请确认您的稿件里已注明作者简介和联系方式,主要包括:姓名、出生年、性别、民族(汉族可略)、籍贯、学历、职称、研究方向 工作时间:早上8:30——下午17:30(周日除外)
(1) 请直接在本站在线投稿,编辑部免费审核(请您投稿时准确填写您的联系方式,以便稿件录用和杂志出刊后及时与您联系) 。 (2) 不违反宪法和法律,不损害公共利益。(3) 是作者独立取得的原创性、学术研究成果,不侵犯任何著作权和版权,不损害第三方的其他权利;所有来稿必须通过检测,文字复制比必须低于用稿标准,引用部分文字的要在参考文献中注明。
新闻正文

当前位置:首页 > 新闻中心

虽然基于社交媒体信息的旅游用户偏好建模的研究比较鲜见

作者:佚名 发布时间:本站原创 来源:本站原创

  

主要的数据来源包括:在线评分和评论数据、用户行为记录(浏览、关注、转发)、社交网站中的用户标签、社交网站中的用户分享内容等。不同研究领域的学者基于以上不同数据,纷纷提出了不同的建模方法,综合起来主要有三种:一种是矢量方法,将研究范围类对象中同类但彼此不关联或关联度低的节点用户矢量表示,研究不同矢量间的关联和矢量运算,从而进行用户偏好的表示;如D Yang等构建了一个旅游用户偏好的时空动态模型,该模型基于不同用户活动的时空相似性,应用非负向量分解来协同推断时空活动偏好,提出了一个上下文感知的融合框架,将时空活动偏好模型结合起来进行偏好推理党永杰等根据移动图书馆用户需求过程中的情境感知、认知心理、服务质量3方面因素,提出一种基于层次向量空间模型的移动图书馆用户偏好模型,并根据用户行为记录和质量反馈信息更新用户偏好模型,实现了对个性化用户偏好需求的即时动态追踪。另一种是本体方法,本体能描述相互关联对象的关联类型,如从属关系、继承关系、实体-属性关系、整体-部分关系等,基于本体构建用户关注对象的属性特征,从而构建用户偏好模型。李金海等针对在线评论数据,运用本体方法构建动态用户偏好模型。还有一种是分类技术,通过机器学习产生用户偏好分类器,分类器类型一般是支持向量机、贝叶斯网络、神经网络和判定树等。Kang S等使用贝叶斯方法捕获用户偏好,该方法可以及时跟踪用户偏好的趋势。雷震等综合评分和评论数据,提出了一种基于贝叶斯网络的用户偏好建模方法辛菊琴等基于产品特征,采用神经网络训练得到用户偏好模型,通过Movielens数据库验证了该模型的有效性