[发明专利]基于社会网络的旅游服务推荐方法

说明书

本发明提供了一种基于社会网络的旅游服务推荐方法，包括：以用户的位置为圆心，由用户指定半径；聚类在此半径内的其他用户位置信息以产生中心点；再进一步筛选中心点，产生推荐点。本发明减少了用户搜索周围地点的时间成本，采用多种热点展示，方便用户规划行程，热门地点筛选排除无关地点，避免无关信息干扰用户选择。

技术领域

本发明属于云计算、软件工程领域，特别涉及一种基于社会网络的旅游服务推荐方法

背景技术

目前中国的手机用户已经突破10大关，目前的智能手机已经可以通过GPS或者北斗等定位系统定位自己所在的位置，大量用户智能手机定位信息目前只是应用在道路拥堵等公共服务方面。但是在旅游方面的应用还比较少。在陌生的城市，游客对于商场以及公园的了解并不是太了解，如何进行筛选仅仅是通过网络上进行筛选。目前的地图应用只是将游客所在位置周围的信息呈现给用户，并没有筛选。

发明内容

本发明提供了一种基于社会网络的旅游服务推荐方法，以解决至少一个上述技术问题。

为解决上述问题，作为本发明的一个方面，提供了一种基于社会网络的旅游服务推荐方法，包括：以用户的位置为圆心，由用户指定半径；聚类在此半径内的其他用户位置信息以产生中心点；再进一步筛选中心点，产生推荐点。

优选地，聚类在此半径内的其他用户位置信息以产生中心点时，采用Nois k-means算法。

优选地，Nois k-means算法包括：使用了基于Nois的初始方法来估算K值与初始中心点，其中，K值为K-means算法需要指定的K值。

优选地，Nois初始时：

采用下述方式产生新解：将K值转换为二进制随机反转某一位的数值产生新的二进制数值，转换为十进值数值就得到了新解；

采用下述方式进行解的优劣度判断：根据产生的新解，利用k-means++初始化中心点的方式，产生初始化中心点，并且由于在同样的K值情况下，产生的中心点的位置并不是固定的，可以寻找更优的初始化中心点的分布；

采用下述方式进行解的评估：

优选地，k-means聚类方式为：通过Nois算法初始化的中心点，计算数据点与各个中心点的距离，把每个数据点分配给距离最近的中心点，根据分配的数据点重新计算中心，直到满足终止条件退出循环。

优选地，再进一步筛选中心点包括：以Nois K-means计算出中心点之后，通过GPS坐标反查地址的方式，反查出每一个中心点的地址，通过匹配地址中关键字的方式排除与公共休闲场所和旅游景点无关的中心点，并且将反查出地址相同的中心点进行合并，避免出现地址重复的情况。

优选地，产生推荐点包括：将筛选之后的中心点，计算中心周围的人员的密度并且按照密度排序，以列表的方式展示出中心点地址的相关信息。

优选地，中心点人员密度计算方式如下所示：

其中，D代表人员密度，S代表中心点建筑的建筑面积，Pn代表在中心点建筑范围内的人员数量。

由于采用了上述技术方案，本发明具有以下优点：

(1)减少了用户搜索周围地点的时间成本