發(fā)布時(shí)間：2022-10-20 13:38

　　互聯(lián)網(wǎng)的飛速發(fā)展使得大量的信息涌入到人們的生活之中,使人們的生活變得更加方便的同時(shí)也出現(xiàn)了信息過(guò)多的問(wèn)題,因此人們需要對(duì)信息進(jìn)行篩選,推薦系統(tǒng)由此產(chǎn)生。推薦系統(tǒng)可以滿足用戶的個(gè)性化需求,提高用戶獲得有用信息的效率。推薦系統(tǒng)被推廣到多個(gè)領(lǐng)域之中,旅游景點(diǎn)的個(gè)性化就是其中之一。協(xié)同過(guò)濾算法是推薦系統(tǒng)比較常用的推薦算法,但是協(xié)同過(guò)濾算法自身有一些限制條件使得它不能夠完全應(yīng)用于旅游景點(diǎn)的推薦之中,需要在傳統(tǒng)的協(xié)同過(guò)濾算法的基礎(chǔ)上進(jìn)行改進(jìn),才能夠更好的滿足用戶的旅游景點(diǎn)個(gè)性化需求。本文介紹了旅游景點(diǎn)推薦的相關(guān)研究,分析得出旅游景點(diǎn)的推薦系統(tǒng)問(wèn)題非常值得研究。介紹了推薦系統(tǒng)的發(fā)展背景,并總結(jié)了各種推薦算法的優(yōu)缺點(diǎn),根據(jù)對(duì)比選擇了協(xié)同過(guò)濾算法中的基于用戶來(lái)進(jìn)行旅游景點(diǎn)個(gè)性化推薦研究。但協(xié)同過(guò)濾算法存在著數(shù)據(jù)稀疏性、冷啟動(dòng)等問(wèn)題,因此要對(duì)協(xié)同過(guò)濾算法進(jìn)行改進(jìn)。本文選擇了聚類這一方法,并利用實(shí)驗(yàn)法來(lái)進(jìn)行研究。首先利用聚類方法中的K-means對(duì)數(shù)據(jù)集的用戶進(jìn)行聚類,然后將聚類結(jié)果輸入到協(xié)同過(guò)濾算法之中得到推薦結(jié)果,最后將推薦結(jié)果與傳統(tǒng)協(xié)同過(guò)濾算法進(jìn)行對(duì)比。實(shí)驗(yàn)結(jié)果表明,進(jìn)行了聚類的基于用戶的協(xié)同過(guò)濾算法... 

【文章頁(yè)數(shù)】：45 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
abstract
1 緒論
    1.1 研究背景和意義
        1.1.1 研究背景
        1.1.2 研究目的與研究意義
    1.2 研究方法與主要內(nèi)容
        1.2.1 研究方法
        1.2.2 研究技術(shù)路線
        1.2.3 主要研究?jī)?nèi)容
        1.2.4 研究的創(chuàng)新點(diǎn)
    1.3 論文的組織結(jié)構(gòu)
2 國(guó)內(nèi)外文獻(xiàn)綜述
    2.1 旅游行業(yè)推薦相關(guān)研究
        2.1.1 旅游規(guī)劃的相關(guān)研究
        2.1.2 旅游資源的相關(guān)研究
        2.1.3 旅游景點(diǎn)的相關(guān)研究
    2.2 推薦系統(tǒng)及推薦算法
        2.2.1 推薦系統(tǒng)概述
        2.2.2 協(xié)同過(guò)濾
        2.2.3 基于內(nèi)容的推薦算法
        2.2.4 關(guān)聯(lián)規(guī)則
        2.2.5 其他推薦方法與常用推薦算法的應(yīng)用
    2.3 聚類分析
        2.3.1 聚類分析概述
        2.3.2 聚類方法簡(jiǎn)介與比較
    2.4 本章小結(jié)
3 研究的理論與技術(shù)
    3.1 協(xié)同過(guò)濾算法
    3.2 基于聚類的協(xié)同過(guò)濾推薦算法
    3.3 實(shí)驗(yàn)方法與度量標(biāo)準(zhǔn)
    3.4 算法整體框架
        3.4.1 推薦系統(tǒng)流程
        3.4.2 基于用戶的協(xié)同過(guò)濾框架
        3.4.3 聚類下的算法框架
    3.5 本章小結(jié)
4 實(shí)驗(yàn)結(jié)果與分析
    4.1 實(shí)驗(yàn)環(huán)境及實(shí)驗(yàn)數(shù)據(jù)
        4.1.1 實(shí)驗(yàn)環(huán)境
        4.1.2 數(shù)據(jù)集
    4.2 結(jié)果分析
    4.3 本章小結(jié)
5 結(jié)論與展望
    5.1 主要結(jié)論
    5.2 結(jié)論應(yīng)用分析
    5.3 展望
參考文獻(xiàn)
附錄
碩士期間科研成果
致謝


