CN115018474A - 基于大数据的文旅消费热度分析方法 - Google Patents

基于大数据的文旅消费热度分析方法 Download PDF

Info

Publication number
CN115018474A
CN115018474A CN202210924490.9A CN202210924490A CN115018474A CN 115018474 A CN115018474 A CN 115018474A CN 202210924490 A CN202210924490 A CN 202210924490A CN 115018474 A CN115018474 A CN 115018474A
Authority
CN
China
Prior art keywords
travel
project
text
interest
item
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.)
Granted
Application number
CN202210924490.9A
Other languages
English (en)
Other versions
CN115018474B (zh
Inventor
赵延军
卢绪金
李润生
王春明
管洋
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.)
Shandong Meili Village Cloud Computing Co ltd
Original Assignee
Shandong Meili Village Cloud Computing Co ltd
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 Shandong Meili Village Cloud Computing Co ltd filed Critical Shandong Meili Village Cloud Computing Co ltd
Priority to CN202210924490.9A priority Critical patent/CN115018474B/zh
Publication of CN115018474A publication Critical patent/CN115018474A/zh
Application granted granted Critical
Publication of CN115018474B publication Critical patent/CN115018474B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/10—Office automation; Time management
    • G06Q10/103—Workflow collaboration or project management
    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
    • 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
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/14—Travel agencies
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Tourism & Hospitality (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Development Economics (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Game Theory and Decision Science (AREA)
  • Educational Administration (AREA)
  • Data Mining & Analysis (AREA)
  • Primary Health Care (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及文旅管理领域，具体涉及一种基于大数据的文旅消费热度分析方法，获取每个文旅消费项目的热点时间段，根据每种文旅项目中每个用户的消费金额和每个用户在该文旅项目的热点时间段内参该文旅项目的次数构建每个用户对每种文旅项目的兴趣向量，构建兴趣矩阵，对兴趣矩阵进行数据降维处理得到优化兴趣矩阵，利用兴趣矩阵中每种文旅项目的兴趣向量的均值构建自分析向量，根据自分析向量得到每种文旅项目的综合消费热度指标，获取每种文旅项目的分流因子，利用每种文旅项目的分流因子对综合消费热度指标进行修正，根据修正后的综合消费热度指标进行文旅项目规划，方法智能、精准。

