CN106528611A - 一种基于互联网点评数据的分析方法 - Google Patents

一种基于互联网点评数据的分析方法 Download PDF

Info

Publication number
CN106528611A
CN106528611A CN201610859976.3A CN201610859976A CN106528611A CN 106528611 A CN106528611 A CN 106528611A CN 201610859976 A CN201610859976 A CN 201610859976A CN 106528611 A CN106528611 A CN 106528611A
Authority
CN
China
Prior art keywords
shop
data
analysis
internet
consumer
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201610859976.3A
Other languages
English (en)
Inventor
王欣
袁韵
贾建民
张恩阳
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Southwest Jiaotong University
Original Assignee
Southwest Jiaotong University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Southwest Jiaotong University filed Critical Southwest Jiaotong University
Priority to CN201610859976.3A priority Critical patent/CN106528611A/zh
Publication of CN106528611A publication Critical patent/CN106528611A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/951—Indexing; Web crawling techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G06F18/232—Non-hierarchical techniques
    • G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
    • G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Finance (AREA)
  • General Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Development Economics (AREA)
  • Accounting & Taxation (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Business, Economics & Management (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Probability & Statistics with Applications (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Marketing (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种基于互联网点评数据的分析方法，包括以下步骤：采用网络爬虫对第三方消费点评类网站进行数据爬取，获得平台上店铺的基本信息以及消费者的点评信息；对爬取到的店铺及评价数据进行预处理，生成用于进一步分析的数据，即依托自然语言处理技术对评价文本进行分析；多角度开展挖掘分析，包括采用统计技术发现人均消费、人气指数的分布情况、采用聚类算法发现商圈、TF‑IDF算法进行词频统计以发现顾客的关注焦点；多角度地展现分析结果。本发明通过对点评数据展开有效分析，可以深刻理解消费者的行为特征，探索消费趋势，发现商圈及其演变趋势。

