CN106779146A - 一种用于提供推荐旅游路线的旅游服务系统 - Google Patents

Abstract

本发明公开了一种用于提供推荐旅游路线的旅游服务系统，旅游服务服务器用于生成旅游者定制的旅游计划，并基于所述旅游计划提供虚拟体验图像和元数据。所述旅游服务终端包括旅客携带的移动服务终端和设置在旅游景点内的固定服务终端；所述基于GIS的服务器至少存储有旅游景点的景区介绍信息，景区票务信息及订票、订餐和住宿介绍信息，景区及时天气、路况和游客数量信息，景区热门活动或优惠活动信息，景区购物信息、旅客的历史查询信息；基于GIS的服务器将信息传至旅行公司服务器，为所述旅游计划安排交通设施或住宿设施。

Description

一种用于提供推荐旅游路线的旅游服务系统

技术领域

本发明属于旅游服务技术领域，主要涉及一种用于提供推荐旅游路线的旅游服务系统。

背景技术

目前，多数的旅游套餐是由旅行公司设置行程并为旅游者提供具有设定路线的旅游套餐。但是，自由行近来成为旅游者喜欢的旅游方式，旅游者期望预先知道和准备关于旅游景点的旅游设施、住宿、用餐等的详细信息，并且如果旅游者不能直接参观旅游景点，他们期望具有与真实参观类似的现实体验。然而现实中存在这样的问题：可通过互联网或电视了解到的关于旅游景点的信息是非常零碎的、或基于文字形式的信息提供是不够的、或需要比较长的时间获得生动的信息。现有的旅游行程规划系统的主要缺陷是：系统提供的规划结果都是由旅行社等机构提供的旅游产品的细节，如沿途参观的景点、住宿的酒店等，均由旅行社规划完毕，用户一般无法参与对这些内容的规划、确定等；由于商业合作关系等缘故，各网站系统都只提供与其有合作关系的旅行社的旅游路线信息，而不能更广泛地获取规划信息数据，为用户提供更多、更全面地比较与选择。

发明内容

本发明的目的在于提供一种结构简单、使用方便，通过推荐算法生成适合旅游者喜好的旅游计划并为旅游者提供适合旅游计划的全景虚拟现实技术拍摄的定制旅游景点体验图像的旅游服务系统和方法。

本发明的目的旨在提供一种用于提供推荐旅游路线的旅游服务系统，所述用于提供推荐旅游路线的旅游服务系统设置有：

旅游服务服务器，用于生成旅游者定制的旅游计划，并基于所述旅游计划提供虚拟体验图像和元数据；

旅游服务终端，与旅游服务服务器无线连接，包括旅客携带的移动服务终端和设置在旅游景点内的固定服务终端；用于接收旅游服务服务器提供虚拟体验图像和元数据；

基于GIS的服务器，与旅游服务终端无线连接，用于存储有旅游景点的景区介绍信息、景区票务信息及订票、订餐和住宿介绍信息、景区及时天气、路况和游客数量信息、景区热门活动或优惠活动信息、景区购物信息、旅客的历史查询信息；

旅行公司服务器，与基于GIS的服务器无线连接，接收基于GIS的服务器信息，为所述旅游计划安排交通设施或住宿服务；

所述旅游服务服务器通过网络与旅游组织服务器、旅游区当地政府服务器或开放的应用程序接口地图服务器相连；所述元数据提供单元从所述旅游组织服务器；所述旅游区当地政府服务器或所述开放的应用程序接口地图服务器接收所述旅游景点的元数据；

所述旅游服务终端通过信号传输模块与基于GIS的服务器进行通信；

所述移动服务终端为手机或无线上网本；

所述固定服务终端包括输入输出显示模块、语音视频系统和GPS模块。

进一步，所述旅游服务终端设置有子匹配滤波器；所述子匹配滤波器的传递函数为：C_i是由分层序列u，v调制而成的，u是分层Golay序列u＝{1,1,1,1,1,1,-1,-1,1,-1，1,-1,1,-1,-1,1}，v＝{1,1,1,-1,-1,1,-1,-1,1,1,1,-1,1,-1,1,1}，C_16m+n＝u_nv_m；

