混合分层抽样与协同过滤的旅游景点推荐模型研究

采用问卷调查与自动抓取相结合的方式,采集用户信息、用户评分等旅游数据,对数据做分层抽样,生成包含用户旅游喜好信息的“智慧旅游”数据集.围绕该数据集,预处理用户评分并执行基于用户聚类的协同过滤算法,以计算目标用户与聚类中心的相似性.结合分层抽样模型生成的旅游喜好信息,输出混合推荐列表.实验结果表明:相比基线,混合分层抽样与协同过滤的推荐模型对评分预测的均方根误差(Root mean square error,RMSE)和平均绝对误差(Mean absolute error,MAE)分别降低11.5％～64.9％和18.8％～47.7％.混合推荐的准确率和召回率相比基线也有较大程度提升,旅游景点推荐效果良好.