Description

基于大数据的文旅消费热度分析方法
技术领域
本发明涉及文旅管理领域，具体涉及一种基于大数据的文旅消费热度分析方法。
背景技术
文化旅游产业是旅游产业的重要组成部分，当下，文旅产业正在经历深刻变革，从文旅供给端来看，资源为王让位于产品为王，从文旅需求端来看，游客需求从单一化转向个性化、多样化和细分化。文旅产业发展也迎来了融合推进年、夜游经济走红年、全域旅游验收年、景区质量提升年等历史叠加期，整体更新迭代，向阳而生。
文旅产业发展的大趋势是高质量发展，同时旅游消费成为人们美好生活的日常化实践和惯性化选择，数字化技术与旅游发展的互嵌性日益加深，文旅消费呈现出全要素、全人群和全天候的新趋势，预算合理化、产品选择个性化、体验深度化、文化消费品味化成为新的体验特征。传统的文旅项目资源在分析和规划时，往往不够智能、精准，为了使得旅游项目资源的分配更加智能、合理，因此，需要对文旅项目的消费热度的进行分析，根据文旅项目的消费热度对旅游项目资源进行合理规划，也可为文旅从业者提供未来规划新政策，进而促进举办地的旅游发展、文旅消费等。
发明内容
本发明提供一种基于大数据的文旅消费热度分析方法，解决传统文旅项目资源分析和规划不够智能、精准的问题，采用如下技术方案：
获取每种文旅项目中每个用户的消费时间段，得到每种文旅项目的热点时间段；
根据每种文旅项目中每个用户的消费金额和每个用户在该文旅项目的热点时间段内参该文旅项目的次数构建每个用户对每种文旅项目的兴趣向量；
获取多个用户对每种文旅项目的兴趣向量，以用户数量为行，文旅项目种类为列，每个用户对每种文旅项目的兴趣向量为元素，构建兴趣矩阵；
采用PCA主成分分析算法对兴趣矩阵进行数据降维处理得到优化兴趣矩阵，根据优化兴趣矩阵计算出每种文旅项目的兴趣向量的均值，利用每种文旅项目的兴趣向量的均值构建自分析向量；
根据自分析向量得到每种文旅项目的综合消费热度指标；
根据每种文旅项目中每个用户的点击次数和浏览时间得到每种文旅项目的分流因子；
利用每种文旅项目的分流因子对每种文旅项目的综合消费热度指标进行修正，根据修正后的每种文旅项目的综合消费热度指标进行文旅项目调整。
所述每个用户对每种文旅项目的兴趣向量为：
Figure 196469DEST_PATH_IMAGE001
式中，
Figure 300560DEST_PATH_IMAGE002
为用户i对文旅项目j的兴趣指标，
Figure 752401DEST_PATH_IMAGE003
为一定时间内用户i在文旅项目j上的消费金额均值，
Figure 334561DEST_PATH_IMAGE004
为一定时间内用户i在文旅项目j的热点时段内参加该文旅项目的次数。
所述构建兴趣矩阵为：
Figure 86616DEST_PATH_IMAGE005
式中，m为文旅项目总数，n为用户总数。
所述自分析向量的获取方法为：
获取每种文旅项目的兴趣向量的均值：
Figure 96029DEST_PATH_IMAGE006
式中，
Figure 566325DEST_PATH_IMAGE007
为文旅项目j的兴趣向量的均值
Figure 686596DEST_PATH_IMAGE008
，
Figure 293158DEST_PATH_IMAGE009
分别为优化兴趣矩阵中所有用户对文旅项目j的总消费金额均值、总参加次数均值，n为用户总数；
将每种文旅项目的兴趣向量的均值
Figure 739052DEST_PATH_IMAGE008
转化为
Figure 758961DEST_PATH_IMAGE010
，即
Figure 433656DEST_PATH_IMAGE011
记为
Figure 143991DEST_PATH_IMAGE012
，
Figure 777098DEST_PATH_IMAGE013
记为
Figure 205674DEST_PATH_IMAGE014
，
Figure 418481DEST_PATH_IMAGE015
，
Figure 452165DEST_PATH_IMAGE016
为文旅项目总数；
则自分析向量为：
Figure 725014DEST_PATH_IMAGE017
式中，
Figure 437624DEST_PATH_IMAGE018
为文旅项目j的自分析向量，
Figure 454122DEST_PATH_IMAGE019
是将用户i对文旅项目j的兴趣向量
Figure 139050DEST_PATH_IMAGE020
转化为
Figure 848380DEST_PATH_IMAGE021
后，
Figure 985969DEST_PATH_IMAGE002
中的两个分量
Figure 9420DEST_PATH_IMAGE022
和
Figure 345592DEST_PATH_IMAGE023
，
Figure 429086DEST_PATH_IMAGE024
为文旅项目j兴趣向量的均值
Figure 850709DEST_PATH_IMAGE008
转化为
Figure 412271DEST_PATH_IMAGE010
后，
Figure 71792DEST_PATH_IMAGE007
中的两个分量
Figure 388503DEST_PATH_IMAGE012
和
Figure 500685DEST_PATH_IMAGE014
，
Figure 662676DEST_PATH_IMAGE025
为对每个兴趣向量中的两个分量的遍历。
所述每种文旅项目的综合消费热度指标的计算方法为：
