基于案例推理的浙江旅游智能推荐系统研究
发布时间：2021-03-05 17:53
在智慧旅游的大目标以及旅游网站功能落后的背景下,解决信息过载问题的推荐系统引起学者的关注。文章以浙江省750个景点为例,基于案例推理法,通过多线程爬取、预处理旅游网站的数据来构建旅游案例库。系统基于Flask框架敏捷开发,设计了基于Word2Vec词嵌入向量技术计算文本相似度的案例匹配算法,调用MongoDB数据库索引以及Find引擎,实现了耦合层次的搜索,根据用户的旅游偏好给用户提供个性化旅游景点、游记等服务。
【文章来源】：中国集体经济. 2019,(32)
【文章页数】：3 页
【部分图文】：
案例库结构图
词组，用Word2Vec工具将词组变成64维的向量，返回用户输入的旅游需求和第一次搜索结果的相似度打分并排序，按照顺序返回前端页面显示，实现耦合层次的搜索。文章中计算文本相似度采用的是余弦相似性算法，词组x和词组y分别对应m维词向量x軋和词向量y軋，二者的相似度为两向量的余弦值，如公式（1），其中x軋，y軋表示向量的点积，｜｜x軋｜｜表示向量的模。sim（x，y）＝con（x軋，y軋）＝x軋·y軋｜｜x軋｜｜×｜｜y軋｜｜（1）具体代码函数实现如图2所示。（三）案例库更新用户在输入旅游偏好后，系统会推荐出符合偏好的旅游目的地和游记列表，如图3所示。用户对推荐结果的浏览点击情况一定程度上可以反映对推荐结果的采纳程度，对后续旅游案例库的更新有一定的依据价值。在MongoDB数据库新增一个User数据库存储用户信息，将用户注册信息、用户搜索记录、用户浏览历史等信息写入。在网页后端注册管理员帐号，实现管理员管理用户和管理后台案例库的职能，可以根据用户的浏览行为修正Travel数据库中的解决方案，也可以往Travel数据库中新增案例，从而实现案例库的更新，完成CBR的增量式学习。五、结论通过对用户的旅游偏好和旅游目的地建模，基于案例的推理方法，结合网络爬虫技术构建浙江省景点和游记案例库，结合深度学习构建案例匹配算法，基于Flask框架设计并实现了基于案例推理的浙江旅游智能推荐系统。该系统根据用户的偏好输入，匹配旅游案例库中的解决方案，提供旅游目的地信息和游记信息列表，给用户提供个性化定制旅游景点、游记等服务。该系统具有良好的稳定性和较强的可拓展性，对其他旅游目的地的研究也有一?
⑴判颍?凑账承蚍祷厍岸艘趁嫦?示，实现耦合层次的搜索。文章中计算文本相似度采用的是余弦相似性算法，词组x和词组y分别对应m维词向量x軋和词向量y軋，二者的相似度为两向量的余弦值，如公式（1），其中x軋，y軋表示向量的点积，｜｜x軋｜｜表示向量的模。sim（x，y）＝con（x軋，y軋）＝x軋·y軋｜｜x軋｜｜×｜｜y軋｜｜（1）具体代码函数实现如图2所示。（三）案例库更新用户在输入旅游偏好后，系统会推荐出符合偏好的旅游目的地和游记列表，如图3所示。用户对推荐结果的浏览点击情况一定程度上可以反映对推荐结果的采纳程度，对后续旅游案例库的更新有一定的依据价值。在MongoDB数据库新增一个User数据库存储用户信息，将用户注册信息、用户搜索记录、用户浏览历史等信息写入。在网页后端注册管理员帐号，实现管理员管理用户和管理后台案例库的职能，可以根据用户的浏览行为修正Travel数据库中的解决方案，也可以往Travel数据库中新增案例，从而实现案例库的更新，完成CBR的增量式学习。五、结论通过对用户的旅游偏好和旅游目的地建模，基于案例的推理方法，结合网络爬虫技术构建浙江省景点和游记案例库，结合深度学习构建案例匹配算法，基于Flask框架设计并实现了基于案例推理的浙江旅游智能推荐系统。该系统根据用户的偏好输入，匹配旅游案例库中的解决方案，提供旅游目的地信息和游记信息列表，给用户提供个性化定制旅游景点、游记等服务。该系统具有良好的稳定性和较强的可拓展性，对其他旅游目的地的研究也有一定的借鉴意义。参考文献：[1]WatsonI.Case-basedreasoningisamethodologynotatechnology[J].Knowl-edge
