协同过滤算法应用于景点推荐研究.docVIP

协同过滤算法应用于景点推荐研究 牟进军罗国宽熊志斌 术与创意学院 旅游电子商务与网络社交媒体发展导致旅游信息爆炸式增长，用户面临信息过 载问题。为使用户快速获取并甄别信息，将传统协同过滤推荐算法应用于景点推 荐，游客对景点评分构成评分矩阵，计算景点之间相似度，根据相似景点评分 预测游客对目标景点评分。实验结果显示，景点预测评分平均绝对误差为0.696, Item-based景点推荐算法能根据游客偏好推荐景点。 关键词： 协同过滤;个性化推荐;景点推荐;Item-based; 基金：海南省重点研发项目（ZDYF2016166） Application of Collaborative Filtering Algorithm to Tourist Attraction Recommendation MOU Tin-iun LUO Guo-kuan XIONG Zhi-bin Hainan Weisida^Electronic Technology Co. Ltd.; School of Art and Creativity, Hainan Tropical Ocean University; Abstract： With the rapid development of tourism e-commerce and tourism social media, a lot of tourism information explosion growth, tourists are encountering information overload. In order to make the users quick to obtain and identify the information, the traditional collaborative filtering recommendation algorithm is applied to the scenic spot recommendation. The scores that tourists gave the scenic spots constituted the scoring matrix, the similarity between the spots was calculated, the score that tourist give the target scenic spots was estimated. The experimental results show that the mean absolute error of estimated scores is 0.696.The recommendation algorithm based on Item-based is competent to recommend the tourist for some scenic spots according to his preference. Keyword： collaborative filtering; personalized recommendations; tourist attraction recommendation; Item-based; 0引言 随着国民经济发展，旅游业成为朝阳产业，各类旅游电商平台与旅游社交媒体 应运而生，如携程、艺龙、去哪儿、旅人网、蚂蜂窝、穷游网等，这些旅游电子 商务平台与社交媒体为游客提供机票与酒店预定服务、景点信息、旅游攻略与游 记分享平台。网络查询己成为游客获取资讯的主要方式，游客规划旅游路线时， 通常会在旅游电子商务平台与社交媒体上査阅景点信息、游客评分及点评。 游客能够快速在旅游电商平台与社交媒体获取景点信息，同时遭遇“信息过 载”问题m。游客在网络上获得海量信息，相应需耍花费额外时间杳阅并甄别 信息。这不仅增加了游客时间成本，还提高了线路规划难度。推荐系统作为解决 信息过载、满足用户个性化需求的有效工具，己在淘宝、亚马逊等电商平台成功 应用m。基于用户需求提供景点推荐的国内旅游电商平台与社交媒体为数不多 ［3-4］。推荐算法有多种，其屮棊于协同过滤的推荐算法在个性化系统屮应用最 广边1，如高明虎等m改进传统协同过滤算法解决冷启动问题，并应用于酒店 推荐;娄小风［7］提出基于酒店多维度属性打分的协同过滤推荐算法提高了推荐 准确度;王益M将协同推荐算法应用于旅游路线推荐。本文研究协同过滤算法在 景点推荐中的应用，为游客提供个性化数据服务。 1协同过滤推荐算法概述 协同过滤推荐算法诞生最早，棊本思路是如果用户过去物品偏好一致，将来偏 好仍将一致m。算法通过挖掘用户历史行为数据发现用户偏好，以