Figure 911123DEST_PATH_IMAGE026
式中，
Figure 867578DEST_PATH_IMAGE027
为文旅项目j的综合消费热度指标，
Figure 467056DEST_PATH_IMAGE028
为超参数，
Figure 432738DEST_PATH_IMAGE029
为分析指数。
所述每种文旅项目的分流因子的获取方法为：
Figure 621446DEST_PATH_IMAGE031
式中，
Figure 748802DEST_PATH_IMAGE032
为文旅项目j的分流因子，
Figure 835576DEST_PATH_IMAGE033
为用户i在最终选取文旅项目j过程中所浏览的文旅项目的种类数，
Figure 339369DEST_PATH_IMAGE034
为用户i在最终选取文旅项目j的选取过程中文旅项目c的权值系数，
Figure 827988DEST_PATH_IMAGE035
为用户i最终选取文旅项目j过程中对其他文旅项目的总点击数量，
Figure 126246DEST_PATH_IMAGE036
为用户i对每种文旅项目c的浏览时间。
所述对每种文旅项目的综合消费热度指标进行修正方法为：
Figure 700315DEST_PATH_IMAGE037
式中，
Figure 7800DEST_PATH_IMAGE038
为修正后的文旅项目j的综合消费热度指标，
Figure 85346DEST_PATH_IMAGE039
为一定时间内文旅项目j在其热点时段内的退订次数均值。
所述根据修正后的每种文旅项目的综合消费热度指标进行文旅项目调整的方法为：
若文旅项目的综合消费热度指标大于综合消费热度指标阈值
Figure 820084DEST_PATH_IMAGE040
时，延长该文旅项目的开放时段，具体时段实施者可自行设定；
若文旅项目的综合消费热度指标等于综合消费热度指标阈值
Figure 615871DEST_PATH_IMAGE040
时，该文旅项目不做调整；
若文旅项目的综合消费热度指标小于综合消费热度指标阈值
Figure 727046DEST_PATH_IMAGE040
时，扩增、丰富该文旅项目的内容。
本发明的有益效果是：获取每种文旅项目中每个用户的消费时间段，得到每种文旅项目的热点时间段，根据每种文旅项目中每个用户的消费金额和每个用户在该文旅项目的热点时间段内参该文旅项目的次数构建每个用户对每种文旅项目的兴趣向量，构建兴趣矩阵，采用PCA主成分分析算法对兴趣矩阵进行数据降维处理得到优化兴趣矩阵，根据优化兴趣矩阵计算出每种文旅项目的兴趣向量的均值，利用每种文旅项目的兴趣向量的均值构建自分析向量，根据自分析向量得到每种文旅项目的综合消费热度指标，获取每个用户对每种文旅项目的点击量和浏览时间，根据点击量和浏览时间得到每种文旅项目的分流因子，利用每种文旅项目的分流因子对综合消费热度指标进行修正，根据修正后的综合消费热度指标进行文旅项目规划，方法智能、精准。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1是本发明的一种基于大数据的文旅消费热度分析方法流程示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
步骤一：获取每种文旅项目中每个用户的消费时间段，得到每种文旅项目的热点时间段；
该步骤的目的是，统计待分析区域的文旅项目数量，并获取各个文旅项目大数据，包括文旅项目各个时段的消费者数量，消费者的消费情况，消费类型，然后获取到每种文旅项目的热点时间段。
本实施例主要用于对文旅行业的消费热度进行分析，统计待分析区域内文旅项目数量，并获取各个文旅项目大数据，包括文旅项目各个时段的消费者数量，消费者的消费情况，消费类型，获取各个文旅项目的消费状况，以便为文旅从业者提供参考数据。首先，本发明将基于大数据获取每种文旅项目中用户的消费信息或调查问卷获取用户的文旅消费数据，为实现对文旅消费热度的准确分析，以便后期针对性地为文旅规划提供参考数据，本实施例将基于时段数据对大量文旅消费者的消费情况进行分析，根据所有文旅项目中的数据，获取到每个用户在一年内所消费的文旅项目信息，可以得到每种文旅项目对应的热点时段，以保证检测文旅消费热度的精度，以便针对性的对文旅消费状况进行分析。
步骤二：根据每种文旅项目中每个用户的消费金额和每个用户在该文旅项目的热点时间段内参该文旅项目的次数构建每个用户对每种文旅项目的兴趣向量；获取多个用户对每种文旅项目的兴趣向量，以用户数量为行，文旅项目种类为列，每个用户对每种文旅项目的兴趣向量为元素，构建兴趣矩阵；
该步骤的目的是，对于每个用户在文旅项目上的消费情况构建每个用户对每种文旅项目的兴趣向量，根据每个用户对每种文旅项目的兴趣向量构建兴趣矩阵。
其中，每个用户对每种文旅项目的兴趣向量的构建方法为:
对于每个用户i，本发明将构建兴趣向量
Figure 924678DEST_PATH_IMAGE041
，其中
Figure 830317DEST_PATH_IMAGE020
，
Figure 316662DEST_PATH_IMAGE002
作为用户i对文旅项目j的兴趣指标，
Figure 965949DEST_PATH_IMAGE003
为近一年内用户i对于文旅项目j的消费金额均值，
Figure 18088DEST_PATH_IMAGE004
为近一年内用户i在文旅项目j的热点时段内参加该文旅项目的次数。
进一步，基于所有用户的兴趣向量建立
