基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
采用熵过滤方法对Geo-tagged照片进行数据处理,主要考虑游客与居民对旅游活动的影响不同,提出识别特定区域的地理位置用户是游客还是居民的方法.通过改变网格映射方式,提出一种改进的基于Geo-tagged照片的热门旅游景点挖掘方法,并与现有聚类算法进行了分析比较,结果表明改进的算法具有更好的时间性能和延展性.最后,通过获取flickr上带有云南省地理标注的旅游照片,对该方法进行了仿真实验,有效地挖掘得到云南省排名前12的旅游景点.
推荐文章
基于Geo-tagged照片的旅游推荐研究
Geo-tagged
DBSCAN
用户偏好
协同过滤
信任网络
基于向量自回归模型的旅游热门景点预测方法研究
旅游热门景点预测
VAR模型
关键词搜索指数
皮尔逊相关系数
搜索指数计算
客流量预测
基于Hadoop的旅游景点推荐的算法实现与应用
Hadoop
旅游景点推荐
协同过滤
Mahout
Item-based
Slope One
基于协同过滤的旅游景点推荐
协同过滤
旅游景点推荐
最近邻算法
余弦相似度
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 一种改进的基于Geo-tagged照片的热门旅游景点挖掘方法
来源期刊 云南民族大学学报(自然科学版) 学科 工学
关键词 热门景点挖掘 Geo-tagged照片 聚类算法
年,卷(期) 2018,(6) 所属期刊栏目 信息与计算机科学
研究方向 页码范围 512-516,529
页数 6页 分类号 TP391.3
字数 2736字 语种 中文
DOI 10.3969/j.issn.1672-8513.2018.06.013
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 王新 云南民族大学数学与计算机科学学院 33 131 6.0 10.0
2 方伟欣 云南民族大学数学与计算机科学学院 3 4 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (2)
节点文献
引证文献  (1)
同被引文献  (10)
二级引证文献  (0)
2011(1)
  • 参考文献(1)
  • 二级参考文献(0)
2015(1)
  • 参考文献(1)
  • 二级参考文献(0)
2018(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2020(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
热门景点挖掘
Geo-tagged照片
聚类算法
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
云南民族大学学报(自然科学版)
双月刊
1672-8513
53-1192/N
大16开
中国昆明市一二·一大街134号
1992
chi
出版文献量(篇)
2286
总下载数(次)
5
总被引数(次)
8502
相关基金
国家自然科学基金
英文译名:the National Natural Science Foundation of China
官方网址:http://www.nsfc.gov.cn/
项目类型:青年科学基金项目(面上项目)
学科类型:数理科学
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导