论文部分内容阅读
自“智慧地球”概念的提出,各国纷纷重视对智慧旅游的研究和引入,随着信息技术的日益更新,旅游行业也不断在尝试智能化转型,其旅游路线的个性化推荐成为智慧旅游发展最为热门的话题之一。但就目前相关领域的研究及应用依然存在很多有待改进的地方,大多推荐算法都是基于传统的协同过滤、关联规则、N部结构图等进行机械的推荐,在推荐结果的实用性、贴近用户兴趣取向方面还有待提高,也有部分推荐系统直接与用户进行在线交互,根据用户的当前兴趣进行推荐,但该类推荐系统没有自我学习能力,没有考虑到用户兴趣特征变化特性。本文以用户兴趣特征为线索,推荐结果个性化、质量化为目标,对基于用户兴趣特征变化的旅游路线个性推荐技术进行研究,其主要研究工作归纳为以下三点:1)基于用户兴趣特征变化推荐模型的建立。本文采用分布式网络爬虫技术获取旅游景点和路线数据,用户行为兴趣数据进行人工模拟,然后,对旅游景点、旅游路线及用户行为兴趣在旅游领域内进行特征提取,建立用户兴趣特征模型,给出用户-用户相似度及用户-景点兴趣特征相关度的计算方法。2)基于旅游路线流行度和用户兴趣特征变化的协同过滤算法及基于用户兴趣特征-景点-旅游路线的顶点约束推荐算法的提出。本文在传统的领域协同过滤算法中加入目标推荐用户的当前兴趣特征因子,并在用户-用户相似度的计算方法中引入旅游路线的流行度和用户间纵向兴趣特征变化权重,以及在对目标用户未来兴趣预测模型中加入用户横向兴趣特征变化权重,提出在旅游领域内基于旅游路线流行度和用户兴趣特征变化的协同过滤算法;针对协同过滤算法中数据稀疏及特征匹配趋零问题,本文在吕红亮对PageRank的改进算法基础之上,引入基于用户兴趣特征的顶点约束集,提出基于用户兴趣特征-景点-旅游路线的顶点约束推荐算法。3)数据稀疏性问题的判定计算与推荐算法参数的个性化调整。本文给出数据稀疏及特征匹配趋零问题的判定计算方法,建立用户动态兴趣特征库,并针对每个用户兴趣特征变化对推荐算法参数、阈值进行动态的个性化调节,增加推荐系统的自我学习能力,使推荐结果更为个性化。其实验结果表明:加入旅游路线流行度及用户兴趣特征变化特性的协同过滤在推荐效率及推荐质量方面都有较大的提升;基于用户兴趣特征-景点-旅游路线的顶点约束推荐在数据稀疏及特征匹配趋零的情况下其推荐结果的数量、质量方面拥有具大的优势,在引入用户兴趣特征顶点约束集后,其推荐效率有较大的提升;针对各用户的兴趣特征变化对其推荐算法的参数及阈值进行个性化调节后,其推荐结果内容更贴进于目标推荐用户的兴趣取向,在推荐结果的个性化方面具有较好的效果。