CN118035564B - 一种基于云计算的数据分析方法及系统 - Google Patents

Abstract

本申请公开了一种基于云计算的数据分析方法及系统，该方法包括：接收旅游需求信息和第一位置信息；根据出发时间进行筛选旅游景点；确定第一旅游推荐清单景点内每个旅游景点对应的基本预算；基于用户预算进行判断是否符合预算筛选条件，若符合则添加至第二旅游推荐清单，否则不做处理；发送第二旅游推荐清单；确定景点偏好推荐度；根据景点偏好推荐度和目标筛选个数进行筛选目标旅游景点；生成旅游需求响应信息，基于设备ID进行推送旅游需求响应信息。本申请通过结合用户面部图像信息和用户语音信息进行分析用户情绪状态以确定景点偏好推荐度，进而筛选目标旅游景点，提高了旅游需求响应的个性化推荐效果。

Description

一种基于云计算的数据分析方法及系统

技术领域

本申请涉及数据分析技术领域，具体涉及一种基于云计算的数据分析方法及系统。

背景技术

在基于VR头显设备进行旅游推荐的场景中，虽然用户通过佩戴VR头显设备能够获得更逼真的旅游景点画面，但传统的旅游推荐系统往往只是机械地按照距离或者热度进行推荐，无法满足用户的个性化需求，推送的旅游景点与用户的旅游需求不匹配，同时也缺少针对性的用户分析，从而导致推荐结果仍然存在推荐效果差的问题。

发明内容

为了克服现有技术存在的缺陷与不足，本申请提供了一种基于云计算的数据分析方法及系统。

为了达到上述目的，本申请采用以下技术方案：

根据本申请的一个方面，提供了一种基于云计算的数据分析方法，用于云服务器，所述云服务器分别与至少一个VR头显设备连接，每个VR头显设备与一个设备ID一一对应，所述方法包括：

接收由VR头显设备发出的旅游需求信息和第一位置信息，旅游需求信息和第一位置信息均与设备ID对应，旅游需求信息包括出发时间、旅游天数和用户预算；

基于预存的旅游景点视频数据库，根据出发时间进行筛选旅游景点以得到第一旅游推荐清单；

根据第一位置信息确定第一旅游推荐清单景点内每个旅游景点对应的基本预算；

分别对第一旅游推荐清单景点内每个旅游景点对应的基本预算进行遍历，基于用户预算进行判断是否符合预算筛选条件，若符合则将当前遍历的旅游景点所对应的宣传视频信息和旅游标签信息添加至第二旅游推荐清单，否则不做处理；

基于设备ID进行发送第二旅游推荐清单；

响应于接收到由VR头显设备传输的用户面部图像信息和用户语音信息，结合用户面部图像信息和用户语音信息进行分析用户情绪状态，以确定第二旅游推荐清单内每个旅游景点所对应的景点偏好推荐度；

根据景点偏好推荐度和目标筛选个数进行筛选目标旅游景点，具体包括：将旅游天数作为目标筛选个数，在第二旅游推荐清单中将景点偏好推荐度按照从大到小的顺序进行排序后，从排序最大的景点偏好推荐度开始，根据目标筛选个数进行筛选目标旅游景点；

基于所有目标旅游景点生成旅游需求响应信息，基于设备ID进行推送旅游需求响应信息。

优选地，用户面部图像信息和用户语音信息均为用户利用VR头显设备观看宣传视频信息时进行采集得到，用户面部图像信息具体为图像帧序列，用户语音信息具体为音频帧序列，在采集时分别对图像帧序列、音频帧序列进行标记与宣传视频信息对应的景点ID，从而使得图像帧序列、音频帧序列中的每个帧序号均对应用户当前观看的宣传视频信息。

优选地，所述预算筛选条件具体表示为：

；

其中表示第一旅游推荐清单中第个旅游景点所对应的基本预算，表示用户预算，表示旅游天数。

优选地，在根据出发时间进行筛选旅游景点以得到第一旅游推荐清单中，具体包括：基于预存的旅游景点视频数据库，依次进行遍历旅游景点，判断出发时间是否处于当前遍历的旅游景点所对应的预设推荐旅游季节内，若处于则将当前遍历的旅游景点所对应的宣传视频信息和旅游标签信息添加至第一旅游推荐清单中，否则不做处理；

在旅游景点视频数据库中，每个旅游景点均对应一个景点ID、一个宣传视频信息和旅游标签信息，旅游标签信息包括预设推荐旅游季节、第二位置信息、旅游风格、景点相关信息，景点相关信息为针对旅游景点的文本信息。

优选地，在根据第一位置信息确定第一旅游推荐清单景点内每个旅游景点对应的基本预算中，具体包括：

依次遍历第一旅游推荐清单；

将第一位置信息作为出发地，将当前遍历的旅游景点所对应的第二位置信息作为目的地；

将出发地点和目的地作为第一传入参数进行调用第三方出行服务接口以获得出行预算范围；

将目的地作为第二传入参数进行调用第三方住宿服务接口以获得住宿预算范围；

计算当前遍历的旅游景点的基本预算，具体表示为：

；

其中表示当前遍历的旅游景点在第一旅游推荐清单中的序号，表示 第一旅游推荐清单中第个旅游景点所对应的基本预算，表示第一旅游推荐 清单中第个旅游景点的出行预算范围的平均值，表示第一旅游推荐清单中第 个旅游景点的出行预算范围的最小边界值，表示第一旅游推荐清单中第个旅 游景点的出行预算范围的最大边界值，表示第一旅游推荐清单 中第个旅游景点的住宿预算范围的平均值，表示第一旅游推荐清 单中第个旅游景点的住宿预算范围的最小边界值，表示第一旅游 推荐清单中第个旅游景点的住宿预算范围的最大边界值。

优选地，在结合用户面部图像信息和用户语音信息进行分析用户情绪状态中，具体包括：

基于用户面部图像信息，通过预先训练好的表情情绪分析模型识别是否具有第一积极情绪特征，根据景点ID分类统计第一积极情绪特征的帧数以确定每个旅游景点的第一积极情绪影响值，第一积极情绪影响值具体表示为：

