一种基于智慧文旅大数据的分析系统的制作方法

本发明涉及数据处理，具体为一种基于智慧文旅大数据的分析系统。

背景技术：

1、智慧旅游作为一种新兴的旅游发展理念，其本质就是满足游客多元化的信息需求和体验需求，通过智慧旅游，游客可以更容易地获取关于旅游目的地、交通、住宿、美食各个方面的信息，有助于做出更明智的决策，通过收集和分析大量的旅游数据，如游客偏好、流动趋势、消费行为，帮助旅游从业者更好地理解市场需求，优化产品和服务。

2、基于智慧文旅大数据的分析系统是一种结合智慧旅游理念和大数据分析技术的系统，旨在收集、整理、分析文化旅游领域的大量数据，以帮助决策者、从业者和管理者更好地了解市场趋势、游客需求，优化资源配置，改进服务品质，从而推动文化旅游产业的发展和提升。

3、然而目前的文旅分析系统无法进行复杂的图像识别，难以自动识别用户上传图片中的地标和景点，看到想去的景点照片还要在网上搜索，降低用户的体验度，此外现有文旅分析系统的标签管理由系统设定的预设输入，无法满足用户个性化的分类和兴趣点需求，而少有的可以用户自行标注的标签系统无法由系统进行二次分类，这就导致了用户手动标签无效，因此亟需一种可以识别客户上传图片同时可根据客户标签进行二次分类的文旅分析系统来解决此类问题。

技术实现思路

1、(一)解决的技术问题

2、针对现有技术的不足，本发明提供了一种基于智慧文旅大数据的分析系统，解决现有技术中存在的难以自动识别用户上传图片中的地标和景点，标签管理由系统设定的手动输入，无法满足用户个性化的分类和兴趣点需求的问题。

