基于上下文学习和张量分解的个性化推荐

针对目前推荐系统存在的用户评分稀疏性现象,该文提出了一种基于上下文学习和张量分解的个性化推荐算法,算法通过利用用户之间共同评价的项目的上下文信息与评价过项目的用户上下文信息分别构建两个三阶张量,并应用高阶奇异值分解充分挖掘上述两个三阶张量实体之间潜在的关联关系,并将张量分解后的两个三维张量进行组合进而得到最终的推荐列表,以响应用户个性化请求.实验结果表明,该算法可以有效地对上下文信息进行建模,可以显著提高在数据稀疏情况下的推荐质量.     

基于联合相似用户-项目的协同过滤推荐算法

由于用户评分的偏好性,及其稀疏的评分矩阵,导致对目标用户的近邻无法进行准确的搜索,使得推荐结果不尽如人意.本文提出了一种联合用户-项目的推荐算法,不仅考虑用户近邻的推荐作用,也考虑了项目近邻的推荐作用.首先,定义相似用户评分影响为用户偏好影响因子,定义相似项目影响为项目偏好影响因子.其次,联合用户偏好影响因子和项目偏好影响因子进行共同推荐.在此基础上,设计新的推荐模型.通过大量的实验证明,提出的新模型得到的推荐质量优于传统模型.     

基于用户隐式数据的个性化酒店推荐算法Symbol`@@

在基于物品协同过滤的基础上,对隐式反馈数据进行挖掘建模,设计了隐式反馈偏好评分规则,并据此赋予了计算酒店相似度公式的新定义。考虑到用户的基本特征也会对用户个性化需求产生影响以及单一算法的局限性,进一步引入了XGBoost模型,利用XGBoost训练对改进后的推荐结果进行过滤,得到较好的个性化酒店推荐系统。文中采用真实的脱敏数据,证明利用层叠模型构建个性化酒店推荐系统的推荐效果更加精准,对于酒店在线平台的个性化服务具有较强的参考价值。     

关联规则评分预测的协同过滤推荐算法

协同过滤算法是目前应用于电子商务个性化推荐系统中的一种最成功的推荐算法。为缓解因数据稀疏性问题导致的算法推荐质量下降,将关联规则分析引入协同过滤算法中,预测部分未评分项目的评分值,再运用传统的基于用户的协同过滤算法实施推荐。实验结果表明:与传统的协同过滤算法相比,采用关联规则预测评分可以一定程度提高算法推荐质量。     

基于BP神经网络与隐马尔科夫模型的推荐算法

针对个性化推荐系统中用户偏好的学习与高维稀疏数据处理问题.受到隐马尔可夫模型(HMM)结构特征启发,采用一种考虑上下文的两阶段用户偏好收集推理策略的个性化推荐算法.选择MD算法对系统历史评分信息进行挖掘处理,提取用户偏好分布频繁三项集作为隐含状态,将用户评分项目序列看作观测状态,从而抽象为一个HMM模型,结合BP神经网络进行第一阶段的HMM模型的用户偏好学习与推理.然后根据第一阶段的学习训练生成最优推荐集合.实验结果表明基于HMM的推荐算法比传统推荐算法具有更好的适应性和推荐质量.     

基于HMM与张量分解的两阶段个性化推荐模型与应用*

针对个性化推荐系统中用户偏好的进化学习与高维稀疏数据处理的问题。受隐马尔科夫模型(HMM)结构特征启发,提出了一种考虑上下文感知的两阶段用户偏好集推理策略的个性化推荐算法(HHRA算法)。通过对系统历史评分信息的处理,将用户偏好的提取过程抽象为一个HMM模型,来进行第一阶段的用户偏好集学习与推理。然后在此基础上,引入用户的实时上下文信息,构建了一种融入用户实时偏好的张量模型,并基于一种改进的高阶奇异值分解算法来处理高维稀疏的数据集,对模型进行优化求解,生成最优推荐集合。实验设计在3个具有不同特征的真实数据集上将HHRA算法与传统经典推荐算法进行对比分析,结果显示HHRA算法具有较好的适应性和推荐质量。     

基于偏好度特征构造的个性化推荐算法

随着在线旅游业酒店数量的日益增多,用户点评信息稀疏问题愈加严重,这不仅导致推荐准确度大幅下降,而且使传统推荐算法的计算负荷随之增加,难以满足实时性要求.基于此,从挖掘用户历史信息与待推荐物品之间潜在相关性的角度出发,对基于内容的推荐算法进行改进,提出了一种基于偏好度特征构造的个性化推荐算法.该算法通过计算偏好分来构造偏好度特征,并借助机器学习领域的分类算法得以实现.将该算法应用于线上旅游业的个性化子房型推荐,通过对真实数据集的实验与分析,验证了所提出个性化推荐算法的简便与有效性,且较传统推荐算法更具实时性和通用性.     

