情境环境下基于用户画像的旅游产品推荐算法研究

针对目前旅游景点推荐效果不够理想的问题,充分考虑景点推荐中的情境因素和用户需求,研究情境环境下基于用户画像的旅游产品个性化推荐算法.算法从用户基本信息和行为信息的获取出发,借助标签化表示技术,构建出相应的用户画像模型,然后引入用户的情境因素.在综合考虑用户相似度和用户情境的基础上,达到高质量个性化推荐的目的.通过验证表明,用户画像的基础上,充分考虑用户的情境信息,能够更准确地体现用户兴趣的偏好,获得更佳的推荐结果.     

基于情感分析和改进TOPSIS法的IT服务推荐算法

目前IT服务网站的推荐目录大多以价格、销量排列,未充分考虑用户的个性化需求,故本文提出基于情感分析和改进TOPSIS法(Technique for Order Preference by Similarity to Ideal Solution)的IT服务推荐方法.通过爬取"猪八戒"网站IT服务的在线评论,运用基本的自然语言处理技术提取属性-情感词对,对其进行情感分析得出情感矩阵,并根据用户给出不同属性的权重,运用改进TOPSIS决策方法得出TOP-N推荐.实验结果表明,方法可以根据用户对不同属性的偏好进行个性化推荐,与传统方法相比推荐准确性有显著提高.     

网络环境下考虑目标顾客偏好的服务产品选择方法北大核心CSCD

随着互联网技术的发展,各类电商平台应运而生,所产生的在线评论有助于顾客在购买前更好地了解服务产品.然而,在线评论数量的巨大也为顾客带来负担.为了帮助目标顾客更好地借助在线评论从众多的同类型服务产品中找出符合其偏好的服务产品,文章提出一种考虑目标顾客偏好的服务产品选择方法.首先,根据相关电商平台上的在线评分和文本评论,采用K-Means算法确定服务产品的评价维度;其次,基于概率分布理论,确定基于在线评分的备选服务产品针对各评价标度的概率分布;然后,采用卷积神经网络对文本评论进行情感分类,进而确定基于文本评论的备选服务产品针对各评价标度的概率分布;进一步地,构建总体规范化评价值矩阵;之后,考虑目标顾客关于评价维度的偏好,确定评价维度的相对权重,并运用TODIM方法获得备选服务产品的排序结果;最后,以携程网上的在线评论为依据进行实例研究,说明了该方法的可用性.     

基于贝叶斯和自编码器的社会化推荐算法研究

为提高推荐结果的精度和个性化程度,文章有效利用多种信息源,将贝叶斯方法和深度学习结合,提出一种基于贝叶斯自编码器的社会化推荐算法.算法首先利用混合隶属度随机块模型MMSB (Mixed membership stochastic block)对用户间交互关系建模,结合用户的属性特征,利用自编码器学习用户的隐含特征向量;然后利用主题模型结合自编码模块学习物品特征向量;最后利用概率框架将物品和用户间的各种属性统一起来,共同学习矩阵分解模型中的关系矩阵.模型中的参数利用变分EM算法进行推理.实验结果表明与同类算法比较,算法在精确度和覆盖率上有不同程度的提升,且能够得到比较个性化的推荐结果.     

融合情感评论倾向与均衡长尾物品的推荐方法

推荐领域中已有研究较多的考虑属性维度在评分-物品上来提高算法的准确性,对于用户对产品的真实态度判断不够。论文利用LSTM神经网络模型将用户评论情感得分和用户评分进行融合分析,来计算用户对物品真正的兴趣度;运用向量空间对用户情感进行三分类,借鉴经济学中基尼系数的思想,引入惩罚因子通过对热门物品进行调节,发挥系统的长尾能力从而增加推荐结果的覆盖率,从而实现对热门物品和冷门物品被推荐程度的均衡优化。最后,对情感系数和惩罚系数参数的取值进行实验,得出最优模型参数组合,结果表明,评论的情感因素和惩罚系数对于构建性能更优的推荐模型效果明显,该模型在推荐的准确率和覆盖率上相较其他主流模型更加符合用户需求。     

用户集聚系数对协同过滤算法的影响研究

本文研究了用户-产品二部分网络中用户集聚系数对协同过滤算法的影响.用户集聚系数是度量目标用户的所有邻居用户的特点或者兴趣爱好相同程度的一个统计量,文章将其引入协同过滤算法的相似性计算中,并提出一种改进的算法.数值模拟显示,引入用户集聚系数统计属性的改进算法相比于CF准确性可以提高12.0％,当推荐列表的长度为50时推荐列表多样性可以达到0.649,相比于经典的CF算法提高18.2％.该工作表明用户集聚系数对推荐算法具有非常大的影响,体现了个性化推荐以用户兴趣的度量为核心的基本思想.     

