首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机软件论文--程序设计、软件工程论文--程序设计论文

基于群智感知的游客行为挖掘和旅游活动识别研究

摘要第4-6页
ABSTRACT第6-7页
第一章 绪论第11-18页
    1.1 研究背景及意义第11-12页
        1.1.1 研究背景第11-12页
        1.1.2 研究意义第12页
    1.2 研究现状第12-15页
        1.2.1 游客行为挖掘研究现状第12-14页
        1.2.2 旅游活动识别研究现状第14-15页
    1.3 研究内容第15-16页
        1.3.1 基于旅游大数据的游客行为特征挖掘第15页
        1.3.2 基于游客特征的重游行为预测第15页
        1.3.3 基于热点事件的旅游活动识别第15-16页
        1.3.4 游客行为挖掘和旅游活动识别系统的设计与实现第16页
    1.4 论文总体结构第16-18页
第二章 相关技术第18-25页
    2.1 文本分类第18-20页
        2.1.1 特征选择第18页
        2.1.2 分类算法第18-20页
    2.2 聚类算法第20-22页
        2.2.1 层次聚类算法第20页
        2.2.2 分割聚类算法第20-22页
    2.3 文本相似性度量方法第22页
    2.4 文本情感分析第22-24页
        2.4.1 基于情感词典的文本倾向分类第22-23页
        2.4.2 基于机器学习的文本倾向分类第23-24页
    2.5 本章小结第24-25页
第三章 基于旅游大数据的游客行为特征挖掘第25-37页
    3.1 基于旅游大数据的游客行为特征挖掘总体框架第25页
    3.2 基于融合特征选择方法(CI)旅游主题分类第25-29页
        3.2.1 旅游主题分类类型第26页
        3.2.2 融合特征选择方法(CI)的提出第26-28页
        3.2.3 特征值计算第28页
        3.2.4 SVM分类第28-29页
    3.3 基于HITS模型的游客兴趣景点挖掘算法第29-30页
    3.4 游客行为模式挖掘算法(HCPFS)的提出第30-32页
    3.5 实验结果及分析第32-36页
        3.5.1 基于融合特征选择方法(CI)的旅游主题分类实验第32-33页
        3.5.2 基于HITS模型的旅游兴趣景点挖掘算法实验第33-34页
        3.5.3 游客行为模式挖掘算法(HCPFS)实验第34-36页
    3.6 本章小结第36-37页
第四章 基于游客特征的重游行为预测第37-50页
    4.1 基于情感词典的旅游文本情感分析第37-42页
        4.1.1 自定义情感词典构建第37-38页
        4.1.2 基于改进HowNet相似性计算与PMI的词语情感值计算算法(HP)的提出第38-40页
            4.1.2.1 基于HowNet的语义相似性计算方法的改进第38页
            4.1.2.2 词语情感值计算第38-40页
        4.1.3 基于句法依存关系的情感短语提取第40-41页
        4.1.4 短语及句子级情感值计算第41-42页
    4.2 基于游客特征的重游行为预测算法RTBF_LA的提出第42-45页
        4.2.1 Logistic模型分析第42-43页
        4.2.2 游客重游行为预测第43-45页
    4.3 实验结果及分析第45-48页
        4.3.1 基于词语情感值计算算法(HP)的情感分析方法实验第45-47页
            4.3.1.1 θ_(sim)及θ_(PMI)阈值的选取第45-46页
            4.3.1.2 情感分析方法实验对比第46-47页
        4.3.2 基于RTBF_LA的重游行为预测实验第47-48页
    4.4 本章小结第48-50页
第五章 基于热点事件的旅游活动识别第50-61页
    5.1 基于热点事件的旅游活动识别第50-51页
    5.2 基于微博的旅游热点事件挖掘算法(LVCS)的提出第51-54页
    5.3 基于热点事件的旅游活动识别算法(TAR_KA)的提出第54-55页
    5.4 实验结果及分析第55-58页
        5.4.1 基于微博的旅游热点事件挖掘算法(LVCS)实验第56-57页
        5.4.2 基于热点事件的旅游活动识别算法(TAR_KA)实验第57-58页
    5.5 本章小结第58-61页
第六章 游客行为挖掘和旅游活动识别系统的设计与实现第61-71页
    6.1 系统的总体设计第61-62页
    6.2 系统设计过程与结果第62-67页
        6.2.1 系统设计过程第62页
        6.2.2 系统的实现结果第62-67页
    6.3 系统测试第67-68页
        6.3.1 测试环境第67页
        6.3.2 测试方法第67-68页
    6.4 本章小结第68-71页
第七章 总结与展望第71-73页
    7.1 总结第71-72页
    7.2 展望第72-73页
参考文献第73-78页
致谢第78-79页
攻读学位期间研究成果第79页

论文共79页,点击 下载论文
上一篇:基于JFinal框架的电子商务系统后台管理的研究和实现
下一篇:基于数据挖掘方法的电信客户流失分析