标题:GeoPMF:距离敏感的旅游推荐模型
作者:张伟;韩林玉;张佃磊;任鹏杰;马军;陈竹敏
作者机构:[张伟] 山东大学计算机科学与技术学院, 济南, 山东 250101, 中国.;[韩林玉] 山东大学计算机科学与技术学院, 济南, 山东 250101, 中国.;[张佃磊] 山东大学计算机科 更多
来源:计算机研究与发展
出版年:2017
卷:54
期:2
页码:405-414
DOI:10.7544/issn1000-1239.2017.20150822
关键词:旅游推荐; 推荐系统; 概率矩阵分解模型; 距离敏感; GeoPMF算法
摘要:虽然目前旅游者可以利用Web搜索引擎来选择旅游景点,但往往难以获得较好符合自身需要的旅游规划.而旅游推荐系统是解决上述问题的有效方式.一个好的旅 游推荐模型应具有个性化并能考虑用户时间和费用的限制.调研表明,用户在选择旅游景点时,目的地与用户常居地的距离常常是一个需要考虑的问题.因为旅行距 离往往可以间接地反映了时间和费用的影响.于是,在贝叶斯模型和概率矩阵分解模型的基础上,提出一个旅行距离敏感的旅游推荐模型(geographica l probabilistic matrix factorization, GeoPMF).主要思想是基于每个用户的旅游历史,推算出一个最偏好的旅游距离,并作为一种权重,添加到传统的基于概率矩阵分解的推荐模型中.在携程网 站的旅游数据集上的实验表明,与基准方法相比,GeoPMF的RMSE(root mean square error)可以降低近10%;与传统概率矩阵分解模型(PMF)相比,通过考虑距离因子,RMSE平均降幅近3.5%.
收录类别:EI;CSCD;SCOPUS
Scopus被引频次:1
资源类型:期刊论文
原文链接:https://www.scopus.com/inward/record.uri?eid=2-s2.0-85019934678&doi=10.7544%2fissn1000-1239.2017.20150822&partnerID=40&md5=35281993e1fb0f0e3a1f7eb1ee03f6e7
TOP