成了一件非常有意义的事情。旅游景点的商品推荐方法属于典型的推荐系统问题，却也有很大不同。对于一个客户，面对数量巨大的物品集合，如何快速地找到自己感兴趣的物品就成了一个问题，推荐系统的出现正是要解决这个问题。比如电影网站采用电影推荐系统给用户推荐可能喜欢的电影，购物网站采用商品推荐系统给客户推荐很可能想买的商品。推荐系统就是通过已有的选择过程或相似性关系挖掘每个用户潜在的感兴趣的对象，进而进行个性化推荐。归纳起来，根据推荐算法的不同，目前推荐系统可以分为以下几类：基于内容的推荐系统、协同过滤推荐系统、基于网络结构的推荐系统和混合推荐系统。基于内容的推荐系统的核心思想是分别对用户和物品建立配置文件，通过分析已经购买或者浏览过的内容，建立或更新用户的配置文件，系统可以比较用户与产品配置文件的相似度，并直接向用户推荐与其配置文件最相似的产品。协同过滤推荐系统核心思想是利用用户的历史信息计算用户之间的相似性和利用与目标用户相似性较高的邻居对其他产品的评价来预测目标用户对特定产品的喜好程度并进行推荐。基于网络结构的推荐系统的核心思想是不考虑用户和产品的内容特性，而仅仅把他们看作抽象的节点，所有算法利用的信息都隐藏在用户和产品的选择关系之中。混合推荐系统的核心思想是结合上述推荐系统的优缺点，来扬长避短。目前有许多针对不同领域的商品推荐方法已经取得了一些成果。中国专利《一种产品信息的推荐方法及系统》，申请号：201010273633.1，授权公告号102385601A公开了一种产品信息的推荐方法及系统，该方法仅仅根据本用户历史记录进行商品推荐，没有使用相似用户的喜好数据进行推荐。中国专利《一种基于关键字的电子商务网站商品推荐方法》，申请号：201210050057.3，授权公告号102629257A公开了一种基于关键字的电子商务网站商品推荐方法，该方法仅仅根据本用户历史记录进行商品推荐，没有对商品的推荐顺序进行数据处理，也没有考虑商品之间销售的数据相互影响关系。但是，基于景点的商品推荐系统由于每次可推荐的商品集合会随着游客到达的地点而变化，而不是整个推荐系统的商品集合只有一个。另一方面，考虑到商品之间可能存在着多个商品被一起购买的倾向，将这几个商品放在一起很可能会提高游客的购买欲，而这两个方面正是上述各种推荐系统不用考虑的因素。因此现有的推荐系统并不能直接应用于基于景点的商品推荐。
技术实现要素：
发明目的：本发明主要针对基于景点的商品推荐，弥补现有物品推荐算法在此适用背景下的不足，提供一种“互联网+旅游”环境下支持O2O(OnlineToOffline，线上到线下)应用的商品推荐方法。为了解决上述技术问题，本发明公开了“互联网+旅游”环境下支持O2O应用的商品推荐方法，包括以下步骤：步骤1，根据游客选择的即将游览的景点，通过景点查询数据库获取本景点可购买的所有商品，并对各商品按照点击转化率和历史销售量进行推荐权重初始化；步骤2，查询该游客以往的浏览、购买、收藏以及不喜欢的商品记录，使用基于内容的推荐算法更新本景点所有商品的推荐权重；步骤3，采用基于用户的协同过滤推荐算法更新商品推荐权重，即先使用k邻近算法，寻找与该游客相似的用户，然后根据这些用户的喜好更新本景点所有商品的推荐权重；步骤4，对本景点的所有商品按照推荐权重从高到低进行堆排序，选出推荐权重最高的一定数量的商品形成临时推荐商品列表；步骤5，查询本景点的不同商品同时被同一用户购买的记录，采用Apriori频繁项集挖掘算法，计算出可能被一起购买的商品集合；步骤6，将临时推荐商品列表分成数量相等的两部分，按商品推荐权重从高到低遍历临时推荐商品列表，对于每个商品，如果它的可能一起被购买的商品不在临时推荐商品列表的前半部分中，则将该可能一起被购买的商品调整到临时推荐商品列表的前半部分，最后将临时推荐商品列表的前半部分作为最终的推荐商品列表。本发明中，游客到达某一个特定的景点时，可推荐的商品集合就随之确定，步骤1中，所有商品的集合ItemSet表示为ItemSet＝{item1，item2，…，itemi，…，itemn