CN104077705A - 基于svm的景区电子商务推送方法及*** - Google Patents

Abstract

本发明公开了一种基于SVM的景区电子商务推送方法及***，其中方法包括以下步骤：获取景区内游客的位置信息和游客身份信息；将游客位置信息和游客身份信息映射到预设的空间内，形成规范化的数据；将规范化后的数据作为预置的基于支持向量机SVM的主动推送模型的输入，主动推送模型输出为游客推荐的附近的旅游服务信息，推送的旅游服务信息以电子地图的形式通过北斗手持终端显示；北斗手持终端根据游客的选择，显示详细信息，并开启终端导航。本发明通过支持向量机SVM主动推送模型，能够在有限样本情况下，求得全局最优解，并且将算法复杂程度保持在一个合适的范围内，有效建立景区电子商务主动推送模型的优良方案。

Description

基于SVM的景区电子商务推送方法及***

技术领域

本发明涉及景区电子商务推送方法，尤其涉及一种基于SVM的景区电子商务推送方法及***。

背景技术

移动电子商务是一个新兴的研究领域，目前，对于移动电子商务的研究主要集中于移动消费者行为和兴趣模型等方面的研究。真正基于位置的个性化推荐技术研究还不是很多。而移动电子商务结合基于北斗位置服务的研究还基本没有，更没有针对智慧旅游、针对景区游客的主动推送式的电子商务。另外，目前国家大力支持北斗产业发展，在《2014-2016北斗应用产业化重大专项》中明确提出智慧旅游作为8项区域应用之一，景区移动电子商务必将成为智慧旅游建设的重要部分。

旅游景区的电子商务推送需要结合景区的实际情况同时考虑游客在景区内的位置信息以及游客自身的信息，才能得出合理的为游客推荐的旅游服务信息供其选择，所以建立有效的推送模型是非常重要的，比较现有的几种模型方法：传统的多元回归统计分析模型、GM(1，N)模型等线性模型都很难解决这种多参数时间序列间的复杂非线性关系，人工神经网络技术又存在训练速度慢，易陷入局部极小点和全局搜索能力弱的缺陷。

发明内容

本发明要解决的技术问题在于针对现有技术中没有针对智慧旅游、针对景区游客的主动推送式的景点导航服务的缺陷，提供一种支持向量机(SVM)能够在有限样本情况下，求得全局最优解，并且将算法复杂程度保持在一个合适的范围内，不但能整合多信息数据，而且能够实现复杂非线性模型逼近，得出有效的数据模型的。

本发明解决其技术问题所采用的技术方案是：

提供一种基于SVM的景区电子商务推送方法，包括以下步骤：

S1、获取景区内游客的位置信息和游客身份信息，所述游客位置信息通过游客携带的北斗手持终端、基于北斗的位置服务***及景区GIS***综合获取，所述游客身份信息预先录入的、与手持终端绑定的信息；

S2、将游客位置信息和游客身份信息映射到预设的空间内，形成规范化的数据；

S3、将规范化后的数据作为预置的基于支持向量机SVM的主动推送模型的输入，主动推送模型输出为游客推荐的附近的旅游服务信息，推送的旅游服务信息以电子地图的形式通过北斗手持终端显示；

S4、北斗手持终端根据游客的选择，显示详细信息，并开启终端导航。

本发明所述的方法中，所述预置的基于支持向量机SVM的主动推送模型的建模过程包括以下步骤：

选定影响景区电子商务推送项目内容的多个影响参数，所述影响参数包括游客的位置信息和游客自身的身份信息；

设定影响参数的样本数据，根据景区不同位置的不同情况形成针对景区特定区域的多组游客位置信息数据，根据游客自身情况形成针对不同游客身份的多组游客自身的身份信息数据，根据每组游客位置信息和游客身份信息确定与其相对应的推送项目内容信息，从而形成样本数据；

