CN106202369A - 基于lbs与游客特征大数据分析的旅游信息推送方法 - Google Patents

Abstract

本发明公开了一种基于LBS与游客特征大数据分析的旅游信息推送方法。首先是游客特征建模，接着是基于大数据分析的游客层次特征提取，之后是相似游客群建模，游客与相似游客群之间的相似度计算，最后是消息的推送方式；另外可根据游客的个性消费行为特征，不断地训练消息库，并拟推送游客的个性关键词组，单独向游客推送具有个性化定制的消息。本发明通过推送到相似游客群，可以实现在游客还没有产生较多行为的情况下，用相似顾客群的行为偏好代替顾客行为偏好，进而将原来消息无法匹配到游客的情况下，通过相似游客群匹配推送给该游客，从而可以为游客提供更多、更贴合的个性化信息。

Description

基于LBS与游客特征大数据分析的旅游信息推送方法

技术领域

本发明涉及旅游信息精准推送方法，尤其是涉及了一种基于LBS与游客特征大数据分析的旅游信息推送方法。

背景技术

伴随着经济的发展，手机的功能越来越强大，游客通过手机浏览旅游景点相关信息，查询其他游客的旅游经验和攻略，或者依靠商家推送的信息进行旅游的方式已经成为当前旅游的主要方式。

然而，这种旅游方式存在一些不足以及不够人性化的地方，比如：用户主动浏览旅游景点相关信息，比较费时费力；其他游客的旅游经验和攻略由于行程、喜好不一，游客难以直接套用；推送的信息缺乏地位位置关联，即使游客感兴趣，也可能由于距离过远、路径不熟而放弃去目的地游览娱乐；营销信息主要是泛滥式地同一向用户推送，并没有进行很好的针对性，长期漫无目的的进行营销信息推送，会造成针对性薄弱的用户的消费疲劳，甚至会造成用户的流失。未来真正的智慧旅游的景区，应该是利用大数据技术先获取游客的个人资料，分析你之前旅游的喜好，喜欢吃什么，住店都离景区多远，喜欢山还是喜欢水......也就是说在给游客推送消息的时候，整个旅游的行程就为游客定制好。从游客一出门开始，就知道要做哪路车，直到游客回到住处的时候，浴缸里的水正好是迎合游客最喜欢的泡澡温度。

发明内容

针对以上不足，本发明提出了一种基于LBS与游客特征大数据分析的旅游信息推送方法。

本发明采用的技术方案是：

首先借助大数据方法，根据游客的基本属性特征和游客的基本消费行为特征分类出相似游客群i，相似游客群j。然后通过得到的游客的部分资料信息，将该部分信息与所有的游客群相关的信息进行匹配，把该游客归到匹配度高的相似游客群，最后，将消息库中拟推送的基本关键词组通过与相似游客群中的关键词进行关键词匹配后，结合LBS商家优先推送方式向游客所在的相似游客群推送有价值的消息。另外，可根据游客的进一步的个性消费行为特征，拟推送游客的个性关键词组，结合LBS商家优先推送方式向游客推送具有个性化定制的消息。

具体的技术方案是：

如图1所示，本发明包括依次进行的以下步骤：游客特征建模步骤、基于大数据分析的游客特征提取步骤、相似游客群建模步骤、游客与相似游客群之间的相似度计算步骤和利用相似度的消息推送步骤。

游客特征建模步骤是构建包含游客特征的描述模型，游客特征包括游客旅游信息的基本特征，将基本特征分为游客的基本属性特征和基本消费行为特征，基本属性特征包括性别、年龄、职业、教育和收入，例如性别分为男女，年龄分为低龄人、中龄人和老龄人等；基本消费行为特征包括吃、住、行、游、购、娱的六大类，例如吃所涵盖的口味、环境、交通、服务、价格各自分类。

如图2所示，基于大数据分析的游客特征提取步骤具体是：

1)通过针对游客特征的计算机操作标注方式对其旅游中提供的旅游商品或旅游服务进行标注定义；

2)利用爬虫网络方法在与旅游相关联的网站或者手机app的互联网消费记录和使用记录中搜索提取获得用户的游客特征，并与已标注定义的旅游商品或旅游服务相匹配。如根据其所有就餐过的餐厅的整体属性对其就餐偏好位置指数、环境指数、服务档次进行标记，根据其所点过的菜品属性，确定其基本的口味偏好特征，并进行标记；统计其所点菜品的频次，确定其个性偏好特征，并进行记录。