Figure 94628DEST_PATH_IMAGE042
的兴趣矩阵
Figure 130586DEST_PATH_IMAGE043
，每行代表一个用户，每列代表一种文旅项目，用于对文旅消费热度状况进行检测分析，其中，构建的兴趣矩阵
Figure 52406DEST_PATH_IMAGE043
为：
Figure 490209DEST_PATH_IMAGE044
式中，m为文旅项目总数，n为用户总数。
至此，即可根据本实施例所述方法获取用于检测文旅消费热度的兴趣矩阵，实现对文旅消费状况的检测分析。在此需要说明，为保证所构建兴趣矩阵的普遍性，包含较为广泛用户的文旅爱好，尽可能的获取较多的数据，采集较多用户的文旅相关数据，实现对文旅项目及对应消费状况热度的精确分析。
步骤三：采用PCA主成分分析算法对兴趣矩阵进行数据降维处理得到优化兴趣矩阵，根据优化兴趣矩阵计算出每种文旅项目的兴趣向量的均值，利用每种文旅项目的兴趣向量的均值构建自分析向量；
该步骤的目的是，对兴趣矩阵进行降维处理，然后计算兴趣矩阵中每个每种文旅项目的兴趣向量的均值，基于每种文旅项目的兴趣向量的均值构建每种每种文旅项目的自分析向量用于后续分析。
其中，降维处理方法如下：基于采集的数据所获取的兴趣矩阵对文旅项目的整体热度进行分析，对于所述兴趣矩阵，本实施例考虑到数据量过大将会导致计算量过大，检测速度慢效率低等问题，因此，本实施例将采用PCA主成分分析算法对所述兴趣矩阵进行分析处理，以获取特征较为明显的数据，实现数据的降维处理。至此，即可得到优化兴趣矩阵，用于对文旅项目的整体热度进行准确分析，避免无效数据以及无关因素的影响。
其中，每种文旅项目的自分析向量的获取方法为：
（1）对于所述优化兴趣矩阵，本实施例将基于此对文旅项目的状况进行整体分析，首先，基于兴趣矩阵获取各列向量的均值：
Figure 737651DEST_PATH_IMAGE045
式中，
Figure 995326DEST_PATH_IMAGE007
为文旅项目j的兴趣均值
Figure 986416DEST_PATH_IMAGE008
，
Figure 91775DEST_PATH_IMAGE009
分别为优化兴趣矩阵中文旅项目j的总消费金额平均值、总参加次数均值；
（2）为便于后续分析，将
Figure 431489DEST_PATH_IMAGE008
中的
Figure 989510DEST_PATH_IMAGE011
、
Figure 33558DEST_PATH_IMAGE013
分别用
Figure 665528DEST_PATH_IMAGE046
表示，也即
Figure 504039DEST_PATH_IMAGE047
，然后计算所有文旅项目兴趣均值，本实施例将基于此构建自分析向量，用于表征优化兴趣矩阵中文旅项目的各个兴趣指标之间的波动程度，实现对文旅项目对应的各个数据之间的差异程度进行分析；
（3）则自分析向量具体为
Figure 487039DEST_PATH_IMAGE018
：
Figure 334778DEST_PATH_IMAGE049
式中，本实施例考虑到
Figure 821254DEST_PATH_IMAGE050
为向量，为便于分析本实施例将
Figure 830667DEST_PATH_IMAGE051
，
Figure 956755DEST_PATH_IMAGE004
记为
Figure 93338DEST_PATH_IMAGE023
，
Figure 762217DEST_PATH_IMAGE052
为数据
Figure 208111DEST_PATH_IMAGE019
的贡献程度，以便对文旅项目的兴趣指标的差异程度进行精确分析，
Figure 900123DEST_PATH_IMAGE018
为文旅参数j对应的差异指标，
Figure 824086DEST_PATH_IMAGE019
是将用户i对文旅项目j的兴趣向量
Figure 550734DEST_PATH_IMAGE020
转化为
Figure 901949DEST_PATH_IMAGE021
，
Figure 815679DEST_PATH_IMAGE002
中的两个分量
Figure 543332DEST_PATH_IMAGE022
和
Figure 124486DEST_PATH_IMAGE023
，
Figure 912182DEST_PATH_IMAGE024
为文旅项目j兴趣向量的均值
Figure 578787DEST_PATH_IMAGE008
转化为
Figure 47815DEST_PATH_IMAGE010
后，
Figure 483475DEST_PATH_IMAGE007
中的两个分量
Figure 442073DEST_PATH_IMAGE012
和
Figure 595974DEST_PATH_IMAGE014
，
Figure 744058DEST_PATH_IMAGE025
为对每个兴趣向量中的两个分量的遍历。
步骤四：根据自分析向量得到每种文旅项目的综合消费热度指标；
该步骤的目的是，基于自分析向量，本实施例将对文旅项目热度分析模型，以获取文旅项目综合消费热度指标。
其中，文旅项目综合消费热度指标
Figure 283493DEST_PATH_IMAGE027
计算方法为：
Figure 163724DEST_PATH_IMAGE053
式中，
Figure 54189DEST_PATH_IMAGE028
为大于零的超参数，本实施例设置为
Figure 412489DEST_PATH_IMAGE054
