[发明专利]一种基于改进推荐算法的智慧旅游推荐方法及系统

权利要求书

1.一种基于改进推荐算法的智慧旅游推荐方法，其特征在于：该方法包括以下步骤：

S1：分阶段推荐模型的第一阶段，用户信息筛选阶段，依据用户主观因素进行初步筛选；

S2：分阶段推荐模型的第二阶段，综合因素信息筛选阶段，依据客观存在的因素进行筛选；

S3：通过从数据库中对应数据表中获取模型对应参数和权重的关系，即各个影响因素对用户的权重信息；

S4：对用户和信息关联矩阵的分析，得出需要推荐item，并对关联矩阵进行分解，结合隐变量信息，得到完整矩阵，提高系统的实时性和推荐的完整性；其中，完整矩阵是区别于稀疏矩阵的；

S5：通过对预测值和已知值求平均，更加准确的体现用户的特性。

2.根据权利要求1所述的一种基于改进推荐算法的智慧旅游推荐方法，其特征在于：所述分阶段推荐模型的第一阶段为：用户个人因素影响，根据每个用户的特征分布、计划出行费用和个性化要求来进行初步的筛选；每种因素用不同的变量表示，并且每一个特征具有不同等级的权值，根据用户的信息初步判定用户对每种因素的权值；

所述分阶段推荐模型的第二阶段为：客观综合因素影响，综合因素信息筛选阶段，考虑客观因素带来的影响，包括天气因素、目的地的温度情况和用户自身的身体情况；客观影响因素由不同的变量表示，且权值不同。

3.根据权利要求2所述的一种基于改进推荐算法的智慧旅游推荐方法，其特征在于：所述步骤S3具体为：通过对用户个人主观因素和客观综合因素不同因素权值的分析，在数据库中进行权值和用户的定位；在数据库中存储用户的相关信息，对用户进行进一步的分析，解决冷启动问题。

4.根据权利要求3所述的一种基于改进推荐算法的智慧旅游推荐方法，其特征在于：所述步骤S4具体为通过对关联矩阵的分析，找出相似的用户，并且结合数据库，用户对应各个影响因素和权值的关系，进行综合推荐；对关联矩阵进行分解，结合用户隐变量，推算出完整的关联矩阵，求平均，更新数据，完成对用户的针对性推荐操作；支持数据库导入功能，用户针对每个影响因素进行数据分析，即单独的选择某一因素，来选择比较系统的推荐项目；

对客观综合因素采用同样的方法，变量对应，然后量化，产生不同的权值，归一化处理对应的决策矩阵，带入到归一化的公式中，得到归一化处理后的决策矩阵，再构建成对比较矩阵，输入到MATLAB中，得到属性的权重，接着得到最优的结果；用户会对不同的信息进行评价评分，通过对用户与item的关联矩阵的分析，采用协同过滤算法，把一个用户对不同因素的评分看成是偏好的向量，计算两个用户之间的向量距离，采用余弦相似度计算，函数表示为：

其中，A_i和B_i分别代表向量A和B的两个分量，然后得出用户向量之间相似度similarity，值越接近1表示这两个用户越相似；依据用户对item的评价得出与当前用户相似度最高的N名用户，并且将这N名用户的评价最高的item推荐。

5.基于权利要求1～4中任一项所述方法的基于改进推荐算法的智慧旅游推荐系统，其特征在于：系统先获取用户输入信息，并将信息发送到中心控制系统；

中心控制系统通过评估模块进行用户的分类，以及对用户的需求进行分类；

获取用户的需求情况，以及用户对评价指标的权重赋值，同时改进的推荐算法通过对用户评价指标关联矩阵的分解，结合用户隐变量来获取一个预测值；

经过控制器，把用户的指令和数据传递给业务模型，模型进行业务逻辑判断，并且和数据库进行交互，进行数据的查询和增删，把推荐的结果返回，调用与业务逻辑相应的视图进行展示，用户得到系统进行的推荐；

对用户和其特征的关联矩阵分解，通过分解算法得到低维正交矩阵，进而得到预测值，通过求平均值，并且不断更新数据，得到更加准确的数值。