；

其中表示与第个景点ID对应的第一积极情绪影响值，表示关于第 个景点ID具有第一积极情绪特征的帧数，表示关于第个景点ID的总帧数，第个景 点ID与第二旅游推荐清单内第个旅游景点对应；

基于用户语音信息，通过预先训练好的声音情绪分析模型识别是否具有第二积极情绪特征，根据景点ID分类统计具有第二积极情绪特征的帧数以确定每个旅游景点的第二积极情绪影响值，第二积极情绪影响值具体表示为：

；

其中表示与第个景点ID对应的第二积极情绪影响值，表示关于第 个景点ID具有第二积极情绪特征的帧数，表示关于第个景点ID的总帧数，第个景 点ID与第二旅游推荐清单内第个旅游景点对应；

基于第一积极情绪影响值和第二积极情绪影响值进行确定每个旅游景点所对应的景点偏好推荐度，具体表示为：

；

其中表示与第个景点ID对应的景点偏好推荐度。

优选地，所述表情情绪分析模型为使用多组训练数据通过机器学习训练得到，其中多组训练数据中的每一组训练数据包括用户面部训练图像和用来标识该用户面部训练图像是否具有第一积极情绪特征的标签信息，第一积极情绪特征可以选择微笑表情、惊叹表情中的组合形式，当识别出微笑表情或者惊叹表情中的任一个表情，则判断为具有第一积极情绪特征，否则判断为不具有第一积极情绪特征；

所述声音情绪分析模型为使用多组训练数据通过机器学习训练得到，其中多组训练数据中的每一组训练数据包括用户观览训练语音和用来标识该用户观览训练语音是否具有第二积极情绪特征的标签信息，第二积极情绪特征选择笑声、惊叹声中的组合形式，当识别出笑声或者惊叹声中的任一个声音时，则判断为具有第二积极情绪特征，否则判断为不具有第二积极情绪特征。

优选地，在基于所有目标旅游景点生成旅游需求响应信息中，具体包括：

依次遍历每个目标旅游景点；

针对当前遍历的目标旅游景点，将该目标旅游景点对应的景点相关信息作为第一响应内容；

针对当前遍历的目标旅游景点，以该目标旅游景点对应的第二位置信息为搜索起点，基于第一预设距离进行搜索周边美食信息，根据第一用户评分和第一预设筛选数量从周边美食信息中筛选出待推送美食信息，将待推送美食信息作为第二响应内容，其中周边美食信息中的每个美食项均具有对应的第一用户评分；

针对当前遍历的目标旅游景点，以该目标旅游景点对应的第二位置信息为搜索起点，基于第二预设距离进行搜索周边住宿信息，根据用户评分和第一预设筛选数量从周边住宿信息中筛选出待推送住宿信息，将待推送住宿信息作为第三响应内容，其中周边住宿信息中的每个住宿项均具有对应的第二用户评分；

基于景点ID，分别将第一响应内容、第二响应内容、第三响应内容打包为对应的需求景点信息，将所有需求景点信息添加至旅游需求响应信息中。

优选地，在基于所有目标旅游景点生成旅游需求响应信息，基于设备ID推送旅游需求响应信息之后，所述方法还包括：

在第二旅游推荐清单中根据旅游风格进行分类统计旅游风格偏好度，将最高旅游风格偏好度所对应的旅游风格确定为目标推送风格，在旅游景点视频数据库中根据目标推送风格进行筛选旅游景点，将旅游风格与目标推送风格相同的旅游景点所对应的宣传视频信息和旅游标签信息依次添加至景点广告列表中；

基于设备ID进行发送景点广告列表；

其中，旅游风格偏好度具体表示为：

；

其中表示第个旅游风格所对应的旅游风格偏好度，表示在第二旅游推 荐清单中具有第个旅游风格的旅游景点的数量，表示第二旅游推荐清单中旅游景 点的数量。

根据本申请的另一个方面，还提供了一种基于云计算的数据分析系统，用于执行上述所述的方法，所述系统包括：

需求接收模块，用于接收由VR头显设备发出的旅游需求信息和第一位置信息，旅游需求信息和第一位置信息均与设备ID对应，旅游需求信息包括出发时间、旅游天数和用户预算；

第一筛选模块，用于基于预存的旅游景点视频数据库，根据出发时间进行筛选旅游景点以得到第一旅游推荐清单；

预算分析模块，用于根据第一位置信息确定第一旅游推荐清单景点内每个旅游景点对应的基本预算；

第二筛选模块，用于分别对第一旅游推荐清单景点内每个旅游景点对应的基本预算进行遍历，基于用户预算进行判断是否符合预算筛选条件，若符合则将当前遍历的旅游景点所对应的宣传视频信息和旅游标签信息添加至第二旅游推荐清单，否则不做处理；

第一推送模块，用于基于设备ID进行发送第二旅游推荐清单；

景点偏好分析模块，用于响应于接收到由VR头显设备传输的用户面部图像信息和用户语音信息，结合用户面部图像信息和用户语音信息进行分析用户情绪状态，以确定第二旅游推荐清单内每个旅游景点所对应的景点偏好推荐度；

第三筛选模块，用于根据景点偏好推荐度和目标筛选个数进行筛选目标旅游景点，具体包括：将旅游天数作为目标筛选个数，在第二旅游推荐清单中将景点偏好推荐度按照从大到小的顺序进行排序后，从排序最大的景点偏好推荐度开始，根据目标筛选个数进行筛选目标旅游景点；

第二推送模块，用于基于所有目标旅游景点生成旅游需求响应信息，基于设备ID进行推送旅游需求响应信息。

本申请与现有技术相比，具有如下优点和有益效果：

（1）本申请通过接收旅游需求信息和第一位置信息，根据出发时间进行筛选旅游景点以得到第一旅游推荐清单，根据第一位置信息确定第一旅游推荐清单景点内每个旅游景点对应的基本预算，通过结合基本预算和预算筛选条件进行筛选第二旅游推荐清单，从而为用户提供符合用户需求的旅游景点，进而结合用户面部图像信息和用户语音信息进行分析用户情绪状态，以确定第二旅游推荐清单内每个旅游景点所对应的景点偏好推荐度，从而根据景点偏好推荐度和目标筛选个数进行筛选目标旅游景点，这样既满足了用户的旅游要求又满足了用户的旅游偏好需求，提高了用户的满意度和体验度，进而提高了旅游需求响应信息的个性化推荐效果。