根据分层的Golay序列对传递函数进行改进，则有：

H(z_u)＝[1+z^-8+z^-1(1-z^-8)][1+z^-4+z^-2(1-z^-4)]；

H(z_v)＝(1+z^-1)[1-z^-6+z^-8+z^-14]+(1-z^-1)[z^-2-z^-4+z^-10+z^-12]。

进一步，所述旅游服务服务器设置有数据压缩模块，所述数据压缩模块的数据压缩方法步骤为：

步骤一，合并最小的概率，指定内部节点的每一对树枝上的0和1，得到分配给每个信源的码字，这样就构造出一个码树；在构造一个D元码的Huffman过程中，每一步合并最小的D个概率，如果通过k+1步得到这个码树，其中k≥0，那么就有k+1个内部节点和D+k(D-1)个叶子，其中每一个叶子对应字母表中的一个信源符号，如果字母表的大小m具有D+k(D-1)形式，则可以直接应用Huffman过程，否则，需要给字母表中添加概率是0的虚拟字符，以使得字符总数具有D+k(D-1)的形式；

步骤二，在编码时，首先根据E1_n+1＝E1_n+d_n+1式计算出E1值，再根据和式计算出拟合残差，计算这两步时，均需要对结果进行越限判断，判断E1是否越限是为了避免超过传感器数据总线上限而造成溢出；判断残差是否越限是为实现分段拟合；

步骤三，当一段输入数据的拟合残差全部计算完后，就构造出{d_n,E1_n,DFR₃,DFR₄,…DFR_n}所示的数据包，通过S-Huffman编码方法对进行熵编码，然后发送出去，接收端解码时，先将接收到的一组数据解码，还原出{d_n,E1_n,DFR₃,DFR₄,…DFR_n}式所示的数据包，然后根据式计算并还原出所有原始数据。

进一步，所述基于GIS的服务器包括多源异构数据语义集成模型；所述多源异构数据语义集成模型包括：局部本体构建模块、本体合并模块和语义查询动态扩展及规约模块；

局部本体构建模块，根据数据源特征，自适应地选择本体构建策略，从而构建出局部本体；

本体合并模块，与局部本体构建模块连接，采用将概念匹配和属性匹配相结合的本体合并方法，利用最大信息系数方法计算概念语义相似度和概念属性的语义相似度，实现多个局部本体到领域本体的灵活合并；

语义查询动态扩展及规约模块，与局部本体构建模块连接，用于查询请求动态扩展的有效性及结果的聚合优化。

进一步，所述局部本体构建模块，根据数据源特征，通过自适应本体构建策略，进行局部本体的构建，具体包括：

步骤一、基于非结构化数据源构建局部本体

首先，应用文本过滤器将不同的文件格式转成为纯文本文件格式，获得语料数据，并进行一致性检查；然后，采用逆向最大分类中文分词方法对这些语料进行初步的切分处理，得到字串集合；然后，利用最大信息系数方法计算字串的内部结合强度，获取合成词集合，并判断合成词和非合成词的领域相关性，提取出概念集合；然后，应用图上随机游走算法推理合成词概念间的分类关系，采用基于隐Markov模型聚类算法提取非合成词概念间的分类关系；接着，运用基于关联规则挖掘方法获取概念间的非分类关系；最后，应用本体构建工具输出OWL格式的局部本体；

步骤二，基于结构化数据源构建局部本体

首先，利用R2O技术建立数据库模式和本体模型之间的语义映射关系，从而把关系数据库中的关系映射为本体中的概念，把属性对应地映射为OWL属性，并把数据库的关系表转化为本体类，把数据库中的数据转化为实例；然后，对从数据库中抽取出来的初始局部本体做一系列的规范化工作，通过与标准本体进行语义相似度计算，将符合阈值的本体信息建立语义联系，不符合阈值的本体信息进行规范化处理，从而构建出符合要求的规范化局部本体；

