[发明专利]一种面向群组的旅游推荐方法

摘要

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。

主权项

一种面向群组的旅游推荐方法，其特征是，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rcf；rcf=Rm‾+Σn∈KNNm(k1×[∂×Σi∈Rm,n(Rm,i-Rm‾)(Rn,i-Rn‾)Σi∈Rm,n(Rm,i-Rm‾)2Σi∈Rm,n(Rn,i-Rn‾)2+(1-∂)×k2])×(Rn,i-Rn‾)Σn∈KNNm(|k1×[∂×Σi∈Rm,n(Rm,i-Rm‾)(Rn,i-Rn‾)Σi∈Rm,n(Rm,i-Rm‾)2Σi∈Rm,n(Rn,i-Rn‾)2+(1-∂)×k2]|)]]>其中，Rm,i表示用户m对景点i的评分，Rn,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，Rm,n表示用户m和n共同评分的景点集合，KNNm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rcb；rcb=Σa∈A(log(1+freqa,u)×logTta)·(log(1+freqa,d)×logTta)Σa∈A(log(1+freqa,u)×logTta)2·Σa∈A(log(1+freqa,d)×logTta)2×P]]>其中，freqa,u表示关键词a在用户的配置文档u中出现的次数，freqa,d表示关键词a在景点的配置文档d中出现的次数，ta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rsn；rsn=Σn∈KNNm(lmax-lmin+1lmax×mlabel∩nlabelmlabel)×Rn,iΣn∈KNNm(lmax-lmin+1lmax×mlabel∩nlabelmlabel)]]>其中，lmax表示用户m到用户n的最大路径长度，lmin表示用户m到用户n的最小路径长度，mlable表示用户m喜欢的标签数目，nlable表示用户n喜欢的标签数目，Rn,i表示用户n对景点i的评分，KNNm表示用户m的最近邻居集合；步骤4、将上述步骤1～3所得到的3个预测评分值通过加权组合得到混合预测评分值，并在其中融入用户与景点的距离因素，得到用户m对景点i的兴趣值Intm,i；Intm,i＝(λcfrcf+λcbrcb+λsnrsn)×DD(m,i)其中，rcf表示基于协同过滤的预测评分值，rcb表示基于内容的预测评分值，rsn表示基于社交网络的预测评分值，λcf表示基于协同过滤推荐的权值，λcb表示基于内容推荐的权值，λsn表示基于社交网络推荐的权值，且λcf+λcb+λsn＝1；DD(m,i)表示用户m对景点i的偏好程度受距离的影响值；步骤5、利用群组成员之间的交互，通过融合成员用户推荐列表的函数计算群组g对景点i的兴趣值HAM(g,i)，并按兴趣值HAM(g,i)降序得到前k个景点列表作为最终的推荐方案推荐给群组g中的所有成员；HAM(g,i)=Int(g,i)ave+1SInt(g,i)ave×Int(g,i)min]]>其中，HAM(g,i)表示群组g对景点i的兴趣值，表示均值策略，表示最小痛苦策略，Intm,i表示用户m对景点i的兴趣值，S表示群组g中成员的数目，m表示g中的成员，g表示群组，k为大于等于1的正整数。