Description

一种基于互联网点评数据的分析方法
技术领域
本发明涉及爬虫技术、数据分析技术以及百度LBS等技术领域，具体涉及一种基于互联网点评数据的分析方法。
背景技术
随着电子商务的迅速发展，人们对其商务模式也在不断地进行探索与创新，其中线上与线下相结合的电子商务模式(Online to Offline，即O2O)近年来得到了快速发展。与传统的B2C、B2B模式不同，O2O将线下的商务机会与互联网结合在一起，让互联网成为线下交易的前台，如此一来，线下服务就可以通过线上平台来吸引消费者，消费者可以采用线上平台来挑选线下服务，而最终的成交可以通过在线结算来实现。O2O模式一经诞生，就人们的引发高度关注。基于这种模式，人们推出了以大众点评、美团等为代表的第三方消费点评类电子商务网站。这类以“为用户提供商户信息、消费点评及消费优惠等信息服务”的O2O网站，经过短短几年的发展已经成为非常具有代表性的一类电子商务平台。
与传统的电子商务网站不同，这类消费点评类电子商务网站采用平台来实现消费体验的沟通和聚合，并以此吸引并聚集用户。随着平台的发展，有关消费体验的点评数据也在迅速积累。在这个“数据爆炸”的时代背景下，这些海量的点评数据背后隐藏着丰富的商业价值。例如：通过对点评数据展开有效分析，可以深刻理解消费者的行为特征，探索消费趋势，发现商圈及其演变趋势等；人们还可以根据消费趋势的变化以及商圈的演变趋势，合理选择经营门类，优化店铺选址等。
通过实例来简要阐述如何通过对点评数据进行有效分析，从而发现有价值的信息。
I、通过将大众点评网上注册的某地区的面包甜点类商铺的地理位置可视化，并绘制成热力图(如图1所示)，从图中可知，在某市内包含3大商圈。
II、在聚类分析结果的基础上，从时间维度分析商圈关注度的变化趋势，并发现自2015年1月至2016年6月，某商圈的关注度始终处于领先位置(如图2所示)，这对于面包甜点类商铺的选址而言，意义重大。
发明内容
本发明所要解决的技术问题是提供一种基于互联网点评数据的分析方法，对互联网上的消费者评价数据进行多角度的挖掘分析，发现消费者的行为特征，商圈的演变趋势，进而指导店铺的选址。
为解决上述技术问题，本发明采用的技术方案是：
一种基于互联网点评数据的分析方法，包括以下步骤：
步骤1：采用网络爬虫对第三方消费点评类网站进行数据爬取，获得平台上店铺的基本信息以及消费者的点评信息；
步骤2：对爬取到的店铺及评价数据进行预处理，生成用于进一步分析的数据，即依托自然语言处理技术对评价文本进行分析；
步骤3：多角度开展挖掘分析，包括采用统计技术发现人均消费、人气指数的分布情况、采用聚类算法发现商圈、TF-IDF算法进行词频统计以发现顾客的关注焦点；
步骤4：采用百度地图API进行地址解析，返回店铺的经纬度坐标；采用LBS绘制热力图以及聚类图；开发“客户端/服务器”系统，多角度地展现分析结果。
根据上述方案，所述步骤1具体为：
步骤1.1：从指定的种子站点开始，以宽度优先的模式，从互联网爬取网页；
步骤1.2：针对每一个爬取到的网页，分析页面源代码并进行解析，获得指定标签下的数据信息；
步骤1.3：将相关的URL地址以及爬取到的数据分类写入数据库。
根据上述方案，所述步骤2具体为：
步骤2.1：DPM对用户的评价文本进行分词处理；
步骤2.2：在分词结果的基础上，DPM采用关联规则挖掘算法Apriori在评价文本库中发现高频名词及名词词组，用于分析消费者的关注焦点。
根据上述方案，所述步骤3具体为：
步骤3.1：采用K-Means算法对店铺的地理位置进行聚类分析，发现商圈；
步骤3.2：以店铺的评价量作为衡量店铺人气指数的参数，分析商圈人气指数的演变趋势；
步骤3.3：消费者行为模式分析，包括通过统计商圈内店铺人气指数与人均消费的分布情况，发现各商圈内消费者的消费行为模式；通过统计各商圈内店铺人气指数排行，发现影响人气指数的潜在因素；采用TF-IDF算法对商圈内店铺的点评数据进行词频统计，并结合高频词汇进行消费者偏好发现。
根据上述方案，所述步骤4具体为：
采用VM将分析结果在客户端可视化，包括店铺详细信息以及同行对比信息；店铺关注度变化趋势图；热力图、聚类图、聚合图。
根据上述方案，所述热力图、聚类图、聚合图的可视化步骤为：采用百度API提供的地址解析接口对店铺的详细地址信息进行解析，返回店铺所在地图的经纬度；采用百度地图的热力图绘制接口将店铺的经纬度信息映射到百度地图上，进而绘制出反映出店铺聚集程度的热力图；采用百度地图海量点接口将聚类结果直观地显示在百度地图上。
与现有技术相比，本发明的有益效果是：通过对点评数据展开有效分析，可以深刻理解消费者的行为特征，探索消费趋势，发现商圈及其演变趋势；人们还可以根据消费趋势的变化以及商圈的演变趋势，合理选择经营门类，优化店铺选址等等。
附图说明
图1是某地区的面包甜点类商铺热力图。
图2.是某市面包甜点类商圈关注度的变化趋势，以2015.1至2016.6月为例。
图3是本发明方法的系统框图。
图4是LBS模块的流程图。
图5是可视化模块VM的经营类型选择窗口。
图6是可视化模块VM的主窗口。通过图6，可以查看店铺的详细信息、推荐菜品、地址全景图等；可根据商圈或者行政区域进行查询店铺信息。
图7是可视化模块VM的店铺详情。通过图7可以查看该店铺所在商圈范围内，区政区域内以及全市范围内的各项指标的排名情况；可以查看该店铺评价信息中对于口味、环境、服务等各项评分的百分比；可以查看该店铺关注度随月度的变化趋势。
图8是可视化模块VM的商圈分析。从图8可以查看各商圈/各行政区域的人气指数、店铺数量、人均消费等信息；可以查看各商圈/各行政区域的人气指数同人均消费及其他各项评价指标的关系。
图9是本发明中热力图。
图10是本发明中聚类图。
图11是本发明中点聚合图。
具体实施方式
下面结合附图和具体实施方式对本发明作进一步详细的说明。本发明方法包括数据获取、数据预处理、数据分析和结果可视化。
数据获取：采用网络爬虫对大众点评网站等第三方消费点评类网站进行数据爬取，获得平台上店铺的基本信息以及消费者的点评信息。
数据预处理：对爬取到的店铺及评价数据进行预处理，生成可用于进一步分析的数据。主要处理流程为依托自然语言处理技术，对评价文本进行分析，如词性筛选等
数据分析：多角度开展挖掘分析，如采用统计技术发现人均消费、人气指数等的分布情况；采用聚类算法发现商圈；TF-IDF算法进行词频统计发现顾客的关注焦点等。
结果可视化：采用百度地图API进行地址解析，返回店铺的经纬度坐标；并采用LBS，绘制热力图以及聚类图等；开发“客户端/服务器”系统，并以此来多角度地展现分析结果。详述如下：
一、爬虫模块(Crawler Module，简称CM)
CM的主要工作流程为：
1、从指定的种子站点(起始网址)开始，以宽度优先的模式，从互联网爬取网页，部分动态信息采用Selenium自动化测试解决。
2、针对每一个爬取到的网页，分析页面源代码并进行解析，获得指定标签下的数据信息，如店铺地址、评价内容等。
3、将相关的URL地址以及爬取到的数据分类写入数据库。
二、数据预处理模块(Data Preprocessing Module，简称DPM)
对于获取到的评论数据，DPM将进行分词及特征发现等的处理，具体步骤如下：
1、DPM首先对用户的评价文本进行分词处理，分词可采用中科院研发的中文分词算法及工具包。
2、在分词结果的基础上，DPM采用关联规则挖掘算法Apriori在评价文本库中发现高频名词及名词词组，用于分析消费者的关注焦点。
三、数据分析模块(Data Analysis Module，简称DAM)
数据分析模块主要针对店铺数据、评价数据开展以下三方面的分析：
1、商圈发现分析：采用K-Means算法对店铺的地理位置进行聚类分析，从而发现商圈。
2、商圈演变分析：以店铺的评价量作为衡量店铺人气指数的参数，分析商圈人气指数的演变趋势。
3、消费者行为模式分析：通过统计商圈内店铺人气指数与人均消费的分布情况，发现各商圈内消费者的消费行为模式；通过统计各商圈内店铺人气指数排行，发现影响人气指数的潜在因素，进而指导店铺的经营；采用TF-IDF算法对商圈内店铺的点评数据进行词频统计，并结合高频词汇进行消费者偏好发现，如受欢迎的食物等。
四、可视化模块(Visualization Module，简称VM)
VM将分析结果在客户端展示，主要的可视化内容包括：
1、店铺详细信息以及同行对比信息。
2、店铺关注度变化趋势图。
3、热力图、聚类图、聚合图等。其中，热力图、聚类图、聚合图的可视化实现步骤为：采用百度API提供的地址解析接口对店铺的详细地址信息进行解析，返回店铺所在地图的经纬度；采用百度地图的热力图绘制接口将店铺的经纬度信息映射到百度地图上，进而绘制出可以反映出店铺聚集程度的热力图；采用百度地图海量点接口将聚类结果直观得显示在百度地图上。

