基于互聯(lián)網(wǎng)信息的游客網(wǎng)絡(luò)局部社區(qū)挖掘

王碩

摘要：為了解決游客社會網(wǎng)絡(luò)中游客分類的問題，本文利用互聯(lián)網(wǎng)信息中的圖片，文本，數(shù)值多種類型的數(shù)據(jù)進行基于旅游的游客社會網(wǎng)絡(luò)的權(quán)值計算，并利用修改后的PageRank算法和修改后的局部社區(qū)適應(yīng)度函數(shù)來進行中心點的選取和局部社區(qū)的拓展。得到了基于旅游的游客社會網(wǎng)絡(luò)和游客局部社區(qū)，得到的游客局部社區(qū)可以有效地發(fā)現(xiàn)游客間的社會關(guān)系，同時也為數(shù)據(jù)挖掘在旅游業(yè)上的應(yīng)用提供了新思路。

關(guān)鍵詞：互聯(lián)網(wǎng)信息;旅游;游客社會網(wǎng)絡(luò);局部社區(qū)挖掘

中圖分類號：TP311? ?文獻標識碼：A

文章編號：1009-3044（2019）26-0023-04

開放科學（資源服務(wù)）標識碼（OSID）：

Abstract： in order to solve the visitors' social network classification problem， this paper use the Internet information in images， text， numerical multiple types of data to calculate the tourists social network weights based on developing and using the modified PageRank algorithm and the modified local community fitness function to the center point of the selection and the local community. Based on the tourist's social network and tourist's local community， the tourist local community can effectively discover the social relationship between tourists， and also provides a new idea for data mining in tourism application.

Key words： Internet information; Tourism; Tourist social network;? local community mining

1 引言

隨著社會和經(jīng)濟的發(fā)展，人民的生活水平逐漸提高，生活內(nèi)容也日漸豐富。隨著人民的生活變得豐富多彩，人們開始喜歡走出家門出去看看，“旅游”成為現(xiàn)代生活的一個熱門話題。在傳統(tǒng)的旅游業(yè)中，人們對旅游景點的接觸，大多來自旅行社和電視上播放的旅游廣告，消息來源匱乏，這樣一來人們往往得不到自己想要的信息和想去的旅游景點。而在旅游景區(qū)這方面，游客的信息資源利用率較低，分析手段匱乏，導(dǎo)致旅游景區(qū)對景區(qū)未來的規(guī)劃和發(fā)展沒有足夠明智的目標，這是傳統(tǒng)旅游業(yè)的一個痛點。

伴隨著互聯(lián)網(wǎng)的普及和國家大力發(fā)展互聯(lián)網(wǎng)+，互聯(lián)網(wǎng)+傳統(tǒng)產(chǎn)業(yè)開始興起，在這樣的背景下，互聯(lián)網(wǎng)+旅游在這幾年也開始興起。為給游客們提供越來越人性化的服務(wù)，給旅游公司和部門提供景區(qū)發(fā)展的指導(dǎo)和景區(qū)興衰的分析，不少人開始對互聯(lián)網(wǎng)+旅游進行研究。樊瑋等[1]通過旅游公司提供的游客信息：兩個游客的共游次數(shù)、兩個游客共同旅游的平均消費金額、兩個游客平均兩次共同旅游時間差，利用社會網(wǎng)絡(luò)分析方法和改進的PageRank算法，提出了一種新的旅游游客社會網(wǎng)絡(luò)局部社區(qū)挖掘方法，利用這個方法可以有效地發(fā)現(xiàn)游客之間的局部社區(qū)關(guān)系。張子昂等人[2]利用互聯(lián)網(wǎng)數(shù)據(jù)，基于新浪微博的簽到數(shù)據(jù)，對景區(qū)旅游活動時空行為特征進行研究。通過劃分性別和地域兩種游客屬性，利用“橫向”“縱向”時間分層法，借助核密度函數(shù)對景區(qū)內(nèi)部游客活動時空特征進行了分析，從而可以發(fā)現(xiàn)不同性別，不同地域游客活動的時空演變規(guī)律。廉同輝等人[3]基于信息內(nèi)容對微博信息中的旅游主題進行了分析。高新波等[4]基于社會媒體對當今的“互聯(lián)網(wǎng)+旅游”進行了總結(jié)，分析和討論了目前“互聯(lián)網(wǎng)+旅游”的研究背景和發(fā)展歷程，分析了目前社會媒體中旅游數(shù)據(jù)的特點和“互聯(lián)網(wǎng)+旅游”背景下的熱點研究應(yīng)用和難點，在難點方面，互聯(lián)網(wǎng)數(shù)據(jù)中數(shù)據(jù)種類繁多，包括，圖片、視頻、文本、數(shù)值等多種存在形式。

