| 混合分层抽样与协同过滤的旅游景点推荐模型研究 |
| |
| 引用本文： | 李广丽,朱涛,袁天,滑瑾,张红斌.混合分层抽样与协同过滤的旅游景点推荐模型研究[J].数据采集与处理,2019,34(3):566-576. |
| |
| 作者姓名： | 李广丽 朱涛 袁天 滑瑾 张红斌 |
| |
| 作者单位： | 1.华东交通大学信息工程学院， 南昌， 330013;2.华东交通大学软件学院， 南昌， 330013;3.武汉大学计算机学院， 武汉， 430072 |
| |
| 基金项目： | 国家自然科学基金61762038，61861016;江西省科技厅自然科学基金20171BAB202023;教育部人文社会科学研究规划基金17YJAZH117，16YJAZH029;江西省科技厅重点研发计划20171BBG70093;江西省社会科学规划项目16TQ02国家自然科学基金（61762038，61861016）资助项目；江西省科技厅自然科学基金（20171BAB202023）资助项目；教育部人文社会科学研究规划基金（17YJAZH117，16YJAZH029）资助项目；江西省科技厅重点研发计划（20171BBG70093）资助项目；江西省社会科学规划项目（16TQ02）资助项目。 |
| |
| 摘 要： | 采用问卷调查与自动抓取相结合的方式，采集用户信息、用户评分等旅游数据，对数据做分层抽样，生成包含用户旅游喜好信息的“智慧旅游”数据集。围绕该数据集，预处理用户评分并执行基于用户聚类的协同过滤算法，以计算目标用户与聚类中心的相似性。结合分层抽样模型生成的旅游喜好信息，输出混合推荐列表。实验结果表明：相比基线，混合分层抽样与协同过滤的推荐模型对评分预测的均方根误差（Root mean square error, RMSE）和平均绝对误差（Mean absolute error,MAE）分别降低11.5%~64.9%和18.8%~47.7%。混合推荐的准确率和召回率相比基线也有较大程度提升，旅游景点推荐效果良好。
|
| 关 键 词： | 分层抽样 聚类 协同过滤 旅游景点 推荐模型 |
| 收稿时间： | 2018/1/18 0:00:00 |
| 修稿时间： | 2019/4/9 0:00:00 |
Recommendation Model of Tourist Attractions by Fusing Hierarchical Sampling and Collaborative Filtering |
| |
| Li Guangli,Zhu Tao,Yuan Tian,Hua Jin,Zhang Hongbin.Recommendation Model of Tourist Attractions by Fusing Hierarchical Sampling and Collaborative Filtering[J].Journal of Data Acquisition & Processing,2019,34(3):566-576. |
| |
| Authors: | Li Guangli Zhu Tao Yuan Tian Hua Jin Zhang Hongbin |
| |
| Affiliation: | 1.School of Information Engineering, East China Jiaotong University, Nanchang, 330013, China;2.Software School, East China Jiaotong University, Nanchang, 330013, China;3.Computer School, Wuhan University, Wuhan, 430072, China |
| |
| Abstract: | |
| |
| Keywords: | hierarchical sampling clustering collaborative filtering tourist attractions recommendation model |
|
| 点击此处可从《数据采集与处理》浏览原始摘要信息 |
|
点击此处可从《数据采集与处理》下载全文 |
|