（2）本申请利用表情情绪分析模型识别第一积极情绪特征，利用声音情绪分析模型识别第二积极情绪特征，进而确定出第一积极情绪影响值和第二积极情绪影响值，基于第一积极情绪影响值和第二积极情绪影响值进行确定每个旅游景点所对应的景点偏好推荐度，提高了针对用户的旅游偏好需求的分析准确性，通过结合用户面部图像信息和用户语音信息进行分析用户情绪状态，及时分析出用户的旅游偏好，提高了对用户需求个性化匹配的精准性，解决了传统旅游推荐方法推送的旅游景点与用户的旅游需求不匹配的问题，进而提高了生成旅游需求响应信息时的个性化推荐效果。

（3）本申请在第二旅游推荐清单中根据旅游风格进行分类统计旅游风格偏好度，将最高旅游风格偏好度所对应的旅游风格确定为目标推送风格，在旅游景点视频数据库中根据目标推送风格进行筛选旅游景点，将旅游风格与目标推送风格相同的旅游景点所对应的宣传视频信息和旅游标签信息依次添加至景点广告列表中，本申请利用旅游风格偏好度进行筛选旅游景点并定制广告推送的内容，提高了针对用户的旅游广告投放的精准性和个性化，提高了旅游广告的推送效率。

附图说明

图1为本申请实施例1中提供一种基于云计算的数据分析方法的流程示意图；

图2为本申请实施例2中提供一种基于云计算的数据分析方法的流程示意图；

图3为本申请实施例3中提供一种基于云计算的数据分析系统的示意框图；

图4为本申请实施例4中提供一种终端的结构示意图；

图5为本申请实施例5中提供的一种计算机设备的结构示意图。

具体实施方式

为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请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申请一部分的实施例，而不是全部的实施例。基于本申请中的实施例，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，都应当属于本申请保护的范围。

需要说明的是，本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

在实施例1中，本实施例提供了一种基于云计算的数据分析方法，该方法用于云服务器，云服务器分别与至少一个VR头显设备通过网络进行连接，每个VR头显设备与一个设备ID一一对应，以标识不同VR头显设备进行区分。

如图1所示，该方法包括：

步骤S100：接收由VR头显设备发出的旅游需求信息和第一位置信息，旅游需求信息和第一位置信息均与设备ID对应，旅游需求信息包括出发时间、旅游天数和用户预算；

需要说明的是，本实施例的适用场景为短期旅游推荐场景，例如旅游天数为1至5天的旅程。

在本实施例中，VR头显设备包括拾音模块、需求分析模块、拍摄模块、数据传输模块，拾音模块用于捕获用户语音信息，需求分析模块用于对用户语音信息进行分析以确定用户的旅游需求信息，拍摄模块用于拍摄用户面部图像信息，数据传输模块用于将用户语音信息或用户面部图像信息传输至云服务器；

在本实施例中，用户语音信息具体为音频帧序列，用户面部图像信息具体为图像帧序列。

在对用户语音信息进行分析以确定用户的旅游需求信息中，具体包括：利用语音转文本技术将用户语音信息转化为用户文本信息，进而利用预设旅游需求关键词集对用户文本信息进行匹配，若匹配成功则根据用户文本信息生成旅游需求信息，否则不做处理；

示例性的，预设旅游需求关键词集包括多个需求关键词，例如：“推荐一个旅游目的地”、“我想去旅游，有什么建议吗”、“给我一些旅游建议”、“介绍一个好玩的地方”、“帮我规划一个旅行”。

在根据用户文本信息生成旅游需求信息中，将用户文本信息中出发时间和用户预算进行提取，进而生成旅游需求信息。实际应用时，通过对用户语音提取出出发时间和用户预算以作为关键参数，从而确定旅游需求信息。

在本实施例中，第一位置信息、第二位置信息均为GPS定位位置信息。

步骤S200：基于预存的旅游景点视频数据库，根据出发时间进行筛选旅游景点以得到第一旅游推荐清单，具体包括：基于预存的旅游景点视频数据库，依次进行遍历旅游景点，判断出发时间是否处于当前遍历的旅游景点所对应的预设推荐旅游季节内，若处于则将当前遍历的旅游景点所对应的宣传视频信息和旅游标签信息添加至第一旅游推荐清单中，否则不做处理；

在旅游景点视频数据库中，每个旅游景点均对应一个景点ID、一个宣传视频信息和旅游标签信息，旅游标签信息包括预设推荐旅游季节、第二位置信息、旅游风格、景点相关信息。例如，预设推荐旅游季节可以为春季（对应3、4、5月份），夏季（6、7、8月份），秋季（9、10、11月份），冬季（12、1、2月份）；

示例性的，景点相关信息为针对旅游景点的文本信息，景点相关信息包括与旅游景点对应的历史背景、特色介绍、游览路线、交通方式、开放时间、门票价格文本内容，景点相关信息可以从景点官方网站、第三方旅游网站里进行收集以存储至旅游景点视频数据库中。具体的，例如：当旅游景点为长城时，景点相关信息具体包括关于长城的历史背景、特色介绍、游览路线、交通方式、开放时间、门票价格；当旅游景点为西湖时，景点相关信息具体包括关于西湖的历史背景、特色介绍、游览路线、交通方式、开放时间、门票价格。其中，历史背景、特色介绍、游览路线、交通方式、开放时间、门票价格均为文本内容，在此不做具体限定。

示例性的，旅游风格可以设置为运动活动类、文化体验类、自然景观类、休养类中的任一种或任意多种组合的风格类型，例如：运动活动类可以是徒步、攀岩、水上运动、滑雪、潜水等；文化体验类可以是参观博物馆、历史遗址和艺术展览，或者体验当地的美食和风俗；自然景观类可以是山区、海滩、森林和湖泊等；休养类可以是瑜伽、冥想等。

