隨著互聯(lián)網(wǎng)的快速發(fā)展,人們可以在各種在線旅游平臺(tái)便利地挑選旅游產(chǎn)品并制定出行計(jì)劃。據(jù)艾瑞咨詢檢測(cè)的數(shù)據(jù)可知,2017年中國(guó)的在線旅游交易市場(chǎng)的規(guī)模達(dá)7384.1億元,比上年同期增長(zhǎng)24.3%,在線旅游OTA市場(chǎng)交易規(guī)模為400.0億元,較2016年增長(zhǎng)34%,未來(lái)在線旅游所占的比重還將進(jìn)一步加大。然而伴隨著互聯(lián)網(wǎng)技術(shù)的不斷發(fā)展,嚴(yán)重的系統(tǒng)信息過(guò)載難題對(duì)用戶造成了困擾,用戶很難快速?gòu)木蘖康慕Y(jié)果信息中檢索出自己想要的旅游信息。目前國(guó)內(nèi)的在線旅游服務(wù)電商平臺(tái)基本停留在簡(jiǎn)單的信息搜索上,旅游服務(wù)單一,旅游線路、景點(diǎn)介紹內(nèi)容固定,描述方式粗淺,無(wú)法滿足用戶個(gè)性化的需求。另一方面,這些平臺(tái)為用戶提供旅游產(chǎn)品搜索服務(wù)時(shí),檢索結(jié)果大多按整體評(píng)分排序,忽略了用戶本身興趣度,用戶無(wú)法獲取符合其個(gè)性化興趣的服務(wù)。針對(duì)現(xiàn)有的景點(diǎn)推薦算法在處理用戶關(guān)系時(shí)忽視了用戶隱性信任和信任傳遞問(wèn)題,以及在新城市情景中用戶歷史瀏覽行為數(shù)據(jù)缺失導(dǎo)致無(wú)法準(zhǔn)確推薦的情況,本文提出了一種綜合用戶信任關(guān)系和標(biāo)簽偏好的個(gè)性化景點(diǎn)推薦方法。首先在僅僅考慮用戶相似度時(shí)推薦質(zhì)量差的情況下引入信任度,通過(guò)挖掘用戶隱性信任關(guān)系解決了現(xiàn)有研究在直接... 

【文章來(lái)源】：南京航空航天大學(xué)江蘇省 211工程院校

【文章頁(yè)數(shù)】：69 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 研究背景與意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 個(gè)性化旅游推薦算法研究現(xiàn)狀
        1.2.2 基于社交媒體地理信息的推薦算法研究現(xiàn)狀
        1.2.3 基于信任網(wǎng)絡(luò)的推薦研究
        1.2.4 文獻(xiàn)總結(jié)
    1.3 研究?jī)?nèi)容與技術(shù)路線
        1.3.1 研究?jī)?nèi)容
        1.3.2 技術(shù)路線
    1.4 研究方法與創(chuàng)新點(diǎn)
        1.4.1 研究方法
        1.4.2 創(chuàng)新點(diǎn)
    1.5 本章小結(jié)
第二章 基于地理圖片數(shù)據(jù)的景點(diǎn)挖掘和用戶評(píng)分建模
    2.1 數(shù)據(jù)獲取和數(shù)據(jù)預(yù)處理工作
    2.2 基于P-DBSCAN聚類的景點(diǎn)挖掘
        2.2.1 問(wèn)題定義
        2.2.2 基于密度的熱門旅游區(qū)域地點(diǎn)聚類
        2.2.3 語(yǔ)義標(biāo)注旅游地點(diǎn)
        2.2.4 建立景點(diǎn)資料庫(kù)
    2.3 構(gòu)造用戶-景點(diǎn)評(píng)分模型
    2.4 本章小結(jié)
第三章 考慮社交隱性信任和信任傳播的景點(diǎn)推薦模型研究
    3.1 信任推薦現(xiàn)有分析
        3.1.1 社會(huì)網(wǎng)絡(luò)
        3.1.2 信任度在推薦系統(tǒng)中的應(yīng)用
        3.1.3 經(jīng)典信任模型
    3.2 問(wèn)題定義
    3.3 基于圖片數(shù)據(jù)的社交信任網(wǎng)絡(luò)挖掘
        3.3.1 構(gòu)建信任網(wǎng)絡(luò)——用戶直接信任計(jì)算
        3.3.2 信任傳遞——用戶間接信任計(jì)算
    3.4 結(jié)合相似度和信任度的推薦策略
    3.5 本章小結(jié)
第四章 綜合IDMTRUST和標(biāo)簽偏好的景點(diǎn)個(gè)性化推薦算法研究
    4.1 標(biāo)簽推薦現(xiàn)有分析
        4.1.1 常見(jiàn)的個(gè)性化旅游推薦技術(shù)
        4.1.2 標(biāo)簽在推薦算法中的應(yīng)用和推薦策略
        4.1.3 基于標(biāo)簽的個(gè)性化推薦算法研究
    4.2 綜合信任推薦和標(biāo)簽推薦的混合推薦策略
        4.2.1 基于標(biāo)簽的用戶興趣推薦
        4.2.2 綜合信任關(guān)系和用戶標(biāo)簽偏好的推薦策略
    4.4 基于FLICKR數(shù)據(jù)集的實(shí)驗(yàn)驗(yàn)證
        4.4.1 實(shí)驗(yàn)數(shù)據(jù)集的獲取和預(yù)處理
        4.4.2 實(shí)驗(yàn)評(píng)價(jià)指標(biāo)
        4.4.3 實(shí)驗(yàn)結(jié)果分析
    4.5 本章小結(jié)
第五章 總結(jié)與展望
    5.1 全文總結(jié)
    5.2 研究展望
參考文獻(xiàn)
致謝
在學(xué)期間的研究成果及發(fā)表的學(xué)術(shù)論文
附錄一 數(shù)據(jù)采集和處理代碼


