基于用戶興趣特征變化的旅游路線個性化推薦技術(shù)研究.pdf

1、自“智慧地球”概念的提出，各國紛紛重視對智慧旅游的研究和引入，隨著信息技術(shù)的日益更新，旅游行業(yè)也不斷在嘗試智能化轉(zhuǎn)型，其旅游路線的個性化推薦成為智慧旅游發(fā)展最為熱門的話題之一。但就目前相關(guān)領(lǐng)域的研究及應(yīng)用依然存在很多有待改進的地方，大多推薦算法都是基于傳統(tǒng)的協(xié)同過濾、關(guān)聯(lián)規(guī)則、N部結(jié)構(gòu)圖等進行機械的推薦，在推薦結(jié)果的實用性、貼近用戶興趣取向方面還有待提高，也有部分推薦系統(tǒng)直接與用戶進行在線交互，根據(jù)用戶的當前興趣進行推薦，但該類推薦系統(tǒng)

2、沒有自我學習能力，沒有考慮到用戶興趣特征變化特性。
　　本文以用戶興趣特征為線索，推薦結(jié)果個性化、質(zhì)量化為目標，對基于用戶興趣特征變化的旅游路線個性推薦技術(shù)進行研究，其主要研究工作歸納為以下三點：
　　1）基于用戶興趣特征變化推薦模型的建立。本文采用分布式網(wǎng)絡(luò)爬蟲技術(shù)獲取旅游景點和路線數(shù)據(jù)，用戶行為興趣數(shù)據(jù)進行人工模擬，然后，對旅游景點、旅游路線及用戶行為興趣在旅游領(lǐng)域內(nèi)進行特征提取，建立用戶興趣特征模型，給出用戶-用戶相似

3、度及用戶-景點興趣特征相關(guān)度的計算方法。
　　2）基于旅游路線流行度和用戶興趣特征變化的協(xié)同過濾算法及基于用戶興趣特征-景點-旅游路線的頂點約束推薦算法的提出。本文在傳統(tǒng)的領(lǐng)域協(xié)同過濾算法中加入目標推薦用戶的當前興趣特征因子，并在用戶-用戶相似度的計算方法中引入旅游路線的流行度和用戶間縱向興趣特征變化權(quán)重，以及在對目標用戶未來興趣預(yù)測模型中加入用戶橫向興趣特征變化權(quán)重，提出在旅游領(lǐng)域內(nèi)基于旅游路線流行度和用戶興趣特征變化的協(xié)同過濾

4、算法；針對協(xié)同過濾算法中數(shù)據(jù)稀疏及特征匹配趨零問題，本文在呂紅亮對PageRank的改進算法基礎(chǔ)之上，引入基于用戶興趣特征的頂點約束集，提出基于用戶興趣特征-景點-旅游路線的頂點約束推薦算法。
　　3）數(shù)據(jù)稀疏性問題的判定計算與推薦算法參數(shù)的個性化調(diào)整。本文給出數(shù)據(jù)稀疏及特征匹配趨零問題的判定計算方法，建立用戶動態(tài)興趣特征庫，并針對每個用戶興趣特征變化對推薦算法參數(shù)、閾值進行動態(tài)的個性化調(diào)節(jié)，增加推薦系統(tǒng)的自我學習能力，使推薦結(jié)果

5、更為個性化。
　　其實驗結(jié)果表明：加入旅游路線流行度及用戶興趣特征變化特性的協(xié)同過濾在推薦效率及推薦質(zhì)量方面都有較大的提升；基于用戶興趣特征-景點-旅游路線的頂點約束推薦在數(shù)據(jù)稀疏及特征匹配趨零的情況下其推薦結(jié)果的數(shù)量、質(zhì)量方面擁有具大的優(yōu)勢，在引入用戶興趣特征頂點約束集后，其推薦效率有較大的提升；針對各用戶的興趣特征變化對其推薦算法的參數(shù)及閾值進行個性化調(diào)節(jié)后，其推薦結(jié)果內(nèi)容更貼進于目標推薦用戶的興趣取向，在推薦結(jié)果的個性化方面