本文主要研究内容
作者李广丽,朱涛,滑瑾,邱蝶蝶,邬任重,张红斌,姬东鸿（2019）在《混合分层抽样统计与贝叶斯个性化排序的旅游景点推荐模型研究》一文中研究指出：传统协同过滤推荐模型仅处理稀疏的评分数据,未深入挖掘用户及对象的潜在语义,且用户喜好信息也未充分利用.围绕旅游景点推荐这一热点问题,提出全新的混合分层抽样统计与贝叶斯个性化排序的推荐模型:采用分层抽样统计及主观赋值评价法刻画用户旅游喜好;基于矩阵分解算法(Matrix Factorization,简称MF)分析用户及对象(景点)的潜在语义,运用贝叶斯个性化排序算法(Bayesian Personalized Ranking,简称BPR)对推荐模型进行优化;综合用户旅游喜好信息及BPR优化结果,生成混合推荐列表.在新的"Wisdom Tourism"数据集上进行仿真实验.实验表明:推荐模型的RMSE、MAE、F1值较最强基线分别提升16.59%、10.05%、5.04%;相比于分层抽样统计方法,BPR算法在推荐过程中发挥更显著的作用.
Abstract
chuan tong xie tong guo lv tui jian mo xing jin chu li xi shu de ping fen shu ju ,wei shen ru wa jue yong hu ji dui xiang de qian zai yu yi ,ju yong hu xi hao xin xi ye wei chong fen li yong .wei rao lv you jing dian tui jian zhe yi re dian wen ti ,di chu quan xin de hun ge fen ceng chou yang tong ji yu bei xie si ge xing hua pai xu de tui jian mo xing :cai yong fen ceng chou yang tong ji ji zhu guan fu zhi ping jia fa ke hua yong hu lv you xi hao ;ji yu ju zhen fen jie suan fa (Matrix Factorization,jian chen MF)fen xi yong hu ji dui xiang (jing dian )de qian zai yu yi ,yun yong bei xie si ge xing hua pai xu suan fa (Bayesian Personalized Ranking,jian chen BPR)dui tui jian mo xing jin hang you hua ;zeng ge yong hu lv you xi hao xin xi ji BPRyou hua jie guo ,sheng cheng hun ge tui jian lie biao .zai xin de "Wisdom Tourism"shu ju ji shang jin hang fang zhen shi yan .shi yan biao ming :tui jian mo xing de RMSE、MAE、F1zhi jiao zui jiang ji xian fen bie di sheng 16.59%、10.05%、5.04%;xiang bi yu fen ceng chou yang tong ji fang fa ,BPRsuan fa zai tui jian guo cheng zhong fa hui geng xian zhe de zuo yong .
论文参考文献
论文详细介绍
论文作者分别是来自华中师范大学学报(自然科学版)的李广丽,朱涛,滑瑾,邱蝶蝶,邬任重,张红斌,姬东鸿，发表于刊物华中师范大学学报(自然科学版)2019年02期论文，是一篇关于分层抽样统计论文,贝叶斯个性化排序论文,协同过滤论文,旅游景点论文,推荐模型论文,矩阵分解论文,华中师范大学学报(自然科学版)2019年02期论文的文章。本文可供学术参考使用，各位学者可以免费参考阅读下载，文章观点不代表本站观点，资料来自华中师范大学学报(自然科学版)2019年02期论文网站，若本站收录的文献无意侵犯了您的著作版权，请联系我们删除。
标签：分层抽样统计论文; 贝叶斯个性化排序论文; 协同过滤论文; 旅游景点论文; 推荐模型论文; 矩阵分解论文; 华中师范大学学报(自然科学版)2019年02期论文;