發(fā)布時間：2021-01-14 16:43

　　隨著國內(nèi)經(jīng)濟(jì)發(fā)展和人民生活水平的提高,旅游作為一種休閑放松的生活方式變得越來越受歡迎。移動互聯(lián)網(wǎng)的爆炸式增長產(chǎn)生“信息過載”的問題,旅游推薦系統(tǒng)可以幫助游客在海量的數(shù)據(jù)中獲取用戶感興趣的旅游信息。在傳統(tǒng)的旅游推薦系統(tǒng)中,基于用戶地理位置和旅游景點(diǎn)的熱門程度為用戶生成推薦結(jié)果的方式較為成熟,但是卻忽略用戶的消費(fèi)水平和出行時間需求,導(dǎo)致推薦結(jié)果并不符合游客的消費(fèi)預(yù)期或者與出行時間存在沖突,從而無法滿足游客個性化旅游服務(wù)的需求�；谏鲜霰尘�,本文在詳細(xì)研究了國內(nèi)外的旅游推薦系統(tǒng)后,深入研究了基于圖模型的協(xié)同過濾算法PersonalRank的原理和處理過程,在PersonalRank協(xié)同過濾算法基礎(chǔ)上添加動態(tài)時間權(quán)重函數(shù)F（u_i）,提出了添加動態(tài)時間權(quán)重的TC-PersonalRank協(xié)同過濾優(yōu)化算法。該算法根據(jù)用戶當(dāng)前所處的時間序列,獲取用戶出行時間安排,并且為了緩解計(jì)算壓力,采用迭代計(jì)算的方式來獲取推薦結(jié)果;另通過基于位置的社交網(wǎng)絡(luò)（Location Based Social Network,LBSN）來獲取用戶簽到數(shù)據(jù),結(jié)合微信小程序開放平臺獲取的用戶信息,來分析獲... 

【文章來源】：青島科技大學(xué)山東省

【文章頁數(shù)】：66 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
abstract
1 緒論
    1.1 研究背景及意義
        1.1.1 研究背景
        1.1.2 研究意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 旅游推薦算法國外研究現(xiàn)狀
        1.2.2 旅游推薦算法國內(nèi)研究現(xiàn)狀
    1.3 研究內(nèi)容
    1.4 全文組織與架構(gòu)
2 推薦算法概述
    2.1 推薦算法定義
    2.2 推薦算法分類
    2.3 推薦算法評價
    2.4 個性化旅游推薦算法介紹
        2.4.1 基于內(nèi)容推薦
        2.4.2 基于社交關(guān)系推薦
        2.4.3 基于貝葉斯網(wǎng)絡(luò)推薦
        2.4.4 基于關(guān)聯(lián)規(guī)則推薦
        2.4.5 基于聚類規(guī)則推薦
    2.5 推薦算法面臨的問題及解決方法
    2.6 其它相關(guān)技術(shù)綜述
        2.6.1 LBSN概述及其數(shù)據(jù)特征
    2.7 本章小結(jié)
3 用戶消費(fèi)模型構(gòu)建研究
    3.1 通過爬蟲獲取用戶LBSN數(shù)據(jù)
    3.2 基于DBSCAN聚類研究
        3.2.1 DBSCAN算法介紹
        3.2.2 DBSCAN算法概念和原理介紹
        3.2.3 DBSCAN算法流程
    3.3 構(gòu)建用戶消費(fèi)模型
    3.4 DBSCAN聚類算法的評價
        3.4.1 輪廓系數(shù)（Silhoutte Coefficient）
        3.4.2 戴維森堡丁指數(shù)
    3.5 本章小結(jié)
4 基于旅游的協(xié)同過濾算法改進(jìn)
    4.1 二部圖
    4.2 PageRank算法
    4.3 添加動態(tài)時間權(quán)重的TC-PersonalRank算法
    4.4 基于用戶消費(fèi)模型和動態(tài)時間權(quán)重的協(xié)同過濾算法
    4.5 本章小結(jié)
5 旅游微信小程序推薦系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)
    5.1 系統(tǒng)設(shè)計(jì)
        5.1.1 系統(tǒng)需求分析
        5.1.2 系統(tǒng)架構(gòu)
    5.2 技術(shù)框架的選擇
        5.2.1 微信小程序
        5.2.2 Spark MLlib框架
        5.2.3 大數(shù)據(jù)存儲技術(shù)
        5.2.4 Websocket網(wǎng)絡(luò)通信技術(shù)
        5.2.5 WEB開發(fā)技術(shù)
    5.3 數(shù)據(jù)庫設(shè)計(jì)
    5.4 界面實(shí)現(xiàn)效果
        5.4.1 用戶個人中心
        5.4.2 服務(wù)消息
        5.4.3 旅游智能小助手
        5.4.4 旅游資訊
        5.4.5 用戶管理與統(tǒng)計(jì)分析
    5.5 實(shí)驗(yàn)與分析
        5.5.1 實(shí)驗(yàn)方案
        5.5.2 實(shí)驗(yàn)評價指標(biāo)
        5.5.3 實(shí)驗(yàn)結(jié)果及分析
    5.6 本章小結(jié)
6 總結(jié)與展望
    6.1 本文工作總結(jié)
    6.2 進(jìn)一步研究工作
參考文獻(xiàn)
附錄
致謝
攻讀學(xué)位期間發(fā)表的學(xué)術(shù)論文目錄


【參考文獻(xiàn)】：
期刊論文
[1]基于物品的改進(jìn)協(xié)同過濾算法及應(yīng)用[J]. 鄧園園,吳美香,潘家輝.  計(jì)算機(jī)系統(tǒng)應(yīng)用. 2019(01)
[2]DBSCAN算法研究及并行化實(shí)現(xiàn)[J]. 宋董飛,徐華.  計(jì)算機(jī)工程與應(yīng)用. 2018(24)
[3]基于用戶的協(xié)同過濾（UserCF）新聞推薦算法研究[J]. 潘麗芳,張大龍,李慧.  山西師范大學(xué)學(xué)報(bào)(自然科學(xué)版). 2018(04)
[4]基于Hadoop的并行Apriori算法[J]. 謝建峰,孫劍偉.  信息技術(shù). 2018(04)
[5]基于改進(jìn)聚類和矩陣分解的協(xié)同過濾推薦算法[J]. 王永貴,宋真真,肖成龍.  計(jì)算機(jī)應(yīng)用. 2018(04)
[6]基于用戶聚類與Slope One填充的協(xié)同推薦算法[J]. 龔敏,鄧珍榮,黃文明.  計(jì)算機(jī)工程與應(yīng)用. 2018(22)
[7]基于Python的關(guān)聯(lián)規(guī)則算法在推薦領(lǐng)域的應(yīng)用研究[J]. 韓潞潞,劉念,王楓.  科技資訊. 2018(02)
[8]基于景區(qū)內(nèi)容的云南旅游推薦系統(tǒng)設(shè)計(jì)[J]. 劉光榕,任建濤,吳思霈.  科技經(jīng)濟(jì)導(dǎo)刊. 2017(29)
[9]一種基于協(xié)同矩陣分解的用戶冷啟動推薦算法[J]. 高玉凱,王新華,郭磊,陳竹敏.  計(jì)算機(jī)研究與發(fā)展. 2017(08)
[10]基于社交網(wǎng)絡(luò)的個性化旅游景點(diǎn)推薦方法[J]. 徐旋旋,肖迎元,許慶賢.  天津理工大學(xué)學(xué)報(bào). 2017(04)



本文編號：2977190