步骤三，基于半结构化数据源构建局部本体

由于半结构化数据是介于结构化和非结构化数据之间的、具有隐含结构但缺乏固定或严格结构的一类数据；所以，基于上述两种数据类型的本体构建技术也可以应用到半结构化数据源；首先，抽取出半结构化数据模式，给定映射规则，利用XML2RD方法，将半结构化数据转化为结构化数据；然后，按照结构化数据构建局部本体的方法构造半结构化数据源对应的局部本体。

进一步，所述本体合并模块合并的方法为：

采用将概念匹配和属性匹配相结合的本体合并方法，利用最大信息系数方法计算概念语义相似度和概念属性的语义相似度，然后，通过相似度评估函数对概念间的相似度进行评估，输出相似矩阵，并对相似矩阵运用领域公理约束知识进一步评估其相似性；接着，通过机器学习的方法训练学习分类器，利用学习分类器计算概念实例间的相似度；最后，通过结合模糊形式概念分析方法，综合考虑语义相似度的对称性和传递性关系，将模糊集理论引入语义相似度的设定中，实现多个局部本体到领域本体的灵活合并。

进一步，所述语义查询动态扩展及规约模块实现的具体方法为：

首先，借助社会标注语义分析和本体包含的概念关系及推理能力，对查询请求进行语法及语义上的规约与扩展，生成规范的语义查询语句，解决查询请求与领域本体数据源之间由于表达形式的不同所造成的失配问题，并根据用户的查询请求自动推荐一簇语义相关标签，为实现数据源准确聚集提供导引；然后，通过计算扩展查询请求和领域本体概念间的语义相似度来量化请求与资源概念间的关联度；最后，利用社会标注和本体包含的丰富概念语义关系，对查询结果模式进行语义注释，根据社会标注的语义全局效应，引入以统计分析结果获得的最相关可信性标注所指向的数据源作为查询结果可信性评价标准之一，对结果集进行去重和聚合优化，实现可信的Top-K查询。

进一步，所述旅行公司服务器设置有数据不确定性分析模块；所述数据不确定性分析模块的方法包括：

删除不能满足最小支持度和最小权重的项目；每一条路径的核心项集将会被确定；

在当前路径当中有唯一的核心项，那么该核心项便是本条路径的核心；如果部分核心项在路径当中出现，那么则需要判断核心当中没有出现的项目是否具备吸附能力；条件满足，那么含有的核心项便是本条路径的核心项；否则，对于其他情况，选取该条路径当中权重最大的便是该条路径的核心项集；

核心项集选择完之后，在FSFP-Tree插入算法中，如果剩余项目集当中的某一项和其他分支有交集，那么在同一条路径上的项目的支持度、模糊支持度需要重新计算；否则，生成一个节点，并且设置相应的出现频度以及模糊度值，链接该结点的父结点，并且通过结点链来链接该结点；如果当前结点属于核心相集中的元素，那么在当前路径中包含该结点的核心模式应当被筛选出来；

同时，如果目前所选择的核心模式能够同时作为其他分支的核心模式，那么则需要更新该核心模式的出现频度以及相应的模糊度值，设置当前的核心模式为其他节点的父节点，并且连接其他核心节点通过核心节点链；如果当前核心模式和其他分支没有连接，那么则设置该核心模式为当前路径上其他节点的父节点；最终，反复递归调用Insert_FSFP-Tree算法直到完成建立事物数据集T中的所有事物项。

本发明提供的用于提供推荐旅游路线的旅游服务系统，可以允许旅游者根据喜好制定旅游计划和旅游景点路线，从而在结构上制定旅游行程并适当地减少旅游费用。

附图说明

图1是本发明实施例提供的用于提供推荐旅游路线的旅游服务系统结构示意图；

图中：1、旅游服务服务器；2、旅游服务终端；3、基于GIS的服务器；4、旅行公司服务器。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

