基于嵌入表示的改进协同过滤旅游线路推荐

中国民航大学学报 ›› 2021, Vol. 39 ›› Issue (5): 40-43.

基于嵌入表示的改进协同过滤旅游线路推荐

王洪建

（厦门航空有限公司，福建厦门 361006）

收稿日期:2021-04-19 修回日期:2021-04-19 接受日期:2021-01-21 出版日期:2021-10-20 发布日期:2021-10-31
作者简介: 王洪建（1966—），男，山东龙口人，高级工程师，硕士，研究方向为计算机应用、智能优化。

Tourism route recommendation based on latent representation and improved collaborative filtering

WANG Hongjian

Xiamen Airlines CO., LTD, Xiamen 361006, China

Received:2021-04-19 Revised:2021-04-19 Accepted:2021-01-21 Online:2021-10-20 Published:2021-10-31

摘要/Abstract

摘要：

由于旅游数据集具有隐式反馈和极度稀疏性特点，限制了已有旅游线路推荐算法的性能。为解决上述问题，提出基于嵌入表示的改进协同过滤旅游线路推荐算法。首先，利用词向量模型将每条旅游线路表示成低维向量，并根据游客参与过的线路得到游客兴趣的向量表示；其次，根据旅游线路间的相似性得到游客的共现线路集合，并根据其相似性利用改进协同过滤算法完成线路推荐; 最后，经某真实旅游数据集验证，该算法可明显提高旅游线路推荐算法的性能。

关键词: 词向量, 改进协同过滤, 相似性, 稀疏性

Abstract: The existing tourism recommendation methods are limited because of the implicit feedback and extreme sparsity of tourism data sets. To solve the problem, an improved collaborative filtering algorithm based on embedding is proposed. Firstly, every route is represented as a low dimensional vector by using Doc2vector and every tourist is represented as a low dimensional vector based on all routes he/she had taken. Secondly, the co -occurrence routes between two tourists are obtained on the similarity of routes. Then the similarities among tourists are calculated according to the set of co-occurrence routes among them. Then, the routes are recommended by using the improved collaborative filtering. Finally, the method is proved to be effective on a real tourism data set.

Key words: word vector, improved collaborative filtering, similarity, data sparsity

中图分类号:

TP391

王洪建. 基于嵌入表示的改进协同过滤旅游线路推荐[J]. 中国民航大学学报, 2021, 39(5): 40-43.

WANG Hongjian. Tourism route recommendation based on latent representation and improved collaborative filtering[J]. Journal of Civil Aviation University of China, 2021, 39(5): 40-43.

参考文献 12

[1]	史海燕, 郭海玲. 在线旅游信息推荐算法研究[J].现代商贸工业, 2019, 40(6): 31-32.
[2]	徐盼, 程保杰, 吴倩, 等. 基于朴素贝叶斯算法的个性化旅游路线推荐系统[J]. 软件导刊, 2015, 14(12): 152-154.
[3]	黄飞龙. 基于用户行为的旅游路线信息推荐系统的设计与实现[D]. 广东, 中山大学, 2014.
[4]	侯新华, 文益民. 基于协同过滤的旅游景点推荐[J]. 计算技术与自动化, 2012, 31(4): 116-119.
[5]	史一帆, 文益民, 蔡国永, 等. 基于景点标签的协同过滤推荐[J]. 计算机应用, 2014, 34(10): 2854-2858.
[6]	王显飞, 陈梅, 李小天. 基于约束的旅游推荐系统的研究与设计 [J]. 计算机技术与发展, 2012, 22(2): 141-145.
[7]	刘艳, 潘善亮. 基于 LBSN 好友关系的个性化景点推荐算法[J]. 计算机工程与应用, 2015, 51(8): 117-122.
[8]	潘禄生. 基于 LBS 的个性化旅游线路推荐算法研究[J]. 电子测试, 2018, 402(21): 59-61.
[9]	张艳. 基于空间容量统计的生态旅游路线自动推荐算法[J]. 辽东学院学报(自然科学版), 2020, 27(1): 32-36.
[10]	Thanh Tran, Kyumin Lee and Yiming Liao, Dongwon Lee. 687 -696 matrix factorization with user and item embeddings for recommendation [C]//27th ACM International Conference on Information and Knowledge Management (CIKM ’18), October 22-26, 2018, Torino, Italy. ACM, 2018: 687-696.
[11]	WANG X, HE X N, CAO Y X, et al. KGAT: knowledge graph attention network for recommendation[C]//25th ACM SIGKDD Conference on Knowledge Discovery and Data Mining (KDD’19), August 4-8, 2019, Anchorage, AK, USA. ACM, 2019: 950-958.
[12]	贾中浩, 宾辰忠, 古天龙, 等. 基于知识图谱和用户长短期偏好的个性化景点推荐[J]. 智能系统学报, 2020，15(5): 990-997.