基于MapReduce的Coteries轨迹模式挖掘及个性化旅游路线推荐

　　Coterie是一种异步的组模式，要求在不等时间间隔约束下找出具有相似轨迹行为的组模式，而传统的轨迹组模式挖掘算法往往处理具有固定时间间隔采样约束的GPS数据。因此无法直接用于Coterie模式挖掘．同时传统组模式挖掘存在语义信息缺失问题。降低了个性化旅游路线推荐的完整度和准确度．为此。提出基于语义的距离敏感推荐策略（DRSS）和基于语义的从众性推荐策略（CRSS）．此外。随着社交网数据规模的不断增大。传统组模式聚类算法的效率受到了极大挑战，因此，为高效处理大规模社交网轨迹数据。使用带有优化聚类的MapReduce编程模型来挖掘Coterie组模式，实验结果证明，MapReduce编程模型下带优化聚类和语义信息的Coterie组模式挖掘，在个性化旅游路线推荐上优于传统组模式旅游路线推荐质量，且能有效处理大规模社交网轨迹数据．