下面结合附图1对本发明的应用原理作详细的描述。

本发明实施例提供的用于提供推荐旅游路线的旅游服务系统包括：旅游服务服务器1、旅游服务终端2、基于GIS的服务器3、旅行公司服务器4。

旅游服务服务器1用于生成旅游者定制的旅游计划，并基于所述旅游计划提供虚拟体验图像和元数据；所述旅游服务终端2包括旅客携带的移动服务终端和设置在旅游景点内的固定服务终端；所述基于GIS的服务器3至少存储有旅游景点的景区介绍信息、景区票务信息及订票、订餐和住宿介绍信息、景区及时天气、路况和游客数量信息、景区热门活动或优惠活动信息、景区购物信息、旅客的历史查询信息；基于GIS的服务器3将信息传至旅行公司服务器4，为所述旅游计划安排交通设施或住宿设施；所述信号传输模块包括无线数据传输模块和有限数据传输模块，其能根据旅客需求及时、智能地提供旅游服务，在景区可做到游客走到哪，我们的旅游信息提示到哪，实时保持信息互动。

所述旅游服务服务器1通过网络与旅游组织服务器、旅游区当地政府服务器或开放的应用程序接口地图服务器相连；所述元数据提供单元从所述旅游组织服务器；所述旅游区当地政府服务器或所述开放的应用程序接口地图服务器接收所述旅游景点的元数据；

所述旅游服务终端2通过信号传输模块与基于GIS的服务器进行通信；

所述移动服务终端为手机或无线上网本；

所述固定服务终端包括输入输出显示模块、语音视频系统和GPS模块。

进一步，所述旅游服务终端设置有子匹配滤波器；所述子匹配滤波器的传递函数为：C_i是由分层序列u，v调制而成的，u是分层Golay序列u＝{1,1,1,1,1,1,-1,-1,1,-1，1,-1,1,-1,-1,1}，v＝{1,1,1,-1,-1,1,-1,-1,1,1,1,-1,1,-1,1,1}，C_16m+n＝u_nv_m；

根据分层的Golay序列对传递函数进行改进，则有：

H(z_u)＝[1+z^-8+z^-1(1-z^-8)][1+z^-4+z^-2(1-z^-4)]；

H(z_v)＝(1+z^-1)[1-z^-6+z^-8+z^-14]+(1-z^-1)[z^-2-z^-4+z^-10+z^-12]。

进一步，所述旅游服务服务器设置有数据压缩模块，所述数据压缩模块的数据压缩方法的步骤为：

步骤一，合并最小的概率，指定内部节点的每一对树枝上的0和1，得到分配给每个信源的码字，这样就构造出一个码树；在构造一个D元码的Huffman过程中，每一步合并最小的D个概率，如果通过k+1步得到这个码树，其中k≥0，那么就有k+1个内部节点和D+k(D-1)个叶子，其中每一个叶子对应字母表中的一个信源符号，如果字母表的大小m具有D+k(D-1)形式，则可以直接应用Huffman过程，否则，需要给字母表中添加概率是0的虚拟字符，以使得字符总数具有D+k(D-1)的形式；

步骤二，在编码时，首先根据E1_n+1＝E1_n+d_n+1式计算出E1值，再根据和式计算出拟合残差，计算这两步时，均需要对结果进行越限判断，判断E1是否越限是为了避免超过传感器数据总线上限而造成溢出；判断残差是否越限是为实现分段拟合；

步骤三，当一段输入数据的拟合残差全部计算完后，就构造出{d_n,E1_n,DFR₃,DFR₄,…DFR_n}所示的数据包，通过S-Huffman编码方法对进行熵编码，然后发送出去，接收端解码时，先将接收到的一组数据解码，还原出{d_n,E1_n,DFR₃,DFR₄,…DFR_n}式所示的数据包，然后根据式计算并还原出所有原始数据。