文獻[1，2]中對互聯(lián)網(wǎng)數(shù)據(jù)的利用僅在于文本數(shù)據(jù)，即新浪微博的簽到數(shù)據(jù)和旅游微博發(fā)布的文本消息。而實際互聯(lián)網(wǎng)上的數(shù)據(jù)不只有文本，微博也涵蓋了圖片，視頻，音頻等多種數(shù)據(jù)，游客發(fā)布的微博不僅有文本消息，還可能有會圖片和視頻等。二者的研究中都沒有使用這些數(shù)據(jù)，僅僅利用了文本數(shù)據(jù)。所以分析出的結(jié)果的參考價值會比利用多用數(shù)據(jù)形式的分析出的結(jié)果的參考價值低很多。

本文結(jié)合上述文獻的研究方法，提出了利用多種互聯(lián)網(wǎng)信息對游客社會網(wǎng)絡(luò)進行局部社區(qū)挖掘的方法，將互聯(lián)網(wǎng)數(shù)據(jù)中的圖片數(shù)據(jù)結(jié)合傳統(tǒng)的文本數(shù)據(jù)，數(shù)值數(shù)據(jù)，利用不同游客間景區(qū)的重疊數(shù)量，不同游客照片的相似度，對游客社會網(wǎng)絡(luò)的各節(jié)點間邊的權(quán)值設(shè)計一個新的算法，重新定義局部社區(qū)拓展時的適應(yīng)度函數(shù)，來進行旅游社會網(wǎng)絡(luò)游客的局部社區(qū)挖掘。和文獻[1]的研究相比較，本文的權(quán)值計算公式是利用互聯(lián)網(wǎng)數(shù)據(jù)，互聯(lián)網(wǎng)的數(shù)據(jù)量要比傳統(tǒng)記錄的數(shù)據(jù)量要大得多，分析的結(jié)果的參考的價值也就要大，在局部社區(qū)的拓展公式中，本文提出了以權(quán)值為基礎(chǔ)的適應(yīng)度函數(shù)，而文獻[1]所利用的是以節(jié)點度數(shù)為基礎(chǔ)的適應(yīng)度函數(shù)，在權(quán)值越大，兩個節(jié)點越有可能有關(guān)系的前期下，本文提出的適應(yīng)度函數(shù)更加的適用，且得到的社區(qū)也更加的合理;本文多種數(shù)據(jù)存在形式，和利用單一的數(shù)據(jù)相比，分析出的結(jié)果更具價值，得到的信息也更加的值得參考。

綜上所述，本文將利用互聯(lián)網(wǎng)信息生成基于旅游的游客社會網(wǎng)絡(luò)，并通過修改后的PageRank算法進行中心度排名并選取中心節(jié)點，利用改進的適應(yīng)度函數(shù)進行局部社區(qū)拓展，最終得到基于旅游的游客局部社區(qū)。

2 基于旅游的社會網(wǎng)絡(luò)生成

文章采用了文獻[1]中的社會網(wǎng)絡(luò)定義及相關(guān)概念?；诼糜蔚纳鐣W(wǎng)絡(luò)指的是游客社會網(wǎng)絡(luò)，游客社會網(wǎng)絡(luò)是一種以游客為節(jié)點，游客間的社會關(guān)系作為邊的網(wǎng)狀結(jié)構(gòu)。以下便是對游客社會網(wǎng)絡(luò)的生成，其中InformationList表存儲的是游客的信息，NodeList表存儲的是游客社會網(wǎng)絡(luò)的節(jié)點信息，EdgeList表存儲的是游客社會網(wǎng)絡(luò)中節(jié)點間邊的信息，具體的游客社會網(wǎng)絡(luò)生成過程如下：

