[发明专利]基于人流轨迹的智能展位推荐方法与系统

说明书

本发明涉及会展信息化领域，涉及一种基于人流轨迹的智能展位推荐方法，包括：采集采购商移动轨迹，获得采购商偏好数据；建立训练模型，将展位数据和偏好数据整合成数据集；设置置信参数和正则化参数，使用加权正则化交替最小二乘法算法对训练集进行训练，输出包括采购商因子矩阵U、展位因子矩阵M和采购商评分数据userRatings在内的训练数据文件；使用测试集对训练模型进行评估，直至均方根误差符合条件；设定采购商数量及推荐展位数量，输入训练模型，根据输出结果将展位推荐给参展商。本发明还提出一种基于人流轨迹的智能展位推荐系统。通过本发明的推荐，让采购商在规模庞大、展品种类繁多的展会中获取到适合他的展位信息，提高参展效率。

技术领域

本发明涉及会展信息化领域，特别涉及一种基于人流轨迹的智能展位推荐方法与系统。

背景技术

随着现代社会商业的发展，供应商参加展览会展出相应展品，吸引采购商进行商业洽谈变成了一种成熟的方式。

但是当前展会组织中，也面临了参展人数众多，展位分散并且展品种类繁多的情况，这样作为采购商来说容易陷入“看花眼”的境地，使得供应商作为参展商，只能被动等待采购商上门，无法通过一定的技术手段向采购商推荐自己和自己的展位来促进商机。

发明内容

本发明的实施方式旨在至少解决现有技术中存在的技术问题之一。为此，本发明的实施方式需要提供一种基于人流轨迹的智能展位推荐方法与系统。

本发明实施方式的一种基于人流轨迹的智能展位推荐方法，其特征在于，包括：

步骤1，通过WiFi采集采购商在展会展馆的移动轨迹，根据移动轨迹获得采购商的偏好数据；

步骤2，建立展位推荐训练模型，将展位数据和偏好数据整合成包括训练集和测试集在内用于展位推荐训练模型的数据集；

步骤3，设置置信参数和正则化参数，在展位推荐训练模型中使用加权正则化交替最小二乘法算法对训练集进行训练，输出包括采购商因子矩阵U、展位因子矩阵M和采购商评分数据userRatings在内的训练数据文件；

步骤4，根据训练数据文件使用测试集对展位推荐训练模型进行评估，直至均方根误差符合条件；

步骤5，设定具体的采购商的数量u及推荐的展位数量k，输入展位推荐训练模型获得k个结果，根据k个结果对参展商进行展位推荐。

一种实施方式中，步骤1包括：

步骤11，通过WiFi采集采购商在展会展馆的移动轨迹，形成坐标数据；

步骤12，根据坐标数据使用预设的聚类算法计算获得聚类点列表；

步骤13，使用聚类点列表结合参展商坐标数据集获得采购商感兴趣的展位，并使用采购商在该展位的停留时间作为采购商对这个展位感兴趣程度的评分，形成所有采购商的偏好数据。

一种实施方式中，以[x，y，ts]作为坐标数据的描述方式，x表示x坐标，y表示y坐标，ts表示时间戳；步骤12包括：

步骤121，按照先后顺序遍历各个轨迹点；

步骤122，设[x_i，y_i，ts_i]为聚类原点i，按照顺序取距离与i的距离小于第一距离阈值D的点，获得轨迹点集P_m：{[x_i，y_i，ts_i]，[x_i+1，y_i+1，ts_i+1]…[x_m，y_m，ts_m]}；