进一步，所述基于GIS的服务器包括多源异构数据语义集成模型；所述多源异构数据语义集成模型包括：局部本体构建模块、本体合并模块和语义查询动态扩展及规约模块；

局部本体构建模块，根据数据源特征，自适应地选择本体构建策略，从而构建出局部本体；

本体合并模块，与局部本体构建模块连接，采用将概念匹配和属性匹配相结合的本体合并方法，利用最大信息系数方法计算概念语义相似度和概念属性的语义相似度，实现多个局部本体到领域本体的灵活合并；

语义查询动态扩展及规约模块，与局部本体构建模块连接，用于查询请求动态扩展的有效性及结果的聚合优化。

进一步，所述局部本体构建模块，根据数据源特征，通过自适应本体构建策略，进行局部本体的构建，具体包括：

步骤一、基于非结构化数据源构建局部本体

首先，应用文本过滤器将不同的文件格式转成为纯文本文件格式，获得语料数据，并进行一致性检查；然后，采用逆向最大分类中文分词方法对这些语料进行初步的切分处理，得到字串集合；然后，利用最大信息系数方法计算字串的内部结合强度，获取合成词集合，并判断合成词和非合成词的领域相关性，提取出概念集合；然后，应用图上随机游走算法推理合成词概念间的分类关系，采用基于隐Markov模型聚类算法提取非合成词概念间的分类关系；接着，运用基于关联规则挖掘方法获取概念间的非分类关系；最后，应用本体构建工具输出OWL格式的局部本体；

步骤二，基于结构化数据源构建局部本体

首先，利用R2O技术建立数据库模式和本体模型之间的语义映射关系，从而把关系数据库中的关系映射为本体中的概念，把属性对应地映射为OWL属性，并把数据库的关系表转化为本体类，把数据库中的数据转化为实例；然后，对从数据库中抽取出来的初始局部本体做一系列的规范化工作，通过与标准本体进行语义相似度计算，将符合阈值的本体信息建立语义联系，不符合阈值的本体信息进行规范化处理，从而构建出符合要求的规范化局部本体；

步骤三，基于半结构化数据源构建局部本体

由于半结构化数据是介于结构化和非结构化数据之间的、具有隐含结构但缺乏固定或严格结构的一类数据；所以，基于上述两种数据类型的本体构建技术也可以应用到半结构化数据源；首先，抽取出半结构化数据模式，给定映射规则，利用XML2RD方法，将半结构化数据转化为结构化数据；然后，按照结构化数据构建局部本体的方法构造半结构化数据源对应的局部本体。

进一步，所述本体合并模块合并的方法为：

采用将概念匹配和属性匹配相结合的本体合并方法，利用最大信息系数方法计算概念语义相似度和概念属性的语义相似度，然后，通过相似度评估函数对概念间的相似度进行评估，输出相似矩阵，并对相似矩阵运用领域公理约束知识进一步评估其相似性；接着，通过机器学习的方法训练学习分类器，利用学习分类器计算概念实例间的相似度；最后，通过结合模糊形式概念分析方法，综合考虑语义相似度的对称性和传递性关系，将模糊集理论引入语义相似度的设定中，实现多个局部本体到领域本体的灵活合并。

进一步，所述语义查询动态扩展及规约模块实现的具体方法为：

首先，借助社会标注语义分析和本体包含的概念关系及推理能力，对查询请求进行语法及语义上的规约与扩展，生成规范的语义查询语句，解决查询请求与领域本体数据源之间由于表达形式的不同所造成的失配问题，并根据用户的查询请求自动推荐一簇语义相关标签，为实现数据源准确聚集提供导引；然后，通过计算扩展查询请求和领域本体概念间的语义相似度来量化请求与资源概念间的关联度；最后，利用社会标注和本体包含的丰富概念语义关系，对查询结果模式进行语义注释，根据社会标注的语义全局效应，引入以统计分析结果获得的最相关可信性标注所指向的数据源作为查询结果可信性评价标准之一，对结果集进行去重和聚合优化，实现可信的Top-K查询。

