【摘要】：隨著收入水平的提高,旅游成為人們豐富其精神生活的重要途徑,因此旅游業(yè)迅速發(fā)展,個性化旅游模式應運而生。個性化旅游行程的制定涉及用戶興趣愛好、旅游景點流行度、地理位置等多個影響因素,是極其復雜且耗時耗力的工作。旅游網(wǎng)站和移動應用中記錄了大量游客的歷史旅游記錄,反映了景點的特征以及用戶對旅游景點的偏好等信息。有效利用這些數(shù)據(jù)為游客推薦行程、規(guī)劃路徑可大大降低游客的工作量,提升用戶體驗。傳統(tǒng)的旅游推薦主要集中在單個景點推薦上,忽略了旅游行為的上下文特征和序列特征,無法根據(jù)用戶當前的位置推薦后續(xù)行程;另外也存在歷史數(shù)據(jù)丟失、統(tǒng)計不全的缺點。本文對基于頻繁序列挖掘以及全局關聯(lián)圖的旅游景點推薦展開研究,主要內容包括:1、提出了一種基于頻繁序列挖掘的后續(xù)旅游行程序列推薦方法SeqRem,利用頻繁序列挖掘構造歷史序列關聯(lián)圖,將已有行程的劃分問題建模為關聯(lián)圖的TOP-K極大點權獨立集問題,并提出了啟發(fā)式的計算方法。根據(jù)已有行程的劃分為用戶推薦后續(xù)旅游行程序列。實驗結果表明,SeqRem方法在后續(xù)單個景點推薦的準確率要優(yōu)于基于馬爾科夫鏈的LORE方法和基于張量分解的FPMC-L方法,在后續(xù)序列推薦上也表現(xiàn)出較好的準確率。2、提出了一種基于全局景點關聯(lián)圖的行程推薦方法,首先基于景點的訪問頻次和景點之間的遷移頻次構建全局景點關聯(lián)圖中節(jié)點和邊的體驗收益,并提出基于蟻群算法的路徑搜索算法,為用戶推薦前K條體驗收益最高的行程路徑。實驗結果表明,推薦路徑的體驗收益值在一定范圍內與推薦準確率成正比,證明了模型的有效性,另外推薦準確率上要優(yōu)于基于照片數(shù)據(jù)的PTIR方法。
【學位授予單位】：山東科技大學
【學位級別】：碩士
【學位授予年份】：2018
【分類號】：F592;TP391.3
【圖文】：

圖４．１景點全局關聯(lián)圖逡逑Ｆｉｇ．邋４．１邋Ａｔｔｒａｃｔｉｏｎｓ邋ｒｅｌｅｖａｎｃｅ邋ｇｒａｐｈ逡逑如圖４．１所示是全局關聯(lián)圖的示例。以景點＼為例，景點Ｓｌ的訪問頻次為１７，逡逑邊＜Ｓｐｓ２＞存儲兩個信息，＆到５２的遷移頻次（／ｒｅ）為６，＆到５２的平均間距逡逑（ｄｉｓ邋）為邋３。逡逑４．２節(jié)點和邊的體驗收益計算與目標函數(shù)構建逡逑本節(jié)首先提出全局關聯(lián)圖中節(jié)點和邊的體驗收益的計算方法，然后基于節(jié)逡逑點和邊的體驗收益設計路徑體驗收益目標函數(shù)。逡逑４．２．〗節(jié)點和邊的體驗收益計算逡逑本小節(jié)分別定義全局關聯(lián)圖中節(jié)點和邊的體驗收益。對全局關聯(lián)圖中的一逡逑個節(jié)點＇，式（４．１）定義了訪問＆的體驗收益值。逡逑Ｖ邋＿邋Ｗｅｉｇｈｔｈｓ％）邋＝邋Ｖ邋＿邋Ｎｕｍ（ｓ．）邋ｊＶ邋＿邋Ｍａｘ邐式（４．１）逡逑其中，Ｖ邋＋邐為景點＼的訪問頻次，Ｖ邋＋邋Ｍａａ；為訪問頻次最高的景點逡逑的訪問頻次。逡逑式（４．２）定義了全局關聯(lián)圖中邊＜＇４邋＞的體驗收益值。逡逑１邋Ｊ逡逑Ｅ＿Ｗｅｉｇｈｔ（ｉ，ｊ）邋—邋（２－邋ｓｉｇｍｏｄ（ｄｉｓ（ｉ，ｊ））邋ｘ邋ｆｒｅｑ（ｉ，ｊ）邋／邋ｆｒｅｑ＾邋式（４＿２）逡逑其中，函數(shù)表達式為ｓｋｍｏ＜ｉ（；ｒ）邋＝邋１／（１＋邋＃摺觶ⅲ┧閬芙鄰桓鍪

本文編號：2793677