2.1 數(shù)據(jù)來源說明

本文所采用的數(shù)據(jù)均來自某App，采集的數(shù)據(jù)包括游客的賬號ID，游客的基本信息，如：性別，年齡，姓名等，游客旅游過的景點的信息，以及旅游過的景區(qū)所拍攝的照片及其信息。

2.2 數(shù)據(jù)預(yù)處理

由于得到的數(shù)據(jù)結(jié)構(gòu)混亂，存在冗余信息和較多的無價值信息，需要對得到的數(shù)據(jù)進行預(yù)處理，預(yù)處理的條件如下：

（1） 去除沒有景區(qū)記錄的游客賬戶信息及其相關(guān)數(shù)據(jù)。

（2） 去除一年之內(nèi)沒有登陸的賬戶信息及其相關(guān)數(shù)據(jù)。

（3） 去除最近一個月內(nèi)注冊的賬戶信息及其相關(guān)數(shù)據(jù)。

（4） 只有賬戶的ID，其余信息，如：性別，年齡，姓名等全部缺失的賬號，需要去除。

經(jīng)過以上的預(yù)處理，將原本收集到的9076條游客信息記錄篩選到4396條。

2.3 游客社會網(wǎng)絡(luò)節(jié)點的生成

游客社會網(wǎng)絡(luò)中每一個節(jié)點代表的是一個游客，一個節(jié)點包括，游客賬號信息、游客的姓名、游客旅游過的景區(qū)的信息，這些節(jié)點存儲在NodeList表。圖1是對游客社會網(wǎng)絡(luò)的節(jié)點的生成步驟。

2.4 游客社會網(wǎng)絡(luò)邊的生成和權(quán)值的計算

2.4.1 游客社會網(wǎng)絡(luò)的邊

游客社會網(wǎng)絡(luò)的邊表示游客間存在之間的關(guān)系，如果兩個或者兩個以上的游客所旅游過的景區(qū)存在重合的部分，則表示他們在同一旅游地旅游過，在本文中，認為如果兩個游客旅游過的景區(qū)的并集不為空，則表示他們之間很可能存在關(guān)系，且如果符合篩選條件，則在游客社會網(wǎng)絡(luò)中，用一條邊，把這兩個節(jié)點聯(lián)系起來。

2.4.2 游客社會網(wǎng)絡(luò)邊的權(quán)值信息

在游客社會網(wǎng)絡(luò)中，給節(jié)點和節(jié)點間的邊賦一個權(quán)值，用來表示兩個節(jié)點間的聯(lián)系的緊密程度。在本文中認為，在旅游活動中，如果兩個游客旅游過的景區(qū)交集越大，且旅游過的同一景區(qū)的照片的相似度越大，說明這兩個游客間的關(guān)系越緊密。和傳統(tǒng)的利用旅游公司的信息來計算權(quán)值不一樣，本文利用互聯(lián)網(wǎng)中的游客信息，結(jié)合圖片，文本信息多種數(shù)據(jù)類型，來計算游客間邊的權(quán)值w。其中權(quán)值w的定義如下：

其中：n代表兩個游客游覽經(jīng)歷的相似度， [xa]表示a游客游覽過的景區(qū)，[xb]表示b游覽過的景區(qū)。m代表游客間的照片相似度， d表示不同游客在同一景區(qū)內(nèi)相似度大于給定閾值的照片數(shù)量，c表示某一景區(qū)擁有較少照片的游客的照片數(shù)。

在（1）式中，如果數(shù)據(jù)量過大，可能會出現(xiàn)n值大于0但是卻很小的情況，這樣可能會出現(xiàn)一個節(jié)點和大量的節(jié)點存在有邊的關(guān)系的情況，這種情況下如果再計算m值的話，會大大地增加運算的負擔，所以在生成邊的時候，給定一個值α，用來篩選邊的數(shù)量，減輕運算的負擔。

2.4.3 游客社會網(wǎng)絡(luò)邊的生成

對于邊的生成需要對之前公式（1）的n值做判斷，給定一個值α如果n的值小于α則不生成邊。經(jīng)過數(shù)據(jù)測試，α的取值在0.1～0.3之間取值得到的邊數(shù)據(jù)較為理想，本文α的取值為0.21。游客社會網(wǎng)絡(luò)節(jié)點間邊的生成流程如圖2所示：