进一步，所述旅行公司服务器设置有数据不确定性分析模块；所述数据不确定性分析模块的方法包括：

删除不能满足最小支持度和最小权重的项目；每一条路径的核心项集将会被确定；

在当前路径当中有唯一的核心项，那么该核心项便是本条路径的核心；如果部分核心项在路径当中出现，那么则需要判断核心当中没有出现的项目是否具备吸附能力；条件满足，那么含有的核心项便是本条路径的核心项；否则，对于其他情况，选取该条路径当中权重最大的便是该条路径的核心项集；

核心项集选择完之后，在FSFP-Tree插入算法中，如果剩余项目集当中的某一项和其他分支有交集，那么在同一条路径上的项目的支持度、模糊支持度需要重新计算；否则，生成一个节点，并且设置相应的出现频度以及模糊度值，链接该结点的父结点，并且通过结点链来链接该结点；如果当前结点属于核心相集中的元素，那么在当前路径中包含该结点的核心模式应当被筛选出来；

同时，如果目前所选择的核心模式能够同时作为其他分支的核心模式，那么则需要更新该核心模式的出现频度以及相应的模糊度值，设置当前的核心模式为其他节点的父节点，并且连接其他核心节点通过核心节点链；如果当前核心模式和其他分支没有连接，那么则设置该核心模式为当前路径上其他节点的父节点；最终，反复递归调用Insert_FSFP-Tree算法直到完成建立事物数据集T中的所有事物项。

旅行公司服务器4从旅游者终端3获得关于旅游者的个人信息，旅行公司服务器4访问旅游服务服务器1并为旅游服务服务器1提供旅游信息、制定旅游计划所需的材料等。进一步地，旅行公司服务器4用于基于从旅游服务服务器1接收的旅游计划和元数据将详细的旅游计划发送至旅游者终端2，并为旅游计划安排交通设施和住宿服务。旅游服务服务器1通过网络与旅游组织服务器或旅游区当地政府服务器或开放的应用程序接口地图服务器相连。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (8)

1.一种用于提供推荐旅游路线的旅游服务系统，其特征在于，所述用于提供推荐旅游路线的旅游服务系统设置有：

旅游服务服务器，用于生成旅游者定制的旅游计划，并基于所述旅游计划提供虚拟体验图像和元数据；

旅游服务终端，与旅游服务服务器无线连接，包括旅客携带的移动服务终端和设置在旅游景点内的固定服务终端；用于接收旅游服务服务器提供虚拟体验图像和元数据；

基于GIS的服务器，与旅游服务终端无线连接，用于存储有旅游景点的景区介绍信息、景区票务信息及订票、订餐和住宿介绍信息、景区及时天气、路况和游客数量信息、景区热门活动或优惠活动信息、景区购物信息、旅客的历史查询信息；

旅行公司服务器，与基于GIS的服务器无线连接，接收基于GIS的服务器信息，为所述旅游计划安排交通设施或住宿服务；

所述旅游服务服务器通过网络与旅游组织服务器、旅游区当地政府服务器或开放的应用程序接口地图服务器相连；所述元数据提供单元从所述旅游组织服务器；所述旅游区当地政府服务器或所述开放的应用程序接口地图服务器接收所述旅游景点的元数据；

所述旅游服务终端通过信号传输模块与基于GIS的服务器进行通信；

所述移动服务终端为手机或无线上网本；

所述固定服务终端包括输入输出显示模块、语音视频系统和GPS模块。

2.如权利要求1所述的用于提供推荐旅游路线的旅游服务系统，其特征在于，所述旅游服务终端设置有子匹配滤波器；所述子匹配滤波器的传递函数为：C_i是由分层序列u，v调制而成的，u是分层Golay序列u＝{1,1,1,1,1,1,-1,-1,1,-1，1,-1,1,-1,-1,1}，v＝{1,1,1,-1,-1,1,-1,-1,1,1,1,-1,1,-1,1,1}，C_16m+n＝u_nv_m；