所述游客层次特征提取的顺序依次是游客的基本属性特征游客的基本消费行为特征，游客的个性消费行为特征。

相似游客群建模步骤具体是：

根据游客的基本属性特征聚类出不同的相似游客群i，具有相同基本属性特征类的游客归属于同一相似游客群i；例如分为青年人的相似游客群i和老年人的相似游客群i。所述不同的相似游客群i，包含所有游客基本属性性别、年龄、职业等的组合，即任何一个具有以上基本属性特征或部分属性特征的游客都可以找到所属的一个或多个相似游客群i。

根据游客的基本消费行为特征聚类出不同的相似游客群j，具有相同基本消费行为特征类的游客归属于同一相似游客群j；例如分为吃辣的相似游客群i和吃咸的相似游客群i。所述不同的相似游客群j，包含所有游客基本消费行为特征的不同组合，即任何一个具有以上基本消费行为特征或部分基本消费行为特征的游客都可以找到所属的一个或多个相似游客群j。

所述游客与相似游客群之间的相似度计算步骤具体是：

把游客和相似游客群i的基本属性特征采用计算机操作标注方式进行标注定义，获得游客X的基本属性特征与其相似游客群i的基本属性特征对应的向量，游客的特征向量与相似游客群的特征向量的维数相同，具体采用以下表示：

[x₁,x₂,…,x_m]

[y₁,y₂,…,y_m]

其中，x₁,x₂,…,x_m分别表示游客的各个游客基本属性，即为性别、年龄、…收入，y₁,y₂,…,y_m分别表示相似游客群i的各个游客基本属性，即为性别、年龄、…收入。

由于得到用户的游客特征可能是部分的，不完整的，而相似游客群的游客特征是完整的，相似游客群具有的游客特征而游客没有的游客特征在上述进行标注定义的时候可用0代替。

再采用以下公式计算游客X的基本属性特征与其相似游客群i的基本属性特征之间的相似度A：

$A=\frac{x_1{y}_1+x_2{y}_2+\mathrm{...}+x_m{y}_m}{\sqrt{x_1^2+x_{21}^2+\mathrm{...}+x_m^2}\·\sqrt{y_1^2+y_{21}^2+\mathrm{...}+y_m^2}}.$

当计算得到的相似度A等于1时，游客和该相似游客群i的基本属性特征完全相同；

当计算得到的相似度A接近于一时，游客和该相似游客群i的基本属性特征相似。

如图3所示，所述消息的推送方式包括如下步骤：

1)消息和相似游客群的相似度计算；

首先在已由多条消息构成的消息库中寻找包含与基本特征的关键词组相同词组的消息，将找到的消息中的词组进行标注定义，然后逐一将找到的消息与相似游客群的游客特征进行匹配得到相似度，把相似度大于设定阈值消息推送给对应的相似游客群；

2)消息的推送：将上述步骤1)获得的需推送的消息结合LBS优先推送方式推送给对应的相似游客群。当游客点击推送的消息或者进行消费时，则可通过游客对消息的响应。

所述结合LBS优先推送方式是：通过基于位置服务(Location Based Service)方式，根据游客距离商家的相对位置关系选择距离近的商家优先推送。

所述的游客特征包括基本特征和个性消费行为特征，个性消费行为特征是从基本特征中提取获得。

所述的游客特征包括游客的个性消费行为特征，游客对所述步骤2)推送的消息响应后找到该消息中与个性消费行为特征相匹配的个性行为关键词，搜索消息库中具有该个性行为关键词的其他消息向游客推送。

个性消费行为特征例如：对于游客所吃菜品的选点频率、菜品数量；对住的酒店楼层高度、朝向、房间类型(单人间、标准间、套房等)、房间条件(是否有电视机、wifi、电脑、浴缸/淋浴)等。

本发明的有益效果是：

本发明基于LBS通过提取游客的多重信息特征，采取分层的方式进行消息推送，能够实现推送的信息精准化。

一方面本发明通过将消息推送到相似游客群可以实现在游客还没有产生较多行为的情况下，用相似顾客群的行为偏好代替顾客行为偏好，进而将原来消息无法匹配到游客的情况下，通过相似游客群匹配推送给该游客，比如：本来游客没有或者有比较少的“住”的行为特征，但是在和游客群相似度计算的过程中，通过“吃、玩”的行为特征与某个游客群建立了相似关系。

另一方面，一个关于“住”的消息，可以通过消息和游客群的“住”的行为特征的相似度计算和该游客群建立关系，进而通过游客群和游客的相似关系推送给没有或者有比较少的“住”的行为特征的游客关于“住”的消息。从而可以为游客提供更多、更贴合的个性化信息。

