7篇关于景点推荐的计算机毕业论文

今天分享的是关于景点推荐的7篇计算机毕业论文范文, 如果你的论文涉及到景点推荐等主题,本文能够帮助到你

基于图神经网络的景点推荐方法研究与应用

这是一篇关于智慧旅游,景点推荐,图卷积神经网络,高阶连接性的论文, 主要内容为在国家政策引导和行业需求推动下,旅游市场快速发展,旅游信息过载问题随之出现。由于用户旅游频次低,历史交互数据稀疏,目前常用的传统推荐算法如协同过滤、矩阵分解等推荐效果不佳。同时现有旅游系统主要是对旅游信息进行展示,缺乏个性化旅游资源定制功能。有鉴于此,本文面向旅游者的个性化需求,基于用户对景点的历史访问数据,设计了一种基于图卷积神经网络的景点推荐算法,在此基础上设计并实现了个性化旅游推荐系统。主要研究内容如下:首先,本文将旅游过程中用户访问景点的活动建模为不同类型节点构成的异构图,将为用户推荐景点任务转换为异构图中节点的链接预测问题。在此基础上,设计了一种基于图卷积神经网络的景点推荐算法,旨在利用多层图卷积操作显式建模异构图中的高阶连接性来学习用户和景点的嵌入式表示,同时利用多层感知机捕捉用户和景点之间的非线性交互关系,最终提升模型推荐效果。其次,对基于图卷积神经网络的景点推荐算法进行实验验证。对实验中的参数进行分析,测试不同参数对推荐性能的影响;分析不同迭代次数下算法的收敛情况;与相关的景点推荐方法进行对比,分析推荐算法的性能。实验结果表明,本文的算法相较于其他景点推荐算法在命中率和归一化折损累计增益上均有一定提高,证明了算法的有效性。最后,设计并实现了个性化旅游推荐系统,对系统进行性能分析,从功能性和非功能性方面明确了系统需求;对系统架构、系统功能模块以及数据库表进行设计;对系统的主要功能模块进行用例测试;通过系统中景点推荐等功能模块的具体实现验证景点推荐算法的可用性。

基于图注意力网络与序列挖掘的旅游推荐算法研究

这是一篇关于景点推荐,路线推荐,图注意力网络,知识图谱,社交网络的论文, 主要内容为随着互联网的高速发展,旅游信息爆炸式增长导致“信息过载”问题愈发严重,旅游推荐系统研究受到广泛关注。学者们通过加入辅助信息缓解旅游推荐中存在的数据稀疏问题。针对现有推荐模型对多源异构辅助信息建模能力不足问题,本文提出基于图注意力网络的旅游景点推荐模型并在此基础上进行路线推荐。具体研究内容如下:首先,针对现有景点推荐模型建模时信息源考虑不足,以及对游客、景点与各种信息源间复杂交互无法精准建模的问题,提出一种基于图注意力网络的景点推荐算法。该算法利用深度学习技术从多源异构数据中自动学习游客偏好特征与景点特征,同时利用多层感知机学习游客与景点间的非线性交互以提高推荐性能。在签到数据集上的实验得出,所提算法在景点推荐衡量指标上优于其它对比算法,验证了所提算法的有效性。其次,针对现有路线推荐方法推荐结果个性化不足的问题,设计了一种基于聚类与序列挖掘的旅游路线推荐方法。该方法利用游记文本与路线上下文对路线数据进行聚类,获取具有相似特征的旅游路线,在此基础上进行序列挖掘并利用所提景点推荐算法计算路线价值度,以此产生推荐结果。在西安路线数据上的实验结果表明,所设计路线推荐方法在召回率与覆盖率两个指标上均有所提升。最后,为了验证景点与路线双重任务推荐的正确性、可行性与实效性,进一步从实践应用的角度,分析了本文所提算法在面向应用问题中的有效性。其中,参考领域知识图谱构建方法,构建西安旅游景点知识图谱。并利用景点知识图谱对原始路线数据进行降噪与填充,获得旅游序列数据。此外,本文通过对游客需求进行分析,设计并实现个性化旅游推荐系统,对其在旅游推荐场景中的应用提供新的思路。综上所述,所提景点推荐算法利用深度学习技术对辅助信息进行精准建模,有效缓解了旅游推荐场景中的数据稀疏问题。在此基础上设计的旅游路线推荐方法,其推荐结果也更加符合游客的个性化需求。