最后利用得到的數(shù)據(jù)生成了一個含有29363條邊的無向加權(quán)網(wǎng)絡(luò)，節(jié)點的平均度數(shù)為6.68，如圖3所示：

3 中心點的選取和局部社區(qū)的拓展

3.1 局部社區(qū)

局部社區(qū)的定義在目前沒有統(tǒng)一的標準[5，6]，本文采用文獻[1]中的相關(guān)定義。

3.2 中心點的選取

在一個游客旅游社會網(wǎng)絡(luò)中，游客和游客之間是存在一定的社會關(guān)系的。這些關(guān)系可是同事、同學、朋友、家人等，這些社會關(guān)系在社會網(wǎng)絡(luò)中通常表現(xiàn)為一個局部社區(qū)。局部社區(qū)是由一些中心節(jié)點和他們周圍的一些跟隨者所組成的一個群體，所以要找到游客網(wǎng)絡(luò)中 的一個局部社區(qū)結(jié)構(gòu)，首先需要把這個局部社區(qū)的中心節(jié)點找出來。游客社會網(wǎng)絡(luò)是一個無標度網(wǎng)絡(luò)，其典型特征是在這個網(wǎng)絡(luò)當中只有很少的節(jié)點才與非常多的節(jié)點連接，大部 分節(jié)點之間的連接是稀疏的，而即網(wǎng)絡(luò)中節(jié)點的中心度是服從冪率分布的[6]。那么可以假設(shè)每一個節(jié)點至少屬于一個局部社區(qū)，即可以確定每一個局部社區(qū)都有一個中心節(jié)點。

選取中心節(jié)點的傳統(tǒng)方法是隨機選擇，這種選擇方法往往會得到錯誤的中心點，進而得到錯誤的局部社區(qū)[6]。本文采用改進的PageRank算法選擇中心點。

初始的網(wǎng)頁排名算法 PageRank把互聯(lián)網(wǎng)當成一個有向無權(quán)網(wǎng)絡(luò)，而游客網(wǎng)絡(luò)是一個 無向加權(quán)網(wǎng)絡(luò)[7]。通過對PageRank進行修改，使之適用于無向網(wǎng)絡(luò)的節(jié)點中心度排名。修改后的算法如下：

（1） 對一個含有n個節(jié)點的網(wǎng)絡(luò)，給所有節(jié)點的中心度賦值為1/n;

（2） 選擇操作的闕值τ;

（3） 在閾值τ內(nèi)，對節(jié)點中心度值做以下更新規(guī)則：設(shè)G={V，E，ω}是一個無向加權(quán)網(wǎng)絡(luò)，任意節(jié)點i的中心度NodeCen定義為

每個節(jié)點將自己當前的中心度值按照與它鄰接的每一個節(jié)點之間邊的權(quán)值相對于所有鄰接節(jié)點邊的權(quán)值之和的比例進行分配，每個節(jié)點按照它獲得的中心度值的總和更新它的中心度值。

其中，n是社會網(wǎng)絡(luò)中節(jié)點的總個數(shù)，ωij是節(jié)點i和節(jié)點j所在邊的權(quán)值，egi[j]是與節(jié)點j所相鄰的節(jié)點的集合。s是縮放因子[8]，為了加速算法的收斂而且防止網(wǎng)絡(luò)中有孤立的節(jié)點而導(dǎo)致算法無法收斂，通常取值在0.8～0.9之間。閾值τ可以定義為運行次數(shù) 也可以是一個規(guī)則，本文采用的是定義為運行次數(shù)，對網(wǎng)絡(luò)內(nèi)的節(jié)點中心度計算迭代超過30次時，迭代完畢。

此算法是基于文獻[1]對PageRank算法改進的描述所寫的。和PageRank算法一樣，其結(jié)果將最終收斂于一組極限值，且s值一定時，這組極限值具有唯一性，這組極限值是取決于比例因子的s的。