附图说明

图1是本发明方法流程图。

图2是本发明中游客特征提取的流程图。

图3是本发明中消息的关键词与游客特征的关键词相似匹配示意图。

具体实施方式

为了便于本领域技术人员的理解，下面结合附图和实施例对本发明作进一步描述。

如图1所示，本发明实施例如下：

1、游客特征建模包括如下步骤：

根据用户信息提取用户的基本属性特征，包括性别、年龄、职业、教育、收入等；

根据用户的消费行为提取游客的基本消费行为特征，首先确定与旅游相关的吃、住、行、游、购、娱六大类，对每大类，确定其基本消费行为偏好特征，如吃的价格指数、吃的口味指数(酸、麻、辣、甜、咸)、吃的环境指数(安静程度、装修程度、风景程度、是否包厢)、吃的服务档次(高、中、低)、吃的交通指数(餐厅与市中心距离、游客出发点与餐厅距离等)，如表1：

表1

同时，根据用户的消费行为获取提取游客的个性消费行为特征，如对于游客所吃菜品的选点频率、菜品数量；对住的酒店楼层高度、朝向、房间类型(单人间、标准间、套房等)、房间条件(是否有电视机、wifi、电脑、浴缸/淋浴)等；

2、如图2所示，基于大数据分析的游客层次特征提取如下步骤：

对游客的每个基本属性或个性消费行为特征，给出游客特征的计算机可操作的描述方法，包括关键词、对应的定义模型、取值方法，如对于关键词“吃的价格”，细化关键词为“总价”、“单价”，对于“总价”或“单价”，设定阈值(总价或单价大于某个阈值为1，大于某个阈值为2…)，确定其价格指数为{1，2，3，4，5}，最终描述为“吃的价格|总价|{1，2，3，4，5}”；对于关键词“吃的口味”，细化关键词为“酸、麻、辣、甜、咸”等，通过酒店对每个菜品设定其指数，最终描述为“吃的口味|酸|{1，2，3，4，5}”。

通过景区的各个商家管理系统，用游客特征的描述方法，对其提供的商品或服务行为进行初始化定义，如餐厅的整体属性(位置指数、环境指数、服务档次等)、菜品属性(价格、酸、麻、辣、甜、咸等指数)、餐桌属性(是否包厢、装修档次、朝向、视线内风景等)。

根据游客特征的描述模型，对游客的消费行为记录进行统计分析，抽取获得游客特征。运用大数据技术，搜寻游客在各个旅游景区的吃、住、行、游、购、娱商家的消费记录，根据计算机可以理解的“基本/个性消费行为”分析模型，对游客消费行为偏好进行统计分析。如根据其所有就餐过的餐厅的整体属性对其就餐偏好位置指数、环境指数、服务档次进行标记，根据其所点过的菜品属性，确定其基本的口味偏好特征，并进行标记；统计其所点菜品的频次，确定其个性偏好特征，并进行记录。

3、相似游客群建模包括如下步骤：

根据游客的基本属性特征进行分类，得到所有不同的相似游客群i；

比如：将可以把性别男年龄属于青年的游客归于一种相似游客群i，而性别女年龄属于青年的游客归于另一种相似游客群i，性别男年龄属于老年无职业的游客归于另一种相似游客群i等等；

根据游客的基本消费行为特征进行分类，得到所有不同的相似游客群j；

比如：将可以把消费行为中吃的口味偏辣，住的档次高档的游客归于一种相似游客群j，而消费行为中吃的口味偏酸，住的档次低的游客归于另一种相似游客群j等等；

4、游客与相似游客群之间的相似度计算如下

游客与游客群相似度计算是把步骤2中提取到的游客的层次特征与步骤3中建模得到的相似游客群进行相似度计算。

相似度计算的方法是：把得到的游客的和相似游客群i的基本属性特征进行量化处理，由于得到的游客的层次特征只能是部分的，而相似游客群的层次特征则是比较完整的，相似游客群有的特征而游客没有的层次特征在量化的时候用0代替，这样可以使游客的特征向量与相似游客群的特征向量的维数相同，假设游客X基本属性特征和一个相似游客群i基本属性特征对应的向量分别是：

[x₁,x₂,…,x_m]

[y₁,y₂,…,y_m]

进而计算获得两者之间的相似度。

5、消息的推送方式包括如下步骤：

1)消息和相似游客群的相似度计算；

推送前首先在消息库中拟推送游客的基本关键词组，将关键词组量化，然后逐一与相似游客群的量化的特征进行匹配得到相似度，最后把该消息推送给相似度大于设定阈值的相似游客群。

