基于旅游大数据的景点位置识别与信息搜索研究

发布时间：2021-12-02 01:37

　　随着互联网技术的发展和社会经济的进步,旅游已经成为人们生活中不可或缺的一部分,人们对旅游信息服务的要求变得更加多样化,越来越多的人选择根据自己的需要,通过网络获取旅游景点的文字、图片等信息来为旅行做准备,也倾向于分享自己的旅游行程和旅程体验。因此基于旅游大数据的景点位置识别与信息搜索研究成为现在研究者关心和探索的热点,是帮助提高人们生活质量的重要方法。本文完成的主要工作如下:（1）结合景点评论文本数据的特点,利用动态主题模型提取景点在时间维度下的主题分布,有效地获得景点的主题分布与演化,建立了与景点相关的语义主题模型。训练得到景点在时间维度下的主题分布,在旅游信息搜索中引入时间信息,通过景点主题在时间维度上的变化来推测用户的搜索意图,可有效地提高景点信息搜索的准确率。结合游客拍摄的景点图片的GPS信息,利用聚类算法,得到景点图像的聚类中心,获得相应的热门景点位置,实现了景点图片位置信息的有效提取,获取了热门景点的分布信息。（2）提出了一种基于深度学习的景点图像位置识别的方法。利用卷积神经网络结构,提取图像的深度特征,将在视觉与地理位置上接近的图像集的交集作为候选集,结合查询图像特征与候... 

【文章来源】：北京邮电大学北京市 211工程院校 教育部直属院校

【文章页数】：95 页

【学位级别】：硕士

【部分图文】：

图２－２基于单张图像和多张图像进行地理位置建模的方法??２＿２．２局部图像特征、ＨＯＧ特征、深度图像特征及其在图像定位中的应用??

ＲＥＬＵ的基于ｓｉｇｍｏｉｄ函数的非线性映射，加快网络的收敛；池化层ｐｏｏｌｉｎｇ通??过压缩数据和参数的量，减少过拟合；全卷积层ＦＣ?—般放在ＣＮＮ的尾部。卷??积神经网络的结构如图２－３所示。??ｃｏｎｖ?ｌａｙｅｒ????ｚ?Ｚ?ｐｏｏｌｍｅ?ｌａｙｅｒ?／Ｑ??一一?Ｚ＿／?ｃｏｉｉｖ?ａｙｅｒ?／／’〇??＿＿?／／?／／?．?〇??Ｊ?Ｊ?Ｗ?＼?：??／?／?ｐｏｏｌｉｎｇ?ｌａｙｅｒ＼?？??Ｌｉ／?Ｉｄ??图２－３卷积神经网络的结构??卷积神经网络（ＣＮＮ）在深度学习领域的发展显示它表示图像的很大优势，??卷积神经网络极大的灵活性使得图像位置识别还有很大的提升空间。ＣＮＮ模型??是基于数以百万计的带标记的图像集（比如ＩｍａｇｅＮｅｔ）来训练获得大量的参数??的。经过这样的训练，模型就有能力为新图像学习获得具有区别力的和人类可理??解的图像特征表示。卷积神经网络在许多任务上取得了良好的性能，比如图像分??类和图像检索。在许多研究中表明，在实现视觉任务中，使用ＣＮＮ提取的通用??１１??

３．１．２旅游信息数据库建立??结合爬取到的景点图像、简介、名称、路线信息，使用Ｌｕｃｅｎｅ建立本地数??据库。数据库结构如图３－２所示。??輩ｊ??〔??＞??景点评论‘７?Ｉ景点图像??＿＾＊ｉｓＨＬｕｃ＾ｅ索Ｓ息??ｍＢｍｍ?｜景点路线??文本?ｐ，??图３－２数据库结构如图??获取的景点信息在本地以文件的形式存储，使用Ｌｕｃｅｎｅ工具对文本和图像??文件构建索引，Ｌｕｃｅｎｅ也提供了相应的查询索引的ＡＰＩ。??景点的简介信息，以文本文件的形式存储，并对文件名称和内容建立索引，??保证合理的搜索结果；景点的图像信息同样以文件的形式存储，为了后文的图像??信息查询，图像的存储名称为对应的景点，并分别放置在对应景点名称的文件夹??下，为基于本地数据库的信息查询提供图像与景点名称的对应关系。景点的评论??信息和路线信息也是文本的形式存储


本文编号：3527463