题目：基于多维信息的旅游资源推荐方法研究与实现

 

互联网的飞速发展使得网络中的信息量急剧膨胀，信息过载问题也越来越严重。人们从难以获取信息转变到难以从海量信息中提取对自己有用的信息。这种情况也出现在在线旅游领域。各类旅游网站收集了大量用户对旅游资源的评论、评分信息，同时很多用户也在在线旅游社区分享自己的游记、照片等内容。从这些数据中不仅可以挖掘用户对资源的偏好，同时也可以提取到一些其它维度的信息，例如从照片的拍摄时间可以得知用户游览景点的时间分布，以及根据用户的评分和对应的时间戳可以分析出用户偏好随时间的动态变化。现有旅游资源推荐系统大多数只关注了用户对资源的总体评分这一维度，而忽略其它维度的信息。本文认为将这些信息有效地结合到推荐算法中，能够提高推荐结果的合理性和准确度。

本文主要针对旅游领域中景点、酒店、餐馆三大类资源各自的特点设计实现了对应的推荐算法，并在此基础上实现了基于多维信息的旅游资源推荐系统。在景点推荐算法部分考虑到景点的热门度与时间上下文有很强的相关性这一特点，因此景点推荐模型中融入了时间上下文信息，并结合Learning To Rank中的思想提出以nDCG为优化目标的张量分解算法。在酒店推荐算法中利用用户对酒店多个维度的评分信息来对传统的协同过滤推荐方法进行了改进。在餐馆推荐算法中，论文提出的模型通过用户评分及对应时间戳信息来捕捉用户和餐馆特征的动态变化。通过对比试验，论文验证了在传统推荐模型中结合这些多维信息能够提高推荐的准确度。