【參考文獻(xiàn)】：
期刊論文
[1]基于多元關(guān)系的張量分解標(biāo)簽推薦方法[J]. 曾輝,胡強(qiáng),淦修修.  計(jì)算機(jī)應(yīng)用研究. 2019(10)
[2]基于標(biāo)簽信息特征相似性的協(xié)同過(guò)濾個(gè)性化推薦[J]. 何明,要?jiǎng)P升,楊芃,張久伶.  計(jì)算機(jī)科學(xué). 2018(S1)
[3]結(jié)合用戶行為和物品標(biāo)簽的協(xié)同過(guò)濾推薦算法[J]. 李龍生,艾均,蘇湛,李妍妍.  計(jì)算機(jī)應(yīng)用與軟件. 2018(06)
[4]社會(huì)網(wǎng)絡(luò)嵌入情境下R&D團(tuán)隊(duì)內(nèi)部知識(shí)轉(zhuǎn)移影響機(jī)理——基于制造企業(yè)的實(shí)證研究[J]. 徐建中,朱曉亞.  系統(tǒng)管理學(xué)報(bào). 2018(03)
[5]一種基于矩陣分解的上下文感知POI推薦算法[J]. 彭宏偉,靳遠(yuǎn)遠(yuǎn),呂曉強(qiáng),王曉玲.  計(jì)算機(jī)學(xué)報(bào). 2019(08)
[6]面向知乎的個(gè)性化推薦模型研究[J]. 王振海,李曉昀.  計(jì)算機(jī)應(yīng)用與軟件. 2018(05)
[7]基于情景上下文與信任關(guān)系的旅游景點(diǎn)推薦算法[J]. 沈記全,王磊,侯占偉,薛霄.  計(jì)算機(jī)應(yīng)用研究. 2018(12)
[8]基于標(biāo)簽分類的協(xié)同過(guò)濾推薦算法[J]. 朱崢宇,曹曉梅.  計(jì)算機(jī)應(yīng)用研究. 2019(08)
[9]融合社交行為和標(biāo)簽行為的推薦算法研究[J]. 蔣云,倪靜,房宏揚(yáng).  計(jì)算機(jī)應(yīng)用研究. 2019(07)
[10]基于社會(huì)網(wǎng)絡(luò)的虛擬企業(yè)聯(lián)盟信息共享分析體系研究[J]. 宋麗麗,馮勇,王嶸冰.  情報(bào)科學(xué). 2018(04)

博士論文
[1]基于用戶興趣建模的推薦方法及應(yīng)用研究[D]. 劉淇.中國(guó)科學(xué)技術(shù)大學(xué) 2013
[2]在線社會(huì)網(wǎng)絡(luò)信任計(jì)算與挖掘分析中若干模型與算法研究[D]. 張宇.浙江大學(xué) 2009



本文編號(hào)：3476747