[发明专利]一种面向群组的旅游推荐方法

说明书

本发明公开一种面向群组的旅游推荐方法，结合用户共同评分项的稀疏程度、关键词、用户共同标签、位置以及用户局部满意度与整体满意度的旅游推荐方法，即利用用户共同评分项的稀疏程度，根据基于协同过滤的思想得到推荐方案；利用文档关键词的词频，采用基于内容的推荐得到推荐方案；利用信任用户共同的标签，采用基于社交网络的推荐得到推荐方案；将上述三个推荐方案通过加权组合得到混合推荐方案，并在其中融入用户与景点的距离因素；利用群组成员之间的交互，定义融合成员推荐列表的函数，得到最终的推荐方案，以提旅游推荐的用户体验，具有良好的实用性。

技术领域

本发明涉及数据挖掘技术领域，具体涉及一种面向群组的旅游推荐方法。

背景技术

旅游业是重要的经济产业，随着全球经济的飞速发展，旅游逐渐成为人们工作之余休闲、度假不可缺少的生活方式。虽然很多时候用户可以利用搜索引擎在网络上搜索需要的旅游产品，但网络信息的爆炸式增长和新的电子商务服务常常将旅游者淹没于大量的信息搜索和产品选择当中，使得他们无力进行理性决策；跟搜索引擎相比，旅游推荐系统最明显的优势在于它不需要用户明确提供任何信息，而是通过用户的历史行为等数据分析用户的喜好，从而能够给用户推荐其需要的旅游信息。

在推荐系统领域，人们往往只关注“用户-项目”之间的关联关系，而较少考虑它们所处的上下文环境(如位置、同伴、社交网络)；但在旅游领域，仅仅依靠“用户-项目”二元关系并不能生成有效推荐，例如，用户可以买相同的书，但却很难有共同的旅游经历。因此，结合上下文信息的推荐是当今旅游推荐研究的热点。

大部分推荐系统主要关注单个用户的推荐，许多日常活动中需要为多个用户形成的群组进行推荐，组推荐系统作为解决群组推荐问题的有效手段，受到越来越多的关注。用户之间的兴趣偏好可能相似，也可能存在较大差异，如何获取群组用户的共同偏好，使推荐结果尽可能满足所有用户的需求，这是组推荐系统需要解决的关键问题。目前已有的组推荐系统忽略了用户之间的交互等上下文信息，因此不能很好地应用于旅游推荐。

发明内容

本发明所要解决的是现有面向群组的旅游推荐中无法根据多维上下文进行推荐的的问题，提供一种面向群组的旅游推荐方法。

为解决上述问题，本发明是通过以下技术方案实现的：

一种面向群组的旅游推荐方法，包括步骤如下：

步骤1、利用用户共同评分项的稀疏程度，计算基于协同过滤的预测评分值r_cf；

其中，R_m,i表示用户m对景点i的评分，R_n,i表示用户n对景点i的评分，表示用户m的平均评分，表示用户n的平均评分，k1表示用户的共同评分项对相似度度量的影响，k2表示用户的评分相关性对相似度度量的影响，表示参数，R_m,n表示用户m和n共同评分的景点集合，KNN_m表示用户m的最近邻居集合；

步骤2、利用文档关键词的词频，计算基于内容的预测评分值r_cb；

其中，freq_a,u表示关键词a在用户的配置文档u中出现的次数，freq_a,d表示关键词a在景点的配置文档d中出现的次数，t_a表示文档集中包含关键词a的文档个数，T代表文档集中文档的总数，A表示关键词集合，a表示关键词；P表示评分的最高值；

步骤3、利用信任用户共同的标签，计算基于社交网络的预测评分值r_sn；