摘要
随着互联网和旅游业的发展,可以选择的旅游景点越来越多.在海量的景点信息中,景点的选择成为旅客出行的一个重要问题.该文采用改进的协同过滤算法,给每个旅客推荐合适的旅游景点,以解决他们出行难的问题.首先对传统的协同过滤算法进行改进,即对用户属性进行二分聚类;再利用奇异值分解算法填充稀疏的用户评分矩阵,得到多个聚类类别的中心和一个填充完整用户评分矩阵;然后计算出目标用户各属性到各个聚类中心的欧氏距离,将其分到距离最小的类别;再利用Pearson相似度方法和填充完整的用户评分矩阵计算出目标用户与同一类别中其他用户的相似度;最后结合相似度,用Top-N推荐方法将预测景点评分进行降序排序,并推荐给目标用户,从而提高推荐算法的精准度.实验结果表明,该算法比传统协同过滤算法的推荐质量有显著提高.
基金项目
广东省自然科学基金(2015A030313646)
2018年五邑大学教学质量工程与教学改革项目(JX2018024)
五邑大学创空间大学生创新创业项目(18KSX02)
国家科技期刊平台
NSTL
维普
万方数据