基于主题序列模式的旅游产品推荐引擎

作     者：朱桂祥 曹杰 Zhu Guixiang;Cao Jie

作者机构：南京理工大学计算机科学与工程学院南京210094 南京财经大学江苏省电子商务重点实验室南京210003 

出 版 物：《计算机研究与发展》 (Journal of Computer Research and Development)

年 卷 期：2018年第55卷第5期

页      面：920-932页

核心收录：

学科分类：081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金项目(91646204 71372188) 国家电子商务信息处理联合研究中心项目(2013B01035) 江苏省科技支撑计划工业项目(BE2014141) 江苏省属高校自然科学研究重大项目(14KJA520001) 

主　　题：旅游产品推荐 频繁序列模式 冷启动用户 Web日志数据 推荐系统 

摘      要：旅游产品推荐是当前推荐系统研究领域中的新兴议题之一.由于旅游产品描述信息维度多样复杂、用户-产品关联矩阵极为稀疏且冷启动问题突出,已经在电子商务领域获得成功的协同过滤推荐往往难以直接被应用于旅游产品推荐.提出基于主题序列模式的旅游产品推荐引擎SECT,试图通过在线旅游网站点击日志的挖掘产生推荐.首先,从页面语义描述文本中挖掘主题,以在泛化层面捕捉用户行为模式;其次,从页面访问时间序列数据中挖掘频繁序列模式及其候选产品集,形成序列模式库;最后,提出Markov n-gram模型,完成用户实时点击流与模式库匹配计算.为了提升在线匹配计算的效率,设计一种新的多叉树数据结构PSC-tree用于存储历史模式库,并与在线计算模块无缝衔接.在真实旅游数据集上的实验结果表明:该推荐引擎比传统推荐算法具有更优越的性能,而且能有效提升冷启动用户的推荐率和准确率.此外,针对长尾物品的推荐,SECT也优于基准算法.