多方面属性归一化三维张量模型在区域旅游酒店的推荐应用

为游客个性化推荐理想酒店是旅游质量得以保障的手段之一。首先运用形式化方法将游客、酒店以及游客对酒店的评分从多方面属性综合进行量化与归ー化,得到归一化的酒店因子、游客因子和评分因子;然后,采用一种有偏加权函数计算出一种有偏推荐度,与酒店、游客和评分等因子一起构建了一种以"酒店辟客4平分荐度"四元关系的三维张量模型,有偏推荐度作为张量元素值;最后,采用基于Tucker分解法的算法实现了在高度稀疏的四元关系数据集上按游客分类的有偏性旅游酒店推荐。实验结果表明,采用三维张量模型及算法能实现对高度稀疏的区域旅游酒店数据进行精准旅游酒店推荐,为游客根据个人偏好获得个性化的酒店推荐找出了一种新的方法,有效提高了旅游质量。

基于用户隐式数据的个性化酒店推荐算法

在基于物品协同过滤的基础上,对隐式反馈数据进行挖掘建模,设计了隐式反馈偏好评分规则,并据此赋予了计算酒店相似度公式的新定义。考虑到用户的基本特征也会对用户个性化需求产生影响以及单一算法的局限性,进一步引入了XGBoost模型,利用XGBoost训练对改进后的推荐结果进行过滤,得到较好的个性化酒店推荐系统。文中采用真实的脱敏数据,证明利用层叠模型构建个性化酒店推荐系统的推荐效果更加精准,对于酒店在线平台的个性化服务具有较强的参考价值。