一种基于互联网数据分析的旅游地智能推荐系统的制作方法

本发明涉及旅游地智能推荐，具体为一种基于互联网数据分析的旅游地智能推荐系统。

背景技术：

1、旅是旅行，外出，即为了实现某一目的而在空间上从甲地到乙地的行进过程；游是外出游览、观光、娱乐，即为达到这些目的所作的旅行；二者结合起来即旅游。所以，旅行偏重于行，旅游不但有行，且有观光、娱乐含义。

2、但是在现有技术中，用户在出行前不能够根据互联网数据分析进行旅游地智能推荐，无法根据旅游地历史旅游数据进行多次筛分，造成旅游地推荐效率低，同时不能够对旅游地的购买商品和商品购买顺序推荐，以至于无法准确进行推荐旅游地选择的同时不能够对旅游地进行商品购买进行合理规划，造成用户旅游地游玩效率低。

3、针对上述的技术缺陷，现提出一种解决方案。

技术实现思路

1、本发明的目的就在于为了解决上述提出的问题，而提出一种基于互联网数据分析的旅游地智能推荐系统。

2、本发明的目的可以通过以下技术方案实现：一种基于互联网数据分析的旅游地智能推荐系统，包括旅游地推荐单元、商品推荐单元以及路线推荐单元；

3、用户进行旅游地查询时，通过互联网数据分析，旅游地推荐单元对用户进行旅游地推荐，并根据用户查询地完成旅游地推荐后，通过商品推荐单元对用户进行商品购买推荐，通过数据分析根据推荐旅游地进行推荐商品和推荐商品购买顺序获取，在确定旅游地和购买商品后，路线推荐单元对推荐主体内旅游路线进行推荐。

4、作为本发明的一种优选实施方式，旅游地推荐单元的运行过程如下：

5、根据当前用户筛选区域实时分析，获取到用户筛选区域内各个旅游地的游客流量峰值增长速度以及用户筛选区域内各个旅游地全年度不同阶段的游客流量浮动频率，并将用户筛选区域内各个旅游地的游客流量峰值增长速度以及用户筛选区域内各个旅游地全年度不同阶段的游客流量浮动频率进行分析：

6、若用户筛选区域内各个旅游地的游客流量峰值增长速度超过增长速度阈值，且用户筛选区域内各个旅游地全年度不同阶段的游客流量浮动频率未超过流量浮动频率阈值，则将对应旅游地标记为筛选主体；若用户筛选区域内各个旅游地的游客流量峰值增长速度未超过增长速度阈值，或者用户筛选区域内各个旅游地全年度不同阶段的游客流量浮动频率超过流量浮动频率阈值，则将对应旅游地标记为非筛选主体。

7、作为本发明的一种优选实施方式，对筛选主体进行关联事件分析，采集筛选主体不同年度的运营时段，获取到各个运行时段筛选主体的游客流量浮动跨度，若对应游客流量任意往复浮动跨度超过设定跨度阈值，则对应运营时段内游客流量浮动标记为主体事件；获取到主体事件所在运营时段运与相邻运营时段的影响事件，其中影响时间具体位置影响旅游地游客的事件；将同一旅游地的主体事件与影响事件进行匹配分析，获取到同一旅游地不同运营时段内主体事件与影响事件同步发生的概率以及影响事件发生后旅游地对应主体事件同趋势发生的概率，若同一旅游地不同运营时段内主体事件与影响事件同步发生的概率以及影响事件发生后旅游地对应主体事件同趋势发生的概率任一数据超过对应设定概率阈值，则将主体事件对应影响事件标记为关联事件；若同一旅游地不同运营时段内主体事件与影响事件同步发生的概率以及影响事件发生后旅游地对应主体事件同趋势发生的概率任一数据均未超过对应设定概率阈值，则将主体事件对应影响事件标记为偶发事件。

8、作为本发明的一种优选实施方式，将筛选主体的主体事件对应关联事件构建事件集合，并对筛选主体的事件集合进行分析，若事件集合中关联事件发生时对应主体事件为有益趋势，则将对应关联事件标记为促进事件；反之，若事件集合中关联事件发生时对应主体事件为无益趋势，则将对应关联事件标记为阻碍事件。

9、作为本发明的一种优选实施方式，获取到筛选主体对应事件集合中促进事件与阻碍事件的数量差值以及对应事件集合中促进事件连续时长与阻碍事件连续时长的最大偏差值；获取到筛选主体对应事件集合中促进事件与相邻阻碍事件对应游客流量浮动平均差值；