比如某一消息是关于川菜的消息，其中的拟关键词是‘辣’，通过匹配计算与相似游客群i中口味偏辣的相似游客群i₁，相关的特征相似度为1，大于设定的阀值0.8则把该条消息推送到该游客群。

2)消息的推送：

消息的推送是先把含有基本特征的消息通过关键词匹配结合LBS优先推送方式推送给相应的相似游客群；当游客点击推送的消息或者进行消费时，则可以通过游客对消息的响应，进一步的通过个性行为关键词进行个性行为特征匹配，然后向游客推送个性行为消息。

以上所述，仅是为了说明本发明的内容所列举的部分实施例，并非对本发明做任何限制，凡是根据本发明的技术实质对以上实例做出任何简单的修改，等同变化与修饰，均属于本发明的技术保护范围内。

Claims (7)

1.一种基于LBS与游客特征大数据分析的旅游信息推送方法，其特征在于包括依次进行的以下步骤：游客特征建模步骤、基于大数据分析的游客特征提取步骤、相似游客群建模步骤、游客与相似游客群之间的相似度计算步骤和利用相似度的消息推送步骤。

2.根据权利要求1所述的一种基于LBS与游客特征大数据分析的旅游信息推送方法，其特征在于：所述游客特征建模步骤是构建包含游客特征的描述模型，游客特征包括游客旅游信息的基本特征，将基本特征分为游客的基本属性特征和基本消费行为特征，基本属性特征包括性别、年龄、职业、教育和收入，基本消费行为特征包括吃、住、行、游、购、娱的六大类。

3.根据权利要求1所述的一种基于LBS与游客特征大数据分析的旅游信息推送方法，其特征在于：所述基于大数据分析的游客特征提取步骤具体是：

1)通过针对游客特征的计算机操作标注方式对其旅游中提供的旅游商品或旅游服务进行标注定义；

2)利用爬虫网络方法在与旅游相关联的网站或者手机app的互联网消费记录和使用记录中搜索提取获得用户的游客特征，并与已标注定义的旅游商品或旅游服务相匹配。

4.根据权利要求1所述的一种基于LBS与游客特征大数据分析的旅游信息推送方法，其特征在于：所述相似游客群建模步骤具体是：

根据游客的基本属性特征聚类出不同的相似游客群i，具有相同基本属性特征类的游客归属于同一相似游客群i；根据游客的基本消费行为特征聚类出不同的相似游客群j，具有相同基本消费行为特征类的游客归属于同一相似游客群j。

5.根据权利要求1所述的一种基于LBS与游客特征大数据分析的旅游信息推送方法，其特征在于：所述游客与相似游客群之间的相似度计算步骤具体是：

把游客和相似游客群i的基本属性特征采用计算机操作标注方式进行标注定义，获得游客X的基本属性特征与其相似游客群i的基本属性特征对应的向量，游客的特征向量与相似游客群的特征向量的维数相同，具体采用以下表示：

[x₁,x₂,…,x_m]

[y₁,y₂,…,y_m]

其中，x₁,x₂,…,x_m分别表示游客的性别、年龄、…收入，y₁,y₂,…,y_m分别表示相似游客群i的性别、年龄、…收入。

再采用以下公式计算游客X的基本属性特征与其相似游客群i的基本属性特征之间的相似度A：

$A=\frac{x_1{y}_1+x_2{y}_2+...+x_m{y}_m}{\sqrt{x_1^2+x_{21}^2+\mathrm{...}+x_m^2}\·\sqrt{y_1^2+y_{21}^2+\mathrm{...}+y_m^2}}.$

6.根据权利要求1所述的一种基于LBS与游客特征大数据分析的旅游信息推送方法，其特征在于：所述消息的推送方式包括如下步骤：

1)消息和相似游客群的相似度计算；

首先在已由多条消息构成的消息库中寻找包含与基本特征的关键词组相同词组的消息，将找到的消息中的词组进行标注定义，然后逐一将找到的消息与相似游客群的游客特征进行匹配得到相似度，把相似度大于设定阈值的消息推送给对应的相似游客群；

2)消息的推送：将上述步骤1)获得的需推送的消息结合LBS优先推送方式推送给对应的相似游客群。

7.根据权利要求1所述的一种基于LBS与游客特征大数据分析的旅游信息推送方法，其特征在于：所述的游客特征包括游客的个性消费行为特征，游客对所述步骤2)推送的消息响应后找到该消息中与个性消费行为特征相匹配的个性行为关键词，搜索消息库中具有该个性行为关键词的其他消息向游客推送。