期刊论文

Recommending Tourism Attractions Based on Segmented User Groups and Time Contexts

Zhongchao, S.

中文

数据分析与知识发现

2096-3467

2020

4

5

92-104

10.11925/infotech.2096-3467.2019.1080

华中师范大学中央高校基本科研业务费重大项目“乡村文化旅游资源开发及评估体系构建研究”（项目编号：CCNU18JCXK06）； 湖北省科技创新重大项目“大动漫信息平台关键技术研究与开发应用”（项目编号：2018AAA069）； 中央高校基本科研业务费创新资助项目“旅游景点个性化推荐技术研究”（项目编号：2019CXZZ016）的研究成果之一；

本校为第一机构

[目的]为用户提供旅游景点的个性化推荐,解决因旅游信息过载而导致的用户决策效率下降的问题.[方法]提出基于用户相似度、景点热度和时间上下文的旅游景点个性化推荐算法SPT,并利用从“携程网”获取的真实旅游数据集对比验证了SPT算法和多种传统推荐算法的实际推荐性能.同时本文提出基于“分段用户群”的训练集构建方法,通过实验对比验证了该方法对不同推荐算法性能的影响.[结果]实验结果表明,SPT算法相较于传统推荐算法在准确率(43.38％)、召回率(61.08％)、覆盖率(64.71％)和流行度(3.832)等指标上均表现出更好的性能.利用基于“分段用户群”的方法进一步提高了景点推荐的准确性和有效性,准确...

[Objective] This study tries to provide personalized recommendations for tourists, aiming to improve the low efficiency of user decision-making due to information overload. [Methods] We proposed a new SPT (user Similarity, Popular spot and Time) algorithm, and used real data from Ctrip to compare its recommendation results with traditional algorithms. We also proposed a method to construct training set based on“segmented user groups”and examined its impacts on the recommendation results. [Results] The SPT algorithm yielded better results than...