用戶在進(jìn)行旅游決策時,會在相應(yīng)的旅游網(wǎng)站尋找合適的景點(diǎn)。但是這些網(wǎng)站通常包含海量的旅游信息,用戶很難快速找到滿意的景點(diǎn)。此外,旅游通常是一種群組行為,個性化旅游推薦難以滿足群組中所有用戶的需求。為了解決這種問題,本文研究基于地理標(biāo)簽和時間因素的群組旅游推薦算法。主要工作如下:1)提出一個基于潛在主題及成本的群組旅游推薦算法LTCA,LTCA算法首先根據(jù)用戶個人軌跡數(shù)據(jù)集劃分群組,然后構(gòu)建了TCM模型向群組推薦top-N景點(diǎn)。通過實(shí)驗(yàn),該模型在Foursquare和Gowalla數(shù)據(jù)集上有效提升了推薦精確率和召回率。2)提出一個融合時空因素及流行度的群組旅游推薦算法TRPA。TRPA算法首先分別對地理標(biāo)簽、時間以及景點(diǎn)流行度建模,然后將各種因素的建模結(jié)果和TCM模型融合,向群組推薦top-N景點(diǎn)。通過實(shí)驗(yàn)驗(yàn)證了算法能夠進(jìn)一步提升推薦精確率和召回率。3)提出一個基于時間劃分的群組旅游線路推薦算法TDRA。該算法首先構(gòu)建UPMF模型得到用戶評分,然后利用均值策略得到群組評分,最后構(gòu)建了基于評分及距離的推薦策略推薦top-N線路。該算法綜合考慮了時間、景點(diǎn)距離以及群組評分因素,在多項(xiàng)指標(biāo)上,驗(yàn)... 

【文章來源】：北京郵電大學(xué)北京市211工程院校教育部直屬院校

【文章頁數(shù)】：97 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖２－１?ＬＴＣＡ算法流程圖??－

２．２?ＬＴＣＡ算法描述??本文提出的ＬＴＣＡ算法首先根據(jù)個人軌跡數(shù)據(jù)集和社交關(guān)系數(shù)據(jù)集劃分群組，??然后利用ＴＣＭ模型進(jìn)行景點(diǎn)的ｔｏｐ－Ｎ推薦。算法流程圖表示如圖２－１所示。??開始??｜個入ｆｉ跡??ｍｍｍ．?｜顏集??群組劃分??ＴＣＭ輕??景點(diǎn)推薦??結(jié)茉??圖２－１?ＬＴＣＡ算法流程圖??為了利用ＬＴＣＡ算法向群組推薦ｔｏｐ－Ｎ旅游景點(diǎn)，分為以下兩步：??１）

??群組的景點(diǎn)分布如圖２－３和２－４所示。??＾?，??°?０??。??孩??圖２－３?Ｆｏｕｒｓｑｕａｒｅ群組景點(diǎn)訪問分布??■／？＇；．■：＞?ｅ??｜殳爹：＂：：：：??０％＾Ｓ８?ｅ??ｏ?－??？？?ｗ＊??祭ｔ?＇??圖２－４?Ｇｏｗａｌｌａ群組景點(diǎn)訪問分布??２．３．２評價指標(biāo)??論文使用精確率Ｐｒｅｃｉｓｉｏｎ＠Ｎ和召回率Ｒｅｃａｌｌ＠Ｎ評估算法的推薦效果。精??確率表示為向用戶推薦的Ｎ個地點(diǎn)中正確預(yù)測的地點(diǎn)的個數(shù)和Ｎ的比率；召回??率為向用戶推薦的Ｎ個地點(diǎn)中，正確的地點(diǎn)數(shù)和用戶真正去過的地點(diǎn)數(shù)的比率。??對于某群組ｇ，精確率和召回率表示如公式（２－１Ｓ）和（２－１６）所示。??Ｐｒｅｃｉｓｉｏｎ＠Ｎ?＝?｜｛Ｖｇｒ，ｅ；〇ｍｍｅｎｄ｝ｎ｛ｖｆｓｔ］ｌ?（２－１５）??ｌｌｖｇｒｅｃｏｍｍｅｎｄ?ｊ｜??Ｒｅｃａｌｌ＠Ｎ?＝丨卜聽二腦心啦｝｜?（２－１６）??ｌｌｖｇｔｅｓｔｊ｜??其中，■［ＶｇｒｅａＨｒｎｎｅｉｕＯ表示向群組ｇ推薦的地點(diǎn)集合，表示測試集群組??ｇ訪問過的地點(diǎn)集合，最終的測試集的精確率表示為測試集合中所有群組的精確??率之和，召回率表示為所有測試集合中群組的召回率之和。??２．３．３模型對比??為了驗(yàn)證所提模型的推薦效果

【參考文獻(xiàn)】：
期刊論文
[1]基于用戶軌跡數(shù)據(jù)的移動推薦系統(tǒng)研究[J]. 孟祥武,李瑞昌,張玉潔,紀(jì)威宇.  軟件學(xué)報. 2018(10)
[2]一種改進(jìn)的偏好融合組推薦方法[J]. 胡川,孟祥武,張玉潔,杜雨露.  軟件學(xué)報. 2018(10)
[3]組推薦系統(tǒng)及其應(yīng)用研究[J]. 張玉潔,杜雨露,孟祥武.  計算機(jī)學(xué)報. 2016(04)

碩士論文
[1]基于地理社交因素和分類信息的地點(diǎn)推薦算法研究與實(shí)現(xiàn)[D]. 張朝輝.北京郵電大學(xué) 2018
[2]基于排序?qū)W習(xí)的興趣點(diǎn)推薦系統(tǒng)設(shè)計與實(shí)現(xiàn)[D]. 申鵬.北京郵電大學(xué) 2018



本文編號：3634490