将设定的样本数据映射到预设的映射空间内，形成规范化的数据样本；

建立基于支持向量机SVM回归模型的主动推送模型，所述主动推送模型的输入数据为规范化的数据样本，所述主动推送模型的输出数据为推送项目内容信息；

通过所述规范化的数据样本对所述主动推送模型进行训练，调整主动推送模型的结构，使推送项目内容信息与各个影响参数相对应，得到最终的主动推送模型。

本发明所述的方法中，游客的位置信息包括附近景点信息和附近商家信息；游客自身的身份信息包括游客的性别和年龄。

本发明所述的方法中，步骤“将设定的样本数据映射到预设的映射空间内，形成规范化的数据样本”具体包括以下步骤：

运用最小-最大规范化方法对样本数据进行规范化处理。并利用公式：

${r_i}^{\′}=\frac{\max \left\{r_i\right\}-r_i}{\max \left\{r_i\right\}-\min \left\{r_i\right\}}$

将设定的样本数据映射到[0,1]区间，式中，r_i表示第i组样本数据所对应的推送项目信息数据数组，max{r_i}表示所有组样本数据所对应的推送项目信息数据数组的最大值，min{r_i}表示所有组样本数据所对应的推送项目信息数据数组的最小值。

本发明所述的方法中，在建模过程中，选取SVM模型自有的径向基函数RBF建立主动推送模型，其表达式为：

k＝exp[-(m-n)×(m-n)′]/2×r₁ ²

式中，m为景区电子商务推送项目影响因素矩阵；n为推送项目结果向量；r₁为待估参数。

本发明所述的方法中，在建模过程中，将景区景点信息按照区域设定编号，将需要推送的景区商家项目设定ID号，游客的性别用0、1表示，将游客年龄进行分段,并据此设定多组数据作为训练样本。

本发明还提供一种基于SVM的景区电子商务推送***，包括：

信息获取模块，用于获取景区内游客的位置信息和游客身份信息，所述游客位置信息通过游客携带的北斗手持终端、基于北斗的位置服务***及景区GIS***综合获取，所述游客身份信息预先录入的、与手持终端绑定的信息；

数据规范模块，用于将游客位置信息和游客身份信息映射到预设的空间内，形成规范化的数据；

旅游服务信息生成模块，用于将规范化后的数据作为预置的基于支持向量机SVM的主动推送模型的输入，主动推送模型输出为游客推荐的附近的旅游服务信息，推送的旅游服务信息以电子地图的形式通过北斗手持终端显示；

导航模块，用于根据游客的选择，显示详细信息，并开启导航服务。

本发明产生的有益效果是：本发明的支持向量机SVM主动推送模型能够在有限样本情况下，求得全局最优解，并且将算法复杂程度保持在一个合适的范围内，不但能整合多信息数据，而且能够实现复杂非线性模型逼近，得出有效的数据模型，是建立景区电子商务主动推送模型的优良方案。通过支持向量机SVM主动推送模型，根据游客的位置信息和身份信息，计算出景区内适合游客的旅游服务信息，并推送给游客手持终端，并通过地图的形式显示在终端上，可以更好地为游客提供有效信息和导航路径。

附图说明

下面将结合附图及实施例对本发明作进一步说明，附图中：

图1是本发明实施例基于SVM的景区电子商务推送方法的流程图；

图2是本发明实施例基于支持向量机SVM的主动推送模型的建模流程图；

图3是本发明实施例景区电子商务推送过程示意图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。

本发明中面向游客位置服务的基于SVM的景区电子商务推送方法，可以实现当游客进入景区特定区域后，北斗手持终端获取游客位置信息，基于SVM的景区电子商务推送方法及***根据游客的位置信息(如附近景点信息、附近商家信息等)以及游客的自身信息(如性别、年龄等)向游客推送符合其身份特征的周围一定范围内的旅游服务信息(如餐饮、酒店、纪念品、娱乐、特产、门票等)，供游客自主选择购买预订，一旦选择购买预订，将开启导航功能，指引游客前往购买地点。

