考虑社交关系和群体偏好的多准则推荐算法在旅游电商平台中的应用

发布时间：2022-01-20 13:03

　　旅游行业的快速发展一方面丰富了人们的日常生活,另一方面旅游电商平台上的过量信息、劣质信息对人们的正常决策造成了困扰。在这种背景下,推荐系统作为一种信息过滤技术,在旅游电商平台中的作用显得愈加重要。传统的旅游电商平台部署精准、高效的推荐系统可以优化用户体验,提高用户购买转化率,促进平台与商家的良性发展。最近,旅游电商平台的发展出现社交化趋势,用户需求不断地提高,个性化推荐技术面临着机会与挑战。基于以上背景,本文的主要研究内容和成果具体包括以下几个方面:首先,在传统旅游电商平台社交化的趋势下,本文分析了平台中用户显式社交关系的类别、特征与区别。基于讨论结果,探讨了用户显式的社交关系缺失的情况下,如何利用用户的多准则评分信息构建隐式的社交关系,从而拓展了社会化推荐算法的使用场景。其次,立足于社交电子商务平台的背景,为了得到更准确的推荐结果和缓解冷启动问题,本文提出了一种改进的社会化推荐模型。该模型既考虑了用户兴趣具有传播性,又考虑了社交网络和用户评分的显、隐式信息对推荐结果的影响。接下来,本文研究了在单评分推荐算法中引入物品准则评分信息的多准则协同过滤算法,并提出了一种新的多准则推荐框架。该... 

【文章来源】：东南大学江苏省 211工程院校 985工程院校 教育部直属院校

【文章页数】：82 页

【学位级别】：硕士

【部分图文】：

图5-1支持向量回归示意图

东南大学硕士学位论文46名称表达式参数拉普拉斯核2||-||(,)exp()2ijijxxKxx0Sigmoid核(,)tanh(T+)ijijKxxxxtanh为双曲正切函数，0,05.2.2考虑群体偏好的非线性聚合函数基于聚合函数的多准则推荐方法首先基于历史数据训练聚合函数，然后预测用户对物品的准则评分，最终基于这些准则评分和训练好的聚合函数，进一步预测其对物品的总体评分，从而更准确地决定是否推荐该物品给用户。聚合函数一般使用线性和非线性函数。线性函数训练效率高，但由于假定了准则评分与总体评分是线性关系，其预测准确性较低。后面的实验结果表明若先对用户进行聚类，再对每个簇中的数据分别训练线性聚合函数可以提高预测的准确性，说明识别出电子商务网站中的细分群体可以提高整个系统内物品与用户的匹配性。非线性聚合函数，一般准确性更高，但其训练过程较为缓慢，如SVR的时间复杂性一般在2O(nm)到O(nm3)之间。可见，随着训练样本的增加，其训练效率越来越低，很难应用到实际的推荐任务中。同样预先对用户聚类，再为每个簇中的数据训练聚合函数一方面可以提高总体评分预测的准确性，另一方面可以显著提高训练速度。图5-2对不同簇的数据训练聚合函数考虑到用户决策过程的复杂性，准则评分与总体评分之间更符合非线性相关关系。因此，本文选择SVR作为聚合函数建立准则评分与总体评分之间关系，即1(,...,)kOverallfcc。此外，由于具有高准确性、低过拟合风险的特点，SVR也更符合本研究的需求。然而SVR由于SVR在训练大样本时遭受低效问题，因此首先通过聚类减少训练样本量，进而为每个

第六章多准则推荐算法在旅游电商平台中的应用51机制，即包含一个总体评分，如图6-1，以及多个准则评分，如图6-2。对于用户来说，准则评分信息可以帮助用户根据位置、服务和舒适度等条件搜索需要的酒店，节约搜索成本；对于网站中的酒店来说，这种精细化的评分机制可以更好地帮助酒店改善自己的服务及设施，进而吸引更多的用户；对于TripAdvisor平台来说，了解了用户的准则偏好信息，可以为用户匹配更精准的酒店，提高用户体验，从而提高用户的留存，提高网站整体收益。图6-1用户对酒店的总体评分

【参考文献】：
期刊论文
[1]旅游推荐系统研究综述[J]. 常亮,曹玉婷,孙文平,张伟涛,陈君同.  计算机科学. 2017(10)
[2]国内旅游推荐系统研究进展[J]. 王月星.  商场现代化. 2017(10)
[3]基于用户偏好的信任网络随机游走推荐模型[J]. 张萌,南志红.  计算机应用. 2016(12)
[4]社交关系挖掘研究综述[J]. 赵姝,刘晓曼,段震,张燕平,唐杰.  计算机学报. 2017(03)
[5]基于移动SNS的旅游电子商务发展问题分析与趋势预测[J]. 彭生顺,王寅宇.  电子商务. 2015(01)
[6]电子商务推荐系统中群体用户推荐问题研究[J]. 梁昌勇,冷亚军,王勇胜,戚筱雯.  中国管理科学. 2013(03)
[7]面向个性化推荐的情境化用户偏好研究[J]. 胡慕海,蔡淑琴,张宇.  情报杂志. 2010(10)



本文编号：3598875