论文摘要：基于旅游本体的个性化标签组合推荐方法研究

     面对爆炸式增长的旅游信息和复杂多样性的旅游需求，如何智能化地为游客提供个性化的服务成为亟待解决的问题。随着Web2.0时代的发展，社会网络中的标签数据不断涌现，促使推荐方法从协同过滤推荐到标签推荐的革新。但因标注过程简单、缺乏标准化等原因，存在大量冗余、模糊性且无控制状态的主观性标签数据，这些问题大大降低了标签推荐方法的性能，也直接阻碍了旅游服务推荐系统的长足发展。

      本文首先引入本体理论，建立包含用户信息、景区信息的旅游本体模型，来对旅游服务资源进行全面描述；然后，一方面构建基于社会网络分析方法的相似性度量指标，更精准地搜索指定用户的相似近邻集合，来为其生成标签推荐列表。为保留标签个性化特征，满足个性化推荐需求，本文又对生成的标签列表去模糊化处理，并在此基础上提出针对老用户的个性化标签推荐算法。另一方面，针对新用户所引起的数据稀疏、冷启动现象问题，本文又研究了基于张量分解的标签推荐方法。通过以上两方面的融合，最终提出基于旅游本体的个性化标签组合推荐算法，解决了新、老用户的个性化标签推荐问题。在旅游领域标准数据集上，利用准确度、召回率、F值以及满意度等多个指标对算法进行评测，并与其他两种标签推荐方法对比分析。实验结果表明，本文提出的个性化标签组合推荐算法具有较高的准确度和召回率，且用户满意度较好，可推荐更优质的个性化旅游服务资源。最后，本文开发了在线旅游标签推荐原型系统并集成算法。本文将详细阐述以下几个方面的内容：

（1）国内外旅游信息服务和推荐系统现状调研，目前存在的问题以及各种推荐系统方法的优劣分析，概述标签推荐系统相关知识。

（2）本体相关理论的研究，介绍本体的组成和分类。从旅游本体的类及层次结构方面构建用户信息和景区资源模型，对旅游服务资源进行全面地描述。

（3）旅游领域个性化标签组合推荐算法的研究。新、老用户的标签推荐算法、组合推荐算法的研究，以及实验评测和用户满意度调查分析等。系统开发实现与算法集成。

关键词：旅游本体，社会网络分析，个性化，张量分解，标签推荐

来源：半壳优胜育转载请保留出处和链接！

本文链接：http://87cpy.com/214777.html