如图1所示，本发明实施例基于SVM的景区电子商务推送方法，包括以下步骤：

S1、获取景区内游客的位置信息和游客身份信息，所述游客位置信息通过游客携带的北斗手持终端、基于北斗的位置服务***及景区GIS***综合获取，所述游客身份信息预先录入的、与手持终端绑定的信息；

S2、将游客位置信息和游客身份信息映射到预设的空间内，形成规范化的数据；

S3、将规范化后的数据作为预置的基于支持向量机SVM的主动推送模型的输入，主动推送模型输出为游客推荐的附近的旅游服务信息，推送的旅游服务信息以电子地图的形式通过北斗手持终端显示；

S4、北斗手持终端根据游客的选择，显示详细信息，并开启终端导航。具体推送过程也可如图3所示。

本发明实施例中，如图2所示，所述预置的基于支持向量机SVM的主动推送模型的建模过程主要包括以下步骤：

(1)选定影响或决定景区电子商务推送项目内容的多个影响参数，所述影响参数包括游客的位置信息数据(附近景点信息数据、附近商家信息数据)和游客自身的信息数据(性别、年龄)；

(2)设定上述影响参数的样本数据，根据景区不同位置的不同情况形成针对景区特定区域的多组游客位置信息数据，根据游客自身情况形成针对不同游客身份的多组游客自身的信息数据，根据每组游客位置信息和游客自身信息确定与其相对应的推送项目内容信息，即形成(位置、游客→项目)数据样本，并将设定的样本数据映射到[0，1]空间，形成规范化的数据样本；

(3)将上述设定的样本数据映射到预设的映射空间，本发明实施例中将样本数据映射到[0，1]空间，形成规范化的数据样本；

(4)建立基于SVM回归模型的主动推送模型，主动推送模型的输入数据为所述游客位置信息数据和游客自身信息数据，主动推送模型的输出数据为推送项目内容结果；通过规范化的数据样本对所述推送模型进行训练，调整主动推送模型的结构，使推送项目内容结果与影响或决定景区电子商务推送项目内容的各参数相对应，以得到最终的主动推送模型。

需要进一步说明的是推送模型建立过程中：

SVM通过非线性函数将设定的数据样本空间映射到高维线性特征空间，处理高度非线性的分类和回归等问题，具体的建模过程如下：首先利用最小-最大规范化方法将设定的数据样本映射到区间[0,1]，然后利用相关系数法得到影响的最优属性集，最后根据模型算法进行程序设计，建立基于SVM回归模型的推送模型。在建模过程中，选取了径向基函数(RBF)建立推送模型。

(1)数据的规范化处理

将设定的景区电子商务推送项目影响因素：游客的位置信息数据(附近景点信息数据、附近商家信息数据)和游客自身的信息数据(性别、年龄)作为条件属性，并运用最小-最大规范化方法对数据进行规范化处理。并利用公式：

${r_i}^{\′}=\frac{\max \left\{r_i\right\}-r_i}{\max \left\{r_i\right\}-\min \left\{r_i\right\}}$

将设定的样本数据映射到[0,1]区间。式中，r_i表示第i组样本数据所对应的推送项目信息数据数组，max{r_i}表示所有组样本数据所对应的推送项目信息数据数组的最大值，min{r_i}表示所有组样本数据所对应的推送项目信息数据数组的最小值。这种方法有利于避免各个因子之间的量级差别，消除各个因子由于量纲和单位不同的影响。

(2)利用相关性系数法求得最优属性集

对随机向量来说，除了研究每个分量的数学期望和方差外，还希望知道分量之间的相关程度，因此引进协方差和相关系数这两个概念。

定义E[(X-EX)(Y-EY)]为随机变量X和Y的协方差，记Cov(X,Y)，则相关系数公式表示为：

${\mathrm{\ρ}}_{\mathrm{XY}}=\frac{\mathrm{Cov}(X,Y)}{\sqrt{D\left(X\right)D\left(Y\right)}}$

