發(fā)布時(shí)間：2018-08-25 13:18

【摘要】：個(gè)性化的興趣點(diǎn)推薦服務(wù)是一個(gè)重要而具有挑戰(zhàn)性的工作,也是智慧旅游中的一項(xiàng)重要組成部分。以往的興趣點(diǎn)推薦工作主要集中在本地用戶的研究上,此類用戶往往具有常規(guī)的活動(dòng)范圍,例如居住地區(qū)域和工作地區(qū)域,這些區(qū)域內(nèi)的興趣點(diǎn)具有更高的可能性被用戶訪問到,因此更加適合被推薦。然而,在許多實(shí)際的應(yīng)用場景下例如旅游出行,目標(biāo)用戶往往是跨城市的旅行者。這類用戶對于當(dāng)?shù)爻鞘邢喈?dāng)陌生,反應(yīng)為用戶在當(dāng)?shù)氐脑L問數(shù)據(jù)非常稀疏,使得用戶喜好建模變得非�？嚯y。因此如何有效地解決跨城市興趣點(diǎn)問題就成為了一項(xiàng)巨大的挑戰(zhàn)。本文試圖從興趣點(diǎn)維度出發(fā),通過興趣點(diǎn)之間的屬性特征建立關(guān)聯(lián)關(guān)系來提升跨城市興趣點(diǎn)的推薦效果。對于空間上隔離的興趣點(diǎn),我們研究了人群分類特征(I),例如商務(wù)出行人群和家庭親子人群。而針對本地興趣點(diǎn),我們則更加關(guān)注地理位置上的特性(N)。同時(shí),語義上的特征(R)也被引入來解決空間隔離問題,并且使得推薦模型具備可解釋性。融合上述三種興趣點(diǎn)特征到隱空間的學(xué)習(xí)階段,本文提出了一種新型的矩陣分解模型(INRMF)。本文主要貢獻(xiàn)如下:·興趣點(diǎn)特征挖掘?qū)θN具有潛在價(jià)值的興趣點(diǎn)特征進(jìn)行建模和量化,分別為人群分類特征、地理位置特征和語義特征。通過評分層面的統(tǒng)計(jì)分析,發(fā)現(xiàn)了興趣點(diǎn)在特征屬性上呈現(xiàn)的關(guān)聯(lián)關(guān)系,具有提升興趣點(diǎn)推薦效果的積極作用�！ぢ糜螆鼍跋屡d趣點(diǎn)推薦基于矩陣分解技術(shù),融合跨城市的人群分類特征和語義特征,以及本地的地理位置特征,提出了一種面向智慧旅游的跨城市興趣點(diǎn)推薦買模型,有效解決數(shù)據(jù)稀疏問題,提升推薦效果�！ふZ義特征優(yōu)化應(yīng)用短語級別的情感分析對評論文本進(jìn)行挖掘,并通過詞嵌入技術(shù)進(jìn)行語義級別的優(yōu)化,提升了詞與詞之間的關(guān)聯(lián)關(guān)系,相應(yīng)地提出兩種基于矩陣分解的語義特征優(yōu)化模型,提升了語義特征的利用效果。
[Abstract]:Personalized interest point recommendation service is an important and challenging task as well as an important component of smart tourism. Previous interest point recommendation work has focused on the research of local users, who often have a regular range of activities, such as residential and working areas, within these areas. Interest points are more likely to be accessed by users and therefore more suitable for recommendation. However, in many practical scenarios such as travel, the target user is often a cross-city traveler. Model becomes very difficult. Therefore, how to effectively solve the problem of cross-city interest points has become a huge challenge. This paper attempts to start from the dimension of interest points, through the attributes between interest points to establish a correlation relationship to enhance the recommendation effect of cross-city interest points. Class I features (e.g. business travelers and family parents and children). For local interests, we pay more attention to geographic features (N). Meanwhile, semantic features (R) are also introduced to solve the problem of spatial isolation and make the recommendation model explanatory. Learning from the above three interest features into hidden space is integrated. In this paper, we propose a new matrix decomposition model (INRMF). The main contributions of this paper are as follows: (1) Interest point feature mining is used to model and quantify three potential interest point features, namely, crowd classification features, geographical location features and semantic features. Interest point recommendation in tourism scenarios is based on matrix decomposition technology, which combines the characteristics of cross-city crowd classification and semantics, as well as the local geographical location features. A cross-city interest point recommendation and purchase model for intelligent tourism is proposed. Semantic feature optimization uses phrase-level emotional analysis to mine comment text, and optimizes the semantic level through word embedding technology to improve the relationship between words. Two optimization models of semantic feature based on matrix decomposition are proposed to improve the language performance. The utilization of semantic features.
【學(xué)位授予單位】：華東師范大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：TP391.3

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 魏杰;;搜索“興趣點(diǎn)”[J];互聯(lián)網(wǎng)周刊;2008年01期

2 吳紅娉;虞明雷;章圣潔;;圖像興趣點(diǎn)的可信度增強(qiáng)方法研究[J];計(jì)算機(jī)應(yīng)用與軟件;2008年12期

3 吳長春;劉陽;白云;;興趣點(diǎn)在城市管理信息系統(tǒng)中的具體應(yīng)用[J];城市管理與科技;2008年02期

4 文白;楊金嬋;;美行2011冬季版詳解之興趣點(diǎn)[J];音響改裝技術(shù);2011年12期

5 文白;楊金嬋;;美行2011冬季版詳解之導(dǎo)航路網(wǎng)[J];音響改裝技術(shù);2012年01期

6 唐燦;唐亮貴;劉波;;一個(gè)面向新興趣點(diǎn)發(fā)現(xiàn)的模糊興趣挖掘算法[J];計(jì)算機(jī)科學(xué);2007年06期

