基于游客行为的个性化推荐系统研究与实现

发布时间：2024-12-29 23:14

　　随着旅游市场的火爆以及旅游信息的飞速增长,在线旅游应用成为互联网+的重要行业应用。由于很多用户在出游时难以及时寻找到自已的心仪景点,在线旅游推荐系统应运而生,其为用户提供可能感兴趣的景点,帮助用户完成出游计划。现有的很多旅游推荐系统都将目光集中在用户的兴趣景点挖掘上,认为对用户的兴趣进行针对性推荐就可以满足用户的需求,但是它们对于旅游产业和用户个人特性没有深入理解,难以达到令用户满意的效果。面向旅游的个性化推荐系统成为研究的重点和方向。本文基于互联网大数据来为用户设计个性化的景点推荐系统。本文的主要工作如下:(1)通过分布式爬虫获取在线旅游网站的大规模数据,包括旅游景点和用户评分等,通过对用户数据进行分析,发现用户好奇心不同导致他们的景点选择情况各异。因此设计了主要基于用户好奇心的游客个性化推荐方案。(2)为了更好地描述用户在选择景点时的好奇心,提出了面向好奇心的景点分类方法。将在线景点介绍文本进行分词后根据TF-IDF(term frequency-inverse document frequency)值提取关键词,将关键词转为词向量后训练景点分类器。(3)提出了基于旅游用户好奇心的个...

【文章页数】：68 页

【学位级别】：硕士

【部分图文】：

图１－１国内旅游人数规模??当前，国内的旅游行业发展正处于向全球旅游和现代化旅游转型升级的关键??期

第一章绪论第一章绪论??背景与意义??内经济快速发展的情况下，人们的生活水平得到了显著的提余，大家都会选择一些活动来为自己减压放松或者开阔自己的是减压以及开阔视野的绝佳选择。同时人们现在更倾向于利用队以及个人情感交流的便捷方式，大家共同出游能够促进相彼此的距离，因此我国现在的旅游....

图２＿１用户相似度??根据上述过程可以看出计算用户相似度的基本过程，推荐列表形成是根据找??

．基于用户的协同过滤的基本思想是寻找与选中用户兴趣爱好较为接近的关用户，再根据相关用户的过往记录来为选中用户做出推荐列表［２６］。首先在收数据时使用了用户－物品列表来记录用户历史信息，用户有过历史记录的为１，后根据记录数据完成评分矩阵。之后要依照不同用户对于物品的不同评分来计用户....

图２－４基于内容??在对用户进行推荐之前，首先要构建用户的偏好模型，该模型是根据用户的??

ｆ?３＇°°?丨?＞?（＾）?（０．４１Ｘ３．０）／０．４１＝３．０??Ｊ?（０．?５８?ｘ?４＋０．?５８?ｘ?５）?／?（０．５８＋０．?５８）?＝４．?５?Ｊ??图２－５基于内容推荐??基于内容的推荐算法克服了一些协同过滤中出现的问题，它可以解决物品的??冷启动问题，只要新....

图２－５基于内容推荐??基于内容的推荐算法克服了一些协同过滤中出现的问题，它可以解决物品的??

?（?Ｅ?）?０－６７?０．００?０．５８?０．００?１．００?０．５３??°＊５８?〇？?００?０．７５?０．００?０．５８?１．００??图２－４基于内容??在对用户进行推荐之前，首先要构建用户的偏好模型，该模型是根据用户的??过往记录建立的，依照用户喜爱的物品提取出用户感兴趣....

本文编号：4021432