偏好信息为模糊互反判断矩阵的模糊多属性决策法

研究只有部分权重信息且决策者对方案的偏好信息以模糊互反判断矩阵形式给出的模糊多属性决策问题。提出了一种基于目标规划模型的模糊多属性决策方法。该法首先基于模糊互反判断矩阵，利用转换函数将决策信息一致化，建立了一个目标规划模型．通过求解该模型确定属性的权重，然后运用加性加权法求出各方案的模糊综合属性值，并利用已有的三角模糊数排序公式求得决策方案的排序。文章最后把该法应用于解决风险投资领域中的项目评估问题。     

基于方案偏好值的属性关联区间多属性决策

针对属性值为区间数,属性权重完全未知,但给出方案的主观偏好值,部分属性偏好关系以及属性交互类型的属性关联多属性决策问题给出决策方法.首先建立期望值目标规划模型,确定出属性集的M(o|¨)bius表达式以及属性权重,然后利用扩展的区间Choquet积分算子对决策信息进行集结,计算出各方案的区间模糊综合评价值,再利用比较区间数的期望值方法,从而得到方案的最终排序.最后给出了分析实例以说明所提出方法的有效可行性.     

基于偏好信息一致性程度最大的多属性决策方法

研究了方案偏好信息以区间数互反判断矩阵形式给出,属性偏好信息以区间数互补判断矩阵形式给出的不确定多属性决策问题。首先针对属性值以实数形式给出的多属性决策问题,基于区间数判断矩阵一致性的性质,建立了求解属性和方案偏好信息一致性程度最大化的线性规划模型,然后把其推广到属性值以区间数形式给出的多属性决策问题,最后通过一个算例说明了该方法的适用性和有效性。     

基于模糊语言评估有方案偏好的模糊多属性决策方法

针对属性值以模糊语言形式给出,属性权重完全未知但给出方案偏好信息的模糊多属性决策问题给出决策方法.该方法是将模糊语言给出的属性评估及方案偏好转换为梯形模糊数,通过建立一个不确定二次规划模型来确定属性的权重,基于加权平均法则来对规范化的模糊属性值及权重进行集结,利用模糊数大小比较的期望值方法来对方案进行排序和择优.最后给出一个应用实例.     

基于TOPSIS的动态三角模糊多属性决策方法

针对属性值为三角模糊数形式的动态多属性决策问题,提出基于TOPSIS的动态三角模糊多属性决策方法.该方法不仅可以得到各备选方案的差异程度,还可分析各备选方案的增长程度,同时设置偏好参数以考虑决策者对于差异性和增长性的不同偏好,运用时间权重进行二次加权以解决不同时点排序结果不一致的问题.最后,通过算例分析及偏好参数敏感性...     

融合注意力机制的自编码器推荐算法

为充分获取用户的个性化信息,提高推荐算法的准确性,提出了一种融合注意力机制的自编码器推荐算法。所提算法首先针对数据中蕴含的低阶特征和高阶特征,专门设计了相应的特征提取模块,增强传统编码器的泛化能力和记忆能力,然后利用注意力机制对特征进行融合,得到关于用户偏好信息的向量表示,并通过解码器预测用户对物品的购买意愿,最终实现个性化推荐任务。在ML-100K,ML-1M和Yahoo Music三个数据集上进行实验,并与主流个性化推荐算法进行对比,本文算法在Precision,Recall,F1值和归一化折损累计增益(NDCG)四个指标上均有较大的提升。在互联网推荐场景下,本文算法能够充分挖掘出用户的偏好信息,为用户提供高质量的推荐结果即给出合理的物品购买决策建议,从而最大化满足用户需求。     

基于二元联系数距离的不确定语言多属性决策模型

研究了属性权重范围已知,方案主观偏好值为语言变量,决策信息为不确定语言决策矩阵的多属性决策问题.在给出不确定语言变量转换为二元联系数的公式以及二元联系数距离公式的基础上,将方案主观偏好语言评价值转换为二元联系数,将不确定语言决策矩阵转换为二元联系数决策矩阵,从而得到方案的二元联系数综合属性值,通过最小化方案的二元联系数综合属性值和主观偏好值之间距离,建立多目标优化模型,并将其转换为一个单目标规划模型计算出属性权重.然后,通过对方案的二元联系数综合属性值进行不确定性分析,得到各方案的排序总数,利用排序总数对方案进行排序择优.应用实例表明该决策方法可行有效.     

