旅游推荐系统的研究与设计

摘要

随着社会的快速发展和人们生活水平的不断提高，旅游已逐渐成为人们生活的重要组成部分，用户能够获取旅游信息的渠道也随信息技术的广泛应用而增加。大量未经过滤的信息在展示给用户的同时，也淹没了用户真正感兴趣的信息。为了方便用户快速定位自己感兴趣的信息，个性化旅游推荐系统应运而生。
　　本文依据用户兴趣偏好，提出了基于自然遗忘规律的用户兴趣模型。首先，根据用户个人信息和短期浏览行为，分别构建长期用户兴趣模型与短期用户兴趣模型。然后，合并两个模型建立实时用户兴趣模型，并采用加权平均的方法来计算用户兴趣项的兴趣度。最后，采用基于自然遗忘规律的方法更新用户兴趣度，使模型能够更准确的体现用户的兴趣。
　　在深入研究加权关联规则的基础上，对项集权值的设定提出了改进，并优化了频繁项集的挖掘过程。首先，将用户兴趣模型输出的用户兴趣度和数据项在数据库中出现的概率乘积作为项集的权值，使权值的设置更合理;其次，在频繁项集挖掘过程中，采用划分数据库的方法和矩阵向量存储结构，进一步提高了算法的性能;最后，将所有局部数据库中的频繁项集合并成全局候选项集，从中筛选出全局频繁项集，并生成强关联规则。实验结果表明，改进后的算法与MINWAL算法相比，性能有较大提高。
　　最后，将改进的算法应用到基于Android的旅游景点推荐系统中，实现了个性化的旅游景点推荐。

目录

声明

摘要

第1章 绪论

1．1 研究背景与意义

1．2 研究现状

1．2．1 国内研究现状

1．2．2 国外研究现状

1．3 主要研究内容

1．4 论文组织结构

第2章 相关理论和技术

2．1 MyBatis框架

2．1．1 MyBatis简介

2．1．2 MyBatis框架原理

2．1．3 MyBatis框架优缺点

2．2 Fragment框架

2．3 关联规则

2．3．1 关联规则基本概念

2．3．2 关联规则挖掘算法

2．4 加权关联规则

2．4．1 加权关联规则概述

2．4．2 水平加权关联规则算法

2．4．3 垂直加权关联规则

2．4．4 混合加权规则

2．5 本章小结

第3章 用户兴趣模型构建

3．1 用户兴趣模型相关介绍

3．1．1 用户兴趣模型表示方法

3．1．2 用户信息获取

3．2 用户兴趣模型构建

3．2．1 长期用户兴趣模型

3．2．2 短期用户兴趣模型

3．2．3 用户兴趣模型建立

3．3 用户兴趣模型的更新

3．3．1 衰减更新

3．3．2 更新流程

3．4 本章小结

第4章 改进加权关联规则算法

4．1 算法改进措施

4．1．1 划分数据库

4．1．2 引入矩阵向量

4．1．3 项目权值的设置

4．2 算法流程

4．3 实例分析

4．4 性能测试

4．5 本章小结

第5章 旅游推荐系统的设计与实现

5．1 系统总体设计

5．2 系统需求分析

5．2．1 系统功能目标

5．2．2 数据库模块设计

5．2．3 服务器模块设计

5．2．4 客户端模块设计

5．3 开发环境与系统测试

5．3．1 开发环境

5．3．2 系统测试

5．4 系统实现

5．4．1 首页模块

5．4．2 推荐模块

5．4．3 个人中心

5．5 本章小结

第6章 总结与展望

6．1 总结

6．2 展望

参考文献

攻读学位期间的研究成果

致谢