，
Figure 72009DEST_PATH_IMAGE029
为分析指数，本实施例将其设置为
Figure 60825DEST_PATH_IMAGE055
，所述函数值越大，则认为该文旅项目消费热度较高，可在文旅项目的热点时期内初步为文旅从业者提供参考依据，以便针对性的提高区域文旅项目发展，并对
Figure 173006DEST_PATH_IMAGE027
进行归一化。
步骤五：根据每种文旅项目中每个用户的点击次数和浏览时间得到每种文旅项目的分流因子；
该步骤的目的是，对文旅项目的消费状况进行更准确的检测，构建分流因子，用于分析各文旅项目之间的影响情况，对步骤四种的综合消费热度指标进行修正。
本步骤考虑到用户在进行文旅项目消费时，一般会进行项目之间的选取以及退订等，因此，对于用户i，本发明将每个用户作为起始节点，其最终选取的文旅项目记为j，将其作为终止节点，本发明将对其选取过程进行分析，通过大数据获取用户在选取文旅项目j之前对于其他文旅项目的点击量
Figure 600576DEST_PATH_IMAGE035
，
Figure 193232DEST_PATH_IMAGE035
为用户i最终选取文旅项目j之间所点击的其他文旅项目的总点击数量，总点击量包括对同一文旅项目点击多次的数量，同时获取起始节点i到终止节点j过程中对每种文旅项目的浏览时间
Figure 664533DEST_PATH_IMAGE036
，在此需要说明，基于大数据可获取每个用户浏览文旅项目相关的数据信息，可从线上文旅相关软件通过网站爬虫等数据挖掘方式进行获取，数据统计获取过程通过现有方法均可获取，实施者可自行设定；
其中，分流因子具体为：
Figure DEST_PATH_IMAGE057
式中，
Figure 670535DEST_PATH_IMAGE032
代表文旅项目j的分流因子，对其进行归一化处理，保证函数值处于(0,1)，
Figure 370638DEST_PATH_IMAGE033
为用户i最终选取文旅项目j过程中所浏览的文旅项目的种类数，
Figure 4751DEST_PATH_IMAGE034
为用户i到最终选取文旅项目j的选取过程中文旅项目c的权值系数，本实施例将选取过程中用户浏览文旅项目c的归一化时间作为其权值系数，根据本实施例所述方法可获取各个文旅项目的分流因子，用于对文旅消费热度进行准确分析。
需要说明的是，本实施例将对文旅项目的消费状况进行准确检测，构建分流因子，用于分析各文旅项目之间的影响情况。
步骤六：利用每种文旅项目的分流因子对每种文旅项目的综合消费热度指标进行修正，根据修正后的每种文旅项目的综合消费热度指标进行文旅项目调整。
该步骤的目的是，对文旅项目消费热度进行优化修正，提高文旅消费热度分析精度。
本实施例将基于所述分流因子等参数对文旅项目消费热度进行优化修正，建立热度修正模型，以提高文旅消费热度检测精度；
其中，对每种文旅项目的综合消费热度指标进行修正的方法具体为：
Figure 725582DEST_PATH_IMAGE058
式中，
Figure 563088DEST_PATH_IMAGE039
为近一年内文旅项目j在其热点时段内的退订（取消）次数均值，基于大数据进行统计获取，
Figure 605166DEST_PATH_IMAGE038
为修正优化后的文旅项目j的综合消费热度指标，所述函数值越大，则认为该文旅项目的消费热度越高，对应时段内该文旅项目的受欢迎度越高，可基于此为相关管理部门以及文旅从业者提供参考依据，可实现对文旅行业的有效规划，提高文旅经济发展。
其中，根据修正后的每种文旅项目的综合消费热度指标进行文旅项目调整的方法为：
（1）若文旅项目的综合消费热度指标大于综合消费热度指标阈值
Figure 578938DEST_PATH_IMAGE040
时，延长该文旅项目的开放时段，具体时段实施者可自行设定；
（2）若文旅项目的综合消费热度指标等于综合消费热度指标阈值
Figure 595305DEST_PATH_IMAGE040
时，该文旅项目不做调整；
（3）若文旅项目的综合消费热度指标小于综合消费热度指标阈值
Figure 920107DEST_PATH_IMAGE040
时，扩增、丰富该文旅项目的内容，本实施例中，
Figure 476859DEST_PATH_IMAGE040
=0.7。
需要说明的是，本实施例基于所获取的各个文旅项目的消费热度指标，以便针对性的进行文旅行业方向的规划，根据步骤一获取的各个文旅项目的热点时段，同时对各个文旅项目的消费热度进行准确提取，基于所述文旅消费热度，相关人员可针对性的进行文旅项目的发展，制定相应的文旅项目规划，推动文旅行业的经济发展。本实施例所述方法基于大数据统计分析，获取文旅消费热度指标，通过分析各文旅项目之间的影响关系，实现对文旅消费热度的准确分析，本发明具有计算量小，系统分析精度高等有益效果。
本实施例首先通过大数据获取各个文旅项目的热点时段，进一步获取对应的兴趣矩阵，基于对所述兴趣矩阵的分析获取文旅项目的综合消费热度指标，为保证分析精度，本实施例将基于各个文旅项目之间的影响构建分流因子，以获取文旅项目之间的分流能力，作为文旅消费热度优化的特征因子，对文旅项目的综合消费热度指标进行修正优化，最终可实现对相关人员提供参考数据，便于文旅从业人员等针对性的进行文旅行业的规划，推动文旅行业经济发展。
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、改进等，均应包含在本发明的保护范围之内。

