目錄

前言

課題背景和意義

實現(xiàn)技術(shù)思路

一、協(xié)同過濾算法的概念

二、旅游景點推薦系統(tǒng)設計與實現(xiàn)

三、總結(jié)

實現(xiàn)效果圖樣例

最后

前言

? ? ??大四是整個大學期間最忙碌的時光,一邊要忙著備考或?qū)嵙暈楫厴I(yè)后面臨的就業(yè)升學做準備,一邊要為畢業(yè)設計耗費大量精力。近幾年各個學校要求的畢設項目越來越難,有不少課題是研究生級別難度的,對本科同學來說是充滿挑戰(zhàn)。為幫助大家順利通過和節(jié)省時間與精力投入到更重要的就業(yè)和考試中去,學長分享優(yōu)質(zhì)的選題經(jīng)驗和畢設項目與技術(shù)思路。

??對畢設有任何疑問都可以問學長哦!

選題指導:?https://blog.csdn.net/qq_37340229/article/details/128243277

大家好,這里是海浪學長畢設專題,本次分享的課題是

??畢業(yè)設計-基于協(xié)同過濾算法的旅游推薦系統(tǒng)

課題背景和意義

隨著互聯(lián)網(wǎng)技術(shù)的飛速發(fā)展和信息資源的日益豐富， 信息量的增長速度遠遠超過了我們所能處理的速度。如何 在如此龐大的信息量中找出我們感興趣的信息是非常困 難的。推薦系統(tǒng)的研究和發(fā)展已經(jīng)成為電子商務行業(yè)中不 可缺少的方法。它能夠通過對用戶的歷史行為數(shù)據(jù)進行分 析找到用戶比較感興趣的商品或項目，達到對用戶實現(xiàn)個 性化的推薦的目的。其中，使用協(xié)同過濾算法是推薦系統(tǒng) 中應用最成功、應用最廣泛的技術(shù)之一。它的主要特點是 不依賴于產(chǎn)品的內(nèi)容，而是完全取決于一類用戶所表達的 喜好。 目前旅游行業(yè)信息化程度越來越高，各個旅游景點的 相關信息在各類系統(tǒng)中存儲的數(shù)據(jù)量越來越大，用戶查找 自己感興趣的旅游景區(qū)信息越來越困難。在旅游行業(yè) 使用推薦系統(tǒng)進行各種信息的推薦方法還沒有廣泛使用， 旅游景區(qū)網(wǎng)站或主流的旅游網(wǎng)只提供旅游景點信息發(fā)布、 查詢以及實現(xiàn)了在線旅游景點門票的購買服務等，而對旅 游景區(qū)景點、促銷等服務的推薦工作還沒有廣泛的應用， 為此本文將推薦算法應用于旅游景區(qū)的推薦服務中。

實現(xiàn)技術(shù)思路

一、協(xié)同過濾算法的概念

協(xié)同過濾算法是推薦算法中比較經(jīng)典常用的一種，它 主要包括基于內(nèi)存的協(xié)同過濾和基于模型的協(xié)同過濾兩 種算法。前者主要根據(jù)用戶的歷史數(shù)據(jù)進行相關的推薦， 它使用領域的方法又可以分為基于用戶的協(xié)同過濾算法 和基于項目的協(xié)同過濾算法。

基于內(nèi)存的協(xié)同過濾算法

基于內(nèi)存的協(xié)同過濾算法一般采用最近鄰方法，該算 法首先利用用戶的歷史偏好信息來計算出用戶之間的距 離，其次利用目標用戶的鄰居用戶對產(chǎn)品的評價的加權(quán)值 來預測目標用戶對特定產(chǎn)品的偏好。推薦系統(tǒng)根據(jù)偏好程 度推薦目標用戶。該方法包括基于用戶的協(xié)同過濾算法和 基于項目的協(xié)同過濾算法。基于用戶的方法根據(jù)用戶之 間的評分行為的相似性來預測用戶的評分。這兩種方法 的原理是不同的，因此在不同的應用場景下，它們的表現(xiàn) 也不同。

1、基于用戶的協(xié)同過濾算法

基于用戶的協(xié)同過濾（User-based CF）主要思想是以 往具有相似評分的用戶應該具有相似的興趣，這樣就可以 根據(jù)相似用戶評分數(shù)據(jù)估算目標用戶對某一項目的未評 分數(shù)據(jù)值，原理示例如圖? 所示。

在圖中，箭頭指向用戶 指向該項目表示用戶喜歡引用該項目，并且該項目指向用戶代表以向目標用戶推薦該項目。對于這三個用戶，用戶 A 和用戶 C 喜歡 A 項和 C 項在一起，而用戶 B 的偏好與 其他兩個用戶相交不大，因此我們可以得到用戶 A 和用 戶 C 的興趣偏好相似，因此根據(jù)推薦原則，用戶 C 喜歡但 用戶 A 沒有評分的 D 項可以推薦給用戶 A。