7 彭敏;;興趣點(diǎn):導(dǎo)航的回歸[J];軟件世界;2007年09期

8 杜吉祥;郭一蘭;翟傳敏;;基于局部時(shí)空興趣點(diǎn)特征包的事件識別[J];南京大學(xué)學(xué)報(bào)(自然科學(xué)版);2012年01期

9 孫達(dá);唐降龍;劉家鋒;黃劍華;;基于概率密度的興趣點(diǎn)檢測算法[J];自動(dòng)化學(xué)報(bào);2008年08期

10 王揚(yáng)揚(yáng);李一波;姬曉飛;;人體動(dòng)作的超興趣點(diǎn)特征表述及識別[J];中國圖象圖形學(xué)報(bào);2013年07期

相關(guān)會議論文 前5條

1 王晗;滕鵬;梁瑋;;使用稠密興趣點(diǎn)包的非對稱風(fēng)景圖像檢索[A];第七屆和諧人機(jī)環(huán)境聯(lián)合學(xué)術(shù)會議（HHME2011)論文集【poster】[C];2011年

2 葉以生;;如何激發(fā)學(xué)生學(xué)習(xí)說明文的興趣[A];中華教育理論與實(shí)踐科研論文成果選編（第3卷）[C];2010年

3 凌賀飛;陳勇;鄒復(fù)好;許治華;李平;;基于Harris興趣點(diǎn)區(qū)域的圖像拷貝檢測算法[A];第八屆全國信息隱藏與多媒體安全學(xué)術(shù)大會湖南省計(jì)算機(jī)學(xué)會第十一屆學(xué)術(shù)年會論文集[C];2009年

4 王慧;;提高學(xué)生的繪畫想象力[A];中華教育理論與實(shí)踐科研論文成果選編（第1卷）[C];2009年

5 毛霞;;給孩子們一個(gè)支點(diǎn)——談興趣[A];全國教育科研“十五”成果論文集（第五卷）[C];2005年

相關(guān)重要報(bào)紙文章 前10條

1 王震;興趣點(diǎn)炮制口號甜蜜素[N];醫(yī)藥經(jīng)濟(jì)報(bào);2012年

2 濟(jì)南市平陰縣玫瑰中學(xué) 李曉旭;談在初中歷史教學(xué)中對學(xué)生興趣的培養(yǎng)[N];學(xué)知報(bào);2010年

3 胡雪晶 上海廠長經(jīng)理人才有限公司高級人力資源顧問;獵頭要建立良好人際關(guān)系[N];組織人事報(bào);2012年

4 張學(xué)軍;多數(shù)人對工作都有“隱性興趣”[N];北京人才市場報(bào);2008年

5 本報(bào)記者 李望寧;微博PC端V6推發(fā)現(xiàn)功能 連接用戶興趣點(diǎn)重拾人氣[N];通信信息報(bào);2014年

6 江蘇濱�？h正紅中學(xué) 朱涇灃;激發(fā)學(xué)習(xí)興趣,提高學(xué)習(xí)效率[N];學(xué)知報(bào);2010年

7 陶艷;愛動(dòng)不一定就是多動(dòng)癥[N];大眾衛(wèi)生報(bào);2007年

8 張耀芳 照金中心小學(xué)教師;讓孩子幸福地成長[N];銅川日報(bào);2010年

9 輪臺縣中學(xué) 柏艷麗;淺談學(xué)生學(xué)習(xí)興趣的培養(yǎng)[N];巴音郭楞日報(bào);2009年

10 本報(bào)記者 李婧璇;中國社會科學(xué)出版社：找準(zhǔn)興趣點(diǎn)故事才生動(dòng)[N];中國新聞出版報(bào);2013年

相關(guān)博士學(xué)位論文 前3條

1 徐浩;移動(dòng)情景感知的實(shí)時(shí)推薦技術(shù)研究[D];國防科學(xué)技術(shù)大學(xué);2015年

2 張?jiān)品?多源道路網(wǎng)與興趣點(diǎn)的一致性整合方法[D];武漢大學(xué);2015年

3 韓軍偉;基于內(nèi)容的圖象檢索技術(shù)研究[D];西北工業(yè)大學(xué);2003年

相關(guān)碩士學(xué)位論文 前10條

1 劉袁柳;面向LBSN的興趣點(diǎn)和用戶推薦方法研究[D];蘇州大學(xué);2015年

2 張淼;基于位置社交網(wǎng)絡(luò)的興趣點(diǎn)推薦方法研究[D];西南大學(xué);2015年

3 林辰;SAP用戶興趣點(diǎn)分析系統(tǒng)后臺的設(shè)計(jì)與實(shí)現(xiàn)[D];南京大學(xué);2014年

4 程呈;基于差分隱私的興趣點(diǎn)推薦系統(tǒng)的設(shè)計(jì)與分析[D];電子科技大學(xué);2015年

5 蔣曉玲;基于用戶偏好的個(gè)性化路徑挖掘研究[D];東北大學(xué);2013年

6 吳麗梅;基于時(shí)空興趣點(diǎn)的化工廠視頻監(jiān)控系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[D];電子科技大學(xué);2014年

7 吳云;軌跡挖掘場景化精準(zhǔn)廣告投放研究[D];山東財(cái)經(jīng)大學(xué);2016年

8 朱燕;基于時(shí)空興趣點(diǎn)的豬的跛腳行為識別[D];江蘇大學(xué);2016年

9 宋亞偉;融合時(shí)空特征的興趣點(diǎn)推薦算法研究[D];燕山大學(xué);2016年

10 王凱慈;基于LBSN簽到數(shù)據(jù)的用戶行為預(yù)測與興趣點(diǎn)推薦[D];南京郵電大學(xué);2016年

，

本文編號：2202997