根据分层的Golay序列对传递函数进行改进，则有：

H(z_u)＝[1+z^-8+z^-1(1-z^-8)][1+z^-4+z^-2(1-z^-4)]；

H(z_v)＝(1+z^-1)[1-z^-6+z^-8+z^-14]+(1-z^-1)[z^-2-z^-4+z^-10+z^-12]。

3.如权利要求1所述的用于提供推荐旅游路线的旅游服务系统，其特征在于，所述旅游服务服务器设置有数据压缩模块，所述数据压缩模块的数据压缩方法步骤为：

步骤一，合并最小的概率，指定内部节点的每一对树枝上的0和1，得到分配给每个信源的码字，这样就构造出一个码树；在构造一个D元码的Huffman过程中，每一步合并最小的D个概率，如果通过k+1步得到这个码树，其中k≥0，那么就有k+1个内部节点和D+k(D-1)个叶子，其中每一个叶子对应字母表中的一个信源符号，如果字母表的大小m具有D+k(D-1)形式，则直接应用Huffman过程，否则，需要给字母表中添加概率是0的虚拟字符，以使得字符总数具有D+k(D-1)的形式；

步骤二，在编码时，首先根据E1_n+1＝E1_n+d_n+1式计算出E1值，再根据和式计算出拟合残差，计算这两步时，均需要对结果进行越限判断，判断E1是否越限是为了避免超过传感器数据总线上限而造成溢出；判断残差是否越限是为实现分段拟合；

步骤三，当一段输入数据的拟合残差全部计算完后，就构造出{d_n,E1_n,DFR₃,DFR₄,…DFR_n}所示的数据包，通过S-Huffman编码方法对进行熵编码，然后发送出去，接收端解码时，先将接收到的一组数据解码，还原出{d_n,E1_n,DFR₃,DFR₄,…DFR_n}式所示的数据包，然后根据式计算并还原出所有原始数据。

4.如权利要求1所述的用于提供推荐旅游路线的旅游服务系统，其特征在于，所述基于GIS的服务器包括多源异构数据语义集成模型；所述多源异构数据语义集成模型包括：局部本体构建模块、本体合并模块和语义查询动态扩展及规约模块；

局部本体构建模块，根据数据源特征，自适应地选择本体构建策略，从而构建出局部本体；

本体合并模块，与局部本体构建模块连接，采用将概念匹配和属性匹配相结合的本体合并方法，利用最大信息系数方法计算概念语义相似度和概念属性的语义相似度，实现多个局部本体到领域本体的灵活合并；

语义查询动态扩展及规约模块，与局部本体构建模块连接，用于查询请求动态扩展的有效性及结果的聚合优化。

5.如权利要求4所述的用于提供推荐旅游路线的旅游服务系统，其特征在于，所述局部本体构建模块，根据数据源特征，通过自适应本体构建策略，进行局部本体的构建，具体包括：

步骤一、基于非结构化数据源构建局部本体

首先，应用文本过滤器将不同的文件格式转成为纯文本文件格式，获得语料数据，并进行一致性检查；然后，采用逆向最大分类中文分词方法对这些语料进行初步的切分处理，得到字串集合；然后，利用最大信息系数方法计算字串的内部结合强度，获取合成词集合，并判断合成词和非合成词的领域相关性，提取出概念集合；然后，应用图上随机游走算法推理合成词概念间的分类关系，采用基于隐Markov模型聚类算法提取非合成词概念间的分类关系；接着，运用基于关联规则挖掘方法获取概念间的非分类关系；最后，应用本体构建工具输出OWL格式的局部本体；

步骤二，基于结构化数据源构建局部本体

首先，利用R2O技术建立数据库模式和本体模型之间的语义映射关系，从而把关系数据库中的关系映射为本体中的概念，把属性对应地映射为OWL属性，并把数据库的关系表转化为本体类，把数据库中的数据转化为实例；然后，对从数据库中抽取出来的初始局部本体做一系列的规范化工作，通过与标准本体进行语义相似度计算，将符合阈值的本体信息建立语义联系，不符合阈值的本体信息进行规范化处理，从而构建出符合要求的规范化局部本体；