Claims (8)

1.一种基于大数据的文旅消费热度分析方法，其特征在于，包括：
获取每种文旅项目中每个用户的消费时间段，得到每种文旅项目的热点时间段；
根据每种文旅项目中每个用户的消费金额和每个用户在该文旅项目的热点时间段内参该文旅项目的次数构建每个用户对每种文旅项目的兴趣向量；
获取多个用户对每种文旅项目的兴趣向量，以用户数量为行，文旅项目种类为列，每个用户对每种文旅项目的兴趣向量为元素，构建兴趣矩阵；
采用PCA主成分分析算法对兴趣矩阵进行数据降维处理得到优化兴趣矩阵，根据优化兴趣矩阵计算出每种文旅项目的兴趣向量的均值，利用每种文旅项目的兴趣向量的均值构建自分析向量；
根据自分析向量得到每种文旅项目的综合消费热度指标；
根据每种文旅项目中每个用户的点击次数和浏览时间得到每种文旅项目的分流因子；
利用每种文旅项目的分流因子对每种文旅项目的综合消费热度指标进行修正，根据修正后的每种文旅项目的综合消费热度指标进行文旅项目调整。
2.根据权利要求1所述的一种基于大数据的文旅消费热度分析方法，其特征在于，所述每个用户对每种文旅项目的兴趣向量为：
Figure 730858DEST_PATH_IMAGE001
式中，
Figure 731175DEST_PATH_IMAGE002
为用户i对文旅项目j的兴趣指标，
Figure 526961DEST_PATH_IMAGE003
为一定时间内用户i在文旅项目j上的消费金额均值，
Figure 638137DEST_PATH_IMAGE004
为一定时间内用户i在文旅项目j的热点时段内参加该文旅项目的次数。
3.根据权利要求1所述的一种基于大数据的文旅消费热度分析方法，其特征在于，所述构建的兴趣矩阵为：
Figure 507873DEST_PATH_IMAGE005
式中，m为文旅项目总数，n为用户总数。
4.根据权利要求3所述的一种基于大数据的文旅消费热度分析方法，其特征在于，所述自分析向量的获取方法为：
获取每种文旅项目的兴趣向量的均值：
Figure 928359DEST_PATH_IMAGE006
式中，
Figure 414704DEST_PATH_IMAGE007
为文旅项目j的兴趣向量的均值
Figure 798412DEST_PATH_IMAGE008
，
Figure 116129DEST_PATH_IMAGE009
分别为优化兴趣矩阵中所有用户对文旅项目j的总消费金额均值、总参加次数均值，n为用户总数；
将每种文旅项目的兴趣向量的均值
Figure 192670DEST_PATH_IMAGE008
转化为
Figure 963049DEST_PATH_IMAGE010
，即
Figure 150447DEST_PATH_IMAGE011
记为
Figure 322672DEST_PATH_IMAGE012
，
Figure 570113DEST_PATH_IMAGE013
记为
Figure 827788DEST_PATH_IMAGE014
，
Figure 615616DEST_PATH_IMAGE015
，
Figure 393079DEST_PATH_IMAGE016
为文旅项目总数；
则自分析向量为：
Figure 287389DEST_PATH_IMAGE017
式中，
Figure 766781DEST_PATH_IMAGE018
为文旅项目j的自分析向量，
Figure 358299DEST_PATH_IMAGE019
是将用户i对文旅项目j的兴趣向量
Figure 442799DEST_PATH_IMAGE020
转化为
Figure 828781DEST_PATH_IMAGE021
后，
Figure 264310DEST_PATH_IMAGE002
中的两个分量
Figure 393940DEST_PATH_IMAGE022
和
Figure 880416DEST_PATH_IMAGE023
，
Figure 358671DEST_PATH_IMAGE024
为文旅项目j兴趣向量的均值
Figure 812655DEST_PATH_IMAGE008
转化为
Figure 683659DEST_PATH_IMAGE010
后，
Figure 539488DEST_PATH_IMAGE007
中的两个分量
Figure 736115DEST_PATH_IMAGE012
和
Figure 411815DEST_PATH_IMAGE014
，
Figure 352090DEST_PATH_IMAGE025
为对每个兴趣向量中的两个分量的遍历。
5.根据权利要求4所述的一种基于大数据的文旅消费热度分析方法，其特征在于，所述每种文旅项目的综合消费热度指标的计算方法为：
Figure 62426DEST_PATH_IMAGE026
式中，
Figure 429953DEST_PATH_IMAGE027
为文旅项目j的综合消费热度指标，
Figure 61791DEST_PATH_IMAGE028
为超参数，
Figure 540177DEST_PATH_IMAGE029
为分析指数。
6.根据权利要求5所述的一种基于大数据的文旅消费热度分析方法，其特征在于，所述每种文旅项目的分流因子的获取方法为：
Figure 370599DEST_PATH_IMAGE030
式中，
Figure 361558DEST_PATH_IMAGE031
为文旅项目j的分流因子，
Figure 762583DEST_PATH_IMAGE032
为用户i在最终选取文旅项目j过程中所浏览的文旅项目的种类数，
Figure 293927DEST_PATH_IMAGE033
为用户i在最终选取文旅项目j的选取过程中文旅项目c的权值系数，
Figure 995167DEST_PATH_IMAGE034
为用户i最终选取文旅项目j过程中对其他文旅项目的总点击数量，
Figure 688186DEST_PATH_IMAGE035
为用户i对每种文旅项目c的浏览时间。
7.根据权利要求6所述的一种基于大数据的文旅消费热度分析方法，其特征在于，所述对每种文旅项目的综合消费热度指标进行修正方法为：
Figure 842086DEST_PATH_IMAGE036
式中，
Figure 911542DEST_PATH_IMAGE037
为修正后的文旅项目j的综合消费热度指标，
Figure 404972DEST_PATH_IMAGE038
为一定时间内文旅项目j在其热点时段内的退订次数均值。
8.根据权利要求7所述的一种基于大数据的文旅消费热度分析方法，其特征在于，所述根据修正后的每种文旅项目的综合消费热度指标进行文旅项目调整的方法为：
若文旅项目的综合消费热度指标大于综合消费热度指标阈值
Figure 268891DEST_PATH_IMAGE039
时，延长该文旅项目的开放时段，具体时段实施者可自行设定；
若文旅项目的综合消费热度指标等于综合消费热度指标阈值
Figure 644509DEST_PATH_IMAGE039
时，该文旅项目不做调整；
若文旅项目的综合消费热度指标小于综合消费热度指标阈值
Figure 517656DEST_PATH_IMAGE039
时，扩增、丰富该文旅项目的内容。
CN202210924490.9A 2022-08-03 2022-08-03 基于大数据的文旅消费热度分析方法 Active CN115018474B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210924490.9A CN115018474B (zh) 2022-08-03 2022-08-03 基于大数据的文旅消费热度分析方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210924490.9A CN115018474B (zh) 2022-08-03 2022-08-03 基于大数据的文旅消费热度分析方法