步骤S300：根据第一位置信息确定第一旅游推荐清单景点内每个旅游景点对应的基本预算；具体包括：

步骤S310：依次遍历第一旅游推荐清单；

步骤S320：将第一位置信息作为出发地，将当前遍历的旅游景点所对应的第二位置信息作为目的地；

步骤S330：将出发地点和目的地作为第一传入参数进行调用第三方出行服务接口以获得出行预算范围；

步骤S340：将目的地作为第二传入参数进行调用第三方住宿服务接口以获得住宿预算范围；示例性的，第三方出行服务接口如携程平台API、去哪儿平台API、高德地图平台API、百度地图平台API等等，第三方住宿服务接口如携程平台API、去哪儿平台API等等。

步骤S350：计算当前遍历的旅游景点的基本预算，具体表示为：

；

其中表示当前遍历的旅游景点在第一旅游推荐清单中的序号，表示 第一旅游推荐清单中第个旅游景点所对应的基本预算，表示第一旅游推荐 清单中第个旅游景点的出行预算范围的平均值，表示第一旅游推荐清单中第 个旅游景点的出行预算范围的最小边界值，表示第一旅游推荐清单中第个旅 游景点的出行预算范围的最大边界值，表示第一旅游推荐清单 中第个旅游景点的住宿预算范围的平均值，表示第一旅游推荐清 单中第个旅游景点的住宿预算范围的最小边界值，表示第一旅游 推荐清单中第个旅游景点的住宿预算范围的最大边界值。

步骤S400：分别对第一旅游推荐清单景点内每个旅游景点对应的基本预算进行遍历，基于用户预算进行判断是否符合预算筛选条件，若符合则将当前遍历的旅游景点所对应的宣传视频信息和旅游标签信息添加至第二旅游推荐清单，否则不做处理；

在本实施例中，预算筛选条件具体表示为：

；

其中表示第一旅游推荐清单中第个旅游景点所对应的基本预算，表示用户预算，表示旅游天数。

具体而言，由于旅游时餐饮预算可以及时变更，因此本实施例主要以出行预算范围和住宿预算范围进行结合确定预算的一部分占比，进而再结合旅游天数进行调整预算占比，使得预算筛选条件更精准。

实际应用时，通过对用户预算、基本预算进行判断是否符合预算筛选条件，从而能够更好地控制旅游花费，有效地减少了超预算的情况，提高了针对用户需求的匹配度。

步骤S500：基于设备ID进行发送第二旅游推荐清单；

在本实施例中，当与设备ID对应的VR头显设备接收到第二旅游推荐清单时，对第二旅游推荐清单进行遍历播放每个旅游景点所对应的宣传视频信息，利用拍摄模块拍摄用户面部图像信息，同时利用拾音模块采集用户语音信息，以实现用户图像和语音的时序同步，使得在遍历播放时用户面部图像信息和用户语音信息均具有同步对应的旅游景点，进而利用数据传输模块将用户面部图像信息和用户语音信息传输至云服务器；

示例性的，可以将播放宣传视频信息时的时间戳作为参考时序，从而对用户面部图像信息和用户语音信息在时序上标记采集时的时间戳，根据各个时间戳是否相同来判断是否同步，进而在分析能够判断用户图像和语音是否为时序同步。

步骤S600：响应于接收到由VR头显设备传输的用户面部图像信息和用户语音信息，结合用户面部图像信息和用户语音信息进行分析用户情绪状态，以确定第二旅游推荐清单内每个旅游景点所对应的景点偏好推荐度；

在结合用户面部图像信息和用户语音信息进行分析用户情绪状态中，具体包括：

步骤S610：基于用户面部图像信息，通过预先训练好的表情情绪分析模型识别是否具有第一积极情绪特征，根据景点ID分类统计第一积极情绪特征的帧数以确定每个旅游景点的第一积极情绪影响值；

第一积极情绪影响值具体表示为：

；

其中表示与第个景点ID对应的第一积极情绪影响值，表示关于第 个景点ID具有第一积极情绪特征的帧数，表示关于第个景点ID的总帧数，第个景 点ID与第二旅游推荐清单内第个旅游景点对应；

具体而言，根据景点ID对用户面部图像信息进行分类，将相同景点ID对应的图像帧归为同一类，进而利用表情情绪分析模型对每个图像帧进行识别判断是否具有第一积极情绪特征，根据景点ID分类统计各景点ID具有第一积极情绪特征的图像帧的帧数以确定该景点ID对应的旅游景点的第一积极情绪影响值；

示例性的，景点Ida对应第a个旅游景点，景点Ida对应的用户面部图像的图像帧的总帧数为100个，其中具有第一积极情绪特征的帧数为40个时，将景点Ida对应的具有第一积极情绪特征的帧数与景点Ida对应的图像帧的总帧数之间的占比确定为景点Ida对应的旅游景点的第一积极情绪影响值，结果为40/100=0.4。

步骤S620：基于用户语音信息，通过预先训练好的声音情绪分析模型识别是否具有第二积极情绪特征，根据景点ID分类统计具有第二积极情绪特征的帧数以确定每个旅游景点的第二积极情绪影响值；

第二积极情绪影响值具体表示为：

；

其中表示与第个景点ID对应的第二积极情绪影响值，表示关于第 个景点ID具有第二积极情绪特征的帧数，表示关于第个景点ID的总帧数，第个景 点ID与第二旅游推荐清单内第个旅游景点对应；

具体而言，根据景点ID对用户语音信息进行分类，将属于相同景点ID的音频帧归为同一类，进而利用声音情绪分析模型对每个音频帧进行识别，判断是否具有第二积极情绪特征，根据景点ID分类统计各景点ID具有第二积极情绪特征的帧数，以确定为该景点ID对应的旅游景点的第二积极情绪影响值；

示例性的，景点Idb对应第b个旅游景点，景点Idb对应的用户语音的音频帧的总帧数为120个，其中，具有第二积极情绪特征的帧数为60个，将景点Idb对应的具有第二积极情绪特征的帧数与景点Idb对应的音频帧的总帧数之间的占比确定为景点Idb对应的旅游景点的第二积极情绪影响值，结果为60/120=0.5。

步骤S630：基于第一积极情绪影响值和第二积极情绪影响值进行确定每个旅游景点所对应的景点偏好推荐度，具体表示为：

；

其中表示与第个景点ID对应的景点偏好推荐度。

在本实施例中，表情情绪分析模型为使用多组训练数据通过机器学习训练得到，其中多组训练数据中的每一组训练数据包括用户面部训练图像和用来标识该用户面部训练图像是否具有第一积极情绪特征的标签信息；