步骤三，基于半结构化数据源构建局部本体

由于半结构化数据是介于结构化和非结构化数据之间的、具有隐含结构但缺乏固定或严格结构的一类数据；所以，基于上述两种数据类型的本体构建技术也应用到半结构化数据源；首先，抽取出半结构化数据模式，给定映射规则，利用XML2RD方法，将半结构化数据转化为结构化数据；然后，按照结构化数据构建局部本体的方法构造半结构化数据源对应的局部本体。

6.如权利要求4所述的用于提供推荐旅游路线的旅游服务系统，其特征在于，所述本体合并模块合并的方法为：

采用将概念匹配和属性匹配相结合的本体合并方法，利用最大信息系数方法计算概念语义相似度和概念属性的语义相似度，然后，通过相似度评估函数对概念间的相似度进行评估，输出相似矩阵，并对相似矩阵运用领域公理约束知识进一步评估其相似性；接着，通过机器学习的方法训练学习分类器，利用学习分类器计算概念实例间的相似度；最后，通过结合模糊形式概念分析方法，综合考虑语义相似度的对称性和传递性关系，将模糊集理论引入语义相似度的设定中，实现多个局部本体到领域本体的灵活合并。

7.如权利要求4所述的用于提供推荐旅游路线的旅游服务系统，其特征在于，所述语义查询动态扩展及规约模块实现的具体方法为：

首先，借助社会标注语义分析和本体包含的概念关系及推理能力，对查询请求进行语法及语义上的规约与扩展，生成规范的语义查询语句，解决查询请求与领域本体数据源之间由于表达形式的不同所造成的失配问题，并根据用户的查询请求自动推荐一簇语义相关标签，为实现数据源准确聚集提供导引；然后，通过计算扩展查询请求和领域本体概念间的语义相似度来量化请求与资源概念间的关联度；最后，利用社会标注和本体包含的丰富概念语义关系，对查询结果模式进行语义注释，根据社会标注的语义全局效应，引入以统计分析结果获得的最相关可信性标注所指向的数据源作为查询结果可信性评价标准之一，对结果集进行去重和聚合优化，实现可信的Top-K查询。

8.如权利要求1所述的用于提供推荐旅游路线的旅游服务系统，其特征在于，所述旅行公司服务器设置有数据不确定性分析模块；所述数据不确定性分析模块的方法包括：

删除不能满足最小支持度和最小权重的项目；每一条路径的核心项集将会被确定；

在当前路径当中有唯一的核心项，那么该核心项便是本条路径的核心；如果部分核心项在路径当中出现，那么则需要判断核心当中没有出现的项目是否具备吸附能力；条件满足，那么含有的核心项便是本条路径的核心项；否则，对于其他情况，选取该条路径当中权重最大的便是该条路径的核心项集；

核心项集选择完之后，在FSFP-Tree插入算法中，如果剩余项目集当中的某一项和其他分支有交集，那么在同一条路径上的项目的支持度、模糊支持度需要重新计算；否则，生成一个节点，并且设置相应的出现频度以及模糊度值，链接该结点的父结点，并且通过结点链来链接该结点；如果当前结点属于核心相集中的元素，那么在当前路径中包含该结点的核心模式应当被筛选出来；

同时，如果目前所选择的核心模式能够同时作为其他分支的核心模式，那么则需要更新该核心模式的出现频度以及相应的模糊度值，设置当前的核心模式为其他节点的父节点，并且连接其他核心节点通过核心节点链；如果当前核心模式和其他分支没有连接，那么则设置该核心模式为当前路径上其他节点的父节点；最终，反复递归调用Insert_FSFP-Tree算法直到完成建立事物数据集T中的所有事物项。