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(jìn)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(jìn)行機(jī)械的推薦，在推薦結(jié)果的實(shí)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(jìn)行在線交互，根據(jù)用戶的當(dāng)前興趣進(jìn)行推薦，但該類推薦系統(tǒng)

2、沒有自我學(xué)習(xí)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(biāo)，對基于用戶興趣特征變化的旅游路線個性推薦技術(shù)進(jìn)行研究，其主要研究工作歸納為以下三點(diǎn)：
　　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(diǎn)和路線數(shù)據(jù)，用戶行為興趣數(shù)據(jù)進(jìn)行人工模擬，然后，對旅游景點(diǎn)、旅游路線及用戶行為興趣在旅游領(lǐng)域內(nèi)進(jìn)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(diǎn)興趣特征相關(guān)度的計(jì)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(diǎn)-旅游路線的頂點(diǎn)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(biāo)推薦用戶的當(dāng)前興趣特征因子，并在用戶-用戶相似度的計(jì)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(biāo)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(jìn)算法基礎(chǔ)之上，引入基于用戶興趣特征的頂點(diǎn)約束集，提出基于用戶興趣特征-景點(diǎn)-旅游路線的頂點(diǎn)約束推薦算法。
　　3）數(shù)據(jù)稀疏性問題的判定計(jì)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(jì)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(jìn)行動態(tài)的個性化調(diào)節(jié)，增加推薦系統(tǒng)的自我學(xué)習(xí)能力，使推薦結(jié)果

5、更為個性化。
　　其實(shí)驗(yàn)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(diǎn)-旅游路線的頂點(diǎn)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(diǎn)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(jìn)行個性化調(diào)節(jié)后，其推薦結(jié)果內(nèi)容更貼進(jìn)于目標(biāo)推薦用戶的興趣取向，在推薦結(jié)果的個性化方面