示例性的，第一积极情绪特征选择微笑表情、惊叹表情中的组合形式。例如，当识别出微笑表情或者惊叹表情中的任一个表情，则判断为具有第一积极情绪特征，否则判断为不具有第一积极情绪特征。

在本实施例中，声音情绪分析模型为使用多组训练数据通过机器学习训练得到，其中多组训练数据中的每一组训练数据包括用户观览训练语音和用来标识该用户观览训练语音是否具有第二积极情绪特征的标签信息；

示例性的，第二积极情绪特征选择笑声、惊叹声中的组合形式。例如，当识别出笑声或者惊叹声中的任一个声音时，则判断为具有第二积极情绪特征，否则判断为不具有第二积极情绪特征。

具体而言，本申请利用预先训练好的表情情绪分析模型识别是否具有第一积极情绪特征，利用预先训练好的声音情绪分析模型识别是否具有第二积极情绪特征，进而确定出第一积极情绪影响值和第二积极情绪影响值，基于第一积极情绪影响值和第二积极情绪影响值进行确定每个旅游景点所对应的景点偏好推荐度，通过结合用户面部图像信息和用户语音信息进行分析用户情绪状态，及时分析出用户的旅游偏好，提高了对用户需求个性化匹配的精准性，进而提高了旅游需求响应信息的个性化推荐效果，提高了用户的满意度和体验度。

在本实施例中，用户面部图像信息和用户语音信息均为用户利用VR头显设备观看宣传视频信息时进行采集得到，用户面部图像信息具体为图像帧序列，用户语音信息具体为音频帧序列，在采集时分别对图像帧序列、音频帧序列进行标记与宣传视频信息对应的景点ID，从而使得图像帧序列、音频帧序列中的每个帧序号均对应用户当前观看的宣传视频信息。

示例性的，当用户利用VR头显设备观看多个宣传视频信息时，例如4个宣传视频信息，分别记为宣传视频a、宣传视频b、宣传视频c、宣传视频d，通过建立数据映射表分别将用户面部图像信息、用户语音信息的帧序号分别与景点ID进行映射。针对用户面部图像信息和用户语音信息，在播放宣传视频a时对此时采集的帧序号标记景点IDa，在播放宣传视频b时对此时采集的帧序号标记景点IDb，在播放宣传视频c时对此时采集的帧序号标记景点IDc，在播放宣传视频d时对此时采集的帧序号标记景点IDd，进而每个帧序号均具有对应的景点ID。

步骤S700：根据景点偏好推荐度和目标筛选个数进行筛选目标旅游景点，具体包括：将旅游天数作为目标筛选个数，在第二旅游推荐清单中将景点偏好推荐度按照从大到小的顺序进行排序后，从排序最大的景点偏好推荐度开始，根据目标筛选个数进行筛选目标旅游景点；

示例性的，当旅游天数为1天时，则设置目标筛选个数为1个，进而在第二旅游推荐清单中将排序最大的景点偏好推荐度所对应的旅游景点筛选为目标旅游景点；当旅游天数为2天时，则设置目标筛选个数为2个，进而在第二旅游推荐清单中将排序最大的景点偏好推荐度、排序第二大的景点偏好推荐度所对应的旅游景点均筛选为目标旅游景点，依此类推，从而将排序靠前的景点偏好推荐度所对应的旅游景点筛选出来。

步骤S800：基于所有目标旅游景点生成旅游需求响应信息，基于设备ID进行推送旅游需求响应信息。

具体而言，本实施例通过接收旅游需求信息和第一位置信息，根据出发时间进行筛选旅游景点以得到第一旅游推荐清单，根据第一位置信息确定第一旅游推荐清单景点内每个旅游景点对应的基本预算，通过结合基本预算和预算筛选条件进行筛选第二旅游推荐清单，从而为用户提供符合用户需求的旅游景点，进而结合用户面部图像信息和用户语音信息进行分析用户情绪状态，以确定第二旅游推荐清单内每个旅游景点所对应的景点偏好推荐度，从而根据景点偏好推荐度和目标筛选个数进行筛选目标旅游景点，基于所有目标旅游景点生成旅游需求响应信息，本申请通过结合用户面部图像信息和用户语音信息进行分析用户情绪状态，以及时确定用户的旅游偏好，实现了对用户需求个性化匹配的精准性，进而提高了旅游需求响应信息的个性化推荐效果，提高了用户的满意度和体验度。

在基于所有目标旅游景点生成旅游需求响应信息中，具体包括：

步骤S810：依次遍历每个目标旅游景点；

步骤S820：针对当前遍历的目标旅游景点，将该目标旅游景点对应的景点相关信息作为第一响应内容；

步骤S830：针对当前遍历的目标旅游景点，以该目标旅游景点对应的第二位置信息为搜索起点，基于第一预设距离进行搜索周边美食信息，根据第一用户评分和第一预设筛选数量从周边美食信息中筛选出待推送美食信息，将待推送美食信息作为第二响应内容，其中周边美食信息中的每个美食项均具有对应的第一用户评分。

实际应用时，以旅游景点对应的第二位置信息为搜索起点，进而基于第一预设距离进行搜索周边美食信息，周边美食信息由多个美食项构成，每个美食项与搜索起点的相对距离均小于或等于第一预设距离。

示例性的，第一预设距离设置为1km至3km内的任意数值，第一预设筛选数量可以设置为1至3个，可根据实际情况调整具体数值；周边美食信息和第一用户评分均可通过调用第三方饮食服务接口确定，例如美团平台API、饿了么平台API等。

步骤S840：针对当前遍历的目标旅游景点，以该目标旅游景点对应的第二位置信息为搜索起点，基于第二预设距离进行搜索周边住宿信息，根据用户评分和第一预设筛选数量从周边住宿信息中筛选出待推送住宿信息，将待推送住宿信息作为第三响应内容，其中周边住宿信息中的每个住宿项均具有对应的第二用户评分；

实际应用时，以旅游景点对应的第二位置信息为搜索起点，进而基于第二预设距离进行搜索周边住宿信息，周边住宿信息由多个住宿项构成，每个住宿项与搜索起点的相对距离均小于或等于第二预设距离。