式中X表示影响景区电子商务推送项目的各种因素；Y代表推送项目结果状况。利用上述方法，筛选出最重要影响因素，得到影响景区电子商务推送项目的最优属性集。

(3)选取核函数及相应的参数并建立推送模型

在SVM模型中，选取合适的核函数至关重要，本文根据实际需要选取了SVM模型自有的径向基函数(RBF)建立推送模型，其表达式为：

k＝exp[-(m-n)×(m-n)′]/2×r₁ ²

式中，m为景区电子商务推送项目影响因素矩阵；n为推送项目结果向量；r₁为待估参数。在实际操作中可以发现参数r₁的取值对于推送项目结果数据的拟合程度起着非常重要的作用。通过计算可以得出，当r₁的值由1.1逐渐增大到97时，测试集的标准方差逐渐减少；当r₁的取值由97逐渐增大时，测试集的标准方差逐渐增大。因此采用交叉验证的方法，选取核函数待估参数r₁＝97建立推送模型。

在建模的过程中，首先根据景区的实际情况将景区景点信息按照区域设定编号，编号即为景点信息数据，将需要推送的景区商家项目设定ID号，ID号即为商家信息数据，游客的性别用0、1表示(男为0，女为1)，游客年龄划分7段(<10、10-19、20-29、30-39、40-49、50-60、>60),按照这种方式根据景区的实际情况设定多组数据作为训练样本，对模型进行训练学习，输入为景点信息数据、商家信息数据、游客性别、游客年龄，输出为推送项目信息数据。以设定的应该推送的项目信息数据为参考，不断调整相关参数建立准确的模型。经过样本数据的多次训练得到了较可靠的推送模型，即推送项目的影响因素与推送项目较好的对应关系，这里选取了七组典型的数据来说明推送项目数据与推送项目的影响因素数据的对应情况，如表1所示。

表1样本数据训练结果

(4)拟合度分析

利用相关评价指标进行模型输出推送结果精度的进一步分析，这里我们用希尔不等系数(Theil IC)相对数值分析法作为评价指标对模型拟合度进行评价。分析公式如下。

$\mathrm{TheilIC}=\sqrt{\frac{1}{n}\underset{i=1}{\overset{n}{\mathrm{\&Sigma;}}}{({\hat{q}}_i-q_i)}^2}/(\sqrt{\frac{1}{n}\underset{i=1}{\overset{n}{\mathrm{\&Sigma;}}}{{\hat{q}}_i}^2}+\sqrt{\frac{1}{n}\underset{i=1}{\overset{n}{\mathrm{\&Sigma;}}}{q_i}^2})$

式中，q_i，分别表示实际应该推送的项目信息数据和模型输出的推送项目的信息数据。在所选测试数据下的希尔不等系数(Theil IC)评定结果为：0.0985。希尔不等系数一般介于0-1，且数值越小表明拟合值与真实值间的差异越小，精度越高。而评定结果为0.0985<<1,说明该模型的准确度很好。

本发明实施例基于SVM的景区电子商务推送***，包括：

信息获取模块，用于获取景区内游客的位置信息和游客身份信息，所述游客位置信息通过游客携带的北斗手持终端、基于北斗的位置服务***及景区GIS***综合获取，所述游客身份信息预先录入的、与手持终端绑定的信息；

数据规范模块，用于将游客位置信息和游客身份信息映射到预设的空间内，形成规范化的数据；

旅游服务信息生成模块，用于将规范化后的数据作为预置的基于支持向量机SVM的主动推送模型的输入，主动推送模型输出为游客推荐的附近的旅游服务信息，推送的旅游服务信息以电子地图的形式通过北斗手持终端显示；

