基于协同过滤算法的旅游景点推荐模型研究

发布时间：2021-08-29 14:25

　　传统基于关联规则的旅游景点推荐模型,不能综合其他相似用户的喜好数据,缺少推荐新信息的能力。为此,设计基于协同过滤算法的旅游景点推荐模型。采用DOM技术搜索目标用户的历史记录,并利用DOMNode类中提供的方法访问并采集页面信息,将采集的数据传送至推荐算法模块,利用协同过滤算法计算用户相似度,求出目标用户的近邻集合。经过推荐综合处理模块剔除掉目标用户已经旅行过的旅游景点,形成最终推荐集推荐给目标用户。至此,模块设计完成。测试结果表明,对于同一目标用户,与传统的推荐模型相比,基于协同过滤算法的旅游景点推荐模型推荐的结果存在一定的新信息,推荐内容更全面,该推荐模型更优于传统的推荐模型。 

【文章来源】：现代电子技术. 2020,43(11)北大核心

【文章页数】：4 页

【部分图文】：

推荐模型结构

树形结构如图2所示。其中，叶节点是网页内的内容，如旅游景点相关图片和文本信息等，利用DOM技术遍历树中的节点，使用DOMNode类中提供的方法访问HTML文档中全部内容，并从中提取需要的信息[8]。DOMNode类部分信息获取方法如表1所示。

利用阈值法选取一个固定的相似度数值作为阈值，规定目标用户最近的邻居大于此阈值[13]。最近邻居的形成过程如图3所示。图3中，黑色的圆表示目标用户，白色的圆表示其他用户，通过计算目标用户与其他用户之间的相似度，以目标用户为中心的5个最近用户被选为目标用户的最近邻居[14]。

【参考文献】：
期刊论文
[1]基于聚类和随机森林的协同过滤推荐算法[J]. 杨兴雨,李华平,张宇波.  计算机工程与应用. 2018(16)
[2]基于用户画像的旅游情境化推荐服务研究[J]. 刘海鸥,孙晶晶,苏妍嫄,张亚明.  情报理论与实践. 2018(10)
[3]基于多重信任的协同过滤推荐算法[J]. 于阳,于洪涛,黄瑞阳.  计算机科学. 2018(05)
[4]基于多核学习的协同滤波算法[J]. 宋恺涛,彭甫镕,陆建峰.  数据采集与处理. 2018(03)
[5]基于情景上下文与信任关系的旅游景点推荐算法[J]. 沈记全,王磊,侯占伟,薛霄.  计算机应用研究. 2018(12)
[6]基于异构网络面向多标签系统的推荐模型研究[J]. 王瑜,武延军,吴敬征,刘晓燕.  软件学报. 2017(10)
[7]基于5A景区最大承载量和游客接待量的旅游供需关系模型研究[J]. 刘静,刘耀龙,段锦.  科技通报. 2017(07)
[8]基于图和改进K近邻模型的高效协同过滤推荐算法[J]. 孟桓羽,刘真,王芳,徐家栋,张国强.  计算机研究与发展. 2017(07)
[9]一种基于局部近邻Slope One协同过滤推荐算法[J]. 李剑锋,秦拯.  计算机工程与科学. 2017(07)
[10]基于标签的个性化旅游推荐[J]. 李雅美,王昌栋.  中国科学技术大学学报. 2017(07)



本文编号：3370820