計(jì)算機(jī)系統(tǒng)輔助環(huán)境下的旅游信息預(yù)報(bào)系統(tǒng)優(yōu)化

潘 虹

(廈門軟件職業(yè)技術(shù)學(xué)院 外語外貿(mào)系，福建 廈門 361024)

現(xiàn)代社會(huì)屬于信息技術(shù)大爆炸的時(shí)代，Web2.0實(shí)現(xiàn)了飛速發(fā)展[1].游客可對外公布其所在的位置信息以及地理標(biāo)簽，而且能夠分享自己已經(jīng)體驗(yàn)過的旅游景點(diǎn)，實(shí)現(xiàn)與朋友的交流[2-3].相較于傳統(tǒng)的旅游預(yù)報(bào)信息，計(jì)算機(jī)系統(tǒng)輔助下的旅游信息預(yù)報(bào)，是結(jié)合了關(guān)聯(lián)信息、以及位置信息，在此基礎(chǔ)上進(jìn)行的一種個(gè)性化的預(yù)報(bào)[4].通過旅游信息預(yù)報(bào)系統(tǒng)優(yōu)化旅游信息，人們能夠從中得到更好的服務(wù)[5-6].而且在旅游信息預(yù)報(bào)系統(tǒng)優(yōu)化信息中，還引入了協(xié)同過濾技術(shù)[7].

考慮到游客優(yōu)化旅游預(yù)報(bào)信息時(shí)，將會(huì)受到地理位置以及流行度等的影響，本文結(jié)合游客已經(jīng)訪問過的CSN位置信息，來實(shí)現(xiàn)對游客活動(dòng)范圍的合理預(yù)報(bào).可將區(qū)域進(jìn)行劃分，依據(jù)相關(guān)信息來對各區(qū)域受到游客訪問的概率水平展開分析，利用區(qū)域中心與CSN之間的距離，與其具有的流行度，來對各區(qū)域能夠生成CSN的概率水平.最后，通過對區(qū)域流行度影響的充分整合，結(jié)合已有的CATIS預(yù)報(bào)系統(tǒng)，即可實(shí)現(xiàn)對游客旅游信息優(yōu)化問題的合理預(yù)報(bào).

1 計(jì)算機(jī)系統(tǒng)輔助環(huán)境下預(yù)報(bào)系統(tǒng)

1.1 問題定義

對于游客在OTIFS上所具有的旅游數(shù)據(jù)，可從CSN中進(jìn)行篩選提取.為了能夠更好的對相關(guān)內(nèi)容進(jìn)行闡述，如表1所示，即為本文所使用的符號及其對應(yīng)的數(shù)據(jù)含義.

表1 輸入數(shù)據(jù)的符號

定義1 旅游信息預(yù)報(bào)系統(tǒng)優(yōu)化.一個(gè)旅游信息預(yù)報(bào)系統(tǒng)優(yōu)化OTIFS定義為一個(gè)具有唯一標(biāo)識(shí)符的與地理位置相關(guān)的特定地點(diǎn).

定義2 游客本地位置.結(jié)合相關(guān)文獻(xiàn)，如果確定某一具體游客u,那么該游客的居住位置即為其對應(yīng)的本地位置，將此以lu表示.

定義3 旅游特征.以(u,v,lv,Wv,t)表示計(jì)算機(jī)系統(tǒng)輔助環(huán)境下，具體含義為游客u在時(shí)間t,位置訪問OTIFS,lv,Wv可對此進(jìn)行詳細(xì)的描述.

旅游信息預(yù)報(bào)系統(tǒng)優(yōu)化信息，在相關(guān)條件給定的前提下，包括計(jì)算機(jī)系統(tǒng)輔助環(huán)境下數(shù)據(jù)集合D、以及目標(biāo)游客uq、游客所對應(yīng)的位置lq、時(shí)間tq等，可將其以查詢q=(uq,tq,lq)表示.在這些條件下，想要實(shí)現(xiàn)的最終目的是能夠結(jié)合其感興趣進(jìn)行OTIFS列表預(yù)報(bào).假如距離閾值d是給定的，將其和游客當(dāng)前與本地距離d進(jìn)行對比，假如前者要相對較小，也就是滿足lq-lu>d，那么此時(shí)這就屬于異地預(yù)報(bào)問題，反之則應(yīng)歸入到本地預(yù)報(bào)問題中.

