基于多元特征約束的景點(diǎn)協(xié)同過(guò)濾算法研究.pdf

1、越來(lái)越多的人通過(guò)網(wǎng)絡(luò)平臺(tái)來(lái)滿(mǎn)足自己的旅游意愿?，F(xiàn)今眾多的旅游網(wǎng)站不僅能提供便捷、人性化的旅游服務(wù)，而且能讓用戶(hù)在享受旅游服務(wù)的同時(shí)也可以提高用戶(hù)的社區(qū)參與度，通過(guò)在線(xiàn)評(píng)價(jià)行為來(lái)表達(dá)旅游的整體感受。這些評(píng)價(jià)數(shù)據(jù)無(wú)論是對(duì)于旅游網(wǎng)站還是其他用戶(hù)來(lái)說(shuō)都有很大的參考價(jià)值。然而在信息過(guò)載的情況下，用戶(hù)無(wú)法快速準(zhǔn)確地決策出適合自己的旅游資源，服務(wù)平臺(tái)也難以面對(duì)每一位用戶(hù)做到精準(zhǔn)推薦。因此，通過(guò)用戶(hù)歷史行為數(shù)據(jù)，從多元角度分析用戶(hù)旅游意愿的構(gòu)成，結(jié)合旅

2、游行業(yè)的特定場(chǎng)景，為用戶(hù)推薦喜歡并且適合出游的景點(diǎn)是當(dāng)前研究的熱點(diǎn)。
　　本文通過(guò)對(duì)傳統(tǒng)推薦服務(wù)的研究與分析，總結(jié)出推薦算法在用戶(hù)偏好的動(dòng)態(tài)獲取精度和旅游條件約束的對(duì)推薦的影響方面考慮不足。因此，本文提出了基于神經(jīng)網(wǎng)絡(luò)的用戶(hù)偏好優(yōu)化模型以及多元約束特征的改進(jìn)型協(xié)同過(guò)濾推薦算法，為用戶(hù)推薦適宜的旅游景點(diǎn)。本文的主要工作內(nèi)容如下：
　　第一，針對(duì)用戶(hù)偏好動(dòng)態(tài)獲取精度不足的問(wèn)題，本文通過(guò)將用戶(hù)對(duì)景點(diǎn)的評(píng)分轉(zhuǎn)移為對(duì)景點(diǎn)標(biāo)簽的偏好程度

3、，結(jié)合用戶(hù)偏好周期和偏好變化因素來(lái)構(gòu)建用戶(hù)的偏好時(shí)效模型，并通過(guò)標(biāo)簽權(quán)重來(lái)改善偏好特征；同時(shí)使用神經(jīng)網(wǎng)絡(luò)自適應(yīng)算法對(duì)偏好特征進(jìn)行收斂運(yùn)算，提高用戶(hù)偏好的獲取精度。
　　第二，考慮旅游場(chǎng)景下多元特征對(duì)用戶(hù)的影響，本文提出了一種基于多元特征約束的改進(jìn)型協(xié)同過(guò)濾推薦算法，通過(guò)用戶(hù)歷史出游數(shù)據(jù)，分析出多元特征由偏好特征和條件約束特征構(gòu)成，通過(guò)構(gòu)建用戶(hù)的條件約束決策樹(shù)，得到每個(gè)約束條件對(duì)用戶(hù)評(píng)分決策的信息增益值，并作為用戶(hù)的約束特征，然后分

4、別對(duì)偏好特征及約束特征進(jìn)行相似度計(jì)算，加權(quán)融合為用戶(hù)的整體相似度，找到相似鄰居進(jìn)而對(duì)未知景點(diǎn)預(yù)測(cè)評(píng)分，最終為用戶(hù)推薦喜愛(ài)并適宜出游的景點(diǎn)。
　　第三，通過(guò)在主流的旅游網(wǎng)站上采用大量真實(shí)的用戶(hù)評(píng)價(jià)數(shù)據(jù)，并經(jīng)過(guò)處理和清洗之后作為本文實(shí)驗(yàn)的基礎(chǔ)數(shù)據(jù)。實(shí)驗(yàn)證明，與傳統(tǒng)的用戶(hù)偏好獲取方法相比，基于神經(jīng)網(wǎng)絡(luò)的用戶(hù)偏好優(yōu)化模型能顯著的提高用戶(hù)偏好的精準(zhǔn)度，同時(shí)本文提出的改進(jìn)型協(xié)同過(guò)濾推薦算法在平均絕對(duì)誤差（MAE）與均方根誤差（RMSE）方面有