| 混合分层抽样统计与贝叶斯个性化排序的旅游景点推荐模型研究 |
| |
| 引用本文： | 李广丽,朱涛,滑瑾,邱蝶蝶,邬任重,张红斌,姬东鸿.混合分层抽样统计与贝叶斯个性化排序的旅游景点推荐模型研究[J].华中师范大学学报(自然科学版),2019,53(2). |
| |
| 作者姓名： | 李广丽 朱涛 滑瑾 邱蝶蝶 邬任重 张红斌 姬东鸿 |
| |
| 作者单位： | 华东交通大学信息工程学院,南昌,330013;华东交通大学软件学院,南昌,330013;武汉大学国家网络安全学院,武汉,430072 |
| |
| 基金项目： | 国家自然科学基金;国家自然科学基金;国家自然科学基金;教育部人文社会科学研究项目;教育部人文社会科学研究项目;江西省自然科学基金;江西省科技厅重点研发计划项目;国家社会科学基金;江西省教育厅科技项目;江西省教育厅科技项目;江西省教育厅科技项目 |
| |
| 摘 要： | 传统协同过滤推荐模型仅处理稀疏的评分数据,未深入挖掘用户及对象的潜在语义,且用户喜好信息也未充分利用.围绕旅游景点推荐这一热点问题,提出全新的混合分层抽样统计与贝叶斯个性化排序的推荐模型:采用分层抽样统计及主观赋值评价法刻画用户旅游喜好;基于矩阵分解算法(Matrix Factorization,简称MF)分析用户及对象(景点)的潜在语义,运用贝叶斯个性化排序算法(Bayesian Personalized Ranking,简称BPR)对推荐模型进行优化;综合用户旅游喜好信息及BPR优化结果,生成混合推荐列表.在新的"Wisdom Tourism"数据集上进行仿真实验.实验表明:推荐模型的RMSE、MAE、F1值较最强基线分别提升16.59%、10.05%、5.04%;相比于分层抽样统计方法,BPR算法在推荐过程中发挥更显著的作用.
|
| 关 键 词： | 分层抽样统计 贝叶斯个性化排序 协同过滤 旅游景点 推荐模型 矩阵分解 |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
|