1.2 預(yù)報(bào)系統(tǒng)描述

為了能夠?qū)υ谶M(jìn)行決策時(shí)，游客所提供的旅游信息進(jìn)行更加真實(shí)的優(yōu)化，構(gòu)建了旅游信息預(yù)報(bào)系統(tǒng)，而且還將時(shí)間、內(nèi)容等多個(gè)因素考慮到了預(yù)報(bào)系統(tǒng)中.圖1所示即為CATIS預(yù)報(bào)系統(tǒng)對應(yīng)的框圖，各元素分別以其中的N,L,K,R代表.

圖1 CATIS預(yù)報(bào)系統(tǒng)的框圖

本文進(jìn)行研究時(shí)，將地理空間進(jìn)行了劃分，得到了R個(gè)區(qū)域.并且在區(qū)域上，針對游客u，借助一個(gè)多項(xiàng)分布?u構(gòu)建了空間預(yù)報(bào)系統(tǒng)，此時(shí)在所有的區(qū)域上，u游客都是服從相同的多項(xiàng)分布的，即r～P(rηu),ηu代表的則是在潛在區(qū)域上，游客u對應(yīng)的從屬分布.而且通過從屬多元正態(tài)分布lv～N(μr,Σr)，能夠得出各OTIFS對應(yīng)位置lv.可借助如下所示的一個(gè)高速密度函數(shù)來得到建模OTIFS空間密度.

(1)

μr、Σr分別表示平均值向量以及協(xié)方差矩陣.

本文構(gòu)建的CATIS預(yù)報(bào)系統(tǒng)中，引入了多項(xiàng)分布θu狄利克雷先驗(yàn)，可將其表示為參數(shù)α的等式，以有效防范過度擬合問題的出現(xiàn).

(2)

Γ(·)指代的是伽馬函數(shù).可通過下式表示多項(xiàng)分布θl′,φz,ζu,?u,φr對應(yīng)的狄利克雷先驗(yàn)

(3)

(4)

1.3 預(yù)報(bào)系統(tǒng)推理

將完全數(shù)據(jù)似然性借助MCMC方法來進(jìn)行最大化處理.借助貝葉斯鏈?zhǔn)椒▌t，實(shí)現(xiàn)對社會(huì)相關(guān)性后驗(yàn)概率的采樣：

(5)

s-u,v反映的是全部游客關(guān)系具有的社會(huì)相關(guān)性；nu,s反映的是在某游客u，存在的潛在社會(huì)相關(guān)性s的次數(shù)；-u,v反映的則是除了當(dāng)前全部的旅游記錄總量.

可通過吉布斯采樣來確保主題是一致的.首先，依據(jù)如下所示的后驗(yàn)概率采樣硬幣a：

(6)

上式中，nu,a1反映的是當(dāng)游客在配置文件Du中，如果滿足a=1，那么此時(shí)采用次數(shù)為多少.nu,a0則代表了當(dāng)a取值為零時(shí)，對應(yīng)的采樣次數(shù)；nu,z指的是在游客u興趣分布中，潛在主題z對應(yīng)的采樣次數(shù).

隨后，結(jié)合如下所示的后驗(yàn)概率，以及采樣主題z,如果a=1，那么存在：

(7)

z-u,v反映的是除了當(dāng)前所有旅游記錄的主題配置；nz,ω反映了由主題z得到ω對應(yīng)次數(shù).

最后，可借助如下所示后驗(yàn)概率采樣區(qū)域r.

(8)

nu,r表示的是采樣區(qū)域r的次數(shù)；nr,v指代的是基于區(qū)域r得到OTIFSv對應(yīng)的次數(shù).

2 利用CATIS預(yù)報(bào)系統(tǒng)的旅游信息

構(gòu)建了如下所示的排名框架公式，以促進(jìn)實(shí)現(xiàn)在線查詢過程效率的提高.

(9)

如下所示為查詢偏好：

(10)

下式反映的是OTIFSv屬性：

(11)

3 實(shí)驗(yàn)

