1.一种基于邻域选择的多目标旅游推荐方法,其特征在于,包括以下步骤:S1:数据集构建:收集用户的历史访问序列,并根据用户访问的ID和访问时间进行排序,将收集到的数据集进行数据筛选;
S2:用户邻居池的构建:根据用户访问景点的数量将用户划分为新用户和老用户,针对不同状态的目标用户采用不同的计算方式计算目标用户的邻居列表,最终选取相似度排名前m名的用户作为邻居放入邻居池;
S3:多目标推荐模型建立:将用户所关注的景点推荐列表的性能通过建模转化成包含两个优化目标的多目标优化问题,即将推荐的准确度和新颖性这两个指标转化为两个目标的多目标优化模型,并计算目标函数;计算目标函数的步骤包括:(1)衡量推荐准确性的函数使用传统推荐技术预测的项目评分,衡量准确度的目标函数是:其中,ru,i为用户u对景点i的评分,k表示景点推荐列表的长度,该目标函数值越大,表明景点推荐列表中的项目越受欢迎;
(2)新颖性表明推荐系统向用户推荐被用户较少留意的景点的能力,新颖性定义为:其中,ui和σi分别为所有用户给景点i打分的平均值和方差,则当景点越受欢迎的时候,价值越低;
最终构建的多目标函数为:
S4:多目标进化算法优化邻居列表:使用改进的多目标进化算法对邻居列表进行优化,从而得到最优的邻居列表;
S5:用户推荐列表的产生:根据多目标进化算法得到用户邻居的非劣势解集,在非劣势解集中选出用户最优邻居解,并根据基于用户的协同过滤算法计算得到用户的景点推荐列表。
2.根据权利要求1所述的基于邻域选择的多目标旅游推荐方法,其特征在于,在步骤S1中,将收集到的数据集进行数据筛选包括对HSC数据集过滤掉少于最多4个不同用户访问的地点,对NYC数据集过滤掉少于至多10个不同用户访问地点。
3.根据权利要求1所述的基于邻域选择的多目标旅游推荐方法,其特征在于,在步骤S2中,计算目标用户的邻居列表的具体步骤包括:(1)当目标用户为老用户时,目标用户与其他用户的相似度通过余弦相似度的二进制形式进行计算:其中,I11表示用户x和用户u共同评分的景点的数量,I10表示用户x给出了评分用户u没有给出评分的数量,I01表示用户x没有给出评分用户u给出评分的数量;
(2)当目标用户为新用户时,采用基于景点的相似性和OUsim相似度共同作用来选择目标用户的邻居:首先根据景点相似性生成一个Top-20的景点相似性列表,所有在景点相似性列表中至少评分过一个的用户都会被选择加入到TopUser1列表;然后再计算目标用户与其他用户之间的OUsim来产生TopUser2列表;最后利用这两个列表生成一个交叉用户列表AUL,其中景点相似度为:其中,|N(i)|是喜欢景点i的用户数,在数据集中的景点真实评分超过4定义为喜欢,|N(i)∩N(j)|为同时喜欢景点i和景点j的用户数;
AUL=|TopUser1∩TopUser2|。
4.根据权利要求1所述的基于邻域选择的多目标旅游推荐方法,其特征在于,步骤S4的具体步骤包括:S4.1:种群的初始化:种群中的每一个个体代表着一个长度为n的邻居列表,个体初始化时,随机从目标用户的邻居池内随机选取n个邻居进行填充,进行多次的个体初始化从而完成种群的初始化;
S4.2:适应度的计算:根据种群的适应度大小来选择种群,种群的适应度大小由S3转化的两个优化目标得到,两个目标函数之和的大小表明适应度的大小,适应度值大的种群进入下一代;
S4.3:种群的交叉变异:分别采用单点均匀交叉和单点突变产生新个体,不断更新种群;
S4.4:当前迭代次数如果达到设置的最大迭代次数结束优化,否则转至步骤S4.2继续进行优化。
5.根据权利要求4所述的基于邻域选择的多目标旅游推荐方法,其特征在于,所述步骤S4.3中,单点均匀交叉的具体步骤包括:首先,随机选择两个父代个体P1和P2;
然后,在个体P1和P2上随机选择一个断点i,并在个体P1和P2的端点i到端点j之间相互交换项目,得到子代个体O1和O2,若子代个体出现重复项,则使用随机选择的候选项来替换个体中未改变部分的重复项。
6.根据权利要求4所述的基于邻域选择的多目标旅游推荐方法,其特征在于,所述步骤S4.3中,单点突变的具体方法包括:通过随机选择确定突变点,然后使用一个未出现在父代个体中的候选项替换子代个体中该突变点上的项。
7.一种基于邻域选择的多目标旅游推荐系统,其特征在于,包括:数据构建模块,用于收集用户的历史访问序列,并根据用户访问的ID和访问时间进行排序,将收集到的数据集进行数据筛选;
用户邻居池的构建模块,用于根据用户访问景点的数量将用户划分为新用户和老用户,针对不同状态的目标用户采用不同的相似度计算方式计算目标用户与其他用户之间的相似度,最终选取相似度排名前m名的用户作为邻居放入邻居池;
多目标推荐模型建立模块,用于将用户关注的推荐准确度和新颖性这两个目标构建一个多目标优化模型,并计算目标函数;
多目标进化算法优化邻居列表模块,用于使用改进的多目标进化算法对邻居列表进行优化,从而得到最优的邻居列表;
用户推荐列表生成模块,用于根据多目标进化算法可以得到的用户邻居的非劣势解集,在非劣势解集中选出用户最优邻居解,并根据基于用户的协同过滤算法计算得到用户的推荐列表。
8.根据权利要求7所述的基于邻域选择的多目标旅游推荐系统,其特征在于,所述多目标推荐模型建立模块计算目标函数的步骤包括:(1)衡量推荐准确性的函数使用传统推荐技术预测的项目评分,衡量准确度的目标函数是:其中,ru,i为用户u对景点i的评分,k表示推荐列表的长度,该目标函数值越大,表明列表中的项目越受欢迎;
(2)新颖性表明推荐系统向用户推荐被用户较少留意的景点的能力,新颖性定义为:其中,ui和σi分别为所有用户给景点i打分的平均值和方差,则当景点越受欢迎的时候,价值越低;
最终构建的多目标函数为:
。
9.根据权利要求7所述的基于邻域选择的多目标旅游推荐系统,其特征在于,所述多目标进化算法优化邻居列表模块,用于使用改进的多目标进化算法对邻居列表进行优化,从而得到最优的邻居列表的具体步骤包括:S4.1:种群的初始化:种群中的每一个个体代表着一个长度为n的邻居列表,个体初始化时,随机从目标用户的邻居池内随机选取n个邻居进行填充,进行多次的个体初始化从而完成种群的初始化;
S4.2:适应度的计算:根据种群的适应度大小来选择种群,种群的适应度大小由S3转化的两个优化目标得到,两个目标函数之和的大小表明适应度的大小,适应度值大的种群进入下一代;
S4.3:种群的交叉变异:分别采用单点均匀交叉和单点突变产生新个体,不断更新种群;
S4.4:当前迭代次数如果达到设置的最大迭代次数结束优化,否则转至步骤S4.2继续进行优化。