基于迁移学习的旅游景点个性化推荐算法

发布时间：2021-05-25 17:01

　　近年来,随着互联网技术的迅猛发展与普及,用户从网络中获取数据的同时,也生成了海量的数据信息。在旅游行业,随着网络上景点数据井喷式地增长,一方面能够使用户获取到更加丰富的景点信息,而另一方面,当用户面对触目皆是的旅游信息时,用户则需要耗费大量的时间来检索真正有价值的信息。“信息过载”问题越来越严重,传统的旅游景点推荐系统已经无法满足用户的需求。因此,一种能够满足用户需求的旅游景点推荐系统受到了用户的推崇,即旅游景点个性化推荐系统。但是,推荐系统普遍存在冷启动、数据稀疏和准确率低三大问题,因此本文针对这些问题,引入迁移学习和深度学习算法,进行了基于域适应的旅游景点个性化推荐和基于深度迁移的旅游景点个性化推荐研究。论文的主要研究内容如下:（1）研究了基于域适应的旅游景点个性化推荐算法。针对推荐系统中普遍存在的问题,提出基于域适应的旅游景点个性化推荐算法。在旅游景点个性化推荐领域,目标任务中的目标域数据绝大多数是未标记数据,无法对模型进行训练,但是存在与目标域数据相关的源域数据且都是已完全标记的,因此考虑引入源域数据集来辅助目标域数据集进行模型训练。首先,准备实验辅助数据集,即源域数据集,从网... 

【文章来源】：陕西科技大学陕西省

【文章页数】：73 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
1 绪论
    1.1 研究背景及意义
    1.2 现状及发展趋势
        1.2.1 个性化推荐
        1.2.2 个性化旅游推荐
        1.2.3 迁移学习
        1.2.4 深度学习
    1.3 本文的主要研究工作及章节安排
2 预备知识
    2.1 特征提取
    2.2 迁移学习
        2.2.1 度量准则
        2.2.2 域适应
    2.3 分类算法
        2.3.1 支持向量机
        2.3.2 跨域支持向量机
        2.3.3 多核学习
    2.4 深度学习
        2.4.1 神经元模型
        2.4.2 前馈神经网络
        2.4.3 常用的激活函数
        2.4.4 梯度下降算法
        2.4.5 卷积神经网络结构
        2.4.6 AlexNet网络结构分析
        2.4.7 Dropout正则化
    2.5 推荐系统
        2.5.1 相似度计算
3 基于域适应的旅游景点个性化推荐
    3.1 问题定义
    3.2 基于域适应的旅游景点风格分类框架
    3.3 个性化旅游景点推荐
    3.4 本章小结
4 基于深度迁移的旅游景点个性化推荐
    4.1 深度迁移
    4.2 基于深度迁移的旅游景点风格分类框架
    4.3 个性化旅游景点推荐
    4.4 本章小结
5 实验结果与分析
    5.1 实验数据
    5.2 实验环境
    5.3 评价指标
    5.4 对比算法
        5.4.1基于域适应的旅游景点风格分类实验
        5.4.2基于深度迁移的旅游景点风格分类实验
    5.5 实验结果及分析
        5.5.1基于域适应的旅游景点个性化推荐实验
        5.5.2基于深度迁移的旅游景点个性化推荐实验
    5.6 本章小结
6 总结与展望
    6.1 总结
    6.2 展望
致谢
参考文献
攻读学位期间发表的学术论文目录


【参考文献】：
期刊论文
[1]基于域适应的旅游景点个性化推荐算法研究[J]. 郑恩让,韩国锋,刘晨.  陕西科技大学学报. 2019(01)
[2]广播电台融媒体直播机房的设计与实现[J]. 曹剑英.  广播与电视技术. 2018(12)
[3]基于卷积神经网络的车载疲劳驾驶检测系统的实现[J]. 唐杰,陈仁文,余小庆.  国外电子测量技术. 2018(01)
[4]基于卷积神经网络的人脸表情识别[J]. 徐新飞,刘惠义.  国外电子测量技术. 2018(01)
[5]深度学习在目标视觉检测中的应用进展与展望[J]. 张慧,王坤峰,王飞跃.  自动化学报. 2017(08)
[6]基于增强AlexNet的深度学习的阿尔茨海默病的早期诊断[J]. 吕鸿蒙,赵地,迟学斌.  计算机科学. 2017(S1)
[7]用于微博情感分析的一种情感语义增强的深度学习模型[J]. 何炎祥,孙松涛,牛菲菲,李飞.  计算机学报. 2017(04)
[8]杰卡德相似系数在推荐系统中的应用[J]. 张晓琳,付英姿,褚培肖.  计算机技术与发展. 2015(04)
[9]推荐系统评价指标综述[J]. 朱郁筱,吕琳媛.  电子科技大学学报. 2012(02)
[10]一种结合词项语义信息和TF-IDF方法的文本相似度量方法[J]. 黄承慧,印鉴,侯昉.  计算机学报. 2011(05)

硕士论文
[1]基于深度学习的人脸检测算法研究[D]. 宦太杰.南京邮电大学 2018
[2]一种基于深度神经网络的迁移学习方法[D]. 张智.哈尔滨工业大学 2018
[3]基于深度学习的全天车辆检测[D]. 谷颀.北京交通大学 2018



本文编号：3205694