当前位置:问答库>论文摘要

题目:基于多样性的个性化旅游推荐系统研究

关键词:旅游,推荐系统,多样性,新颖性,用户模型

  摘要


推荐系统发展至今,尤其伴随着大数据和移动互联网时代的来临,已经为用户解决了众多信息过载问题。个性化的旅游推荐服务,针对游客的历史记录和人口统计等特征,构建游客的用户偏好模型,以此为游客提供旅游推荐服务。虽然个性化旅游推荐服务的发展取得了一定进展,然而它依然面临着诸多挑战,譬如,当前的推荐系统建模技术并不能准确全面的描述游客偏好,传统的追求高精准度的推荐评价体系使用户的视野变得狭窄,不能完全适应实用要求。

针对上面所述问题,本文重点研究了结合用户基本属性和领域知识,对个性化旅游服务推荐系统的用户建模问题;以及扩展用户邻居选择策略,来提高推荐的多样性和新颖性问题。本文从三个层面展开研究,主要工作如下:

1、研究了当前个性化推荐系统中的用户建模方法,针对个性化旅游推荐提出了一种基于扩展向量空间模型的用户建模方法。利用用户的人口统计信息、用户与物品的交互记录,同时对冗余信息进行过滤,更为准确地描述了用户偏好,并且对系统的冷启动问题有所改进。

2、研究了目前推荐系统的多样性和新颖性改进方法,针对推荐算法的步骤,提出一种基于最近邻选择改进的多样性和新颖性推荐算法。通过对用户进行聚类,将用户分为簇内和簇间,并计算所有项目在簇内的流行度,然后将簇间的用户多样性考虑在整体多样性范围内,进行多样性算法改进,通过在真实数据集上实验验证了算法的有效性。

3、结合多样性和多维信息的用户偏好模型,以陕西省旅游景点作为实例构建个性化自助旅游景点推荐,通过数据获取、数据分析和处理、用户建模、产生推荐,为游客提供多样化的推荐服务。最后根据本文提出算法设计了一个旅游景点推荐系统,该系统能够结合用户基本信息和行为数据,为用户提供个性化景点推荐服务,同时采用标签云解决了推荐冷启动问题。

本文所提出的算法和模型不再仅仅局限于追求精准度,而是为用户做推荐的时候,考虑了具体领域知识、用户特征等信息,结合多样性改进算法,为用户提供既新颖又满意的推荐,论文所提出的算法为解决同类问题提供了较强的参考意义和应用价值。