10、通过分析获取到筛选主体对应事件集合的分析系数；将筛选主体对应事件集合的分析系数与分析系数阈值进行比较：若筛选主体对应事件集合的分析系数超过分析系数阈值，则判定筛选主体对应事件集合中促进事件影响高于阻碍事件影响，将当前筛选主体标记为推荐主体；若筛选主体对应事件集合的分析系数g未超过分析系数阈值，则判定筛选主体对应事件集合中促进事件影响低于阻碍事件影响，将当前筛选主体标记为不推荐主体。

11、作为本发明的一种优选实施方式，商品推荐单元具体过程如下：获取到推荐主体历史运营时段内消费用户，并对历史运营时段内消费用户进行筛选，获取到历史运行时段内消费用户历史出行过程中首次接收新商品推荐且购买的频率以及消费用户历史出现过程中购买新商品的出行次数占比，并将历史运行时段内消费用户历史出行过程中首次接收新商品推荐且购买的频率以及消费用户历史出现过程中购买新商品的出行次数占比分别标记为最小置信度和最小支持度。

12、作为本发明的一种优选实施方式，将历史运行时段内的消费用户进行分析，若消费用户的最小置信度和最小支持度均超过对应设定阈值，则将对应消费用户作为参考主体；反之，若消费用户的最小置信度和最小支持度任一未超过对应设定阈值，则将对应消费用户作为非参考主体；通过参考主体构建参考群体，获取到推荐主体的旅游过程中参考群体的商品购买时刻，并根据各个商品购买时刻构建购买序列；将购买序列中购买商品标记为购买对象，获取到参考群体的购买序列中单个购买对象的重叠频率以及多个购买对象序列的重叠频率，若参考群体的购买序列中单个购买对象的重叠频率超过重叠频率阈值，则对应购买对象标记为推荐商品；若参考群体的购买序列中单个购买对象的重叠频率未超过重叠频率阈值，则对应购买对象标记为非推送商品。

13、作为本发明的一种优选实施方式，若多个购买对象序列的重叠频率超过重叠频率，则判断当前购买对象序列中对应购买对象均标记为推荐商品，且根据购买对象重叠序列进行推荐商品优先级获取，根据推荐商品的优先级进行推荐商品购买序列；若多个购买对象序列的重叠频率未超过重叠频率，则对单一无连续的购买对象进行筛选，根据当前购买对象与推荐商铺购买序列各个购买对象进行购买位置分析，将推荐商铺购买序列中与当前购买对象购买位置最近的购买对象作为当前购买对象的优先级，并在当前单一无连续的购买对象排序至优先级购买对象后。

14、作为本发明的一种优选实施方式，路线推荐单元的具体过程如下：

15、获取到推荐主体内各个旅游景点的同时刻人流量以及不同运营时段内各个旅游景点的人流量增长速度；通过分析获取到推荐主体内旅游景点的热门系数；将推荐主体内旅游景点的热门系数与热门系数阈值进行比较：

16、若推荐主体内旅游景点的热门系数超过热门系数阈值，则将对应旅游景点标记为高热景点；若推荐主体内旅游景点的热门系数未超过热门系数阈值，则将对应旅游景点标记为低热景点。

17、作为本发明的一种优选实施方式，以高热景点为旅游路线主点，低热景点为旅游路线辅点，将旅游路线根据高热景点的热门系数进行排序，并根据高热景点排序后的旅游路线进行重叠道路清除获取到筛选后的旅游路线，即高热景点路线存在重叠则将后一高热景点路线位置后移；完成筛选后的旅游路线中，高热景点周边的低热景点作为旅游路线附带点，则若当前高热景点时刻距离旅游结束时刻无法进行下一高热景点的游玩耗时，则将当前高热景点周边低热景点进行推送。

18、与现有技术相比，本发明的有益效果是：

19、1、本发明中，旅游地推荐单元对用户进行旅游地推荐，保证用户的出行旅游地准确性，根据当前用户筛选区域实时分析，进行旅游地初筛，并对筛选主体进行关联事件分析，通过实际关联事件影响，提高了旅游地推送的准确性，且保证旅游地推送的合理性，同时能够根据关联事件影响进行旅游地出行调度，增强用户的旅游体验，并根据关联事件对推荐主体的影响分析，进行旅游地最后筛选，准确进行旅游地推送，提高出行效率。

20、2、本发明中，商品推荐单元对用户进行商品购买推荐，通过互联网历史数据分析对推荐旅游地进行商品购买推荐，进一步通过商品提高用户对旅游地的筛选，避免旅游地推荐偏差造成用户出行低效，同时能够根据商品购买顺序，保证用户在推荐旅游地内游玩效率。

21、3、本发明中，在确定好旅游地和购买商品后，对旅游地进行游玩路线推荐，根据路线推荐既能够对旅游地进行推荐筛选又能够对推荐旅游进行游玩规划，提高了用户的游玩效率。