首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--检索机论文

基于用户兴趣特征变化的旅游路线个性化推荐技术研究

摘要第4-6页
ABSTRACT第6-7页
第1章 绪论第10-18页
    1.1 研究背景和意义第10-11页
    1.2 国内外研究现状第11-14页
        1.2.1 国内研究现状第11-12页
        1.2.2 国外研究现状第12-14页
    1.3 研究的主要内容和结构第14-18页
        1.3.1 研究主要内容第14-16页
        1.3.2 本文结构简述第16-18页
第2章 旅游景点和路线数据的获取第18-25页
    2.1 网络数据爬虫的框架结构第18-21页
        2.1.1 节点结构第18-20页
        2.1.3 爬虫的基本流程第20-21页
    2.2 爬虫模块的设计与关键技术第21-23页
        2.2.1 爬虫模块设计第21-22页
        2.2.2 爬虫应用的关键技术第22-23页
    2.3 本章小结第23-25页
第3章 个性化推荐模型与算法第25-53页
    3.1 特征提取与数据聚类第25-28页
        3.1.1 旅游景点和路线特征的提取第25-26页
        3.1.2 用户兴趣特征的提取第26-27页
        3.1.3 旅游景点和路线及用户的特征聚类第27-28页
    3.2 用户兴趣特征的获取与建模第28-31页
        3.2.1 用户当前兴趣点获取第28-29页
        3.2.2 用户兴趣特征变化的度量第29-30页
        3.2.3 用户兴趣特征模型的建立第30-31页
    3.3 旅游路线流行度和游客活跃度第31-32页
    3.4 基于旅游领域协同过滤的推荐第32-41页
        3.4.1 基于用户兴趣特征的协同过滤第33-37页
        3.4.2 基于旅游路线的协同过滤第37-38页
        3.4.3 基于旅游路线流行度和用户兴趣特征变化的协同过滤第38-41页
    3.5 基于用户兴趣特征-景点-路线的顶点约束推荐第41-46页
        3.5.1 数据稀疏及特征匹配趋零问题的提出第41页
        3.5.2 基于用户兴趣特征-景点-旅游路线的顶点约束推荐第41-46页
    3.6 实验设计与结果分析第46-52页
        3.6.1 实验分析流程第46-47页
        3.6.2 实验评估指标第47-49页
        3.6.3 实验结果分析第49-52页
    3.7 本章小结第52-53页
第4章 推荐系统的个性化自我学习第53-59页
    4.1 判定计算与个性化的参数调整第53-56页
        4.1.1 数据稀疏及特征匹配趋零的判定计算第53-55页
        4.1.2 个性化的参数调整第55-56页
    4.2 用户动态特征库的建立第56-58页
        4.2.1 用户兴趣特征的时序分析第57页
        4.2.2 用户动态特征库的设计与实现第57-58页
    4.3 本章小结第58-59页
第5章 总结和展望第59-61页
    5.1 总结第59-60页
    5.2 展望第60-61页
致谢第61-62页
参考文献第62-65页
研究生期间工作成果第65页

论文共65页,点击 下载论文
上一篇:上市公司市值管理绩效评价研究
下一篇:面向非结构化文本大数据预处理中间件系统的设计与实现