一种基于协同过滤的旅游行程推荐算法

摘要

针对现有的个性化推荐算法在旅游行程推荐领域应用较少，技术不成熟等缺陷，提出基于一种改进协同过滤算法的行程推荐算法。该算法首先依据偏好度计算方法分析用户对于不同类型旅游目的地的偏好程度，形成用户-旅游目的地偏好矩阵，并基于偏好矩阵优化K-Means算法的初始聚类中心，为目标用户建立邻近用户集，最后利用改进的相似度计算方法为目标用户寻找偏好相似的历史用户，从而产生行程推荐。实验结果表明，该算法能够快速搜索较小的邻近用户，得出推荐结果，不仅具有较快的推荐效率，而且具备较好的推荐精准度，在一定程度上为个性化旅游行程推荐服务提供了支撑。