一种缓解互惠推荐系统中数据稀疏性的算法

为解决以在线交友为代表的互惠推荐系统中数据稀疏性问题,根据LMa Fit算法提出一种改进评分矩阵的互惠推荐算法,该算法改进了传统评分矩阵填充的单向性与融合相似度计算。结果表明,与基于项目的协同过滤推荐算法和基于内容和协同过滤的混合算法相比,改进评分矩阵的互惠推荐算法在准确率、召回率和调和平均数值方面有明显改进,该算法不仅改善了数据稀疏性的问题,而且推荐质量也明显优于其他算法。     

基于隐马尔科夫模型(HMM)与张量分解的两阶段个性化推荐模型与应用

针对个性化推荐系统中用户偏好的进化学习与高维稀疏数据处理的问题。受隐马尔科夫模型(HMM)结构特征启发,提出了一种考虑上下文感知的两阶段用户偏好集推理策略的个性化推荐算法(HHRA算法)。通过对系统历史评分信息的处理,将用户偏好的提取过程抽象为一个HMM模型,来进行第一阶段的用户偏好集学习与推理。然后在此基础上,引入用户的实时上下文信息,构建了一种融入用户实时偏好的张量模型,并基于一种改进的高阶奇异值分解算法来处理高维稀疏的数据集,对模型进行优化求解,生成最优推荐集合。实验设计在3个具有不同特征的真实数据集上将HHRA算法与传统经典推荐算法进行对比分析,结果显示HHRA算法具有较好的适应性和推荐质量。     

基于用户隐式数据的个性化酒店推荐算法

在基于物品协同过滤的基础上,对隐式反馈数据进行挖掘建模,设计了隐式反馈偏好评分规则,并据此赋予了计算酒店相似度公式的新定义.考虑到用户的基本特征也会对用户个性化需求产生影响以及单一算法的局限性,进一步引入了XGBoost模型,利用XGBoost训练对改进后的推荐结果进行过滤,得到较好的个性化酒店推荐系统.文中采用真实的...     

基于酒店特征信息和在线评价信息的酒店选择

为辅助游客通过旅游网站进行酒店选择,提出了一种基于旅游网站提供的备选酒店特征信息和在线评价信息的酒店选择方法.首先,基于酒店特征信息和在线评价信息构建备选酒店有向加权图,依据备选酒店特征信息,基于离差最大化法对酒店特征进行客观赋权,并采用简单加权法确定有向加权图结点权重,依据备选酒店间在线评价信息的比较关系确定有向加权图的有向边及有向边权重;然后,基于PageRank算法原理给出备选酒店排序值求解算法;最后,以基于缤客网站提供的酒店特征信息和在线评价信息进行酒店选择.结果说明了提出方法的有效性和可行性.     

基于目的地整合模型的游客满意度研究——以广州为例

旅游业已成为中国多个省市的主导产业,对游客满意度的研究有助于提高旅游目的地的旅游服务质量和竞争力.国内对旅游目的地整体满意度的研究缺乏系统的理论研究和分析框架,导致研究结论差异性、波动性较大.文章回顾和总结了国内外关于旅游满意度的研究进展,构建了一个基于旅游相关行业——景点、酒店、餐厅、旅行社、零售、交通6个行业的旅游目的地满意度整合模型,并以广州为例进行实证检验.结果表明,游客对广州市的酒店业与餐饮业满意度较高,同时验证了上述游客满意度指数动态测评体系在国内评价旅游目的地的普遍适用性,并通过进一步与香港比较发现不足和未来提升的空间.     

高铁旅游时代下河南省酒店发展现状与对策

郑西高铁和京广高铁的开通，标志着河南进入到了高铁旅游时代。高铁旅游时代有利于河南省酒店市场需求的发展、酒店企业服务质量和酒店产品品质的提升；但是，旅游者对中高档酒店的需求以及特色的绿色环保酒店建设也成为制约河南旅游市场做大的障碍。河南省酒店发展策略的调整也成为大势所趋。     

贵阳市旅游服务质量游客满意度测评

游客满意度的测评,对于旅游企业导入游客满意经营战略、了解游客的需求和期望、提高景区的旅游服务质量和综合竞争力都具有十分重要的意义。本文选择贵阳市游客作为研究对象,采用问卷调查获取数据,用SPSS统计软件对数据进行统计分析处理。通过提取出影响游客满意度的3个原因因子,构建由3个维度15个项目因子组成的满意度测评指标体系,推导出了贵阳市游客满意度的多元线性方程,经计算满意度得分为68.01,据此提出游客满意度提升建议。     

