基于动态聚类的旅游线路推荐

来源：计算机应用杂志2017年第8期北京时间：

作者：肖春景, 夏克文, 乔永卫, 张宇翔

单位：1. 河北工业大学 电子信息工程学院, 天津 300300;2. 中国民航大学 计算机科学与技术学院, 天津 300300;3. 中国民航大学 工程技术训练中心, 天津 300300

摘要：基于会话的协同过滤用固定时间窗划分交互历史并将用户兴趣表示为这些阶段的序列，但是旅游数据的高稀疏性会导致某些阶段内没有交互行为和近邻相似度计算困难的问题。为了缓解数据稀疏，有效利用数据特性，提出了基于动态聚类的旅游线路推荐算法。该方法首先分析了旅游数据不同于其他标准数据的特性；其次利用动态聚类得到的变长时间窗口对游客交互历史进行划分，利用潜在狄利克雷分布（LDA）抽取每个阶段的概率主题分布，结合时间惩罚权值建立用户兴趣漂移模型；接着，通过反映年龄、线路季节、价格等因素的游客特征向量为目标游客选择近邻和候选线路集合；最后根据候选线路和游客的概率主题相关度完成线路推荐。该方法通过采用变长时间窗口不但缓解了数据稀疏，而且划分的阶段数目不需提前指定，而是根据数据特性自动生成；近邻选择时采用特征向量而非旅游数据进行相似度计算，避免了由于数据稀疏无法计算的问题。在实际旅游数据上的大量实验结果表明，该方法不仅很好适应了旅游数据特征，而且提高了旅游线路的推荐精度。

关键词：动态聚类,潜在狄利克雷分布,兴趣模型,时间惩罚,特征向量

基金资助：国家自然科学基金资助项目（U1533104）；河北省自然科学基金资助项目（E2016202341）；天津市自然科学基金资助项目（14JCZDJC32500）；中央高校基本科研业务费资助项目（ZXH2012P009）。