[发明专利]基于主题多样性的旅游景点动态推荐算法及装置

说明书

本发明属于旅游信息服务技术领域，具体涉及基于主题多样性的旅游景点动态推荐方法及装置。本发明公开了基于主题多样性的旅游景点动态推荐方法，包括以下步骤，S101：收集游客基础信息及扩展信息，S102：收集景点的基础信息，S103：度量游客自身偏好变化，S104：度量考虑社交关系及潮流趋势导致的游客偏好变化，S105：游客预测评分计算，S106：正式推荐景点生成，S107：评估游客预测评分的综合性能；本发明能够面向游客实现考虑多样性的动态个性化旅游景点推荐，进而提升旅游景点的推荐效果；本方法在进行景点推荐时具有最高的精度，因而具有优良的性能。

技术领域

本发明属于旅游信息服务技术领域，具体涉及基于主题多样性的旅游景点动态推荐方法及装置。

背景技术

目前针对旅游景点的个性化推荐技术得到了比较广泛的应用，这些方法的基本思路是通过分析游客的兴趣偏好和旅游景点的特征，向游客推荐其可能感兴趣的旅游景点，比如游客曾经去过的景点、与游客曾经去过的景点相似的景点等。在此基础上，有些技术进行了改进，例如进一步考虑游客所处的地理位置、旅游的季节情景等信息，从而提高推荐精度。

现有个性化旅游景点推荐技术在考虑游客偏好变化方面存在明显不足。首先，现有方法主要基于游客基本特征、历史出行信息、所处情境以及社交等方面数据，着重刻画游客的静态偏好。事实上，许多研究表明游客偏好呈现出典型的时变性特征，这种偏好的动态变化性对旅游行程规划和景点推荐具有明显影响。其次，选定候选景点集是开展旅游景点个性化推荐的基础，现有研究在候选景点选择方面主要是最大化满足游客偏好，而对候选景点的多样性和新颖性缺乏考虑。已有研究表明，缺乏多样性和新颖性的推荐结果长期来看将对企业盈利带来负面影响。最后，由于个性化旅游景点推荐领域普遍存在严重的数据稀疏性问题，这使得传统的滑动时间窗、改变实例权重等动态推荐方法难以获得准确的推荐结果的应用，需要探索新的方法进行动态个性化景点推荐。

发明内容

针对上述问题本发明的目的是提出一种新的基于主题多样性的动态个性化旅游景点推荐算法，包括：基于潜在狄利克雷分布(LDA)模型和矩阵分解技术，针对游客评分、评论文本和景点描述文档等数据，建立游客对于不同景点主题的基础偏好模型；基于矩阵分解技术 (MF)从游客主题偏好、景点季节流行度、游客距离、游客偏见、游客社交关系及景点潮流变化等六个方面构建具有高度可解释性的游客偏好漂移预测模型；考虑提出动态游客评分预测算法，提出既考虑游客偏好又保证推荐结果多样性的推荐算法；基于推荐结果的排序向游客推荐满足其偏好的景点列表。

为实现上述技术目的，本发明采用的技术方案如下：

基于主题多样性的旅游景点动态推荐方法，包括以下步骤，

S101：收集游客基础信息及扩展信息，从旅游门户网站和社交网站收集游客的基础信息和扩展信息；

S102：收集景点的基础信息，从旅游门户网站和景点官方网站收集景点的基础信息；

S103：度量游客自身偏好变化，运用LDA模型得到游客在不同时刻对各个主题的偏好，通过两个时刻的偏好差值来量化游客的偏好变化；

S104：度量考虑社交关系及潮流趋势导致的游客偏好变化，游客的社交关系对其偏好具有明显影响，并且随着时间推移，景点的整体潮流趋势也会发生变化，进而影响游客的偏好，通过这个两个方面计算某一时间段游客的偏好变化；

S105：游客预测评分计算，基于所述S103和S104中游客偏好变化分析相对应旅游景点的游客预测评分；

S106：正式推荐景点生成，基于所述S105计算得到的预测评分，按照预测评分的高低生成正式推荐景点集，并以可视化的形式推荐给目标游客；