[发明专利]给游客推荐其很可能会浏览的景点的方法

摘要

给游客推荐其很可能会浏览的景点的方法，首先获取游客的浏览行为，并将游客按照景点偏好的相似性聚类成若干个游客群，同时为每个游客群分别构建Markov预测模型，具体包括以下几个步骤：1）数据采集；2）数据预处理；3）景点偏好矩阵建立；4）游客聚类；5）预测模型建立；6）景点预测。将游客进行聚类后构建Markov预测模型的算法比现有方法正确率高，实验效果好，预测效果好。

主权项

给游客推荐其很可能会浏览的景点的方法，其特征在于包括以下关键步骤：数据采集、数据预处理、偏好模型建立、游客聚类、预测模型建立、景点预测：1）数据采集：收集游客访问某旅游网站的真实在线浏览行为并存入数据库；2）数据预处理：建立景点库，提取每条行为记录中的景点，去除无效和重复的浏览记录，并为每个游客构建其景点浏览行为序列；3）偏好矩阵建立：根据游客浏览所有景点的总次数以及其浏览某特定景点的次数，通过分析游客的景点浏览行为序列，计算每个游客对各景点的偏好度，为每个游客构建景点偏好向量，继而构造游客与景点之间的景点偏好矩阵M；4）游客聚类：根据每个游客对景点的偏好度，将偏好相似的游客聚类到同一游客群；5）预测模型建立：根据每个游客群中每个游客的景点浏览行为序列，分别为每个游客群生成其对应的Markov链，继而为每个游客群构建其对应的Markov状态转移概率矩阵，并进一步建立预测模型；6）景点预测：根据游客是否为新访客，采取不同的预测模式:若游客之前已经访问过该网站，则根据该游客当前浏览的景点，利用该游客所在游客群的预测模型，预测该游客下一步可能会浏览的景点；若游客是该网站的新访客，首先将热度最高的景点推荐给该游客；随着该游客浏览行为的增加，按步骤3）为其构建一个景点偏好向量，按步骤4）将该游客归入与其相似度最高的游客群，利用其归入的游客群的预测模型，预测该游客下一步尽可能会浏览的景点。