Publications (2)

Publication Number Publication Date
CN115018474A true CN115018474A (zh) 2022-09-06
CN115018474B CN115018474B (zh) 2022-11-08

Family

ID=83065940

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210924490.9A Active CN115018474B (zh) 2022-08-03 2022-08-03 基于大数据的文旅消费热度分析方法

Country Status (1)

Country Link
CN (1) CN115018474B (zh)

Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105138574A (zh) * 2015-07-28 2015-12-09 黄杨 用于推荐旅游休闲出行地的基于人机交互的混合推荐系统
US20160125502A1 (en) * 2014-11-04 2016-05-05 International Business Machines Corporation Travel Itinerary Recommendation Engine Using Inferred Interests and Sentiments
CN107665202A (zh) * 2016-07-27 2018-02-06 北京金山安全软件有限公司 一种构建兴趣模型的方法、装置及电子设备
CN109697214A (zh) * 2018-11-30 2019-04-30 武汉烽火众智数字技术有限责任公司 一种旅游数据分析系统及方法
CN110647692A (zh) * 2019-09-23 2020-01-03 钟栎娜 一种基于大数据的多维文旅数据监测及呈现方法
CN110795673A (zh) * 2019-10-30 2020-02-14 成都中科大旗软件股份有限公司 基于多维数据分析的文旅综合管理平台
CN110942337A (zh) * 2019-10-31 2020-03-31 天津中科智能识别产业技术研究院有限公司 一种基于互联网大数据的精准旅游营销方法
CN111177559A (zh) * 2019-12-30 2020-05-19 中国联合网络通信集团有限公司 文旅服务推荐方法、装置、电子设备及存储介质
CN111523059A (zh) * 2020-04-21 2020-08-11 南京信息工程大学 一种基于改进蛙跳算法的个性化旅游路线推荐方法
CN111914157A (zh) * 2019-05-07 2020-11-10 重庆好德译信息技术有限公司 一种基于用户偏好的旅游方案生成方法和系统
CN112269882A (zh) * 2020-10-12 2021-01-26 西安工程大学 一种面向知识图谱的旅游景点推荐方法
CN113051461A (zh) * 2021-03-31 2021-06-29 郑州旅游职业学院 基于人工智能和云平台的旅游热度分析方法与系统
CN113112058A (zh) * 2021-03-30 2021-07-13 西安理工大学 一种基于知识图谱与蚁群算法的旅游路线推荐方法
CN113886699A (zh) * 2021-10-12 2022-01-04 北京交通大学 考虑用户旅行需求和偏好的旅游出行一体化规划方法
CN114528492A (zh) * 2022-02-23 2022-05-24 常州坚果信息科技有限公司 一种城市文旅活动智能推荐方法及系统