【參考文獻(xiàn)】：
期刊論文
[1]抖音短視頻軟件對(duì)旅游的影響研究[J]. 魏靜,佟靜.  電子商務(wù). 2019(05)
[2]旅游路線規(guī)劃研究綜述[J]. 常亮,孫文平,張偉濤,賓辰忠,古天龍.  智能系統(tǒng)學(xué)報(bào). 2019(01)
[3]一種帶標(biāo)簽的協(xié)同過(guò)濾廣告推薦算法[J]. 金紫嫣,張娟,李向軍,溫海平,張華薇.  計(jì)算機(jī)工程. 2018(04)
[4]一種融合聚類與用戶興趣偏好的協(xié)同過(guò)濾推薦算法[J]. 何明,孫望,肖潤(rùn),劉偉世.  計(jì)算機(jī)科學(xué). 2017(S2)
[5]協(xié)同過(guò)濾算法應(yīng)用于景點(diǎn)推薦研究[J]. 牟進(jìn)軍,羅國(guó)寬,熊志斌.  軟件導(dǎo)刊. 2017(11)
[6]大規(guī)模隱式反饋的詞向量音樂(lè)推薦模型[J]. 于帥,林宣雄,邱媛媛.  計(jì)算機(jī)系統(tǒng)應(yīng)用. 2017(11)
[7]推薦算法進(jìn)展概述[J]. 潘子煬.  中國(guó)戰(zhàn)略新興產(chǎn)業(yè). 2017(40)
[8]基于全域旅游的南通旅游營(yíng)銷策略研究[J]. 李燕,顧小光.  中國(guó)市場(chǎng). 2017(29)
[9]融合項(xiàng)目聚類和時(shí)間權(quán)重的動(dòng)態(tài)協(xié)同過(guò)濾算法[J]. 吳佳煒,沈玲玲,錢鋼.  南京師范大學(xué)學(xué)報(bào)(工程技術(shù)版). 2017(03)
[10]基于離群數(shù)據(jù)挖掘的電子商務(wù)推薦系統(tǒng)研究[J]. 張光.  自動(dòng)化與儀器儀表. 2017(08)

碩士論文
[1]推薦系統(tǒng)中的攻擊檢測(cè)研究[D]. 張括.西南交通大學(xué) 2018
[2]基于短文本挖掘的個(gè)性化信息推薦算法[D]. 張平.北京交通大學(xué) 2017
[3]基于協(xié)同過(guò)濾的圖書館個(gè)性化推薦方法的研究[D]. 肖仁鋒.山東師范大學(xué) 2017
[4]旅游產(chǎn)品網(wǎng)絡(luò)廣告的個(gè)性化推薦研究[D]. 彭志強(qiáng).湖南工業(yè)大學(xué) 2017
[5]基于高校畢業(yè)生與招聘企業(yè)雙選的推薦系統(tǒng)[D]. 陳朝沖.西南科技大學(xué) 2017
[6]基于用戶聚類和偏好的推薦算法研究[D]. 黃瑛.安徽理工大學(xué) 2017
[7]面向在線交友領(lǐng)域的互惠推薦算法研究[D]. 殷方勇.山東師范大學(xué) 2017
[8]基于用戶聚類的協(xié)同過(guò)濾推薦算法研究[D]. 明小紅.北京交通大學(xué) 2017
[9]基于個(gè)性特征的協(xié)同過(guò)濾推薦算法及其在旅游領(lǐng)域的應(yīng)用[D]. 楊曉音.吉林大學(xué) 2017
[10]微博用戶興趣的提取和動(dòng)態(tài)建模[D]. 鄭磊.太原理工大學(xué) 2017



本文編號(hào)：3694620