2、基于項目的協(xié)同過濾算法

而基于項目的協(xié)同過濾算法（Item-basing CF）根據(jù)項 目考慮問題，但算法本身并不是根據(jù)項目本身的特性來判 斷項目之間的相似性，而是通過用戶行為來判斷項目之間 的相似性。如圖所示，用戶 A 和用戶 C 首選的項目中的 公共項目是項目 A 和項目 D。根據(jù)算法本身的原理，可以 得到 A 項與 D 項相似，因此與 A 項相似的 D 項可以在用 戶 B 喜歡 A 項時相對推薦。

基于模型的協(xié)同過濾算法

基于模型的協(xié)同過濾算法和基于內(nèi)存的協(xié)同過濾算 法有著本質(zhì)區(qū)別。前者傾向于在尋找關聯(lián)的協(xié)作鄰居用戶 之前建立模型（建立用戶瀏覽、點擊、購買等信息的綜合用 戶偏好模型），將模型與協(xié)作鄰居用戶進行比較，預測用戶 的偏好，將項目集合劃分為多個模塊，根據(jù)用戶的模型，對 協(xié)作鄰居用戶的模塊單元進行分類，篩選出與用戶模型最 匹配的模塊集，并向用戶推薦內(nèi)容。它使用機器學習和數(shù) 據(jù)挖掘技術(shù)從訓練數(shù)據(jù)中確定模型，并使用模型來預測未 知的商品得分。常見的模型有聚類模型、貝葉斯模型、矩陣 分解等。

聚類算法廣泛應用于多個研究領域。在使用聚類算法的推薦系統(tǒng) 中，系統(tǒng)會將相似興趣的用戶或相似特征的物品聚集到同 一類簇之中，相似度計算在目標對象最終所屬的類簇中進 行，同樣基于相似度由高到低的規(guī)則在所屬類簇中選取鄰 近集合，形成最終的推薦。除了使用聚類模型外，通常還可 以使用貝葉斯模型、矩陣分解、回歸模型等來快速預測用 戶在某個項目上對應的評分。

基于協(xié)同過濾的旅游推薦系統(tǒng)

在基于協(xié)同過濾的旅游推薦系統(tǒng)中，主要通過計算各 個項目之間的相似度，根據(jù)用戶之間的相似度對項目進行 預測。主要利用“用戶-項目評分矩陣”進行推薦。旅游推薦 系統(tǒng)主要針對用戶信息和景區(qū)信息進行計算?；谟脩粜?息主要從歷史用戶數(shù)據(jù)中尋找與其愛好相似、興趣相投的 用戶，找到相似用戶集之后，通過分析這些歷史用戶的歷 史行為來挖掘他們的其他喜好和行為信息，并根據(jù)這些信 息來完成對目標用戶的喜好和行為預測給出推薦。

二、旅游景點推薦系統(tǒng)設計與實現(xiàn)

總體架構(gòu)設計

該系統(tǒng)充分利用景區(qū)旅游資源，為游客提供特色旅游 服務，是實現(xiàn)個性化信息服務的有效手段。系統(tǒng)采用協(xié)同 過濾算法為核心部分，根據(jù)用戶的需求信息和產(chǎn)生的歷史 記錄，向游客推薦符合用戶需求的旅游資源信息。采用基 于數(shù)據(jù)庫的方式實現(xiàn)以網(wǎng)絡技術(shù)為核心的 B/S 模式，設計 了業(yè)務應用層、模型層和數(shù)據(jù)采集層三個結(jié)構(gòu)層次。系統(tǒng) 結(jié)構(gòu)層次如表所示。

主要功能

該旅行推薦系統(tǒng)使用 Struts 來實現(xiàn)視圖層和控制器 層之間的交互，而 Hibernate 用于數(shù)據(jù)持久化。前臺頁面使 用 JSP 技術(shù)來制作，后臺系統(tǒng)使用 JAVA 語言來實現(xiàn)，推 薦算法部分用 python 腳本來實現(xiàn)，服務器采用 tomcat， MySQL 為數(shù)據(jù)庫。

實現(xiàn)效果圖樣例

旅游推薦系統(tǒng)：

我是海浪學長,創(chuàng)作不易,歡迎點贊、關注、收藏、留言。

畢設幫助，疑難解答，歡迎打擾！文章來源地址http://www.zghlxwxcb.cn/news/detail-443894.html

最后

到了這里，關于畢業(yè)設計-基于協(xié)同過濾算法的旅游推薦系統(tǒng)的文章就介紹完了。如果您還想了解更多內(nèi)容，請在右上角搜索TOY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關文章，希望大家以后多多支持TOY模板網(wǎng)！