项目名称: 基于社交媒体地理大数据的可感知情境的个性化旅游推荐研究

项目编号: No.41501162

项目类型: 青年科学基金项目

立项/批准年度: 2016

项目学科: 天文学、地球科学

项目作者: 彭霞

作者单位: 北京联合大学

项目金额: 20万元

中文摘要: 互联网时代下,旅游推荐是帮助游客过滤纷繁复杂的信息、做出合理旅行决策的重要手段,已日渐成为旅游领域的研究热点。同时,社交媒体上由众多用户所分享的海量的地理位置信息,蕴含着丰富的游客行为和旅游线路特征。通过对社交媒体地理大数据的挖掘,可以整合用户的群体知识,发现热门景点及旅行线路,提供更加智能的精准旅游推荐服务。然而,现有基于大数据的旅游推荐研究还存在对多源信息的挖掘不够、忽略游客所处情境等问题。因此,本课题拟综合利用多源社交媒体地理数据,根据游客的时空轨迹挖掘游客偏好,并充分考虑游客所处情境,建立一套基于社交媒体地理大数据的可感知情境的个性化旅游推荐方法,并以Flickr地理标签照片库与街旁网签到数据为基础,建立旅游推荐系统开展方法验证。本研究可帮助游客更好地安排旅行计划,提升旅游体验和品质;有利于旅游目的地开发与营销,同时也对激励旅游产业创新、传统旅游迈向“智慧旅游”有着积极的推动意义。

中文关键词: 旅游管理;大数据;地理信息系统

英文摘要: In the era of the Internet, travel recommendation system is an important means to help the tourist filter complicated information and make a sensible decision. It has become one of the research hotspot in tourism. Besides, the mass location information on social media shared by many users contains rich information on travel behavior of tourists and travel routes. Through integrating the group knowledge from the users, mining geotagged social media big data can discover popular tourist attractions and travel routes, and provide the more precise travel recommendation service. However, the existing research on big data-based travel recommendation has some problems such as lack of mining on multi-source information, ignoring the tourist context and so forth. Therefore, this project intends to make comprehensive use of multi-source social media, to dig out the tourists’ preference from their spatio-temporal trajectories, and especially taking the context of tourists into account, to set up a set of methods for context-aware personalized travel recommendation based on geotagged social media big data. Finally, the project attempts to take geotagged photos on Flickr and check-in data on Jiepang as data sources, and to build a travel recommendation system for method validation. This study can help tourists arrange the travel plan, improve their travel experience and quality. It also benefits destination development and marketing. Moreover, the study would stimulate the innovation of tourism industry, and promote its evolution toward smart tourism.

英文关键词: Tourism Management ;Big Data;Geographic Information System

成为VIP会员查看完整内容
2

相关内容

从各种各样类型的数据中,快速获得有价值信息的能力,就是大数据技术。明白这一点至关重要,也正是这一点促使该技术具备走向众多企业的潜力。大数据的4个“V”,或者说特点有四个层面:第一,数据体量巨大。从TB级别,跃升到PB级别;第二,数据类型繁多。前文提到的网络日志、视频、图片、地理位置信息等等。第三,价值密度低。以视频为例,连续不间断监控过程中,可能有用的数据仅仅有一两秒。第四,处理速度快。
【博士论文】推荐系统多行为建模与隐私保护研究
专知会员服务
52+阅读 · 2021年11月27日
基于强化学习的推荐研究综述
专知会员服务
83+阅读 · 2021年10月21日
专知会员服务
56+阅读 · 2021年8月12日
专知会员服务
41+阅读 · 2021年6月22日
个性化广告推荐系统及其应用研究
专知会员服务
94+阅读 · 2021年2月27日
基于旅游知识图谱的可解释景点推荐
专知会员服务
90+阅读 · 2020年9月4日
个性化推荐系统技术进展
专知会员服务
65+阅读 · 2020年8月15日
【SIGIR2020】用于冷启动推荐的内容感知神经哈希
专知会员服务
22+阅读 · 2020年6月2日
你会信任哪些平台的评分评价?
ZEALER订阅号
0+阅读 · 2022年3月20日
CIKM'21 | 自监督图神经网络在社会化推荐中的应用
图与推荐
3+阅读 · 2021年11月16日
CIKM 2021 | 自监督学习在社会化推荐系统中的应用
PaperWeekly
0+阅读 · 2021年11月14日
AAAI'21 | 基于图Transformer的多行为推荐算法
图与推荐
0+阅读 · 2021年11月9日
AAAI2021 | 基于图Transformer的多行为推荐算法
机器学习与推荐算法
5+阅读 · 2021年11月8日
SIGIR 2021 | 推荐系统中的多行为建模
PaperWeekly
1+阅读 · 2021年10月9日
推荐系统
炼数成金订阅号
28+阅读 · 2019年1月17日
国家自然科学基金
2+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Arxiv
0+阅读 · 2022年4月19日
Saliency in Augmented Reality
Arxiv
1+阅读 · 2022年4月18日
Arxiv
0+阅读 · 2022年4月14日
Arxiv
23+阅读 · 2018年8月3日
小贴士
相关VIP内容
【博士论文】推荐系统多行为建模与隐私保护研究
专知会员服务
52+阅读 · 2021年11月27日
基于强化学习的推荐研究综述
专知会员服务
83+阅读 · 2021年10月21日
专知会员服务
56+阅读 · 2021年8月12日
专知会员服务
41+阅读 · 2021年6月22日
个性化广告推荐系统及其应用研究
专知会员服务
94+阅读 · 2021年2月27日
基于旅游知识图谱的可解释景点推荐
专知会员服务
90+阅读 · 2020年9月4日
个性化推荐系统技术进展
专知会员服务
65+阅读 · 2020年8月15日
【SIGIR2020】用于冷启动推荐的内容感知神经哈希
专知会员服务
22+阅读 · 2020年6月2日
相关资讯
你会信任哪些平台的评分评价?
ZEALER订阅号
0+阅读 · 2022年3月20日
CIKM'21 | 自监督图神经网络在社会化推荐中的应用
图与推荐
3+阅读 · 2021年11月16日
CIKM 2021 | 自监督学习在社会化推荐系统中的应用
PaperWeekly
0+阅读 · 2021年11月14日
AAAI'21 | 基于图Transformer的多行为推荐算法
图与推荐
0+阅读 · 2021年11月9日
AAAI2021 | 基于图Transformer的多行为推荐算法
机器学习与推荐算法
5+阅读 · 2021年11月8日
SIGIR 2021 | 推荐系统中的多行为建模
PaperWeekly
1+阅读 · 2021年10月9日
推荐系统
炼数成金订阅号
28+阅读 · 2019年1月17日
相关基金
国家自然科学基金
2+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
微信扫码咨询专知VIP会员