Claims (6)

1.一种基于互联网点评数据的分析方法，其特征在于，包括以下步骤：
步骤1：采用网络爬虫对第三方消费点评类网站进行数据爬取，获得平台上店铺的基本信息以及消费者的点评信息；
步骤2：对爬取到的店铺及评价数据进行预处理，生成用于进一步分析的数据，即依托自然语言处理技术对评价文本进行分析；
步骤3：多角度开展挖掘分析，包括采用统计技术发现人均消费、人气指数的分布情况、采用聚类算法发现商圈、TF-IDF算法进行词频统计以发现顾客的关注焦点；
步骤4：采用百度地图API进行地址解析，返回店铺的经纬度坐标；采用LBS绘制热力图以及聚类图；开发“客户端/服务器”系统，多角度地展现分析结果。
2.如权利要求1所述的一种基于互联网点评数据的分析方法，其特征在于，所述步骤1具体为：
步骤1.1：从指定的种子站点开始，以宽度优先的模式，从互联网爬取网页；
步骤1.2：针对每一个爬取到的网页，分析页面源代码并进行解析，获得指定标签下的数据信息；
步骤1.3：将相关的URL地址以及爬取到的数据分类写入数据库。
3.如权利要求1所述的一种基于互联网点评数据的分析方法，其特征在于，所述步骤2具体为：
步骤2.1：DPM对用户的评价文本进行分词处理；
步骤2.2：在分词结果的基础上，DPM采用关联规则挖掘算法Apriori在评价文本库中发现高频名词及名词词组，用于分析消费者的关注焦点。
4.如权利要求1所述的一种基于互联网点评数据的分析方法，其特征在于，所述步骤3具体为：
步骤3.1：采用K-Means算法对店铺的地理位置进行聚类分析，发现商圈；
步骤3.2：以店铺的评价量作为衡量店铺人气指数的参数，分析商圈人气指数的演变趋势；
步骤3.3：消费者行为模式分析，包括通过统计商圈内店铺人气指数与人均消费的分布情况，发现各商圈内消费者的消费行为模式；通过统计各商圈内店铺人气指数排行，发现影响人气指数的潜在因素；采用TF-IDF算法对商圈内店铺的点评数据进行词频统计，并结合高频词汇进行消费者偏好发现。
5.如权利要求1所述的一种基于互联网点评数据的分析方法，其特征在于，所述步骤4具体为：
采用VM将分析结果在客户端可视化，包括店铺详细信息以及同行对比信息；店铺关注度变化趋势图；热力图、聚类图、聚合图。
6.如权利要求5所述的一种基于互联网点评数据的分析方法，其特征在于，所述热力图、聚类图、聚合图的可视化步骤为：
采用百度API提供的地址解析接口对店铺的详细地址信息进行解析，返回店铺所在地图的经纬度；
采用百度地图的热力图绘制接口将店铺的经纬度信息映射到百度地图上，进而绘制出反映出店铺聚集程度的热力图；
采用百度地图海量点接口将聚类结果直观地显示在百度地图上。
CN201610859976.3A 2016-09-28 2016-09-28 一种基于互联网点评数据的分析方法 Pending CN106528611A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610859976.3A CN106528611A (zh) 2016-09-28 2016-09-28 一种基于互联网点评数据的分析方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610859976.3A CN106528611A (zh) 2016-09-28 2016-09-28 一种基于互联网点评数据的分析方法