Patent Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160125502A1 (en) * 2014-11-04 2016-05-05 International Business Machines Corporation Travel Itinerary Recommendation Engine Using Inferred Interests and Sentiments
CN105138574A (zh) * 2015-07-28 2015-12-09 黄杨 用于推荐旅游休闲出行地的基于人机交互的混合推荐系统
CN107665202A (zh) * 2016-07-27 2018-02-06 北京金山安全软件有限公司 一种构建兴趣模型的方法、装置及电子设备
CN109697214A (zh) * 2018-11-30 2019-04-30 武汉烽火众智数字技术有限责任公司 一种旅游数据分析系统及方法
CN111914157A (zh) * 2019-05-07 2020-11-10 重庆好德译信息技术有限公司 一种基于用户偏好的旅游方案生成方法和系统
CN110647692A (zh) * 2019-09-23 2020-01-03 钟栎娜 一种基于大数据的多维文旅数据监测及呈现方法
CN110795673A (zh) * 2019-10-30 2020-02-14 成都中科大旗软件股份有限公司 基于多维数据分析的文旅综合管理平台
CN110942337A (zh) * 2019-10-31 2020-03-31 天津中科智能识别产业技术研究院有限公司 一种基于互联网大数据的精准旅游营销方法
CN111177559A (zh) * 2019-12-30 2020-05-19 中国联合网络通信集团有限公司 文旅服务推荐方法、装置、电子设备及存储介质
CN111523059A (zh) * 2020-04-21 2020-08-11 南京信息工程大学 一种基于改进蛙跳算法的个性化旅游路线推荐方法
CN112269882A (zh) * 2020-10-12 2021-01-26 西安工程大学 一种面向知识图谱的旅游景点推荐方法
CN113112058A (zh) * 2021-03-30 2021-07-13 西安理工大学 一种基于知识图谱与蚁群算法的旅游路线推荐方法
CN113051461A (zh) * 2021-03-31 2021-06-29 郑州旅游职业学院 基于人工智能和云平台的旅游热度分析方法与系统
CN113886699A (zh) * 2021-10-12 2022-01-04 北京交通大学 考虑用户旅行需求和偏好的旅游出行一体化规划方法
CN114528492A (zh) * 2022-02-23 2022-05-24 常州坚果信息科技有限公司 一种城市文旅活动智能推荐方法及系统

Non-Patent Citations (7)

* Cited by examiner, † Cited by third party
Title
WU ZHAO: "The sustainable development problems research of Dongping County"s culturaltourism industry", 《IEEE XPLORE》 *
姚蔚: "大运河江苏段红色旅游网络热度时空演化特征研究", 《长江流域资源与环境》 *
李维维: "西安城市旅游休闲业态空间热点特征及形成机制", 《地理科学》 *
李雅美: "基于标签的个性化旅游推荐", 《中国科学技术大学学报》 *
王元等: "文旅产业开发全过程信息化研究", 《土木建筑工程信息技术》 *
蔡清: "融合热度和隐特征分析模型推荐个性化森林旅游景点", 《林业经济问题》 *
陈思: "基于协同过滤算法的旅游景点推荐模型研究", 《现代电子技术》 *

Also Published As

Publication number Publication date
CN115018474B (zh) 2022-11-08

Similar Documents

Publication Publication Date Title
CN106651424B (zh) 基于大数据技术的电力用户画像建立与分析方法
Peng et al. Model research on forecast of second-hand house price in Chengdu based on XGboost algorithm
CN104915879B (zh) 基于金融数据的社会关系挖掘的方法及装置
CN103473408B (zh) 一种融合时空信息的气温缺失记录重建方法
CN107066476A (zh) 一种基于物品相似度的实时推荐方法
CN106779203B (zh) 一种基于不同风速段的高原山区风电功率预测方法
WO2013138961A1 (zh) 一种基于多触点归因模型的网络广告效果衡量方法和系统
CN103353880B (zh) 一种利用相异度聚类和关联的数据挖掘方法
CN111210170B (zh) 基于90％用电分布特征指标的环保管控监测及评价方法
CN105631783A (zh) 一种客观量化的中国发明专利评估系统及方法
CN101706926A (zh) 一种卷烟消费信息调查及处理方法
CN111324807A (zh) 基于信任度的协同过滤推荐方法
WO2021128523A1 (zh) 一种基于科技大数据的技术成熟度判断方法和系统
Li Accurate digital marketing communication based on intelligent data analysis
CN116468536A (zh) 一种自动化风险控制规则生成的方法
CN113641733B (zh) 一种河道断面流量实时智能推求方法
Ren et al. Gender differentials in the payoff to schooling in rural China
CN115018474B (zh) 基于大数据的文旅消费热度分析方法
CN102663128A (zh) 一种大规模协同过滤的推荐系统
CN103678709B (zh) 一种基于时序数据的推荐系统攻击检测方法
CN108681581A (zh) 一种就业数据的协同过滤方法及系统
CN106354886A (zh) 在推荐系统中利用潜在邻居关系图筛选最近邻居的方法
CN108133296B (zh) 基于活动的社交网络下的一种结合环境数据的活动出席预测方法
CN114676931B (zh) 一种基于数据中台技术的电量预测系统
Toader et al. Using passive data collection methods to learn complex mobility patterns: an exploratory analysis

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant