考虑社交关系和标签的景点个性化推荐算法研究
发布时间：2021-11-05 00:55
随着互联网的快速发展,人们可以在各种在线旅游平台便利地挑选旅游产品并制定出行计划。据艾瑞咨询检测的数据可知,2017年中国的在线旅游交易市场的规模达7384.1亿元,比上年同期增长24.3%,在线旅游OTA市场交易规模为400.0亿元,较2016年增长34%,未来在线旅游所占的比重还将进一步加大。然而伴随着互联网技术的不断发展,严重的系统信息过载难题对用户造成了困扰,用户很难快速从巨量的结果信息中检索出自己想要的旅游信息。目前国内的在线旅游服务电商平台基本停留在简单的信息搜索上,旅游服务单一,旅游线路、景点介绍内容固定,描述方式粗浅,无法满足用户个性化的需求。另一方面,这些平台为用户提供旅游产品搜索服务时,检索结果大多按整体评分排序,忽略了用户本身兴趣度,用户无法获取符合其个性化兴趣的服务。针对现有的景点推荐算法在处理用户关系时忽视了用户隐性信任和信任传递问题,以及在新城市情景中用户历史浏览行为数据缺失导致无法准确推荐的情况,本文提出了一种综合用户信任关系和标签偏好的个性化景点推荐方法。首先在仅仅考虑用户相似度时推荐质量差的情况下引入信任度,通过挖掘用户隐性信任关系解决了现有研究在直接...
【文章来源】：南京航空航天大学江苏省 211工程院校
【文章页数】：69 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
第一章 绪论
1.1 研究背景与意义
1.2 国内外研究现状
1.2.1 个性化旅游推荐算法研究现状
1.2.2 基于社交媒体地理信息的推荐算法研究现状
1.2.3 基于信任网络的推荐研究
1.2.4 文献总结
1.3 研究内容与技术路线
1.3.1 研究内容
1.3.2 技术路线
1.4 研究方法与创新点
1.4.1 研究方法
1.4.2 创新点
1.5 本章小结
第二章 基于地理图片数据的景点挖掘和用户评分建模
2.1 数据获取和数据预处理工作
2.2 基于P-DBSCAN聚类的景点挖掘
2.2.1 问题定义
2.2.2 基于密度的热门旅游区域地点聚类
2.2.3 语义标注旅游地点
2.2.4 建立景点资料库
2.3 构造用户-景点评分模型
2.4 本章小结
第三章 考虑社交隐性信任和信任传播的景点推荐模型研究
3.1 信任推荐现有分析
3.1.1 社会网络
3.1.2 信任度在推荐系统中的应用
3.1.3 经典信任模型
3.2 问题定义
3.3 基于图片数据的社交信任网络挖掘
3.3.1 构建信任网络——用户直接信任计算
3.3.2 信任传递——用户间接信任计算
3.4 结合相似度和信任度的推荐策略
3.5 本章小结
第四章 综合IDMTRUST和标签偏好的景点个性化推荐算法研究
4.1 标签推荐现有分析
4.1.1 常见的个性化旅游推荐技术
4.1.2 标签在推荐算法中的应用和推荐策略
4.1.3 基于标签的个性化推荐算法研究
4.2 综合信任推荐和标签推荐的混合推荐策略
4.2.1 基于标签的用户兴趣推荐
4.2.2 综合信任关系和用户标签偏好的推荐策略
4.4 基于FLICKR数据集的实验验证
4.4.1 实验数据集的获取和预处理
4.4.2 实验评价指标
4.4.3 实验结果分析
4.5 本章小结
第五章 总结与展望
5.1 全文总结
5.2 研究展望
参考文献
致谢
在学期间的研究成果及发表的学术论文
附录一 数据采集和处理代码
【参考文献】：
期刊论文
[1]基于多元关系的张量分解标签推荐方法[J]. 曾辉,胡强,淦修修. 计算机应用研究. 2019(10)
[2]基于标签信息特征相似性的协同过滤个性化推荐[J]. 何明,要凯升,杨芃,张久伶. 计算机科学. 2018(S1)
[3]结合用户行为和物品标签的协同过滤推荐算法[J]. 李龙生,艾均,苏湛,李妍妍. 计算机应用与软件. 2018(06)
[4]社会网络嵌入情境下R&D团队内部知识转移影响机理——基于制造企业的实证研究[J]. 徐建中,朱晓亚. 系统管理学报. 2018(03)
[5]一种基于矩阵分解的上下文感知POI推荐算法[J]. 彭宏伟,靳远远,吕晓强,王晓玲. 计算机学报. 2019(08)
[6]面向知乎的个性化推荐模型研究[J]. 王振海,李晓昀. 计算机应用与软件. 2018(05)
[7]基于情景上下文与信任关系的旅游景点推荐算法[J]. 沈记全,王磊,侯占伟,薛霄. 计算机应用研究. 2018(12)
[8]基于标签分类的协同过滤推荐算法[J]. 朱峥宇,曹晓梅. 计算机应用研究. 2019(08)