Publications (1)

Publication Number Publication Date
CN106528611A true CN106528611A (zh) 2017-03-22

Family

ID=58344402

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610859976.3A Pending CN106528611A (zh) 2016-09-28 2016-09-28 一种基于互联网点评数据的分析方法

Country Status (1)

Country Link
CN (1) CN106528611A (zh)

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107133852A (zh) * 2017-05-11 2017-09-05 夏振宇 商业区营收监测系统
CN107563789A (zh) * 2017-07-31 2018-01-09 石河子大学 数据处理方法、系统、终端及计算机可读存储介质
CN108984675A (zh) * 2018-07-02 2018-12-11 北京百度网讯科技有限公司 基于评价的数据查询方法和装置
CN109035112A (zh) * 2018-08-02 2018-12-18 东南大学 基于多源数据融合的城市建设与更新模式确定方法及系统
CN109299460A (zh) * 2018-09-18 2019-02-01 北京三快在线科技有限公司 分析店铺的评价数据的方法、装置、电子设备及存储介质
CN109544003A (zh) * 2018-11-23 2019-03-29 北京国信宏数科技有限责任公司 基于互联网大数据的经济发展指数评价方法
CN109658164A (zh) * 2019-02-21 2019-04-19 山东浪潮云信息技术有限公司 一种计算从网页爬取的餐饮外卖店铺数据销售额的方法
CN110263290A (zh) * 2019-06-26 2019-09-20 拉扎斯网络科技（上海）有限公司 商户标签设置方法、装置、电子设备及存储介质
CN110414751A (zh) * 2018-04-26 2019-11-05 观相科技（上海）有限公司 一种基于地理位置的酒店行业选址评价系统及评价方法
CN110852194A (zh) * 2019-10-23 2020-02-28 北京三快在线科技有限公司 图像获取方法、装置、电子设备及存储介质
CN113592539A (zh) * 2021-06-30 2021-11-02 杭州拼便宜网络科技有限公司 基于人工智能的店铺订单趋势预测方法、装置及存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8082288B1 (en) * 2008-10-17 2011-12-20 GO Interactive, Inc. Method and apparatus for determining notable content on web sites using collected comments
CN103399916A (zh) * 2013-07-31 2013-11-20 清华大学 基于产品特征的互联网评论观点挖掘方法及系统
CN103679462A (zh) * 2012-08-31 2014-03-26 阿里巴巴集团控股有限公司 一种评论数据处理方法和装置、一种搜索方法和系统
CN105117428A (zh) * 2015-08-04 2015-12-02 电子科技大学 一种基于词语对齐模型的web评论情感分析方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8082288B1 (en) * 2008-10-17 2011-12-20 GO Interactive, Inc. Method and apparatus for determining notable content on web sites using collected comments
CN103679462A (zh) * 2012-08-31 2014-03-26 阿里巴巴集团控股有限公司 一种评论数据处理方法和装置、一种搜索方法和系统
CN103399916A (zh) * 2013-07-31 2013-11-20 清华大学 基于产品特征的互联网评论观点挖掘方法及系统
CN105117428A (zh) * 2015-08-04 2015-12-02 电子科技大学 一种基于词语对齐模型的web评论情感分析方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
张红宇: "网络口碑对消费者在线行为的影响", 《中国博士学位论文全文数据库经济与管理科学辑》 *
董琦: "基于LBS应用的网络营销影响下的城市居民消费空间研究", 《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》 *