旧县村乡村旅游纪念品的可持续开发

为探讨乡村手工艺人在工艺传统与市场需求上皆可持续的可能性,通过对具有代表性的乡村旅游目的地广西桂林阳朔旧县村进行调研与实践,提出了不同于传统的设计策略和设计思路,使乡土手工艺人、旅游开发投资者和旅游工艺品设计者三方合作,基于本地自然材质、突出本地传统工艺的特色进行乡土旅游纪念品的可持续开发,推出具有现代审美情趣的旅馆用品及装饰配置设计。同时,还提出通过定制让乡土艺人加工制作这批用品和装置,形成通过投资者的旅馆展示和销售这些手工艺品的开发模式。     

基于拥挤度的旅游路线优化模型研究

景点游客的过度拥挤容易导致安全事故和游客的旅游体验下降。为游客设计并推荐旅游路线是一种有效的客流引导方法。采用景点拥挤度来描述景点的拥挤状况,提出了旅游体验效用函数。以此为基础,在考虑景点服务时间、旅游时间和费用预算等约束条件下,建立了基于旅游体验效用最大化的旅游路线优化模型,设计了蚁群算法求解。为验证所建模型和算法的有效性,以设计的旅游交通网络为例进行了分析。结果表明：景点拥挤会影响到游客在景点的旅游活动时间和旅游体验效用。在旅游路线优化中应考虑景点拥挤因素,以便为游客提供最佳的游览方案。     

采用在线评论的景点个性化推荐

通过对旅游网站的景点评论进行情感分析,综合利用自然语言处理技术和领域本体构建技术,准确把握游客对旅游目的地的满意度和需求;将群体智慧和个人偏好有效地结合,为游客出行制定合理的个性化推荐策略.实验结果表明:所提出的推荐策略能够有效地将碎片化的游客评论数据转化为对其他游客出行地选择的辅助信息,提高了游客获取旅游知识的效率,真实地反映游客的旅游感受,为游客景点选择提供参考.     

当前若干星级饭店餐饮服务质量的问题及对策

对饭店而言,餐饮是最具竞争力的部门之一,也是饭店良好经济效益的主要来源。对浙江省部分星级饭店的餐饮服务质量进行调查和分析,不仅为了追求饭店餐饮经营良好的经济效益．更是为了全面提升星级饭店的整体水平和服务质量,为浙江省旅游业的快速、健康发展提供有力的保障。本文通过对随机问卷调查所得数据的分析,提出了浙江省星级饭店餐饮服务质量的问题和对策。     

我国星级酒店业与旅游流耦合协调度时空演化及协同路径研究

研究星级酒店业与旅游流耦合协调度及其时空特征,为星级酒店业空间布局提供理论参考.该文基于2010—2019年星级酒店业与旅游流指标数据,通过熵值-耦合协调模型测算综合评价指数与耦合协调度,运用ArcGIS空间分析揭示耦合协调度时空特征.主要结论如下：1) 空间等级性：耦合协调度由东部沿海地区经由中部地区向西部内陆地区递降.2) 空间地带性：耦合协调度次高值以上区域为东部沿海地区;中值区为华北、华中和西南地区,并围绕三区域动态调整;次低值区总体缘中值区周边插值分布,形成“T字形”空间分布格局;低值区长期聚集在甘肃、宁夏、青海和西藏等地区.3) 空间聚集性：耦合协调度全局正向空间聚集性和局部空间聚集性显著,冷热点分布具有规律性.4) 空间方向性：耦合协调度重心总体有自东向西迁移趋势,在空间上沿东北—西南方向分布,并向东—西方向倾斜.协同路径包括：星级酒店业与旅游流发展规模调控;星级酒店业与旅游流发展效益提升;星级酒店业与旅游流空间结构优化;星级酒店业与旅游流系统结构改善.给出的建议为：强化星级酒店业开发建设政策调控力度;提升旅游市场规模与推动优质旅游发展;建立省际旅游合作与区域旅游协作机制;提高星级酒店服务质量与优化服务供给.     

旅游服务对我国入境旅游停留时间的影响

采用多元回归的分析方法对入境旅游者在华停留时间进行旅游服务质量因素影响分析,得出旅游服务质量整体上对入境旅游停留时间产生很大影响,尤其是宾馆饭店、导游服务、邮电通讯对入境旅游停留时间的影响最显著。要增加我国入境旅游停留时间必须加强旅游服务质量管理,改善旅游服务设施设备,重视旅游人力资源培育及进行旅游者研究,提高我国旅游服务整体质量。