[9]融合社交行为和标签行为的推荐算法研究[J]. 蒋云,倪静,房宏扬. 计算机应用研究. 2019(07)
[10]基于社会网络的虚拟企业联盟信息共享分析体系研究[J]. 宋丽丽,冯勇,王嵘冰. 情报科学. 2018(04)
博士论文
[1]基于用户兴趣建模的推荐方法及应用研究[D]. 刘淇.中国科学技术大学 2013
[2]在线社会网络信任计算与挖掘分析中若干模型与算法研究[D]. 张宇.浙江大学 2009
本文编号：3476747
【文章来源】：南京航空航天大学江苏省 211工程院校
【文章页数】：69 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
第一章 绪论
1.1 研究背景与意义
1.2 国内外研究现状
1.2.1 个性化旅游推荐算法研究现状
1.2.2 基于社交媒体地理信息的推荐算法研究现状
1.2.3 基于信任网络的推荐研究
1.2.4 文献总结
1.3 研究内容与技术路线
1.3.1 研究内容
1.3.2 技术路线
1.4 研究方法与创新点
1.4.1 研究方法
1.4.2 创新点
1.5 本章小结
第二章 基于地理图片数据的景点挖掘和用户评分建模
2.1 数据获取和数据预处理工作
2.2 基于P-DBSCAN聚类的景点挖掘
2.2.1 问题定义
2.2.2 基于密度的热门旅游区域地点聚类
2.2.3 语义标注旅游地点
2.2.4 建立景点资料库
2.3 构造用户-景点评分模型
2.4 本章小结
第三章 考虑社交隐性信任和信任传播的景点推荐模型研究
3.1 信任推荐现有分析
3.1.1 社会网络
3.1.2 信任度在推荐系统中的应用
3.1.3 经典信任模型
3.2 问题定义
3.3 基于图片数据的社交信任网络挖掘
3.3.1 构建信任网络——用户直接信任计算
3.3.2 信任传递——用户间接信任计算
3.4 结合相似度和信任度的推荐策略
3.5 本章小结
第四章 综合IDMTRUST和标签偏好的景点个性化推荐算法研究
4.1 标签推荐现有分析
4.1.1 常见的个性化旅游推荐技术
4.1.2 标签在推荐算法中的应用和推荐策略
4.1.3 基于标签的个性化推荐算法研究
4.2 综合信任推荐和标签推荐的混合推荐策略
4.2.1 基于标签的用户兴趣推荐
4.2.2 综合信任关系和用户标签偏好的推荐策略
4.4 基于FLICKR数据集的实验验证
4.4.1 实验数据集的获取和预处理
4.4.2 实验评价指标
4.4.3 实验结果分析
4.5 本章小结
第五章 总结与展望
5.1 全文总结
5.2 研究展望
参考文献
致谢
在学期间的研究成果及发表的学术论文
附录一 数据采集和处理代码
【参考文献】：
期刊论文
[1]基于多元关系的张量分解标签推荐方法[J]. 曾辉,胡强,淦修修. 计算机应用研究. 2019(10)
[2]基于标签信息特征相似性的协同过滤个性化推荐[J]. 何明,要凯升,杨芃,张久伶. 计算机科学. 2018(S1)
[3]结合用户行为和物品标签的协同过滤推荐算法[J]. 李龙生,艾均,苏湛,李妍妍. 计算机应用与软件. 2018(06)
[4]社会网络嵌入情境下R&D团队内部知识转移影响机理——基于制造企业的实证研究[J]. 徐建中,朱晓亚. 系统管理学报. 2018(03)
[5]一种基于矩阵分解的上下文感知POI推荐算法[J]. 彭宏伟,靳远远,吕晓强,王晓玲. 计算机学报. 2019(08)
[6]面向知乎的个性化推荐模型研究[J]. 王振海,李晓昀. 计算机应用与软件. 2018(05)
[7]基于情景上下文与信任关系的旅游景点推荐算法[J]. 沈记全,王磊,侯占伟,薛霄. 计算机应用研究. 2018(12)
[8]基于标签分类的协同过滤推荐算法[J]. 朱峥宇,曹晓梅. 计算机应用研究. 2019(08)
[9]融合社交行为和标签行为的推荐算法研究[J]. 蒋云,倪静,房宏扬. 计算机应用研究. 2019(07)
[10]基于社会网络的虚拟企业联盟信息共享分析体系研究[J]. 宋丽丽,冯勇,王嵘冰. 情报科学. 2018(04)
博士论文
[1]基于用户兴趣建模的推荐方法及应用研究[D]. 刘淇.中国科学技术大学 2013
[2]在线社会网络信任计算与挖掘分析中若干模型与算法研究[D]. 张宇.浙江大学 2009
本文编号：3476747
本文链接：https://www.wllwen.com/guanlilunwen/lvyoujiudianguanlilunwen/3476747.html