3、(二)技术方案

4、为实现以上目的，本发明通过以下技术方案予以实现，本发明提供了一种基于智慧文旅大数据的分析系统，包括：

5、数据采集与存储模块，包括云数据库，收集来自移动应用、网站、社交媒体渠道的文旅数据，包括游客历史行程、上传的图片、用户手动分类，将其存储在云数据库；

6、图像识别模块，利用深度学习模型进行图像识别，将用户上传的图片中的地标、景点进行识别，生成地点标签，并将标签与地理数据关联；

7、用户分类与标签管理模块，包括数据库，允许用户手动创建、编辑和管理自己的分类和标签，将用户上传的图片与手动创建的分类和标签关联，并进行标签交叉分析；

8、系统自动分类与多维度分析模块，基于用户历史数据，预测用户的分类和兴趣点，根据用户手动和系统自动的分类和标签，进行多维度分析和个性化推荐。

9、本发明进一步地设置为：所述数据采集与存储模块中，在移动应用、网站、社交媒体渠道中设置数据采集点，将用户的文旅数据收集到云数据库；

10、采用api数据传输方法，将数据传输到云数据库中的相应数据表；

11、本发明进一步地设置为：所述图像识别模块中，训练图像识别模型选用的卷积神经网络cnn架构包括vgg、resnet和mobilenet；

12、准备图像数据集，包括图像和对应的标签；

13、使用训练数据集训练图像识别模型；

14、在训练好的cnn模型中，通过截取卷积层的输出获取其中一层的特征表示作为图像特征向量；

15、采用余弦相似度计算图像特征向量与每个手动创建的分类和标签之间的关联度；

16、设置关联度阈值，每张图像都找到与关联度阈值关联度最高的标签；

17、余弦相似度公式：

18、其中x和y分别是图像特征向量和标签向量，·表示向量的点积，||x||表示向量的范数；

19、本发明进一步地设置为：所述用户分类与标签管理模块中，允许用户手动创建、编辑和管理自己的分类和标签，根据自己的旅游经历和喜好；

20、用户分类与标签管理步骤包括：

21、设计开发用户界面，包括登录页面和个人设置界面同时在后端实现用户认证，以验证用户身份；

22、在数据库中设计分类和标签的数据结构，建立关联关系；

23、创建分类和添加标签的功能，允许用户输入分类名称和标签名称；

24、将用户创建的分类和标签存储到数据库中；

25、在界面中显示已创建的分类和标签列表，允许用户进行编辑、删除和重新组织操作；

26、框架采用标签交叉分析，采用apriori算法；

27、将用户手动创建的标签序列作为输入数据；

28、使用apriori算法分析标签之间的频繁项集和关联规则；

29、根据关联规则，发现标签之间的关联性；

30、本发明进一步地设置为：所述采用apriori算法实施标签交叉分析发现标签之间的关联性步骤包括：

31、收集用户手动创建的标签序列数据，该序列表示用户在不同分类下的标签；

32、采用递归方法，生成频繁1项集即单个标签的组合，然后逐步生成大频繁项集；

33、基于频繁项集，生成关联规则；

34、设定阈值，筛选出具有置信度和支持度的关联规则；

35、根据选择的关联规则，分析标签之间的关联性，找出用户在不同分类下可能的偏好和兴趣点；

36、本发明进一步地设置为：所述支持度计算公式：

37、

38、其中x表示项目集，xnumber oftransactions containingx表示项目集x的交易数量，total number oftransactions表示总交易数量；

39、置信度计算公式：

40、其中confidence(x->y)表示在条件x下出现结果y的置信度；

41、设定最小支持度和最小置信度阈值：生成频繁1项集，计算支持度；

42、基于频繁1项集，生成候选2项集，计算支持度；

43、逐步生成大候选项集，直至无法生成更多项集为止；

44、根据最小置信度阈值，筛选出满足条件的关联规则；

45、本发明进一步地设置为：所述多维度分析和个性化推荐步骤包括：

46、从历史数据中提取有意义的特征，包括用户的地点偏好、标签偏好；

47、采用tf-idf表示用户的兴趣点和标签，tf-idf公式：

48、tf-idf(t,d)＝tf(t,d)*idf(t)，其中tf(t,d)表示词项t在文档d中的频率，idf(t)表示逆文档频率；

49、采用k-means算法对用户进行聚类，将用户划分为不同的分类；

50、使用内容推荐算法，根据用户的特征向量和推荐对象的特征向量计算相似度，然后推荐相似度较高的对象。将用户的历史分类、标签、图像识别结果作为输入，为用户生成个性化推荐。

51、(三)有益效果

52、本发明提供了一种基于智慧文旅大数据的分析系统。具备以下有益效果：

53、本发明所提供的基于智慧文旅大数据的分析系统能够从移动应用、网站和社交媒体多渠道收集文旅数据，包括游客历史行程、上传的图片和用户手动分类，能够更全面地获取用户行为和兴趣信息，通过使用深度学习模型，系统自动识别用户上传图片中的地标和景点，并生成相应的地点标签，同时用户可以手动创建、编辑和管理自己的分类和标签，参与度更高，采用apriori算法来发现不同标签之间的关联性，有效揭示用户兴趣点之间的联系，为个性化推荐提供更多线索，最后基于用户历史数据，对用户可能的分类和兴趣点进行预测，使用机器学习算法进行图像识别和地点标签生成，实现多维度分析和个性化推荐。

54、综上，本发明所提的基于智慧文旅大数据的分析系统通过深度学习模型实现图像识别，能够准确提取图像中的信息，生成地点标签，进一步丰富了数据内容，允许用户自主创建、编辑和管理分类和标签，从而更好地反映个人喜好，提供更准确的个性化推荐，采用标签交叉分析和机器学习算法，实现多维度分析，可以更深入地分析用户的行为和偏好，提供更具深度的推荐结果，结合用户历史数据、图像识别结果和标签管理，通过机器学习算法生成更精准的个性化推荐，进一步提高推荐的准确性和针对性，提供更贴近用户实际需求的旅游服务，提升了用户的体验和满意度。

55、解决了现有技术中存在的难以自动识别用户上传图片中的地标和景点，标签管理由系统设定的手动输入，无法满足用户个性化的分类和兴趣点需求的问题。