旅游行業(yè)的快速發(fā)展一方面豐富了人們的日常生活,另一方面旅游電商平臺(tái)上的過(guò)量信息、劣質(zhì)信息對(duì)人們的正常決策造成了困擾。在這種背景下,推薦系統(tǒng)作為一種信息過(guò)濾技術(shù),在旅游電商平臺(tái)中的作用顯得愈加重要。傳統(tǒng)的旅游電商平臺(tái)部署精準(zhǔn)、高效的推薦系統(tǒng)可以優(yōu)化用戶體驗(yàn),提高用戶購(gòu)買轉(zhuǎn)化率,促進(jìn)平臺(tái)與商家的良性發(fā)展。最近,旅游電商平臺(tái)的發(fā)展出現(xiàn)社交化趨勢(shì),用戶需求不斷地提高,個(gè)性化推薦技術(shù)面臨著機(jī)會(huì)與挑戰(zhàn)�；谝陨媳尘�,本文的主要研究?jī)?nèi)容和成果具體包括以下幾個(gè)方面:首先,在傳統(tǒng)旅游電商平臺(tái)社交化的趨勢(shì)下,本文分析了平臺(tái)中用戶顯式社交關(guān)系的類別、特征與區(qū)別�；谟懻摻Y(jié)果,探討了用戶顯式的社交關(guān)系缺失的情況下,如何利用用戶的多準(zhǔn)則評(píng)分信息構(gòu)建隱式的社交關(guān)系,從而拓展了社會(huì)化推薦算法的使用場(chǎng)景。其次,立足于社交電子商務(wù)平臺(tái)的背景,為了得到更準(zhǔn)確的推薦結(jié)果和緩解冷啟動(dòng)問(wèn)題,本文提出了一種改進(jìn)的社會(huì)化推薦模型。該模型既考慮了用戶興趣具有傳播性,又考慮了社交網(wǎng)絡(luò)和用戶評(píng)分的顯、隱式信息對(duì)推薦結(jié)果的影響。接下來(lái),本文研究了在單評(píng)分推薦算法中引入物品準(zhǔn)則評(píng)分信息的多準(zhǔn)則協(xié)同過(guò)濾算法,并提出了一種新的多準(zhǔn)則推薦框架。該... 

【文章來(lái)源】：東南大學(xué)江蘇省 211工程院校 985工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：82 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖5-1支持向量回歸示意圖

東南大學(xué)碩士學(xué)位論文46名稱表達(dá)式參數(shù)拉普拉斯核2||-||(,)exp()2ijijxxKxx0Sigmoid核(,)tanh(T+)ijijKxxxxtanh為雙曲正切函數(shù)，0,05.2.2考慮群體偏好的非線性聚合函數(shù)基于聚合函數(shù)的多準(zhǔn)則推薦方法首先基于歷史數(shù)據(jù)訓(xùn)練聚合函數(shù)，然后預(yù)測(cè)用戶對(duì)物品的準(zhǔn)則評(píng)分，最終基于這些準(zhǔn)則評(píng)分和訓(xùn)練好的聚合函數(shù)，進(jìn)一步預(yù)測(cè)其對(duì)物品的總體評(píng)分，從而更準(zhǔn)確地決定是否推薦該物品給用戶。聚合函數(shù)一般使用線性和非線性函數(shù)。線性函數(shù)訓(xùn)練效率高，但由于假定了準(zhǔn)則評(píng)分與總體評(píng)分是線性關(guān)系，其預(yù)測(cè)準(zhǔn)確性較低。后面的實(shí)驗(yàn)結(jié)果表明若先對(duì)用戶進(jìn)行聚類，再對(duì)每個(gè)簇中的數(shù)據(jù)分別訓(xùn)練線性聚合函數(shù)可以提高預(yù)測(cè)的準(zhǔn)確性，說(shuō)明識(shí)別出電子商務(wù)網(wǎng)站中的細(xì)分群體可以提高整個(gè)系統(tǒng)內(nèi)物品與用戶的匹配性。非線性聚合函數(shù)，一般準(zhǔn)確性更高，但其訓(xùn)練過(guò)程較為緩慢，如SVR的時(shí)間復(fù)雜性一般在2O(nm)到O(nm3)之間�？梢�(jiàn)，隨著訓(xùn)練樣本的增加，其訓(xùn)練效率越來(lái)越低，很難應(yīng)用到實(shí)際的推薦任務(wù)中。同樣預(yù)先對(duì)用戶聚類，再為每個(gè)簇中的數(shù)據(jù)訓(xùn)練聚合函數(shù)一方面可以提高總體評(píng)分預(yù)測(cè)的準(zhǔn)確性，另一方面可以顯著提高訓(xùn)練速度。圖5-2對(duì)不同簇的數(shù)據(jù)訓(xùn)練聚合函數(shù)考慮到用戶決策過(guò)程的復(fù)雜性，準(zhǔn)則評(píng)分與總體評(píng)分之間更符合非線性相關(guān)關(guān)系。因此，本文選擇SVR作為聚合函數(shù)建立準(zhǔn)則評(píng)分與總體評(píng)分之間關(guān)系，即1(,...,)kOverallfcc。此外，由于具有高準(zhǔn)確性、低過(guò)擬合風(fēng)險(xiǎn)的特點(diǎn)，SVR也更符合本研究的需求。然而SVR由于SVR在訓(xùn)練大樣本時(shí)遭受低效問(wèn)題，因此首先通過(guò)聚類減少訓(xùn)練樣本量，進(jìn)而為每個(gè)

