基于多维特征聚类和用户评分的景点推荐算法

针对传统的协调过滤推荐算法利用单一评分矩阵带来的数据稀疏性问题,提出一种基于多维特征聚类和用户评分的景点推荐算法。划分用户类别,使用基于属性权重的加权K-means聚类算法将表示用户特征的多维指标数值进行聚类;确定目标用户类别,引入用户的推荐可信度和质量可信度并形成评分可信度,将评分可信度和评分相似度结合平衡因子来计算用户之间的相似度,优化传统的相似度推荐算法。实验结果表明,该算法降低了数据的稀疏性,提高了推荐精度,具有更好的稳定性。

基于公交刷卡数据的城市通勤时空分析

目前大部分公交卡仅用于收费,刷卡记录中不包含乘客的出行站点信息,无法研究乘客的空间出行特征。为了获取乘客的上车站点,将公交刷卡数据和GPS定位数据相匹配,增加到离站弹性阈值,改进传统的上车站点推导算法;通过对公交刷卡行为进行分析,将乘客个体融入到公交乘客整体中,提出下车站点推导算法;在此基础上提出出行时间链的概念,结合PTD模型来识别通勤乘客。以青岛市西海岸新区的公交大数据为例验证了该算法的可行性,并对其进行了通勤时空分析。