在選取中心點的時候，為了避免中心度節(jié)點過于集中，便于局部社區(qū)的劃分。規(guī)定每次選取的中心度最大的中心節(jié)點，且該節(jié)點不能包含在之前的任何一個已發(fā)現(xiàn)的局部社區(qū)內(nèi)。

3.3 局部社區(qū)擴張

局部社區(qū)的擴張需要一個適應(yīng)度函數(shù)，在上一步已經(jīng)選取了中心節(jié)點，接下來只需要一個適應(yīng)度函數(shù)來夸張局部社區(qū)，直到?jīng)]有一個函數(shù)可以使適應(yīng)度函數(shù)增大位置。目前被廣泛采納的適應(yīng)度函數(shù)是Lancichinetti等[9]提出的適應(yīng)度函數(shù)。具體定義如下：

式中[kgin]表示局部社區(qū)g內(nèi)部的內(nèi)部節(jié)點度數(shù)之和，[kgout]表示局部社區(qū)g內(nèi)部節(jié)點與外部節(jié)點連接的度數(shù)之和，[?]是個正實數(shù)，它主要控制局部社區(qū)規(guī)模的大小。

本文在之前表述過，認為在旅游活動中，如果兩個游客旅游過的景區(qū)交集越大，且旅游過的同一景區(qū)的照片的相似度越大，權(quán)值也就越大，游客和游客間更有可能存在社會關(guān)系。而（5）式中所提到的適應(yīng)度函數(shù)，是利用局部社區(qū)g內(nèi)部的節(jié)點度數(shù)之和和局部社區(qū)g內(nèi)部節(jié)點與外部節(jié)點連接的度數(shù)之和來計算適應(yīng)度的。但是在本文是利用互聯(lián)網(wǎng)數(shù)據(jù)來對游客旅游社會網(wǎng)絡(luò)進行局部社區(qū)挖掘，在旅游活動中，游客信息記錄中，記錄了多個景區(qū)。在不同的游客之間，景區(qū)很可能有交集，所以很可能會產(chǎn)生一個游客和其他很多游客的景區(qū)有交集，也就是一個節(jié)點和多個節(jié)點之間都邊連接，但是該游客和其他游客之間并沒有社會關(guān)系。所以局部社區(qū)g內(nèi)部的內(nèi)部節(jié)點度數(shù)之和和局部社區(qū)g內(nèi)部節(jié)點與外部節(jié)點連接的度數(shù)之和計算而來的公式，對游客間社會關(guān)系分析沒有太多價值。上文也提到連接游客節(jié)點和游客節(jié)點的邊權(quán)值越大，那么這兩個游客之間的存在社會關(guān)系的幾率越大，而局部社區(qū)就是為了分析游客和游客間的社會關(guān)系的。所以本文對（5）式進行了修改。具體定義如下：

（6）式中[hgin]表示局部社區(qū)g內(nèi)部的內(nèi)部節(jié)點權(quán)值之和，[hgout]表示局部社區(qū)g內(nèi)部節(jié)點與外部節(jié)點連接的權(quán)值之和，[?]是個正實數(shù)，它主要控制局部社區(qū)規(guī)模的大小。通過多次對已知社區(qū)結(jié)構(gòu)的社會網(wǎng)絡(luò)進行實驗，得出當[?]=0.9時所擴張的局部社區(qū)規(guī)模達到最優(yōu)。

節(jié)點適應(yīng)度指的是節(jié)點A加入局部社區(qū)g之后，對適應(yīng)度函數(shù)的貢獻，即

（7）式中，[fg+{A}]表示節(jié)點A加入之后局部社區(qū)g的適應(yīng)度值，[fg-{A}]表示節(jié)點A沒有加入局部社區(qū)g之前局部社區(qū)g的適應(yīng)度值。

有了節(jié)點中心度排名和局部社區(qū)擴張的適應(yīng)度函數(shù)，就可以進行局部社區(qū)擴張了，步驟如下：

（1） 選擇當前下標的中心度節(jié)點，判斷該節(jié)點是否被已發(fā)現(xiàn)的局部社區(qū)所包含，如果沒有被包含，則作為局部社區(qū)g，如果已被包含則下標下移，重新檢測選擇的節(jié)點是否被包含。

