基于三维卷积融合评级与在线评论的景点推荐方法研究

作     者：金佳丽 

作者单位：中南大学 

学位级别：硕士

导师姓名：张红宇

授予年度：2023年

学科分类：12[管理学] 120203[管理学-旅游管理] 1202[管理学-工商管理] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 08[工学] 081203[工学-计算机应用技术] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

主      题：景点推荐方法 用户偏好 景点特征 特征融合 

摘      要：随着游客旅游消费、用户生成内容的发展态势愈发激烈,在线旅游平台的信息过载问题日趋严重,导致游客难以高效地确定景点。为此,景点推荐随之产生。为捕捉更全面的用户偏好、景点特征和评级与在线评论的交互信息以解决数据稀疏和特征融合问题,并探究不同群体偏好影响下的推荐效果,论文提出了一种基于三维卷积融合评级与在线评论的景点推荐方法,来帮助用户生成符合实际的高质量个性化景点推荐序列。论文的主要工作和贡献概括如下:(1)提出了融合评级与在线评论情感的用户偏好与景点特征模型,利用深度矩阵分解和基于Word2vec与How Net的情感分析分别挖掘评级与在线评论中的用户偏好和景点特征,并通过矩阵拼接进行特征融合,为实现高质量的个性化景点推荐提供坚实的数据支撑。与单一特征对比,实验结果表明,融合特征后能够捕捉更丰富和更具差异化的用户偏好和景点特征。(2)提出了基于三维卷积融合评级与在线评论的景点推荐方法,首先通过特征交互与堆叠实现深度融合,其次输入三维卷积提取更全面的深层次用户偏好和景点特征,并基于此计算相似度,为用户提供排名前N的景点。基于真实旅游数据集的对比实验结果显示,方法在特征交互和融合上存在显著优势,当Top-N=5,10,15时,HR和NDCG均表现最佳,分别为72.1%,80.31%,91.75%和56.98%,60.9%,64.94%。(3)提出了考虑用户、近邻及公众偏好的景点推荐方法。基于已有研究,该方法全面考虑用户历史记录、时间、情感和景点平均评级等因素,分别构建用户个人偏好模型、近邻偏好模型和公众偏好模型,并基于此改进景点评分预测算法,为用户提供综合偏好影响下的Top-N景点。通过真实数据集进行实验,结果表明当TopN=5,10,15时,该方法的HR和NDCG分别达到75.96%,85.97%,93.97%和59.15%,63.89%,65.58%,推荐性能远优于对比方法。图32幅,表25个,参考文献79篇