该文在奇异值矩阵分解方法的基础上,提出了一种融合景点季节演变信息的旅游推荐算法。该算法根据景点属性与季节演变之间的关联,将旅游景点的属性划分为静态方面和动态方面,并通过设计包含时间因素的动态偏置函数来刻画用户偏好与景点...该文在奇异值矩阵分解方法的基础上,提出了一种融合景点季节演变信息的旅游推荐算法。该算法根据景点属性与季节演变之间的关联,将旅游景点的属性划分为静态方面和动态方面,并通过设计包含时间因素的动态偏置函数来刻画用户偏好与景点之间的动态关联。这些静态和动态方面的信息被作为新的偏置项融入有偏奇异分解(Bias singular value decomposition,Bias SVD)模型,以改善用户对旅游景点的评分预测。标准数据集Yelp上的实验结果表明,相比于对用户签到数据无差别对待的推荐方法,该文方法在推荐精度和用户体验方面均有明显的提升。展开更多
文摘该文在奇异值矩阵分解方法的基础上,提出了一种融合景点季节演变信息的旅游推荐算法。该算法根据景点属性与季节演变之间的关联,将旅游景点的属性划分为静态方面和动态方面,并通过设计包含时间因素的动态偏置函数来刻画用户偏好与景点之间的动态关联。这些静态和动态方面的信息被作为新的偏置项融入有偏奇异分解(Bias singular value decomposition,Bias SVD)模型,以改善用户对旅游景点的评分预测。标准数据集Yelp上的实验结果表明,相比于对用户签到数据无差别对待的推荐方法,该文方法在推荐精度和用户体验方面均有明显的提升。
