旅游推荐系统研究综述

旅游本体

文档格式：PDF|

页数：6页|

等：旅游推荐系统研究综述32．3基于人口统计的旅游推荐基于人口统计学的推荐方法根据用户的基本信息发现用户之间的相关关系,D0dwad[22]研究了基于本体及上下文感知的旅游推荐系统,2．4基于知识的旅游推荐基于知识的推荐方法首先获取商品的属性特征和用户画像,该系统考虑到基于知识的推荐和基于内容的推荐都存在冷启动问题,Niaraki[20]研究了基于本体的个性化旅游路线推荐系统,D0dwad等[19]研究了基于本体的旅游推荐系统,基于web的推荐适用于在旅游前为用户提供目的地推荐及路线推荐,利用基于内容的推荐并结合上下文感知以及用户的地理位置对推荐结果进行过滤,Hassan等[233研究了基于本体和协同过滤的混合推荐系统,系统通过本体对人口特征、旅游景点、路线等信息进行语义整合及聚类分析并引导推理,STAAR是一个移动端的旅游信息查询和推荐系统,wang等[18]将基于人口统计的推荐方法应用于旅游景点的推荐,Moreno等[12]设计了基于本体和协同过滤的混合推荐系统SigTur／E-Destination,因为对推荐结果的计算并不依靠大量的用户数据,基于本体的架构以用户模型和上下文模型为基础,Lee等[21]研究了针对台南市的基于本体的多代理推荐系统,并基于兴趣中的权重值以及相似用户的人口特征,路线推荐代理通过模糊推理机制推断上下文信息,系统采用基于对象属性和用户画像的排名机制,该系统有效地为用户提供了较为准确的推荐,提高了系统推荐路线的准确率,2．5采用混合方法的旅游推荐上述每种单独的推荐技术都存在优缺点,利用基于内容和协同过滤的技术对信息进行过滤,这种混合推荐算法较好地解决了传统推荐算法遇到的数据稀疏和冷启动问题,系统从本体库中查找所有概念归属度的值,根据这些信息得到用户画像并挖掘出用户之间的相关关系,因此在开发推荐系统时将多种推荐技术混合使用是一条有效途径,因此建议结合人工智能算法(包括本体表示、优化技术、多代理系统等)做出最合适的旅游方案,根据用户信息建立用户画像,其应用了基于本体的语义相似度推理,通过前两步的计算结果生成相似度最高的挖个推荐内容推送给用户,通过全面考虑上下文信息来确定用户的需求,可以把同一类中其他用户的喜好推荐给新用户,该方法的缺点是很难获取到足够的知识来构建关于用户和商品的知识库,Borns等[24]研究了智能旅游推荐系统,缺点是收集的用户画像信息在一定程度上侵犯了用户的隐私,结合本体及环境感知进行推荐,并结合上下文感知技术克服冷启动问题,在用户请求一个推荐时,提出使用人口统计信息来进行推荐,通过构建旅游本体整合景点、航班、酒店等异构信息,该系统在考虑上下文感知内容及推理方面有待改进,为用户进行实时推荐,该文还分析了协同过滤和基于内容的推荐,然后利用用户和商品的知识推导出最符合用户需求的商品,结合G∞gle地图并采用蚁群优化算法为用户提供最佳的旅游路线,为用户提供最优质的个性化推荐,为用户提供实时天气、路线、景点闭馆时间等信息,代理模块分为上下文决策代理和路线推荐代理,用户查询信息时,系统假定在同一个分类中的用户有着同样的兴趣偏好,新用户访问系统时,实验证明,实验结果表明,并使用模糊集合的方法给出每个用户概念的归属度,并考虑到相似用户的评分等信息,该系统把用户和环境结合起来,不过在本体模型及算法的优化上有待改进,因为系统对所有用户和商品都有足够的认知和理解,与其他推荐技术混合将是以后研究的重点,通过上下文决策代理获取与用户需求相匹配的概念,进一步提高了系统的推荐精度,然后将相似用户喜爱的其他物品推荐给当前用户,构建本体知识库,对其构建本体知识库,给出一个推荐列表,对台南市旅游景点构建领域本体,首先根据调查问卷中用户的兴趣来创建和管理用户画像,系统引入本体,而且收集的用户画像信息可能有很大噪音,进行特征抽取、用户关联和用户建模,该方法的优点是不存在冷启动问题,通过以下公式计算用户的兴趣度(S)及置信度(CL),人口特征对推荐结果有一定的影响,混合协同过滤技术来计算项目的相似性,并从中找出对用户最合适的项目,由于这两种方法都存在冷启动问题,通过用户的显示层次关系、共享属性和隐式信息来确定两个给定实体的关联网络,该系统在STAAR的基础上,系统通过关键字匹配本体库,对商品和用户进行全面建模,移动端则充分考虑到用户在目的地时的情景感知,对用户给出的兴趣度进行初始化,该方法的优点是不需要用户对商品进行评分,提供以用户为中心的路线规划,并使用ICEfaces框架实时更新推荐列表,并根据用户属性对用户进行分类,同时采用K_means算法来降低聚类算法的复杂度,不需要大量的样本用户,实现了用户画像的动态更新,不存在冷启动问题,最后通过式(3)得出推荐列表,并计算每个实例的语义关系及上下文关系,提高了推荐的准确性,首先通过机器学习中的朴素贝叶斯方法、贝叶斯网络和支持向量机3种技术对用户进行分类,结合GIS定位系统再次过滤,推荐准确率也有一定的提升,但推荐不够精准,把具有相似人口特征及对同一类型景点进行评价的游客分到相同类,通过用户评分及点击收藏等行为,通过权重计算实体之间的相似度,该文对比了web和移动端两种接口,人口统计学的基本信息包括年龄、性别、社会阶层、教育程度、地理位置等,通过Pearson回归算法进行相似度排序,找出排名前三的景点,D0dwad在此基础上,然后采用多准则决策的“层次结构”来创建模型,克服了标准建模不足的缺点,最后通过不同权重将定量指标与定性指标结合起来,并建立了公有关联规则组集合,万方数据,第10期 常亮,此外,然而,同时,首先,然后,最后,首先,然后,最后,首先,∑S(i)·CL(i)跳)一堕暑盯(1)z∈K“．‘CL叱)一素},聋．,CL∽(2)然后。

成功点赞+1

 633 积分