示例性的，第一预设距离设置为0.5km至3km内的任意数值，第二预设筛选数量可以设置为1至3个，可根据实际情况设置数值；周边住宿信息、第二用户评分均可通过调用第三方住宿服务接口确定，例如美团平台API、饿了么平台API、携程平台API、去哪儿平台API等。

步骤S850：基于景点ID，分别将第一响应内容、第二响应内容、第三响应内容打包为对应的需求景点信息，将所有需求景点信息添加至旅游需求响应信息中。

在实施例2中，为了进一步提高针对用户的旅游广告的推送效率，本实施例在上述实施例1的基础上，提供了一种基于云计算的数据分析方法。

如图2所示，在步骤S800之后，该方法还包括：

步骤S900：在第二旅游推荐清单中根据旅游风格进行分类统计旅游风格偏好度，将最高旅游风格偏好度所对应的旅游风格确定为目标推送风格，在旅游景点视频数据库中根据目标推送风格进行筛选旅游景点，将旅游风格与目标推送风格相同的旅游景点所对应的宣传视频信息和旅游标签信息依次添加至景点广告列表中；

在本实施例中，旅游风格偏好度具体表示为：

；

其中表示第个旅游风格所对应的旅游风格偏好度，表示在第二旅游推 荐清单中具有第个旅游风格的旅游景点的数量，表示第二旅游推荐清单中旅游景 点的数量。

在本实施例中，由于旅游风格可以设置为运动活动类、文化体验类、自然景观类、 休养类，则。

步骤S1000：基于设备ID进行发送景点广告列表。

实际应用时，通过找到最高旅游风格偏好度，以确定用户喜欢的旅游风格，通过向用户推送景点广告列表，从而提高了旅游广告的个性化和准确性，激发了用户旅游需求，提高了旅游广告的推送效率。

在实施例3中，本实施例提供了与上述实施例中提供的基于云计算的数据分析方法所对应的基于云计算的数据分析系统。

如图3所示，该系统用于执行上述基于云计算的数据分析方法，该系统包括：

需求接收模块，用于接收由VR头显设备发出的旅游需求信息和第一位置信息，旅游需求信息和第一位置信息均与设备ID对应，旅游需求信息包括出发时间、旅游天数和用户预算；

第一筛选模块，用于基于预存的旅游景点视频数据库，根据出发时间进行筛选旅游景点以得到第一旅游推荐清单；

预算分析模块，用于根据第一位置信息确定第一旅游推荐清单景点内每个旅游景点对应的基本预算；

第二筛选模块，用于分别对第一旅游推荐清单景点内每个旅游景点对应的基本预算进行遍历，基于用户预算进行判断是否符合预算筛选条件，若符合则将当前遍历的旅游景点所对应的宣传视频信息和旅游标签信息添加至第二旅游推荐清单，否则不做处理；

第一推送模块，用于基于设备ID进行发送第二旅游推荐清单；

景点偏好分析模块，用于响应于接收到由VR头显设备传输的用户面部图像信息和用户语音信息，结合用户面部图像信息和用户语音信息进行分析用户情绪状态，以确定第二旅游推荐清单内每个旅游景点所对应的景点偏好推荐度；

第三筛选模块，用于根据景点偏好推荐度和目标筛选个数进行筛选目标旅游景点，具体包括：将旅游天数作为目标筛选个数，在第二旅游推荐清单中将景点偏好推荐度按照从大到小的顺序进行排序后，从排序最大的景点偏好推荐度开始，根据目标筛选个数进行筛选目标旅游景点；

第二推送模块，用于基于所有目标旅游景点生成旅游需求响应信息，基于设备ID进行推送旅游需求响应信息。

在本实施例中，为了进一步提高针对用户的旅游广告的推送效率，该系统还包括：

旅游风格偏好分析模块，用于在第二旅游推荐清单中根据旅游风格进行分类统计旅游风格偏好度，将最高旅游风格偏好度所对应的旅游风格确定为目标推送风格，在旅游景点视频数据库中根据目标推送风格进行筛选旅游景点，将旅游风格与目标推送风格相同的旅游景点所对应的宣传视频信息和旅游标签信息依次添加至景点广告列表中；

第三推送模块，用于基于设备ID进行发送景点广告列表；

其中，旅游风格偏好度具体表示为：

；

其中表示第个旅游风格所对应的旅游风格偏好度，表示在第二旅游推 荐清单中具有第个旅游风格的旅游景点的数量，表示第二旅游推荐清单中旅游景 点的数量。

在实施例4中，结合图4所示，本实施例提供了一种终端，包括：至少一个存储器和至少一个处理器；其中，至少一个存储器用于存储程序代码，至少一个处理器用于调用至少一个存储器所存储的程序代码执行上述实施例中的任一种基于云计算的数据分析方法。

在实施例5中，本实施例提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图5所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库为物理层用于存储各种数据库。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种基于云计算的数据分析方法。

本领域技术人员可以理解，图5中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

在实施例6中，本实施例提供了一种存储介质，所述存储介质用于存储程序代码，所述程序代码用于执行上述一种基于云计算的数据分析方法。

以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开中所涉及的公开范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述公开构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

此外，虽然采用特定次序描绘了各操作，但是这不应当理解为要求这些操作以所示出的特定次序或以顺序次序执行来执行。在一定环境下，多任务和并行处理可能是有利的。同样地，虽然在上面论述中包含了若干具体实现细节，但是这些不应当被解释为对本公开的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实施例中。相反地，在单个实施例的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实施例中。

上述实施例为本申请较佳的实施方式，但本申请的实施方式并不受上述实施例的限制，其他的任何未背离本申请的精神实质与原理下所作的改变、修饰、替代、组合、简化，均应为等效的置换方式，都包含在本申请的保护范围之内。

Claims (8)

1.一种基于云计算的数据分析方法，其特征在于，用于云服务器，所述云服务器分别与至少一个VR头显设备连接，每个VR头显设备均与一个设备ID一一对应，所述方法包括：

接收由VR头显设备发出的旅游需求信息和第一位置信息，旅游需求信息包括出发时间、旅游天数和用户预算；

基于预存的旅游景点视频数据库，根据出发时间进行筛选旅游景点以得到第一旅游推荐清单；

根据第一位置信息确定第一旅游推荐清单景点内每个旅游景点对应的基本预算；

分别对第一旅游推荐清单景点内每个旅游景点对应的基本预算进行遍历，基于用户预算进行判断是否符合预算筛选条件，若符合则将当前遍历的旅游景点所对应的宣传视频信息和旅游标签信息添加至第二旅游推荐清单，否则不做处理；