（2） 獲取所有與g內(nèi)部節(jié)點作為直接鄰居的外部節(jié)點。

（3） 從獲取的直接鄰居節(jié)點中，選擇一個節(jié)點適應(yīng)度最大且為正的節(jié)點加入社區(qū)g。

（4） 回到步驟2，直到社區(qū)g沒有直接鄰居節(jié)點，或者所有的鄰居節(jié)點適應(yīng)度都為負的時候停止擴張。

不斷地重復(fù)如上的步驟，直到社會網(wǎng)絡(luò)中的每一個節(jié)點都至少屬于一個局部社區(qū)，最后可以發(fā)現(xiàn)覆蓋整個網(wǎng)絡(luò)的所有局部社區(qū)。根據(jù)上述的操作，將2中得到的無向加權(quán)網(wǎng)絡(luò)進行上述操作后，便可得到該游客社區(qū)網(wǎng)絡(luò)的局部社區(qū)分析。

4 結(jié)束語

在互聯(lián)網(wǎng)+時代，互聯(lián)網(wǎng)+旅游也逐漸成為一個熱門的話題，面對海量的互聯(lián)網(wǎng)旅游數(shù)據(jù)，我們可以從多種角度才分析旅游信息，利用這些旅游數(shù)據(jù)，可以為游客提供個性化的旅游服務(wù)，給旅游公司對景區(qū)的開發(fā)和維護給予參考。本文利用軟件中每一個的用戶的所游覽過的景區(qū)和在瀏覽的景區(qū)中所記錄的照片來進行旅游游客局部信息挖掘。

和利用傳統(tǒng)的旅游數(shù)據(jù)中的游客消費情況和游客旅游時間不一樣的是，本文采用的是互聯(lián)網(wǎng)數(shù)據(jù)，采用了互聯(lián)網(wǎng)數(shù)據(jù)中的數(shù)組、文本和圖片，利用多種數(shù)據(jù)資源進行篩選分析并計算出權(quán)值。然后利用改進的PageRank算法和節(jié)點適應(yīng)函數(shù)計算出節(jié)點中心度排名，并選取合適的節(jié)點作為局部社區(qū)的初始節(jié)點，然后拓展出整個局部社區(qū)。利用本文的方法可以有效地發(fā)掘出旅游游客的局部社區(qū)。

參考文獻：

[1] 樊瑋， 陳旭光. 旅游游客社會網(wǎng)絡(luò)局部社區(qū)挖掘方法[J]. 計算機工程與設(shè)計， 2016， 37（6）： 1505-1509.

[2] 張子昂， 黃震方， 靳誠，等. 基于微博簽到數(shù)據(jù)的景區(qū)旅游活動時空行為特征研究[J]. 地理與地理信息科學， 2015， 31（4）： 121-126.

[3] 廉同輝， 余菜花， 袁勤儉. 基于內(nèi)容分析法的旅游微博主題研究[J]. 現(xiàn)代情報， 2016， 36（4）： 85-89.

[4] 高新波， 沈鈞戈. 基于社會媒體的旅游數(shù)據(jù)挖掘與分析[J]. journal of Data Acquisition and Processing， 2016， 31（1）： 18-27.

[5] 汪永旗， 王惠嬌. 旅游大數(shù)據(jù)的MapReduce客戶細分應(yīng)用[J]. 華 僑 大 學 學 報 （自 然 科 學 版 ）， 2015， 36（3）： 292-296.

[6] 潘磊，金杰，王崇駿. 社會網(wǎng)絡(luò)中基于局部信息的邊社區(qū)挖掘[J] .電子學報，2012，40 （11） ： 255-262.

[7] Alexandra Marin， Barry Wellman.Social network analysis：An introduction[M] // Forthcoming int Handbook of Social Network Analysis. 2010：430-433.

[8] Maksim Tsvetovat， Alexander Kouznetsov.社會網(wǎng)絡(luò)分析：方法與實踐 [M].王薇，王成軍，王穎，譯.北京：機械工業(yè)出版社，2013： 6-7.

[9] Mejia-Iigo R， Barilla-Perez M E， Montes-Venegas H A. Color-based texture segmentation for vehicle detection[C] //6th International Conference on Electrical Engineering， Computing Science and Automatic Control. IEEE， 2009：1-6.

【通聯(lián)編輯：梁書】