论文部分内容阅读
近些年来智能移动设备定位技术的飞速发展以及社交网络的广泛普及,移动互联网能够根据现实世界的位置为用户提供个性化的实时服务。伴随着越来越多的人使用互联网,导致了网络中的信息多种多样以及信息量巨大,随之出现了信息过载问题。为了解决人们从互联网上获取到想要的信息越来越困难的问题,使用户获取到自己感兴趣的内容,本文提出并实现了一个个性化行程推荐算法。算法的数据基础是用户的评论信息,本文将从评论信息入手,从用户的评论信息挖掘出用户的喜好信息,进而为用户推荐感兴趣的内容并能够为用户制定行程计划。通过建立了两个基于情感词典的情感倾向分析模型来分析用户在文本评论中表达出的情感倾向,通过比较模型的分析结果确定了使用基于AFINN情感词典的分析模型。为了能够发掘社交网络中用户评论的深层次价值,通过对Foursquare的带有地理位置信息的签到及评论数据使用AFINN词典分析用户评论的情感倾向得到用户对于此产品的隐性评分。利用评分作为基础,本文提出并实现了个性化推荐算法模型,该算法在协同过滤算法的基础上添加了地理位置模型和好友关系模型,为用户推荐他可能感兴趣的内容,然后,通过比较混合推荐算法与单一推荐算法的推荐效果,证明了混合推荐误差有一定程度的缩小,并解决了数据稀疏性和协同过滤系统冷启动方面的问题。本文设计并实现了一个行程推荐算法来发掘推荐集中推荐项目的价值,该算法能够结合流行旅行模式与用户喜好,解决了行程规划中缺乏个性化推荐的问题,最终对行程制定的算法进行了算法效率的测试和行程制定结果可行性的测试,测试结果显示,本文提出的行程制定模型能够为旅行用户推荐出一个满足选择多样性的个性化的、合理的行程规划表。