基于设备ID进行发送第二旅游推荐清单；

响应于接收到由VR头显设备传输的用户面部图像信息和用户语音信息，结合用户面部图像信息和用户语音信息进行分析用户情绪状态，以确定第二旅游推荐清单内每个旅游景点所对应的景点偏好推荐度；

根据景点偏好推荐度和目标筛选个数进行筛选目标旅游景点；

基于所有目标旅游景点生成旅游需求响应信息，基于设备ID推送旅游需求响应信息；

在根据第一位置信息确定第一旅游推荐清单景点内每个旅游景点对应的基本预算中，具体包括：

依次遍历第一旅游推荐清单；

将第一位置信息作为出发地，将当前遍历的旅游景点所对应的第二位置信息作为目的地；

将出发地点和目的地作为第一传入参数进行调用第三方出行服务接口以获得出行预算范围；

将目的地作为第二传入参数进行调用第三方住宿服务接口以获得住宿预算范围；

计算当前遍历的旅游景点的基本预算，具体表示为：

；

其中表示当前遍历的旅游景点在第一旅游推荐清单中的序号，/>表示第一旅游推荐清单中第/>个旅游景点所对应的基本预算，/>表示第一旅游推荐清单中第/>个旅游景点的出行预算范围的平均值，/>表示第一旅游推荐清单中第/>个旅游景点的出行预算范围的最小边界值，/>表示第一旅游推荐清单中第/>个旅游景点的出行预算范围的最大边界值，/>表示第一旅游推荐清单中第/>个旅游景点的住宿预算范围的平均值，/>表示第一旅游推荐清单中第/>个旅游景点的住宿预算范围的最小边界值，/>表示第一旅游推荐清单中第/>个旅游景点的住宿预算范围的最大边界值；

在结合用户面部图像信息和用户语音信息进行分析用户情绪状态中，具体包括：

基于用户面部图像信息，通过预先训练好的表情情绪分析模型识别是否具有第一积极情绪特征，根据景点ID分类统计第一积极情绪特征的帧数以确定每个旅游景点的第一积极情绪影响值，第一积极情绪影响值具体表示为：

；

其中表示与第/>个景点ID对应的第一积极情绪影响值，/>表示关于第/>个景点ID具有第一积极情绪特征的帧数，/>表示关于第/>个景点ID的总帧数，第/>个景点ID与第二旅游推荐清单内第/>个旅游景点对应；

基于用户语音信息，通过预先训练好的声音情绪分析模型识别是否具有第二积极情绪特征，根据景点ID分类统计具有第二积极情绪特征的帧数以确定每个旅游景点的第二积极情绪影响值，第二积极情绪影响值具体表示为：

；

其中表示与第/>个景点ID对应的第二积极情绪影响值，/>表示关于第/>个景点ID具有第二积极情绪特征的帧数，/>表示关于第/>个景点ID的总帧数，第/>个景点ID与第二旅游推荐清单内第/>个旅游景点对应；

基于第一积极情绪影响值和第二积极情绪影响值进行确定每个旅游景点所对应的景点偏好推荐度，具体表示为：

；

其中表示与第/>个景点ID对应的景点偏好推荐度。

2.如权利要求1所述的基于云计算的数据分析方法，其特征在于，在根据景点偏好推荐度和目标筛选个数进行筛选目标旅游景点中，具体包括：将旅游天数作为目标筛选个数，在第二旅游推荐清单中将景点偏好推荐度按照从大到小的顺序进行排序后，从排序最大的景点偏好推荐度开始，根据目标筛选个数进行筛选目标旅游景点。

3.如权利要求1所述的基于云计算的数据分析方法，其特征在于，所述预算筛选条件具体表示为：

；

其中表示第一旅游推荐清单中第/>个旅游景点所对应的基本预算，表示用户预算，/>表示旅游天数。

4.如权利要求1所述的基于云计算的数据分析方法，其特征在于，在根据出发时间进行筛选旅游景点以得到第一旅游推荐清单中，具体包括：

基于预存的旅游景点视频数据库，依次进行遍历旅游景点，判断出发时间是否处于当前遍历的旅游景点所对应的预设推荐旅游季节内，若处于则将当前遍历的旅游景点所对应的宣传视频信息和旅游标签信息添加至第一旅游推荐清单中，否则不做处理；

在旅游景点视频数据库中，每个旅游景点均对应一个景点ID、一个宣传视频信息和旅游标签信息，旅游标签信息包括预设推荐旅游季节、第二位置信息、旅游风格、景点相关信息，景点相关信息为针对旅游景点的文本信息。

5.如权利要求4所述的基于云计算的数据分析方法，其特征在于，所述表情情绪分析模型为使用多组训练数据通过机器学习训练得到，其中多组训练数据中的每一组训练数据包括用户面部训练图像和用来标识该用户面部训练图像是否具有第一积极情绪特征的标签信息，第一积极情绪特征选择微笑表情、惊叹表情中的组合形式，当识别出微笑表情或者惊叹表情中的任一个表情，则判断为具有第一积极情绪特征，否则判断为不具有第一积极情绪特征；

所述声音情绪分析模型为使用多组训练数据通过机器学习训练得到，其中多组训练数据中的每一组训练数据包括用户观览训练语音和用来标识该用户观览训练语音是否具有第二积极情绪特征的标签信息，第二积极情绪特征选择笑声、惊叹声中的组合形式，当识别出笑声或者惊叹声中的任一个声音时，则判断为具有第二积极情绪特征，否则判断为不具有第二积极情绪特征。