Cited By (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107133852A (zh) * 2017-05-11 2017-09-05 夏振宇 商业区营收监测系统
CN107133852B (zh) * 2017-05-11 2020-11-03 北京微瑞思创信息科技股份有限公司 商业区营收监测系统
CN107563789A (zh) * 2017-07-31 2018-01-09 石河子大学 数据处理方法、系统、终端及计算机可读存储介质
CN110414751A (zh) * 2018-04-26 2019-11-05 观相科技（上海）有限公司 一种基于地理位置的酒店行业选址评价系统及评价方法
CN108984675B (zh) * 2018-07-02 2019-08-13 北京百度网讯科技有限公司 基于评价的数据查询方法和装置
CN108984675A (zh) * 2018-07-02 2018-12-11 北京百度网讯科技有限公司 基于评价的数据查询方法和装置
US11176142B2 (en) 2018-07-02 2021-11-16 Beijing Baidu Netcom Science Technology Co., Ltd. Method of data query based on evaluation and device
CN109035112A (zh) * 2018-08-02 2018-12-18 东南大学 基于多源数据融合的城市建设与更新模式确定方法及系统
CN109299460A (zh) * 2018-09-18 2019-02-01 北京三快在线科技有限公司 分析店铺的评价数据的方法、装置、电子设备及存储介质
CN109544003A (zh) * 2018-11-23 2019-03-29 北京国信宏数科技有限责任公司 基于互联网大数据的经济发展指数评价方法
CN109658164A (zh) * 2019-02-21 2019-04-19 山东浪潮云信息技术有限公司 一种计算从网页爬取的餐饮外卖店铺数据销售额的方法
CN109658164B (zh) * 2019-02-21 2023-02-03 浪潮卓数大数据产业发展有限公司 一种计算从网页爬取的餐饮外卖店铺数据销售额的方法
CN110263290A (zh) * 2019-06-26 2019-09-20 拉扎斯网络科技（上海）有限公司 商户标签设置方法、装置、电子设备及存储介质
CN110852194A (zh) * 2019-10-23 2020-02-28 北京三快在线科技有限公司 图像获取方法、装置、电子设备及存储介质
CN113592539A (zh) * 2021-06-30 2021-11-02 杭州拼便宜网络科技有限公司 基于人工智能的店铺订单趋势预测方法、装置及存储介质

Similar Documents

Publication Publication Date Title
CN106528611A (zh) 一种基于互联网点评数据的分析方法
Tu et al. Portraying the spatial dynamics of urban vibrancy using multisource urban big data
Dong et al. Predicting neighborhoods’ socioeconomic attributes using restaurant data
Chen et al. Modeling urban land-use dynamics in a fast developing city using the modified logistic cellular automaton with a patch-based simulation strategy
Li et al. Spatiotemporal analysis of housing prices in China: A big data perspective
Zheng et al. Learning travel recommendations from user-generated GPS traces
US9715530B2 (en) Entity display priority in a distributed geographic information system
CN108604347A (zh) 用于基于性能驱动的动态地理围栏的目标定位的系统和方法
Lou et al. Schedule a rich sentimental travel via sentimental POI mining and recommendation
CN107657267A (zh) 产品潜在用户挖掘方法及装置
Liu et al. Visualizing time‐specific hurricane predictions, with uncertainty, from storm path ensembles
Zhang et al. City2vec: Urban knowledge discovery based on population mobile network
Kang et al. Integration of Internet search data to predict tourism trends using spatial-temporal XGBoost composite model
CN104199938A (zh) 基于rss的农用土地信息发送方法和系统
CN115408618A (zh) 一种基于社交关系融合位置动态流行度和地理特征的兴趣点推荐方法
CN105141508A (zh) 一种基于近邻关系的微博系统朋友推荐方法
Zhang et al. Inference method for cultural diffusion patterns using a field model
CN110263250A (zh) 一种推荐模型的生成方法及装置
CN106844626B (zh) 利用微博关键词和位置信息模拟空气质量的方法及系统
CN113822738A (zh) 一种多维度农产品供需双向个性化推荐方法
Ma Deep exploration of street view features for identifying urban vitality: a case study of Qingdao city
Feng et al. [Retracted] Visual Evaluation of Urban Streetscape Design Supported by Multisource Data and Deep Learning
Gao et al. Intelligent urban ecological suitability system based on pattern recognition
Yang A new perspective on urban form with the integration of Space Syntax and MCDA–An exploratory analysis of the city of Xi’an, China
Lai Three-dimensional Visualisation of Cultural Landscape under the Perspective of Culture and Tourism Integration

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20170322