基于時空數(shù)據(jù)的旅游信息推薦研究.pdf

1、移動互聯(lián)網(wǎng)技術和位置信息采集技術的飛速發(fā)展使網(wǎng)絡成為人們獲取和分享信息的主要渠道，如何從大量的數(shù)據(jù)中搜索到符合用戶需求的信息，成為各個研究領域的熱點話題。尤其是在旅游行業(yè)，人們在社交網(wǎng)站上通過共享照片來分享旅游經歷，產生了大量的時空數(shù)據(jù)，這些時空數(shù)據(jù)主要包括地理位置（經、緯度）、拍攝時間、照片描述等信息，這些數(shù)據(jù)對移動用戶旅游行為的分析、用戶興趣偏好的挖掘、以及為用戶提供景點推薦具有極其重要的意義。
　　目前，旅游行業(yè)的信息推薦研

2、究主要集中在個性化旅游推薦與經典旅游推薦兩個方面，其中，經典旅游推薦僅僅是對旅游地的流行景點進行分析研究。個性化旅游推薦研究是基于用戶歷史旅行軌跡，向用戶推薦符合其旅游偏好的有價值景點以及為用戶規(guī)劃最優(yōu)旅游線路。但是,目前的研究存在以下問題：用戶的相似度計算不夠準確，計算復雜度較高；未考慮用戶偏好與流行景點對推薦的共同影響；沒有考慮用戶當前上下文信息對推薦結果的影響；未考慮目標城市的天氣情況對用戶景點選擇的影響。針對以上問題本文做了如下

3、工作：
　　（1）改進了用戶相似度算法。本文提出了核心用戶的概念，并根據(jù)照片的標簽信息，為景點增加語義信息，挖掘用戶喜愛的景點類型。我們在核心用戶興趣矩陣和景點類型的基礎上進行相似度計算，降低了計算復雜度，提高了算法的效率和準確率。
　?。?）提出了一種基于用戶興趣偏好和景點流行度的CIAP（Combination of interest and popularity）推薦算法。該算法定義了用戶相似度與景點流行度函數(shù)，通過設

4、置相似用戶的景點推薦權值和景點流行度權值，得到最優(yōu)推薦結果。
　?。?）結合了上下文感知推薦算法。本文根據(jù)用戶當前的時間和天氣上下文感知信息，對景點進行過濾，為用戶推薦適合其當前條件的景點，為用戶帶來了更好的旅行體驗。
　　本文利用從Flickr開放接口獲得的數(shù)據(jù)集進行了充分的實驗，評估了CIAP算法在不同權值設置下的推薦效果，驗證了CIAP算法有較好的綜合推薦性能，并將比我們的推薦算法和其他算法進行了比較，證明了我們的推薦