一种基于改进推荐算法的智慧旅游推荐方法及系统技术方案

本发明专利技术涉及一种基于改进推荐算法的智慧旅游推荐方法及系统，属于智慧旅游领域。系统先获取用户输入信息，并将信息发送到中心控制系统，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，和数据库进行交互，查询和增删数据，返回推荐结果，调用并展示与业务逻辑相应的视图，用户得到系统的推荐。对用户和其特征的关联矩阵分解，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。

A Method and System of Intelligent Tourism Recommendation Based on Improved Recommendation Algorithms

【技术实现步骤摘要】
一种基于改进推荐算法的智慧旅游推荐方法及系统
本专利技术属于智慧旅游领域，涉及一种基于改进推荐算法的智慧旅游推荐方法及系统。
技术介绍
随着网络信息技术的飞速发展和互联网行业的快速发展，互联网的信息技术与旅游服务行业正进行协同合作和快速融合，进而产生更多具有创造力的产业形式，探索出了一条信息化转型、智能化升级的发展道路。旅游业的迅猛发展，旅游的人数指数型增长，刺激用户的需求也越来越大，要求也越来越高。目前已有的智慧旅游推荐系统是远远不能满足用户需求的。系统的推荐内容千篇一律，缺乏个性化的推荐，推荐的结果是针对所有用户的，不管用户是什么类型，或者是大概想要一个怎样的推荐结果，系统都只是笼统的推荐，没有对用户进行分类，进而对用户需求进行针对性的推荐。游客希望获取全新的旅游体验，个性化的服务，几乎是不能实现的。并且针对用户隐性的选择，系统不会做出相应的判断，从而影响系统对用户推荐的质量，甚至影响用户的体验。当前的推荐系统应用存在系统冷启动的问题，即对一个刚开始运行推荐系统的应用的系统来说，在没有大量用户行为数据支持的情况下设计个性化推荐系统并且让用户对推荐系统满意，从而愿意使用推荐系统。当前系统随着用户数据的不断增多、系统规模的不断扩大，系统的实时性能越来越差，数据计算量成直线增长，呈现出大规模的数据稀疏，导致系统的实时性能下降，推荐内容不够完整，推荐数据准确性下降。
技术实现思路
有鉴于此，本专利技术的目的在于提供一种基于改进推荐算法的智慧旅游推荐方法及系统，是一种针对不同用户，针对不同消费群体，具有数据智能分析预测以及个性化推荐的智慧旅游推荐系统。为达到上述目的，本专利技术提供如下技术方案：一种基于改进推荐算法的智慧旅游推荐方法，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。进一步，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。进一步，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。进一步，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，Ai和Bi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。基于所述方法的基于改进推荐算法的智慧旅游推荐系统，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。本专利技术的有益效果在于：本专利技术采用模型－视图－控制器模式(MVC)模型来划分系统的功能，结构简洁，各个模块之间层次清晰。对已有的推荐系统进行深入了解，并且对相关的算法进行学习，改进，实验，并将改进后的推荐算法融入到推荐系统中。此系统对于用户信息的深入分析，把用户的信息分类，得到用户特征属性的权值，不仅可以解决推荐系统冷启动的问题，而且会减轻数据库的压力，会针对不同的用户进行针对性的推荐，不再是推荐内容相同笼统推荐。对用户个性化的要求，以及用户潜在的需求，系统会根据相关的评价数据做出预测，满足用户个性化的需求。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，较好的解决了数据稀疏性的问题。通过对预测值和已知值求平均，可以得到更加准确的预测值。个性化的推荐节约了用户浏览信息时间，针对性的推荐使得用户使用更加的便捷高效，并且对用户的推荐预测，提高用户的应用效率，有效的解决了系统个性化推荐以及系统数据分析预测用户推荐的问题。本专利技术的其他优点、目标和特征在某种程度上将在随后的说明书中进行阐述，并且在某种程度上，基于对下文的考察研究对本领域技术人员而言将是显而易见的，或者可以从本专利技术的实践中得到教导。本专利技术的目标和其他优点可以通过下面的说明书来实现和获得。附图说明为了使本专利技术的目的、技术方案和优点更加清楚，下面将结合附图对本专利技术作优选的详细描述，其中：图1为一种基于改进推荐算法的智慧旅游推荐方法的整体架构示意图；图2为Web端软件功能结构图；图3为系统操作流程图；图4为行程推荐流程图；图5为推荐算法流程图；图6为改进推荐算法流程图。具体实施方式以下通过特定的具体实例说明本专利技术的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本专利技术的其他优点与功效。本专利技术还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本专利技术的精神下进行各种修饰或改变。需要说明的是，以下实施例中所提供的图示仅以示意方式说明本专利技术的基本构想，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。其中，附图仅用于示例性说明，表示的仅是示意图，而非实物图，不能理解为对本专利技术的限制；为了更本文档来自技高网...

【技术保护点】
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。

【技术特征摘要】
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；...

【专利技术属性】
技术研发人员：许吴宁，梁燕，
申请(专利权)人：重庆邮电大学，
类型：发明
国别省市：重庆,50