第六章多準(zhǔn)則推薦算法在旅游電商平臺(tái)中的應(yīng)用51機(jī)制，即包含一個(gè)總體評(píng)分，如圖6-1，以及多個(gè)準(zhǔn)則評(píng)分，如圖6-2。對(duì)于用戶來(lái)說(shuō)，準(zhǔn)則評(píng)分信息可以幫助用戶根據(jù)位置、服務(wù)和舒適度等條件搜索需要的酒店，節(jié)約搜索成本；對(duì)于網(wǎng)站中的酒店來(lái)說(shuō)，這種精細(xì)化的評(píng)分機(jī)制可以更好地幫助酒店改善自己的服務(wù)及設(shè)施，進(jìn)而吸引更多的用戶；對(duì)于TripAdvisor平臺(tái)來(lái)說(shuō)，了解了用戶的準(zhǔn)則偏好信息，可以為用戶匹配更精準(zhǔn)的酒店，提高用戶體驗(yàn)，從而提高用戶的留存，提高網(wǎng)站整體收益。圖6-1用戶對(duì)酒店的總體評(píng)分

【參考文獻(xiàn)】：
期刊論文
[1]旅游推薦系統(tǒng)研究綜述[J]. 常亮,曹玉婷,孫文平,張偉濤,陳君同.  計(jì)算機(jī)科學(xué). 2017(10)
[2]國(guó)內(nèi)旅游推薦系統(tǒng)研究進(jìn)展[J]. 王月星.  商場(chǎng)現(xiàn)代化. 2017(10)
[3]基于用戶偏好的信任網(wǎng)絡(luò)隨機(jī)游走推薦模型[J]. 張萌,南志紅.  計(jì)算機(jī)應(yīng)用. 2016(12)
[4]社交關(guān)系挖掘研究綜述[J]. 趙姝,劉曉曼,段震,張燕平,唐杰.  計(jì)算機(jī)學(xué)報(bào). 2017(03)
[5]基于移動(dòng)SNS的旅游電子商務(wù)發(fā)展問(wèn)題分析與趨勢(shì)預(yù)測(cè)[J]. 彭生順,王寅宇.  電子商務(wù). 2015(01)
[6]電子商務(wù)推薦系統(tǒng)中群體用戶推薦問(wèn)題研究[J]. 梁昌勇,冷亞軍,王勇勝,戚筱雯.  中國(guó)管理科學(xué). 2013(03)
[7]面向個(gè)性化推薦的情境化用戶偏好研究[J]. 胡慕海,蔡淑琴,張宇.  情報(bào)雜志. 2010(10)



本文編號(hào)：3598875