基于不确定近邻的旅游产品协同过滤推荐算法研究

摘要：

[目的]解决传统协同推荐技术在智慧旅游产业运用中的数据稀疏性、冷启动等问题.[方法]结合基于用户和基于内容的协同推荐技术,对用户进行K-means聚类后动态分类筛选,为推荐类型分配权重,提出基于不确定近邻的旅游产品协同过滤推荐算法IUNCF.[结果]基于不同相似性阈值和推荐数目对真实旅游数据进行算法检验,实验结果表明,IUNCF算法的MAE值和F指标分别达到0.243和0.764,IUNCF可提高旅游产品推荐的准确度和有效性.[局限]IUNCF算法应针对现阶段消费低频性等特点进一步优化,并扩展运用范围.[结论]IUNCF算法在对用户精准推荐智慧旅游产品领域具有较高价值.

关键词：旅游推荐、不确定近邻、相似性阈值、协同推荐

所属期刊栏目：2

分类号：TP393(计算技术、计算机技术)

资助基金：同济大学研究生教育研究与改革项目“大数据时代背景下基于翻转课堂的教学改革研究——以公共政策为例”项目1200104162的研究成果之一

在线出版日期：2018-09-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：63-71