一种基于协同过滤的旅游行程推荐算法

针对现有的个性化推荐算法在旅游行程推荐领域应用较少,技术不成熟等缺陷,提出基于一种改进协同过滤算法的行程推荐算法。该算法首先依据偏好度计算方法分析用户对于不同类型旅游目的地的偏好程度,形成用户-旅游目的地偏好矩阵,并基于偏好矩阵优化K-Means算法的初始聚类中心,为目标用户建立邻近用户集,最后利用改进的相似度计算方法为目标用户寻找偏好相似的历史用户,从而产生行程推荐。实验结果表明,该算法能够快速搜索较小的邻近用户,得出推荐结果,不仅具有较快的推荐效率,而且具备较好的推荐精准度,在一定程度上为个性化旅游行程推荐服务提供了支撑。     

基于游客综合兴趣度的旅游景点推荐

为了从大量的信息中检索出符合用户偏好和需求的旅游资源,文中提出了综合兴趣度的概念,综合兴趣度是对用户兴趣的完整描述。在此基础上给出一种基于用户综合兴趣度的推荐方法。将用户主动提供的兴趣倾向与用户的浏览行为相结合,分析其综合兴趣。依据与目标用户兴趣相似的邻居用户对景点的评分信息预测用户对待推荐景点的评分,并选择预测评分处于前N位的景点进行推荐。     

基于用户轨迹的POI个性化推荐算法研究

为了实现兴趣点(POI)的个性化推荐,本文针对用户轨迹中的含有大量冗余点的问题,探讨了利用POI和公交数据对用户轨迹数据进行压缩的算法。研究了传统的协调过滤推荐算法后,提出一种基于用户轨迹的加权Top N推荐算法(User TN)。实验结果表明,推荐结果的准确率、召回率和个性化程度都优于传统的协同过滤推荐算法,证明了本文方法的有效性。     

基于LBSN和多图融合的兴趣点推荐EI北大核心CSCD

兴趣点推荐作为推荐领域的一个重要分支一直备受研究者青睐。本文提出一种基于位置的社交网络(LBSN)和多图融合的兴趣点推荐方法GraphPOI。综合分析用户和兴趣点的内在因素和外部表征,首先,对用户-兴趣点的评分矩阵进行学习得到用户和兴趣点的内部潜在向量;其次,根据评分矩阵构造用户-兴趣点交互图,得到兴趣点在用户空间的表征向量以及用户在兴趣点空间的表征向量;然后,对兴趣点按其地理位置进行聚类,得到兴趣点在位置空间的表征向量,结合兴趣点在用户空间的表征向量进而得到兴趣点的外部表征向量;对用户社交图中的信息扩散现象进行建模,捕获用户的朋友关系,得到用户在社交空间的表征向量,结合用户在兴趣点空间的表征向量进而得到用户的外部表征向量;最后,结合用户和兴趣点的内部潜在向量与外部表征向量,得到用户和兴趣点的最终向量表示,并将其输入到多层神经网络模型中进行评分预测。在Yelp数据集上对所提模型进行验证,结果表明本文方法能够有效提升兴趣点推荐的准确性。     

基于MI聚类的协同推荐算法

在个性化推荐系统中,项目的内容特征是影响推荐精度的重要因素。针对传统协同推荐不能有效考虑项目内容特征的问题,在考虑传统用户-项目评分信息的基础上,引入项目的内容特征属性,构建基于多示例(MI)的用户评分信息表达模型。根据多示例学习模式具有一定容错性的特点,设计了基于多示例聚类的协同推荐算法,通过多示例聚类计算用户的最近邻集合,根据最近邻集合对用户评分进行预测。实验结果表明,基于MI聚类的协同过滤推荐算法提高了预测评分的准确度,且有效缓解了数据稀疏性问题     

采用密度聚类算法的兴趣点数据可视化方法

针对目前对兴趣点数据的主要可视化方法均无法从宏观角度清晰地描述其分布规律及特征的问题,提出了基于密度聚类算法DBSCAN的兴趣点可视化方法。采用DBSCAN算法对兴趣点数据进行聚类及可视化,既有效地解决大数据量时兴趣点数据重叠遮盖的问题,又在宏观角度上发现其分布规律且在细节层次上保持数据的位置精确度。在学区房选址的应用中,将常用的兴趣点可视化方法与聚类可视化相结合,可以较为直观地选取合适的学区房。     

顾及道路通达性和时间成本的多用户位置推荐

近年来,用户兴趣点（point of interest,POI）推荐是基于位置的社会网络（location-based social network,LBSN）研究的热门话题,POI推荐不仅可以帮助用户找到心仪的POI,也可为商家带来可观收益。深度学习技术因可以更有效地捕获用户与物品间的非线性关系,逐渐应用到推荐系统任务中。对近年来结合深度学习技术的用户POI推荐的研究进行综述。首先介绍了用户POI推荐与传统推荐任务的区别,并介绍了可以提高推荐任务模型性能的多种影响因素;随后将深度学习应用到POI推荐的方式分为4类：POI的向量化学习、深度协同过滤、从辅助内容中提取特征和利用循环神经网络进行序列推荐,并阐述了深度学习技术在这些方式中的应用效果与优势;最后对结合深度学习技术的用户POI推荐的发展方向进行了总结与展望。     

兴趣点的检查算法研究与实现

软件检查是提升地图数据质量的重要手段,本文通过对兴趣点名称和代码间关系的分析研究,提出了兴趣点的自动检查算法并编程实现,为城市兴趣点数据库的大规模生产提供了质量保证;文中提出的重复点检查算法,部分解决了兴趣点简称和全称匹配问题,可为互联网上中文搜索引擎、地图网站查询搜索工具提供借鉴。     

