基于多元特征約束的景點協(xié)同過濾算法研究.pdf

1、越來越多的人通過網(wǎng)絡平臺來滿足自己的旅游意愿?，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，而且能讓用戶在享受旅游服務的同時也可以提高用戶的社區(qū)參與度，通過在線評價行為來表達旅游的整體感受。這些評價數(shù)據(jù)無論是對于旅游網(wǎng)站還是其他用戶來說都有很大的參考價值。然而在信息過載的情況下，用戶無法快速準確地決策出適合自己的旅游資源，服務平臺也難以面對每一位用戶做到精準推薦。因此，通過用戶歷史行為數(shù)據(jù)，從多元角度分析用戶旅游意愿的構(gòu)成，結(jié)合旅

2、游行業(yè)的特定場景，為用戶推薦喜歡并且適合出游的景點是當前研究的熱點。
　　本文通過對傳統(tǒng)推薦服務的研究與分析，總結(jié)出推薦算法在用戶偏好的動態(tài)獲取精度和旅游條件約束的對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)絡的用戶偏好優(yōu)化模型以及多元約束特征的改進型協(xié)同過濾推薦算法，為用戶推薦適宜的旅游景點。本文的主要工作內(nèi)容如下：
　　第一，針對用戶偏好動態(tài)獲取精度不足的問題，本文通過將用戶對景點的評分轉(zhuǎn)移為對景點標簽的偏好程度

3、，結(jié)合用戶偏好周期和偏好變化因素來構(gòu)建用戶的偏好時效模型，并通過標簽權重來改善偏好特征；同時使用神經(jīng)網(wǎng)絡自適應算法對偏好特征進行收斂運算，提高用戶偏好的獲取精度。
　　第二，考慮旅游場景下多元特征對用戶的影響，本文提出了一種基于多元特征約束的改進型協(xié)同過濾推薦算法，通過用戶歷史出游數(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，通過構(gòu)建用戶的條件約束決策樹，得到每個約束條件對用戶評分決策的信息增益值，并作為用戶的約束特征，然后分

4、別對偏好特征及約束特征進行相似度計算，加權融合為用戶的整體相似度，找到相似鄰居進而對未知景點預測評分，最終為用戶推薦喜愛并適宜出游的景點。
　　第三，通過在主流的旅游網(wǎng)站上采用大量真實的用戶評價數(shù)據(jù)，并經(jīng)過處理和清洗之后作為本文實驗的基礎數(shù)據(jù)。實驗證明，與傳統(tǒng)的用戶偏好獲取方法相比，基于神經(jīng)網(wǎng)絡的用戶偏好優(yōu)化模型能顯著的提高用戶偏好的精準度，同時本文提出的改進型協(xié)同過濾推薦算法在平均絕對誤差（MAE）與均方根誤差（RMSE）方面有