3.1 實(shí)驗(yàn)環(huán)境

Foursquare站點(diǎn)能夠進(jìn)行計(jì)算機(jī)的社交，在該網(wǎng)絡(luò)站點(diǎn)上，游客可以在任意位置上來旅游.將這些旅游信息進(jìn)行收集和整理，得到有關(guān)時(shí)間、文本等方面的信息，這些信息進(jìn)行了有效整理之后，能夠?qū)θ藗兊穆糜涡畔㈩A(yù)報(bào)進(jìn)行有效的分析和評估，實(shí)現(xiàn)一種優(yōu)化分析.本實(shí)驗(yàn)研究中選擇的是Foursquare數(shù)據(jù)集，選擇的時(shí)間跨度為2011年9月到2012年11月，分析的旅游記錄是美國、歐洲等地區(qū)的游客，而且在該數(shù)據(jù)集中含有的數(shù)據(jù)信息十分豐富，包括了社交信息，以及旅游對應(yīng)的地理位置信息，時(shí)間、相關(guān)內(nèi)容等等.本文基于Foursquare數(shù)據(jù)集中含有的5 468個(gè)游客進(jìn)行了研究，這些游客合理訪問OTIFS 7 286個(gè).

進(jìn)行了對比實(shí)驗(yàn)，而且對于旅游信息預(yù)報(bào)系統(tǒng)優(yōu)化信息則是通過如下兩個(gè)指標(biāo)來進(jìn)行合理的評估，即Precision@k以及召回率Recall@k.

3.2 實(shí)驗(yàn)結(jié)果

本文將CATIS預(yù)報(bào)系統(tǒng)對應(yīng)的5個(gè)基線方法展開了對比分析，即TSCP,GSCP,GTCP,GTSP,GTSC.從圖2和圖3對比結(jié)果分析可知：首先能夠得出不管是在異地或是本地場景，本文所設(shè)計(jì)的CATIS都具有更優(yōu)的性能.而且還能夠得出，在不同的場景中，各因素對于預(yù)報(bào)系統(tǒng)精度的影響是不一樣的.

圖2 Foursquare數(shù)據(jù)集上的不同因素影響異地預(yù)報(bào)精度

圖3 Foursquare數(shù)據(jù)集上的不同因素影響本地預(yù)報(bào)精度

從圖2可以看出，如果是異地旅游信息預(yù)報(bào)，可以結(jié)合因素重要性來將其進(jìn)行排序.影響最大的是旅游內(nèi)容，其次為流行度，隨后為社會(huì)相關(guān)性以及時(shí)間效應(yīng)，影響最小的是地理位置.但是，從圖3可以看出，如果是本地預(yù)報(bào)場景，那么此時(shí)的排序?qū)?huì)有所變化，旅游內(nèi)容影響重要性將是最低的，而最高的為時(shí)間效應(yīng)，其次則為地理、流行度等.對比分析后能夠得出，如果是異地場景，通過內(nèi)容信息能夠?qū)崿F(xiàn)對數(shù)據(jù)稀疏問題的有效克服；但是在本地場景，作用更加突出的則是時(shí)間效應(yīng).

4 總結(jié)

本文在計(jì)算機(jī)系統(tǒng)輔助環(huán)境下構(gòu)建了CATIS預(yù)報(bào)系統(tǒng)，在該預(yù)報(bào)系統(tǒng)中將時(shí)間、地理以及內(nèi)容等信息都有效的融合其中，通過對這些因素的考慮，使得數(shù)據(jù)稀疏以及興趣漂移等問題都得到了很好的解決.結(jié)合真實(shí)的數(shù)據(jù)集，開展了實(shí)驗(yàn)分析.經(jīng)過對比實(shí)驗(yàn)，驗(yàn)證了與其他方法相比，所提出的CATIS預(yù)報(bào)系統(tǒng)具有更高的準(zhǔn)確度.

[1] HERR H D，KRZYSZTOFOWICZ R.Ensemble bayesian forecasting system part i：theory and algorithms[J].Journal of Hydrology,2015，524：789-802.

[2] CHEN C F，LAI M C，YEH C C.Forecasting touOTIFSm demand based on empirical mode decomposition and neural network[J].Knowledge-Based Systems，2012,26：281-287.

[3] FUKA D R，WALTER M T，MACALISTER C,et al.Using the climate forecast system reanalysis as weather input data for watershed models[J].Hydrological Processes，2015,28(22)：5613-5623.

[4] CLOPTON S W，STODDARD J E，EVANS M R.An empirical taxonomy of touOTIFSt，information search strategies[J].Acta Obstetricia Et Gynecologica Scandinavica，2012,24(2)：105-112.

[5] BOSTON D W，CASHAR E E，COPE D A,et al.A computer system for aircraft flyover acoustic data acquisition and analysis[J].Journal of Aircraft,2015,21(2)：155-158.

[6] BOYLES R.Aircraft design augmented by a man-computer graphic system[J].Journal of Aircraft，2015,5(5)：486-497.