nodejs+python+vue基于位置(Lbsn)的社交网络中混合推荐算法的设计

本系统是大数据结合推荐算法制作的一款和地理信息相关技术的综合应用知识，系统的开发采用了相关的算法进行实现，本系统主要实现的功能和相关的技术进行综合的大数据应用的实现，也是毕业设计中的一项重要的考核
ROI景点推荐
根据使用推荐系统的用户和输入的地点：推测用户推荐感兴趣的信息，帮助用户决定应该选择什么对象，模拟销售人员帮助用户完成采纳过程。出行推荐系统则根据用户的兴趣特点和行为；
向用户推荐其感兴趣的导游信息，通过建立用户和景点之间的二元关系，根据用户的使用出行和要求发掘用户潜在的兴趣，从而针对用户提供推荐服务，如：根据用户提供的历史记录，包括用户对景点的浏览记录和用户旅游购物旅游使用商品的评价；找出用户的相似用户或者某景点的相似信息；针对目标用户，向用户推荐用户可能喜欢的旅游路线。本文感兴趣个性荐包括热门的推荐路线、导游信息、热门景点和周围景点交通方式。
前端技术：nodejs+vue+elementui,
Express 框架于Node运行环境的Web框架,
语言 node.js
框架：Express
前端:Vue.js
数据库：mysql
数据库工具：Navicat
开发软件：VScode
视图层其实质就是vue页面，通过编写vue页面从而展示在浏览器中，编写完成的vue页面要能够和控制器类进行交互，从而使得用户在点击网页进行操作时能够正常。
 制定旅游计划是一件繁杂的工作，本文提出的混合推荐是对人和地点都会有参考，提出个性化偏好。出行计划可以根据输入地范围，可以从这个人往期和好友数据得出一系列具体位置和偏好，如具体景点、路线、每个景点周围的景点、多个景点之间的出行方案、导游信息，再根据用户选择的一个地点得到一个旅游路线，导游是根据用户的喜好来确定的，从而实现地点和人交互旅游意向，实时提供旅游包，对用户出行具有一定的参考价值。
关联筛选算法
关联过滤算法的基本思想是将兴趣相似用户所感兴趣的信息给目标用户：如路线、导游信息、旅游推荐等。其相关系数用来表示两组近似线性的数据的相似度，相似度计算是各种数据挖掘算法的主要数学基础。本文采用实例学习中的K近邻算法及关联分析，即利用距离或相关系数作为数据基础的，关联筛选算法分为：基于用户的关联筛选和基于地点的关联筛选过滤。
景点个性化推荐系统设计
 空间数据库及数据挖掘技术的发展使得存储和分析大量异构数据成为可能，对这些数据进行挖掘使得研究者可提取重要的规律及兴趣模式，所以讲数据挖掘技术应用于景点网络分析。