融合语义和位置信息的兴趣点实体匹配方法

兴趣点是反映城市建设的重要地理空间框架数据,及时快速更新兴趣点具有重要意义。提出了一种融合语义和位置信息的兴趣点实体匹配方法,可从互联网数据中获取新增的数据,提高了兴趣点实体的时效性,减少了人工检查的工作量。实验结果表明,该方法可快速更新兴趣点实体,降低生产成本,提高生产效率,提升多源数据的应用价值。     

融入空间关系的矩阵分解POI推荐模型

个性化兴趣点推荐是基于位置社交网络的一项重要服务,通过用户签到数据的序列信息和时空上下文信息可以有效挖掘用户的移动模式和兴趣偏好。为充分挖掘用户的个性化时空偏好和连续签到序列的长期依赖关系,提出嵌入时空条件的概率生成模型,构建门控扩张残差网络,实现基于门控扩张残差网络的兴趣点推荐方法。所提方法通过门控扩张残差网络学习用户的签到序列,将用户连续签到的空间距离和时间间隔作为约束条件,挖掘用户连续签到行为的时空规律,捕获用户签到行为的序列偏好和时空偏好。使用Foursquare和Instagram两套公开的签到数据集进行实验,结果表明,与表现最好的对比算法NextItNet相比,所提方法在召回率、精确度、F1分数和归一化折损累计增益等评价指标上都有明显提升。在Foursquare数据集上,各项指标的提升范围为1.52%~24.95%;在Instagram数据集上,各项指标的提升范围为7.06%~42.47%。所提方法适用于挖掘用户连续签到中存在的长期依赖关系,可以有效嵌入空间距离和时间间隔影响因素,提高了兴趣点推荐的准确性。

     

兴趣点数据的组织模型与检索算法

兴趣点(POI)数据是现代电子导航地图的主要组成部分,有效的数据组织模型在满足快速检索的前提下应尽可能地节省存储空间,且高效检索算法是导航电子地图实时应用中的关键技术。该文针对兴趣点的位置和属性信息产生唯一的ID编码,并进行功能分区,将分区信息表与兴趣点存储偏移量直接关联,通过机械分词和多叉树,建立字典树,实现兴趣点数据的有序组织,通过分层偏移、逐字映射实现快速检索。采用该方法对约86万条名称数据进行测试,结果表明,存储结构好,响应速度快。     

基于视频流的兴趣点采集系统的实现

系统的采集端运行在搭载Android系统的平板上,使用Esri公司发布的ArcGIS for Android二次开发而成。数据处理端运行在PC端,使用Esri公司的ArcGIS for Engine构建。采集人员可以使用采集端快速录制视频或拍照进行数据采集,数据处理人员使用数据处理端导入采集端采集的数据进行处理获取最终的成果。结果表明:相对于传统的兴趣点采集技术,使用本系统不仅能提高采集效率,而且能有效地降低采集成本。     

基于回波强度和采样点距离的点云滤波研究

本文根据三维激光扫描的特点,设计提出一种从点云数据中分离出目标对象的特征提取方法。首先根据激光回波信号特征和采样点距离特征进行阈值确定,然后通过将回波信号强度和距离信号位于各自阈值范围之外的对象滤除,从而得到滤波后的目标物体点云数据集。应用上述方法对室外建筑物数据进行试验,得到较好的效果,表明该方法适用于部分目标对象的初步分离。     

基于中文分词的地名兴趣点简称的研究

针对地名兴趣点的命名结构,阐述了用于中文分词的基本词库与简称词库的设计,选用IKAnalyzer实现中文分词。在分词基础上设计并实现了简称规则与算法,从而达到在不影响信息表达的基础上简化名称的目的。     

融入空间关系的矩阵分解POI推荐模型

兴趣点(point ofinterest,POI)推荐是在基于位置的社交网络中流行起来的个性化服务.针对数据稀疏和隐性反馈的使用等问题,提出了一种关系型矩阵分解模型——合作竞争矩阵分解(cooperative competi-tion matrix factorization,CC-MF).该模型根据用户与POI间的相...     

多条件约束下的多级电子地图兴趣点抽稀方法

兴趣点具有数量多、密度大的特点,制作电子地图时通常需要抽稀,避免兴趣点标注出现压盖问题。“天地图·福建”电子地图的兴趣点标注需要满足多个条件的约束,常规的兴趣点抽稀方法无法满足。本文提出多条件约束的多级电子地图兴趣点抽稀方法,并对15—18级电子地图的兴趣点进行抽稀试验,抽稀后的兴趣点分布合理,标注不会出现压盖,能够满足“天地图·福建”电子地图兴趣点抽稀的要求。     

基于浏览行为的网络地图用户兴趣模型研究

为准确表达用户兴趣,提升网络地图个性化服务效率,本文结合用户的操作行为与视觉行为,探讨了用户兴趣获取的原理与方法。结合Web日志与眼动数据的特点,提取网络地图的用户兴趣特征项,并利用熵权法对用户兴趣度进行估计。通过向量空间模型,构建网络地图用户兴趣模型,并开展验证实验对用户兴趣建模方法进行验证。     

基于投影点密度的车载激光扫描距离图像分割方法

对车载激光扫描系统获取的距离图像的分割进行研究,提出利用投影点密度进行距离图像分割的方法.该方法不需要其他辅助数据就可以进行距离图像的分割,给出应用实例.图像的分割是目标识别、定位、特征提取与建模的基础和关键.距离图像是离散坐标点阵列,不表达目标边界特征和拓扑关系,到目前为止还没有距离图像分割的成熟、可行方法.本文研究成果,展现了激光扫描技术在数据获取、处理研究上的新方向.