导航模块，用于根据游客的选择，显示详细信息，并开启导航服务。

应当理解的是，对本领域普通技术人员来说，可以根据上述说明加以改进或变换，而所有这些改进和变换都应属于本发明所附权利要求的保护范围。

Claims (7)

1.一种基于SVM的景区电子商务推送方法，其特征在于，包括以下步骤：

S1、获取景区内游客的位置信息和游客身份信息，所述游客位置信息通过游客携带的北斗手持终端、基于北斗的位置服务***及景区GIS***综合获取，所述游客身份信息预先录入的、与手持终端绑定的信息；

S2、将游客位置信息和游客身份信息映射到预设的空间内，形成规范化的数据；

S3、将规范化后的数据作为预置的基于支持向量机SVM的主动推送模型的输入，主动推送模型输出为游客推荐的附近的旅游服务信息，推送的旅游服务信息以电子地图的形式通过北斗手持终端显示；

S4、北斗手持终端根据游客的选择，显示详细信息，并开启终端导航。

2.根据权利要求1所述的方法，其特征在于，所述预置的基于支持向量机SVM的主动推送模型的建模过程包括以下步骤：

选定影响景区电子商务推送项目内容的多个影响参数，所述影响参数包括游客的位置信息和游客自身的身份信息；

设定影响参数的样本数据，根据景区不同位置的不同情况形成针对景区特定区域的多组游客位置信息数据，根据游客自身情况形成针对不同游客身份的多组游客自身的身份信息数据，根据每组游客位置信息和游客身份信息确定与其相对应的推送项目内容信息，从而形成样本数据；

将设定的样本数据映射到预设的映射空间内，形成规范化的数据样本；

建立基于支持向量机SVM回归模型的主动推送模型，所述主动推送模型的输入数据为规范化的数据样本，所述主动推送模型的输出数据为推送项目内容信息；

通过所述规范化的数据样本对所述主动推送模型进行训练，调整主动推送模型的结构，使推送项目内容信息与各个影响参数相对应，得到最终的主动推送模型。

3.根据权利要求2所述的方法，其特征在于，游客的位置信息包括附近景点信息和附近商家信息；游客自身的身份信息包括游客的性别和年龄。

4.根据权利要求2所述的方法，其特征在于，步骤“将设定的样本数据映射到预设的映射空间内，形成规范化的数据样本”具体包括以下步骤：

运用最小-最大规范化方法对样本数据进行规范化处理，

并利用公式：

将设定的样本数据映射到[0,1]区间，式中，表示第组样本数据所对应的推送项目信息数据数组，表示所有组样本数据所对应的推送项目信息数据数组的最大值，表示所有组样本数据所对应的推送项目信息数据数组的最小值。

5.根据权利要求2所述的方法，其特征在于，在建模过程中，选取SVM模型自有的径向基函数RBF建立主动推送模型，其表达式为：

               

式中，为景区电子商务推送项目影响因素矩阵；为推送项目结果向量；为待估参数。

6.根据权利要求2所述的方法，其特征在于，在建模过程中，将景区景点信息按照区域设定编号，将需要推送的景区商家项目设定ID号，游客的性别用0、1表示，将游客年龄进行分段,并据此设定多组数据作为训练样本。

7.一种基于SVM的景区电子商务推送***，其特征在于，包括：

信息获取模块，用于获取景区内游客的位置信息和游客身份信息，所述游客位置信息通过游客携带的北斗手持终端、基于北斗的位置服务***及景区GIS***综合获取，所述游客身份信息预先录入的、与手持终端绑定的信息；

数据规范模块，用于将游客位置信息和游客身份信息映射到预设的空间内，形成规范化的数据；

旅游服务信息生成模块，用于将规范化后的数据作为预置的基于支持向量机SVM的主动推送模型的输入，主动推送模型输出为游客推荐的附近的旅游服务信息，推送的旅游服务信息以电子地图的形式通过北斗手持终端显示；

导航模块，用于根据游客的选择，显示详细信息，并开启导航服务。