本文選題：在線旅游行業(yè)　切入點：推薦系統(tǒng)　出處：《浙江工商大學(xué)》2017年碩士論文　論文類型：學(xué)位論文

【摘要】：隨著互聯(lián)網(wǎng)O2O的迅猛發(fā)展,在線旅游行業(yè)出現(xiàn)了信息過載的問題,面對種類和數(shù)量越來越多的旅游產(chǎn)品,在線旅游的用戶也難以快速高效的找到自己需要的產(chǎn)品。個性化推薦系統(tǒng)可以解決這個難題,借助用戶的歷史興趣幫助用戶在紛繁復(fù)雜的信息中找到其喜歡的物品。推薦系統(tǒng)多應(yīng)用于電子商務(wù)、電影和視頻、音樂等領(lǐng)域,對在線旅游行業(yè)推薦系統(tǒng)的研究甚少。因此,本文將結(jié)合在線旅游網(wǎng)站的行業(yè)背景,將邏輯回歸模型和協(xié)同過濾算法進行組合,構(gòu)建推薦模型。模型主要利用在線旅游網(wǎng)站用戶的隱式反饋數(shù)據(jù),首先采用邏輯回歸模型對用戶的隱式反饋數(shù)據(jù)進行建模,將用戶的瀏覽行為轉(zhuǎn)化成用戶對物品的興趣度,再結(jié)合在線旅游的行業(yè)特點使用協(xié)同過濾推薦算法對用戶進行推薦。此模型利用在線旅游網(wǎng)站的隱式反饋數(shù)據(jù),彌補了顯示反饋數(shù)據(jù)不足的弊端,充分挖掘用戶的瀏覽行為,獲取用戶的興趣度,實驗證明此模型可以有效獲取用戶偏好,產(chǎn)生高質(zhì)量的推薦。
[Abstract]:With the rapid development of the Internet O2O, the online tourism industry has appeared the problem of information overload. In the face of more and more kinds and quantity of tourism products, Users of online travel also find it difficult to find the product they need quickly and efficiently. Personalized recommendation systems can solve this problem. With the help of users' historical interest, users can find their favorite items in the complicated information. Recommendation systems are mostly used in e-commerce, film and video, music and other fields, so there is little research on online travel industry recommendation system. In this paper, we combine the logical regression model with collaborative filtering algorithm to construct the recommendation model, which mainly uses the implicit feedback data of the users of online tourism website, and combines the industry background of online tourism website with logical regression model and collaborative filtering algorithm. Firstly, the user's implicit feedback data is modeled by the logical regression model, and the browsing behavior of the user is transformed into the user's interest in the items. Combined with the characteristics of online tourism industry, collaborative filtering recommendation algorithm is used to recommend users. This model makes use of the implicit feedback data of online tourism website to make up for the deficiency of display feedback data, and fully excavates the browsing behavior of users. The experiments show that the model can obtain user preference effectively and produce high quality recommendation.
【學(xué)位授予單位】：浙江工商大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：F724.6;F274;F592

【參考文獻】

相關(guān)期刊論文 前10條

1 陸藝;曹健;;面向隱式反饋的推薦系統(tǒng)研究現(xiàn)狀與趨勢[J];計算機科學(xué);2016年04期

2 翁鋼民;寧楠;;我國在線旅游(OTA)發(fā)展?jié)摿υu價及應(yīng)用研究[J];商業(yè)研究;2015年01期

3 印鑒;王智圣;李琪;蘇偉杰;;基于大規(guī)模隱式反饋的個性化推薦[J];軟件學(xué)報;2014年09期

4 侯建娜;李仙德;;在線旅游國內(nèi)外研究進展與展望[J];世界地理研究;2011年01期

5 許海玲;吳瀟;李曉東;閻保平;;互聯(lián)網(wǎng)推薦系統(tǒng)比較研究[J];軟件學(xué)報;2009年02期

6 李峰;裴軍;游之洋;;基于隱式反饋的自適應(yīng)用戶興趣模型[J];計算機工程與應(yīng)用;2008年09期

7 李永;徐德智;張勇;邢春曉;;VRE中基于內(nèi)容過濾的論文推薦算法[J];計算機應(yīng)用研究;2007年09期

8 周軍鋒,湯顯,郭景峰;一種優(yōu)化的協(xié)同過濾推薦算法[J];計算機研究與發(fā)展;2004年10期

9 鄧愛林,左子葉,朱揚勇;基于項目聚類的協(xié)同過濾推薦算法[J];小型微型計算機系統(tǒng);2004年09期

10 鄧愛林,朱揚勇,施伯樂;基于項目評分預(yù)測的協(xié)同過濾推薦算法[J];軟件學(xué)報;2003年09期

，

本文編號：1634400