基于多约束多目标的旅游路线推荐及关键算法研究

论文摘要

随着旅游业的蓬勃发展,游客的旅游消费特征也渐趋理性化和个性化,如何发现有吸引力的旅游产品成为游客、旅行社与旅游网站共同关心的重要问题。在驴评网等旅游网站上,大量游客发布了海量的旅游相关的信息。然而,这些信息往往非常散乱、缺少结构化的特征,普通游客难以根据它们制定自己的旅游规划。因此,旅游推荐的研究逐渐得到了许多学者的关注。但是,现有方法大都仅考虑用户某一方面的约束,而大部分用户的旅游线路往往受到花销、时间、交通工具等多方面的制约,基于单一约束的推荐结果难以满足真实的用户需求。本文基于互联网提供的海量数据,研究基于多属性的景点评价机制及多约束多目标的旅游路线推荐方法。首先,社会网络平台的发展为旅游信息服务提供了丰富的数据来源和共享平台,因此,通过挖掘社交网站上景点的各项信息数据,如景点的开放时间、门票等信息以及景点的GPS坐标等,可以得到比较全面与合理的景点评价。本文提出一种基于多属性的景点评价机制,它综合考虑景点的多种属性,对景点进行综合评分。其次,在多约束多目标的条件下,旅游线路推荐的算法复杂度很高,为此研究一种多约束条件下的k贪心推荐算法。它的基本思想是,基于用户给定的约束条件,使用贪心算法选出前k条总体评分较高的路径;然后,通过综合评估路径的有效性及多样性,最终选出相对较优的路径作为推荐结果。通过从驴评网挖掘大量的景点信息数据集,搭建了旅游推荐的原型系统。实验结果表明,首先,通过融合多种属性,景点综合评价机制能够对景点做出较为合理与全面的评价,这为后续的线路推荐奠定了基础。其次,与现有路径推荐算法中效果较好的Trip-Mine+算法相比,k贪心推荐算法能够满足用户的多方面约束与目标,其推荐线路具有更好的合理性与多样性。同时,算法在运行时间上具有更小的时间复杂度。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 研究背景、目的及意义
• 1.2 关键问题及挑战
• 1.2.1 旅游行程推荐系统
• 1.2.2 旅游推荐框架及问题分析
• 1.3 研究内容及创新点
• 1.3.1 主要研究内容
• 1.3.2 主要创新点
• 1.4 本文组织结构
• 第二章 相关技术及基本理论概述
• 2.1 相关技术
• 2.1.1 数据挖掘技术
• 2.1.2 基于位置的服务
• 2.1.3 GPS轨迹挖掘技术
• 2.1.4 兴趣点推荐
• 2.2 研究现状
• 2.2.1 基于约束的旅游推荐系统
• 2.2.2 基于用户生成数据的旅游推荐系统
• 2.2.3 基于用户“Check-in”行为的多约束的个性化行程推荐系统
• 2.3 贪心算法
• 2.3.1 贪心算法概述
• 2.3.2 贪心算法的特征
• 2.3.3 贪心算法的应用
• 2.4 本章小结
• 第三章 面向多属性的景点评分机制的建立
• 3.1 景点信息数据的来源与分析
• 3.2 相关评分公式的定义
• 3.2.1 本文使用的一些概念和符号
• 3.2.2 相关定义
• 3.3 面向多约束的评分机制的建立
• 3.3.1 基于景点用户评级的评分
• 3.3.2 基于用户到景点的时间的评分
• 3.3.3 基于景点开放时间的评分
• 3.3.4 多约束的评分机制的建立
• 3.5 本章小结
• 第四章 基于多约束多目标k-Greedy算法实现及路线设计
• 4.1 系统框架的建立
• 4.2 基于多约束多目标的K-Greedy算法提出及实现
• 4.2.1 K-Greedy算法描述
• 4.2.2 K-Greedy算法实现
• 4.2.3 算法执行过程中的边界检查机制
• 4.3 路线规划方法
• 4.4 本章小结
• 第五章 实验结果与分析
• 5.1 实验设置
• 5.2 推荐结果的多样性评估及重排序
• 5.2.1 推荐结果的多样性评估
• 5.2.2 程序运行实例
• 5.2.3 r的取值和路径得分重排序
• 5.3 不同的约束取值对结果的影响
• 5.3.1 景点的数目对实验结果的影响
• 5.3.2 旅行时间约束（CTT）对实验结果的影响
• 5.3.3 预算约束（CB）对实验结果的影响
• 5.3.4 旅行时间和预算约束条件对TPS评分的影响
• 5.4 不同的参数取值（k,l）对实验结果的影响
• 5.5 本章小结
• 第六章 总结与展望
• 6.1 工作总结
• 6.2 工作展望
• 致谢
• 参考文献
• 作者在学习期间取得的学术成果