语言多属性决策的一种组合方法

研究了属性权重完全未知,方案属性值和偏好值均为语言变量的多属性决策问题.首先,通过分析相关文献中利用方案属性值与偏好值之间的偏差得到属性权重的不合理性,在最小化方案综合属性值与偏好值的偏差的基础上,建立了一个求解属性权重的规划模型.其次,在各方案的属性值与属性正理想点的偏差最小的基础上,又建立一个求解属性权重的规划模型.第三,在综合考虑各属性下所有决策方案总的组合偏差之和最小的基础上,将上述两个规划模型相结合,得到了一个反映出决策者对两种不同信息的偏好程度的求解属性权重的规划模型,得到了语言多属性决策的一种组合方法.最后,通过实例说明方法的可行性与有效性.     

基于概率语言术语集的非个性化推荐算法研究

概率语言术语集以其能够准确清晰地表达决策者自身偏好且能有效处理决策过程中产生的不确定信息等优点,近年来成为了推荐领域的研究热点.然而相对于个性化推荐场景,其在非个性化推荐方面的研究至今鲜有人涉及.文章将概率语言术语集的特点与非个性化推荐相结合,从各概率语言术语值之间的横向比较出发,提出了一种非个性化产品的推荐策略,以丰富非个性化推荐算法的研究.首先利用概率语言术语集描述了系统中的产品,借助数据补齐的方法建立了产品之间的可比关系.其次,以标准化的概率语言术语集为基础,构建了非个性化产品的排序矩阵.最后,运用特征向量方法得到了一般的非个性化产品的推荐排序.论文借助MovieLens数据集进行了应用,得到了有效的推荐结果.通过对比分析验证了算法的可靠性和科学性.文章研究旨在为概率语言术语集在非个性化推荐领域的应用提供一种新的思路参考.     

一类排序问题的求解及效果评估

对一类排序问题给出了一种有效的排序方法.我们将该类排序问题中的属性分为正向属性和负向属性,建立了属性规范化处理的数学模型,得到属性之间无差异的偏好比重,并对偏好比重进行汇总,得到对象之间的排序.最后,利用带自然边界条件的三次样条插值的三弯矩算法对该排序方法进行误差估计.     

构建不确定语言型多属性决策的投影模型

研究不确定语言型多属性决策评价结果与决策者对方案的偏好信息之间存在偏差的问题.通过建立与区间型语言标度对应的术语指标矩阵,及方案综合属性值与决策者主观偏好值之间的投影模型,确定属性的权重,然后运用加权法得到方案的综合属性值,利用已有的可能度矩阵排序公式得到决策方案的排序.构建了一种基于方案综合属性质与决策者主观偏好值之间的投影模型,通过算例对该方法的实用性和有效性进行了证明.     

基于网络文本挖掘的冰雪旅游形象感知研究——以哈尔滨市为例

旅游形象塑造是制约旅游市场竞争的关键因素,形象感知研究对旅游形象塑造具有重要意义.随着在线旅行社(OTA)的快速发展,产生了大量旅游城市和景点的在线评论数据,为形象感知研究提供了新的视角.以Baidu旅游、携程网、马蜂窝等多家OTA网络点评数据为例,采用词频-逆文档率(TF-IDF)和LDA文档主题生成模型两种典型的文本分析方法,分析游客对冰雪大世界、太阳岛、圣索菲亚大教堂、中央大街、雪乡、亚布力滑雪场等哈尔滨6个冰雪旅游景点的认知形象、情感形象和总体形象感知.研究表明:1)冰雪旅游认知形象要素可归纳为相关地标、旅游活动、建筑、餐饮住宿、游玩价格等5个群组,相关地标是第一要素,其余认知形象要素在各景点权重有所差异;2)冰雪旅游情感形象以积极正面为主,除雪乡外,其余5个景点均具有强烈的推荐意愿;3)冰雪旅游的整体形象感知主题涵盖冰雪娱乐、冰雪观光、冰雪运动、特色美食和文化.研究丰富了旅游大数据研究方法,为哈尔滨市冰雪旅游形象塑造提供建议.     

多属性决策的组合赋权法

鉴于多属性决策问题中主观赋权法和客观赋权法各有其自身固有的特点，本文依据优化理论提出一种集成方法确定属性权重，该方法既充分利用客观信息，又反映决策者的主观偏好，从而使确定的属性权重更加合理、实用．     

部分权重信息下对方案有互补偏好的多属性决策法

研究了只有部分权重信息且对方案的偏好信息以模糊互补判断矩阵形式给出的多属性决策问题.首先,基于模糊互补判断矩阵的主观偏好信息,利用转换函数将客观决策信息一致化,建立一个目标规划模型,通过求解该模型得到属性权重,从而利用加性加权法获得各方案的综合属性值,并以此对方案进行排序或择优.提出了一种基于目标规划的多属性决策方法.该方法具有操作简便和易于上机实现的特点.最后,通过实例说明模型及方法的可行性和有效性.