研究如何根据已有的海量旅游信息及数据,为游客个性化推荐旅游景点具有重要意义。本文利用从Flickr网站获取的2013—2018年香港特别行政区范围内的地理标记照片来识别旅游景点,并根据游客游览顺序重建旅游轨迹。在此基础上,针对现有方法尚未考虑游客偏好在旅行过程中会发生动态变化的问题,提出一种基于隐含狄利克雷分布模型(Latent Dirichlet Allocation,LDA)和用户长短期偏好的个性化景点推荐方法(A Recommendation Method Based on LDA and User’s Long and Short-Term Preference,L-ULSP)。该方法利用LDA主题模型获取景点特征信息,挖掘景点间的相关性,再利用注意力机制和长短期记忆网络分别学习用户的长期偏好和短期偏好,最后结合长短期偏好捕捉用户偏好的动态变化。实验结果表明,L-ULSP方法所推荐的景点在命中率和平均倒数排名2个指标上均优于现有其他方法,证明了本文所提方法可以从景点序列中有效学习游客偏好,并为游客推荐下一个景点。此外,本文通过对比实验,进一步验证了同时考虑用户的长短期偏好能够更好地学习用户的偏好变化。
针对科学、准确、动态研判气体泄漏演变情景难的问题,通过重构化工企业厂区的三维模型,采用计算流体动力学(Computational Fluid Dynamics,CFD)模型数值模拟方法,预演、分析气体扩散的路径、范围、浓度分布变化情况,并进行可视化。以福建省某化工厂为例,利用倾斜摄影影像数据建立化工厂区域内的建筑物三维模型,使用计算流体动力学开源软件OpenFOAM,对三维空间进行剖分生成计算域网格,采用三维Navier-Stokes方程作为控制方程,选用标准k-雷诺时均模型用于求解湍流效应,采用压力的隐式分割算法(Pressure Implicit with Splitting of Operations,PISO)计算流场,假设氯气在三维空间中某处发生泄漏,模拟了不同风速条件扩散浓度分布情况,实验结果表明:氯气的扩散轨迹受风场和建筑物布局影响较大,风速增大会加速氯气的扩散,有利于氯气污染物的稀释;建筑物会阻碍氯气的扩散,同时受湍流效应影响,氯气易在建筑物之间的街道聚集,浓度稀释较为缓慢。模拟结果可为制定应急预案和预案演练提供参考。
暂无评论