导　　师： 李东

授予学位： 硕士

作　　者： (）;

机构地区： 华南理工大学

摘　　要： 近年来,随着人民群众的收入水平越来越高,旅游变成了国民们一种新的生活方式,旅游极大程度地丰富了国民的业余生活;另一方面,旅游也拉动了经济的增长,给社会增加了就业机会。然而,互联网上众多的旅游信息在丰富了游客出行选择的同时,也带来了信息过载的问题。因此,个性化旅游推荐是各类旅游网站或APP未来的发展趋势。中国有许多的古村落,这些古村落或散发着独特的地区文化底蕴,或记载着历史文化的变迁,它们是岁月的化身。然而,在现代化的发展进程中,古村落正在慢慢消失。如何让更多的游客了解古村落,去到合适的景点旅行,充分考虑游客的偏好风格,增加游客对古村落的好感度,从而保护好这些正在慢慢消失的“历史遗迹”,变得极为迫切。本文基于协同过滤算法研究了面向古村落旅游的推荐模型,具体工作主要包括三个方面:一、提出了相似度传递的协同过滤算法。为了改善数据稀疏性对Item-Based协同过滤算法的影响,本文利用游客-景点评分矩阵(即User-Item矩阵)对不同的古村落旅游景点进行可信关系建模。通过这种可信关系,对古村落景点之间的相似度进行传递,改善相似度计算不准确甚至无法计算的问题,最终达到提高推荐质量和准确度的目的。二、提出了融入时间权重的隐语义模型。一般而言,可以通过矩阵分解的方式来改善数据的稀疏性问题(降维),隐语义模型LFM就是矩阵分解模型中的一种。但是,旅行游客用户的兴趣偏好往往不是固定不变的,而隐语义模型却忽略了游客用户的兴趣喜好随时间变化的问题。本文通过对推荐准确度的评价标准RMSE进行改进,利用最小化改进后的RMSE来对模型进行求解,以适应游客用户的兴趣偏好随时间变化的问题。三、提出了混合模型推荐方法。针对协同过滤算法中数据稀疏导致古村落景点之间的�

关 键 词： 古村落旅游 协同过滤推荐算法 数据稀疏性 偏好变化 隐语义模型

领　　域： []