基于个性特征的协同过滤推荐算法及其在旅游领域的应用

发布时间：2023-11-28 17:44

　　由于生活水平的提高,人们越来越想要“出去看看”,旅游业的迅速发展,意味着人们对服务的需求也开始变大,旅游网站便是旅游服务的一部分。旅游网站的主要功能是提供一个平台,供用户可以足不出户预览各地美景,并且在出行之前提前预订好自己的旅程。科技在进步,各大网站的服务质量也在进步,旅游网站不再仅仅拘泥于提供简单的浏览和预订功能了,为了提高客户量与成交量,像携程、艺龙等大型网站开始推出为用户推荐旅游景点这样的功能,网站好像能看穿用户的心思,恰到好处地在一众项目中选出用户可能会感兴趣的景点推荐给用户,而该推荐功能的实现,就是本文的研究重点——协同过滤推荐算法。算法的主要思想是以用户对商品的评分为依据,训练模型并预测出用户可能会喜欢的商品项目。协同过滤算法使用十分广泛,在许多商业网站都有体现,涉及的业务领域也并不单一。虽然协同过滤算法应用广泛,但再经典的算法也会存在一些缺陷,由于它推荐商品时,只依据顾客对商品的评价,因此推荐结果的准确度往往会受评分的真实性所影响,另外,评分数据往往是稀疏的,大部分数据的缺失会导致预测评分偏差较大,从而降低推荐的精确度。针对协同过滤算法一些的不足,本文将用户和项目的个性...

【文章页数】：63 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 研究背景
    1.2 研究目的与意义
        1.2.1 研究目的
        1.2.2 研究意义
    1.3 本文主要工作
    1.4 本文组织与结构
第2章 协同过滤推荐算法基础
    2.1 协同过滤概述
    2.2 基于内存的协同过滤
        2.2.1 基于用户的协同过滤
        2.2.2 基于项目的协同过滤
    2.3 推荐算法的评价指标
    2.4 传统协同过滤推荐算法的不足
    2.5 本章小结
第3章 引入个性化特征的协同过滤
    3.1 引入个性特征的算法改进方案
        3.1.1 相似度计算的调整
        3.1.2 预测评分的调整
    3.2 引入个性特征的算法设计与实现
        3.2.1 改进算法的步骤
        3.2.2 算法实现
    3.3 验证实验与分析
        3.3.1 实验目标
        3.3.2 实验数据
        3.3.3 评价标准
        3.3.4 实验过程及结果分析
    3.4 本章小结
第4章 旅游网站的开发及推荐算法的应用
    4.1 需求分析与相关技术
        4.1.1 总体需求
        4.1.2 模块划分与功能需求
        4.1.3 用例分析
        4.1.4 相关技术及开发环境
    4.2 系统设计
        4.2.1 前端网站功能设计
        4.2.2 后台管理功能设计
        4.2.3 数据库逻辑结构分析
    4.3 改进的协同过滤推荐算法的应用
        4.3.1 算法的应用流程
        4.3.2 应用数据
        4.3.3 应用实验
    4.4 功能展示
        4.4.1 前端网站功能展示
        4.4.2 管理员管理平台功能展示
    4.5 本章小结
第5章 总结与展望
    5.1 本文工作总结
    5.2 未来工作展望
参考文献
作者简介及在学期间所取得的科研成果
致谢



本文编号：3868622