基于移动网络大数据的用户社交关系挖掘与旅程规划系统

这是一篇关于移动网络数据,社交关系推断,用户行为分析,景点推荐的论文, 主要内容为随着互联网和移动通信技术的不断发展,海量的数字足迹为社会系统复杂结构和动力学分析提供了前所未有的广泛机会。移动网络数据集包含了用户位置数据与通话数据,为宏观尺度下人类社会性与移动性分析提供了数据基础,能够准确和完整地反映用户生活的节律模式和兴趣偏好。近年来,随着旅游产业的飞速发展,蕴含丰富“群体智慧”的移动网络数据逐渐被应用于旅游服务行业。从移动网络数据中挖掘游客的旅行路线与旅行偏好,能够为旅游景区与其周边服务设施建设提供参考。本文针对这种需求,基于Spark分布式平台设计并实现了一套海南智慧旅游画像系统。系统利用移动网络数据和POI数据,实现了移动网络数据的自动化清洗与停驻区域挖掘、基于用户移动性的社交关系推断和用户行为分析等功能。在此基础上,系统构建了海南旅游行业知识图谱,并结合海量游客用户轨迹实现了交互式的游客画像、景点画像与旅程规划web平台,为提升旅游行业服务质量,实现智能化、信息化和个性化的旅游服务添砖加瓦。本文的工作主要体现在以下几个方面:第一,本文提出了基于Spark分布式平台的移动网络数据的清洗与停驻区域挖掘算法,并利用得到的用户轨迹对用户的日常出行移动行为模式进行统计分析。第二,本文进行了基于移动网络数据的移动性推断社交关系的研究。算法定义了时间重叠度和地点重叠度对停驻区域挖掘后的用户轨迹进行相遇事件识别,接着考虑到用户社交关系传播特性构建了用户移动性关系网络,最终采用分层图约简的图嵌入算法得到用户向量,并结合POI数据以及用户居住地、工作地信息,对用户间隐藏的社交关系进行推断。第三,本文实现了基于多峰捕捉的下一个景点推荐算法。本文首先构建了小规模的海南旅游知识图谱,接着根据移动网络数据的海量游客群体路线构建景点转移图。推荐系统召回模块采用LSHForest算法并提供了基于用户偏好和群体智慧的两种召回方案,精排序模型引入用户社交关系和挖掘用户不同属性的景点偏好注意力机制,对召回景点集合进行打分排序。第四,本文构建了集成多域数据的处理方案和居住地与工作地识别、移动性推断社交关系、旅游知识图谱构建、下一个景点推荐等多种算法的智慧旅游画像系统,并实现了基于Bootstrap和tornado的web交互平台,对海南旅游城市画像、景区画像以及游客画像进行展示。