【参考文献】：
期刊论文
[1]基于案例推理法研究综述[J]. 侯玉梅,许成媛. 燕山大学学报(哲学社会科学版). 2011(04)
本文编号：3065612
【文章来源】：中国集体经济. 2019,(32)
【文章页数】：3 页
【部分图文】：
案例库结构图
词组，用Word2Vec工具将词组变成64维的向量，返回用户输入的旅游需求和第一次搜索结果的相似度打分并排序，按照顺序返回前端页面显示，实现耦合层次的搜索。文章中计算文本相似度采用的是余弦相似性算法，词组x和词组y分别对应m维词向量x軋和词向量y軋，二者的相似度为两向量的余弦值，如公式（1），其中x軋，y軋表示向量的点积，｜｜x軋｜｜表示向量的模。sim（x，y）＝con（x軋，y軋）＝x軋·y軋｜｜x軋｜｜×｜｜y軋｜｜（1）具体代码函数实现如图2所示。（三）案例库更新用户在输入旅游偏好后，系统会推荐出符合偏好的旅游目的地和游记列表，如图3所示。用户对推荐结果的浏览点击情况一定程度上可以反映对推荐结果的采纳程度，对后续旅游案例库的更新有一定的依据价值。在MongoDB数据库新增一个User数据库存储用户信息，将用户注册信息、用户搜索记录、用户浏览历史等信息写入。在网页后端注册管理员帐号，实现管理员管理用户和管理后台案例库的职能，可以根据用户的浏览行为修正Travel数据库中的解决方案，也可以往Travel数据库中新增案例，从而实现案例库的更新，完成CBR的增量式学习。五、结论通过对用户的旅游偏好和旅游目的地建模，基于案例的推理方法，结合网络爬虫技术构建浙江省景点和游记案例库，结合深度学习构建案例匹配算法，基于Flask框架设计并实现了基于案例推理的浙江旅游智能推荐系统。该系统根据用户的偏好输入，匹配旅游案例库中的解决方案，提供旅游目的地信息和游记信息列表，给用户提供个性化定制旅游景点、游记等服务。该系统具有良好的稳定性和较强的可拓展性，对其他旅游目的地的研究也有一?
⑴判颍?凑账承蚍祷厍岸艘趁嫦?示，实现耦合层次的搜索。文章中计算文本相似度采用的是余弦相似性算法，词组x和词组y分别对应m维词向量x軋和词向量y軋，二者的相似度为两向量的余弦值，如公式（1），其中x軋，y軋表示向量的点积，｜｜x軋｜｜表示向量的模。sim（x，y）＝con（x軋，y軋）＝x軋·y軋｜｜x軋｜｜×｜｜y軋｜｜（1）具体代码函数实现如图2所示。（三）案例库更新用户在输入旅游偏好后，系统会推荐出符合偏好的旅游目的地和游记列表，如图3所示。用户对推荐结果的浏览点击情况一定程度上可以反映对推荐结果的采纳程度，对后续旅游案例库的更新有一定的依据价值。在MongoDB数据库新增一个User数据库存储用户信息，将用户注册信息、用户搜索记录、用户浏览历史等信息写入。在网页后端注册管理员帐号，实现管理员管理用户和管理后台案例库的职能，可以根据用户的浏览行为修正Travel数据库中的解决方案，也可以往Travel数据库中新增案例，从而实现案例库的更新，完成CBR的增量式学习。五、结论通过对用户的旅游偏好和旅游目的地建模，基于案例的推理方法，结合网络爬虫技术构建浙江省景点和游记案例库，结合深度学习构建案例匹配算法，基于Flask框架设计并实现了基于案例推理的浙江旅游智能推荐系统。该系统根据用户的偏好输入，匹配旅游案例库中的解决方案，提供旅游目的地信息和游记信息列表，给用户提供个性化定制旅游景点、游记等服务。该系统具有良好的稳定性和较强的可拓展性，对其他旅游目的地的研究也有一定的借鉴意义。参考文献：[1]WatsonI.Case-basedreasoningisamethodologynotatechnology[J].Knowl-edge
【参考文献】：
期刊论文
[1]基于案例推理法研究综述[J]. 侯玉梅,许成媛. 燕山大学学报(哲学社会科学版). 2011(04)
本文编号：3065612
本文链接：https://www.wllwen.com/kejilunwen/sousuoyinqinglunwen/3065612.html