6.如权利要求5所述的基于云计算的数据分析方法，其特征在于，在基于所有目标旅游景点生成旅游需求响应信息中，具体包括：

依次遍历每个目标旅游景点；

针对当前遍历的目标旅游景点，将该目标旅游景点对应的景点相关信息作为第一响应内容；

针对当前遍历的目标旅游景点，以该目标旅游景点对应的第二位置信息为搜索起点，基于第一预设距离进行搜索周边美食信息，根据第一用户评分和第一预设筛选数量从周边美食信息中筛选出待推送美食信息，将待推送美食信息作为第二响应内容，其中周边美食信息中的每个美食项均具有对应的第一用户评分；

针对当前遍历的目标旅游景点，以该目标旅游景点对应的第二位置信息为搜索起点，基于第二预设距离进行搜索周边住宿信息，根据用户评分和第一预设筛选数量从周边住宿信息中筛选出待推送住宿信息，将待推送住宿信息作为第三响应内容，其中周边住宿信息中的每个住宿项均具有对应的第二用户评分；

基于景点ID，分别将第一响应内容、第二响应内容、第三响应内容打包为对应的需求景点信息，将所有需求景点信息添加至旅游需求响应信息中。

7.如权利要求6所述的基于云计算的数据分析方法，其特征在于，在基于所有目标旅游景点生成旅游需求响应信息，基于设备ID推送旅游需求响应信息之后，所述方法还包括：

在第二旅游推荐清单中根据旅游风格进行分类统计旅游风格偏好度，将最高旅游风格偏好度所对应的旅游风格确定为目标推送风格，在旅游景点视频数据库中根据目标推送风格进行筛选旅游景点，将旅游风格与目标推送风格相同的旅游景点所对应的宣传视频信息和旅游标签信息依次添加至景点广告列表中；

基于设备ID进行发送景点广告列表；

其中，旅游风格偏好度具体表示为：

；

其中表示第/>个旅游风格所对应的旅游风格偏好度，/>表示在第二旅游推荐清单中具有第/>个旅游风格的旅游景点的数量，/>表示第二旅游推荐清单中旅游景点的数量。

8.一种基于云计算的数据分析系统，其特征在于，用于执行如权利要求1至7中任一项所述的基于云计算的数据分析方法，所述系统包括：

需求接收模块，用于接收由VR头显设备发出的旅游需求信息和第一位置信息，旅游需求信息和第一位置信息均与设备ID对应，旅游需求信息包括出发时间、旅游天数和用户预算；

第一筛选模块，用于基于预存的旅游景点视频数据库，根据出发时间进行筛选旅游景点以得到第一旅游推荐清单；

预算分析模块，用于根据第一位置信息确定第一旅游推荐清单景点内每个旅游景点对应的基本预算；

第二筛选模块，用于分别对第一旅游推荐清单景点内每个旅游景点对应的基本预算进行遍历，基于用户预算进行判断是否符合预算筛选条件，若符合则将当前遍历的旅游景点所对应的宣传视频信息和旅游标签信息添加至第二旅游推荐清单，否则不做处理；

第一推送模块，用于基于设备ID进行发送第二旅游推荐清单；

景点偏好分析模块，用于响应于接收到由VR头显设备传输的用户面部图像信息和用户语音信息，结合用户面部图像信息和用户语音信息进行分析用户情绪状态，以确定第二旅游推荐清单内每个旅游景点所对应的景点偏好推荐度；

第三筛选模块，用于根据景点偏好推荐度和目标筛选个数进行筛选目标旅游景点，具体包括：将旅游天数作为目标筛选个数，在第二旅游推荐清单中将景点偏好推荐度按照从大到小的顺序进行排序后，从排序最大的景点偏好推荐度开始，根据目标筛选个数进行筛选目标旅游景点；

第二推送模块，用于基于所有目标旅游景点生成旅游需求响应信息，基于设备ID进行推送旅游需求响应信息；

在根据第一位置信息确定第一旅游推荐清单景点内每个旅游景点对应的基本预算中，具体包括：

依次遍历第一旅游推荐清单；

将第一位置信息作为出发地，将当前遍历的旅游景点所对应的第二位置信息作为目的地；

将出发地点和目的地作为第一传入参数进行调用第三方出行服务接口以获得出行预算范围；

将目的地作为第二传入参数进行调用第三方住宿服务接口以获得住宿预算范围；

计算当前遍历的旅游景点的基本预算，具体表示为：

；

其中表示当前遍历的旅游景点在第一旅游推荐清单中的序号，/>表示第一旅游推荐清单中第/>个旅游景点所对应的基本预算，/>表示第一旅游推荐清单中第/>个旅游景点的出行预算范围的平均值，/>表示第一旅游推荐清单中第/>个旅游景点的出行预算范围的最小边界值，/>表示第一旅游推荐清单中第/>个旅游景点的出行预算范围的最大边界值，/>表示第一旅游推荐清单中第/>个旅游景点的住宿预算范围的平均值，/>表示第一旅游推荐清单中第/>个旅游景点的住宿预算范围的最小边界值，/>表示第一旅游推荐清单中第/>个旅游景点的住宿预算范围的最大边界值；

在结合用户面部图像信息和用户语音信息进行分析用户情绪状态中，具体包括：

基于用户面部图像信息，通过预先训练好的表情情绪分析模型识别是否具有第一积极情绪特征，根据景点ID分类统计第一积极情绪特征的帧数以确定每个旅游景点的第一积极情绪影响值，第一积极情绪影响值具体表示为：

；

其中表示与第/>个景点ID对应的第一积极情绪影响值，/>表示关于第/>个景点ID具有第一积极情绪特征的帧数，/>表示关于第/>个景点ID的总帧数，第/>个景点ID与第二旅游推荐清单内第/>个旅游景点对应；

基于用户语音信息，通过预先训练好的声音情绪分析模型识别是否具有第二积极情绪特征，根据景点ID分类统计具有第二积极情绪特征的帧数以确定每个旅游景点的第二积极情绪影响值，第二积极情绪影响值具体表示为：

；

其中表示与第/>个景点ID对应的第二积极情绪影响值，/>表示关于第/>个景点ID具有第二积极情绪特征的帧数，/>表示关于第/>个景点ID的总帧数，第/>个景点ID与第二旅游推荐清单内第/>个旅游景点对应；

基于第一积极情绪影响值和第二积极情绪影响值进行确定每个旅游景点所对应的景点偏好推荐度，具体表示为：

；

其中表示与第/>个景点ID对应的景点偏好推荐度。