• 论文 • 上一篇    下一篇

基于用户在线评论的旅游景点推荐算法研究

崔春生,王雪,李文龙   

  1. 北京物资学院信息学院,  北京 101149
  • 出版日期:2020-06-25 发布日期:2020-08-25

崔春生,王雪,李文龙. 基于用户在线评论的旅游景点推荐算法研究[J]. 系统科学与数学, 2020, 40(6): 1103-1116.

CUI Chunsheng,WANG Xue, LI Wenlong. Research on the Algorithm of Tourist Attraction Recommendation Based on User's Online Comments[J]. Journal of Systems Science and Mathematical Sciences, 2020, 40(6): 1103-1116.

Research on the Algorithm of Tourist Attraction Recommendation Based on User's Online Comments

CUI Chunsheng ,WANG Xue, LI Wenlong   

  1. School of Information, Beijing Wuzi University, Beijing 101149
  • Online:2020-06-25 Published:2020-08-25

随着互联网的快速发展, 推荐系统的研究和应用朝着多方向、多领域 发展, 传统的推荐算法已经不再满足某些特定领域准确率的要求.考虑到用户在线评论信息可以获得用户对产品偏好信息及偏好程度, 文章提出一种基于用户在线评论的旅游景点推 荐算法.首先, 该算法用爬虫软件和Jieba分词对用户旅游景点的在线评论信息进行获取和预处理.其次, 利用情感强度分析法确定每条评论相对景点各属性的评价标度.再次, 依据处理后的在线评论信息计算用户对景点各属性的权重.最后, 利用TOPSIS排序方法实现对用户旅 游景点的推荐.实验表明, 该算法可以有效的确定用户对景点的偏好程度, 有效提升旅游景点推荐的准确性.

With the rapid development of the Internet, the research and application of recommendation systems are developing in multiple directions and fields. Traditional recommendation algorithms no longer meet the requirements for accuracy in some specific fields. Considering that the user's online review information can obtain the user's preference information and preference for the product, this article proposes a tourist attraction recommendation algorithm based on the user's online review. First, crawler software and Jieba word segmentation are used to obtain and preprocess the online review information of users visiting tourist attraction. Second, the sentiment intensity analysis method is used to determine the evaluation scale of each comment's relative attractions and attributes. Third, the user's weight on the attributes of the tourist attraction is calculated based on the processed online review information. Finally, the TOPSIS ranking method is used to recommend users' tourist attractions. Experiments show that the algorithm can effectively determine the user's preference for attractions and effectively improve the accuracy of tourist attraction recommendations.

()
[1] 张小英, 王平, 冯红银萍. 常微分方程-薛定谔方程耦合系统的输出反馈镇定[J]. 系统科学与数学, 2021, 41(4): 887-897.
[2] 陈振杰, 傅勤, 郁鹏飞, 张丹. 一类四阶抛物型偏微分多智能体系统的协调控制[J]. 系统科学与数学, 2021, 41(4): 898-912.
[3] 杨贵军, 吴洁琼. Pareto $\pi$ps 抽样的~Horvitz-Thompson 估计量方差研究[J]. 系统科学与数学, 2021, 41(4): 1150-1163.
[4] 张俊芳,周礼刚,金自强. 基于Pythagorean犹豫模糊熵和交叉熵的绩效评价方法[J]. 系统科学与数学, 2021, 41(2): 436-448.
[5] 陈宇峰,朱志韬,屈放. 国际油价、人民币汇率与国内金价的非对称溢出及动态传 导机制 ------ 基于三元VAR-Asymmetric BEKK (DCC)-GARCH (1, 1)模型[J]. 系统科学与数学, 2021, 41(2): 449-465.
[6] 吴红星,程国飞,王胜华. 细菌种群增生中Rotenberg模型解的渐近稳定性研究[J]. 系统科学与数学, 2020, 40(9): 1539-1549.
[7] 陆文星,戴一茹,李楚,李克卿. 基于改进PSO-BP神经网络的旅游客流量预测方法[J]. 系统科学与数学, 2020, 40(8): 1407-1419.
[8] 张培文,吴江,汪瑜,孙宏. 机队运力配置和USApHMP问题的联合决策模型与算法[J]. 系统科学与数学, 2020, 40(8): 1432-1446.
[9] 焦建军,陈兰荪,李利梅. 污染喀斯特环境下具瞬时与非瞬时脉冲效应的单种群动力学模型[J]. 系统科学与数学, 2020, 40(7): 1286-1296.
[10] 赵峰,王淼,高峰阳. 基于改进NSGA-II算法的次同步附加阻尼控制器的优化设计[J]. 系统科学与数学, 2020, 40(5): 751-760.
[11] 李振鹏,黄帅. 基于LDA主题模型的网络舆情研究[J]. 系统科学与数学, 2020, 40(3): 434-447.
[12] 李继红,赵仕静. 不同价格水平下排队策略研究[J]. 系统科学与数学, 2020, 40(3): 510-520.
[13] 王浩宇,张崇岐. 基于特殊混料模型$D$-最优设计搜索的交换点式门限接受算法[J]. 系统科学与数学, 2020, 40(2): 210-224.
[14] 龚雅键,魏先华,孟祥莺,刘宸昊. 遗传规划策略可以适用中国股票市场吗? ------基于随机性多目标遗传规划的股指交易策略研究[J]. 系统科学与数学, 2020, 40(12): 2381-2400.
[15] 林志炳,王贵用. 基于三层编码遗传算法求解同种产品存在多个工件的FJSP[J]. 系统科学与数学, 2020, 40(12): 2401-2415.
阅读次数
全文


摘要