基于“用户—景点”关系建模的景点推荐技术的研究

发布时间：2017-11-11 13:09

  本文关键词：基于“用户—景点”关系建模的景点推荐技术的研究

  更多相关文章： 推荐系统 多源异构数据 稀疏学习 同质性系数

【摘要】：个性化推荐任务通过挖掘用户信息与物品信息,来建模用户与物品间的关系,根据建模得到的关系为用户进行推荐。纷繁复杂的互联网环境产生了大量多源异构数据,使得用户与物品间关系的发现和表示成为很大的难题。鉴于上述情况,本文以旅游景点推荐为背景,设计并实现了一个基于多源异构数据的个性化旅游景点推荐系统。为解决多源异构数据的融合问题,本系统将对不同来源和类型的数据分别建模。多源异构数据在融合中会带来大量噪声,本文采用稀疏学习方法,从而起到对融合后的数据特征进行选择的作用。与传统的稀疏学习方法相比,添加了基于用户先验知识的同质性系数正则项,通过用户对景点的历史评分建立用户与景点之间的偏好关系,更有效的去除多源异构数据融合中的噪声,提高特征选择的能力。本文主要研究内容如下:首先,论文对推荐系统领域的相关研究进行综述,结合旅游景点推荐的实际情况给出了“用户-景点”关系的具体定义,明确了旅游景点推荐系统的任务和需要解决的主要问题,并按照下述步骤进行系统的建模和实现:(1)论文给出了个性化旅游景点推荐系统的设计方案,从逻辑层面简述了系统建模的组成及各模块功能和解决的问题。从实现角度介绍了系统的数据来源和工作流程,并给出了逻辑模块到实现模块的映射关系。(2)论文提出了景点信息建模的方法,该方法将景点信息作为中心,通过景点描述文本的多源异构数据融合结果,以稀疏学习方法为基础对景点信息进行建模。以同质性系数正则项的方式在建模中引入了用户的历史评分信息,反应用户与不同景点间的偏好关系的大小,并将其作为景点信息建模的输出。(3)论文提出了用户信息建模的方法,该方法以用户兴趣作为中心,提出了对于“用户-景点”关系产生原因的几点假设,依照假设结合用户先验知识并通过概率统计变量、归一化方法和压缩函数等手段,从多个角度对“用户-景点”间关系进行特征表示,并将其作为用户信息建模的输出。(4)论文提出了推荐景点排序的方法,该方法将景点信息建模和用户信息建模的输出组合作为模块输入,以序数回归作为模块的核心,结合旅游景点特有的地理位置信息和“用户-景点”关系的多个特征对景点进行排序。最后,本文以2014 TREC CS Track数据集为基础验证了景点信息建模和推荐系统的有效性。实验结果表明,以稀疏学习和同质性系数正则项为核心的景点信息建模在分类效果上相比于传统方法略有提升;而整个系统的推荐性能与2014TREC CS Track的参赛系统相比有着显著的优势。
【学位授予单位】：北京工业大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP391.3
，

本文编号：1171512