基于众源地理数据的旅游景点及路线推荐研究

这是一篇关于众源地理数据,景点推荐,路线推荐,推荐系统,个人偏好的论文, 主要内容为随着互联网技术的快速发展以及人均消费水平的提高,外出旅游成为了人们放松心情的一种时尚性消费活动,但如何及时、准确的选择适合自己旅游景点和路线,以节省时间、金钱并获得更好的旅游体验是目前所面对的问题。当前国内主流旅游网站中在景点和路线推荐所提供的都是大众化、普遍性的推荐。为了弥补推荐结果不具有针对性和个性化的现状,本文以众源地理数据作为数据来源,提出基于景点标签聚类和用户评分的景点推荐算法和基于多维特征聚类的路线推荐算法,以ArcGIS for Android技术、数据库技术和前端技术作为技术支持,设计、开发旅游推荐系统,实现了所提出的旅游推荐算法。在众源地理数据获取与处理方面。以青岛为研究区域,并将马蜂窝旅游网站作为数据来源网站,使用集搜客(GooSeeker)网站数据爬虫工具爬取景点信息、评分和游记文本数据,并使用python和jieba分词库对数据进行预处理,最后将处理后的景点信息、景点评分、旅游路线和量化后的景点标签、旅行特征数据存入数据库。在基于景点标签聚类和用户评分景点推荐方面。针对传统协同过滤推荐算法存在的数据稀疏和冷启动问题,将景点根据标签进行K-Means聚类操作,在原有的评分相似度基础上,引入由推荐可信度和质量可信度组成的评分可信度,以此来提高推荐精度,将评分相似度和评分可信度进行线性组合作为最终推荐方法并对结果进行TOP-N输出,最后对推荐算法进行MAE值对比验证,实验结果表明,该算法不仅降低了数据的稀疏性,同时也提高了推荐精度,具有更好的稳定性。在基于多维特征聚类的路线推荐方面。针对旅游网站在路线推荐中没有考虑用户个性特征的问题,首先将众源数据中用户的出行时间、费用、天数、人物和是否含有酒店和美食等出行特征进行属性加权K-Means聚类操作,使得同一类别中的用户在旅游路线的选择上更具有相似性。为了提高路线推荐精度,使用基于Apriori算法的频繁景点序列挖掘推荐路线,然后计算推荐路线的流行度,根据流行度结果将推荐路线进行TOP-N输出,并对推荐算法进行准确率、召回率、F-Measure值验证,实验结果表明,该算法在满足用户自身需求的基础上,具有更高的准确度。在旅游景点及路线推荐系统实现方面。系统实现了根据用户的个人偏好和景点评分进行旅游景点推荐和结果输出,同时可以根据出行的特征推荐出符合用户需求的旅游路线,并采用列表与地图可视化两种形式对推荐结果进行可视化输出。通过实验分析和系统测试,本文所提的方法能够准确、有效的进行景点和路线推荐,在满足用户自身需求和个性化推荐上具有一定意义。

基于图神经网络的景点推荐方法研究与应用

基于景区状态信息的景点推荐系统的设计与实现

这是一篇关于智慧旅游,卷积神经网络,景点推荐,系统设计的论文, 主要内容为随着智慧旅游各类应用场景需求的逐步智慧化,旅游景区景点的智能推荐已经成为当前智慧旅游的研究热点之一。传统的景区推荐系统亟待改进,基于景区状态信息的新型景点智能推荐系统是一个很好的研究思路。该系统设计统筹考虑了游客的个人喜好、景点拥挤程度、地理位置和移动方向与速度,采用大数据优化训练,期望为游客提供更加便捷的旅游信息获取途径,增添多元化的选择,改善旅游体验。本文所设计的智能推荐系统,包含两个主要部分。在第一部分中,使用Java语言及Spring Boot框架进行后端开发,使用Java Script及Vue框架来进行前端开发。该系统能够在Web端实现用户与系统之间的交互,采集用户的偏好信息,同时能够对景区状态信息进行管理与展示。用户数据及景区的状态信息存储在My SQL数据库中。在第二部分中,主要是对景点推荐算法进行设计和实现。该系统采用引入注意力机制的Res Ne Xt50卷积神经网络,以景区状态信息、游客当前位置、系统收集的用户偏好信息作为输入,基于用户及景区的状态信息,针对每个用户进行景点智能推荐。用户可以通过手机浏览器与系统进行交互,系统会根据用户的实时位置和偏好信息推荐符合其需求的景点。