基于群智数据的情境关联旅游路线推荐

针对基于不同出行需求的景区内路线规划问题,首先运用卷积-循环神经网络(CNN-RNN)对游记中图像与文本进行联合嵌入,将数据按照景点进行分类识别,然后使用基于图模型的PhotoRank算法优选出具有多样性、代表性的图片,最后采用关联规则挖掘得到针对不同出行人群的特定需求情境的推荐路线。以8个热门景点为例,对马蜂窝中采集的游记数据进行实验,结果表明提出的基于群智数据的跨模态分析和情境关联旅游路线推荐方法能够从多角度真实地刻画景点,并且所推荐的情境关联路线可满足不同人群的特定游玩需求。

CrowdDepict:多源群智数据驱动的个性化商品描述生成方法

随着网上购物逐渐发展,在无法接触到实体商品的情况下,商品描述显得尤为重要。传统人工撰写的商品描述语对所有用户展示相同的商品信息,但没有考虑到不同用户所关注的不同属性,并且人工撰写的效率无法与产品增长速度相匹配,因此如何自动生成个性化产品描述成为前沿研究问题。主要研究个性化商品描述内容生成,考虑用户的个性化特征,对每个用户生成对应其兴趣点的商品描述文本。因为个性化商品描述数据集的缺失,提出CrowdDepict方法,通过豆瓣、京东等公开数据源获取商品描述相关语料处理,利用商品评论等数据,生成商品个性化描述。实验结果表明,提出的个性化商品描述模型可根据用户偏好自动生成个性化的商品描述,内容覆盖用户兴趣与产品特点,文本表达流畅。

移动APP演化策略研究

移动互联网时代中,APP用户更注重产品体验,通过评论的方式来表达自己的使用情况和建议。在线评价数据的研究已经成为热点,从评论中获得的用户反馈有助于APP演化升级,但目前针对APP的评论挖掘方兴未艾。从9家APP应用商店中采集得到大量用户评论数据,筛选评论所包含的需求属性和情感倾向,并运用KANO模型对其建模分析,映射属性到魅力、期望、必备等类别。根据APP具体属性和所属KANO类别给出合理有效的更新演化策略:APP演化应优先满足必备和期望属性的需求,并逐步实现魅力属性的需求,并且最终检验了模型的鲁棒性和易移植性。