欢迎来到天天文库
浏览记录
ID:11567983
大小:76.00 KB
页数:8页
时间:2018-07-12
《互联网旅游信息采集与分析系统的开发-综述.doc》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库。
1、北京化工大学本科毕业设计(论文)文献综述北京化工大学毕业设计(论文)文献综述论文题目:互联网旅游信息采集与分析系统的开发——以百度旅游为例学院名称:经济管理学院专业:信息管理与信息系统学生姓名:导师姓名:开题日期:年月日指导教师意见指导教师签字北京化工大学本科毕业设计(论文)文献综述前言2015年被国家旅游局确定为“美丽中国-丝绸之路旅游年”,中国旅游业蓬勃发展,在如今经济下行压力加大之时,旅游消费依然成为新的经济增长点,旅游经济运行综合指数回升至近三年来的高位水平。国民旅游市场需求旺盛,国家旅游局数据显示,2015上半年国内旅游人数为20.24亿人次,同比增长9.
2、9%,旅游收入更是实现两位数增长,高达12.4%。国内游市场发展强劲,旅游消费总额创历史新高,伴随着中国旅游业的高速发展,行业规模不断扩大,导致旅游数据信息爆炸性的增长,旅游数据已经形成一个巨大的海量信息空间。利用海量的旅游原始数据,快速、准确、方便地对日常积累的反映旅客信息的海量旅行数据进行旅游挖掘分析,已经成为旅游大数据应用新方向。在旅游领域,随着信息技术发展,潜在旅游者利用互联网查询目的地信息、选择旅游线路、制定具体的旅游规划,这种现象越来越普及。以携程旅行网、乐途旅游网、同程网、芒果网为代表的在线旅游网站,除了提供旅游产品信息外,更提供了大量的旅游评论数据,
3、在线旅游评论数据基于众多网友的亲身体验为旅游者了解旅游产品提供了有效的信息,强烈地影响着旅游者决策的制定。由于大部分潜在旅游者旅游时间非常有限,而耗费大量时间成本筛选目的地,并且目的地真实情况难以保证,这种情况严重影响到旅游者出行计划和满意度,加大了旅游者出行成本。基于以上,互联网旅游信息采集与分析系统依靠分析不断更新的海量在线用户评论数据,建立旅游目的地评价体系,匹配旅游者的个人需求,实现目的地的个性化推荐,并提供相关旅游目的地信息分析的功能。在此过程中,我通过知网平台、万方数据平台及Elsevier、IEEE英文平台下载了大量与本研究问题相关的文献进行学习。阅读
4、了篇文献国内外文献,文献形式包括期刊论文也包括网络新闻等信息,尽可能对该领域的知识及理论研究有充分的了解和学习。本文通过对推荐系统和算法的论述总结,提出互联网旅游信息采集与分析系统的理论支撑。1、推荐系统概念互联网的出现和普及给用户带来了大量的信息,满足了用户在信息时代对信息的需求,但随着网络的迅速发展而带来的网上信息量的大幅增长,使得用户在面对大量信息时无法从中获得对自己真正有用的那部分信息,对信息的使用效率北京化工大学本科毕业设计(论文)文献综述反而降低了,这就是所谓的信息超载(informationoverload)问题。1995年3月,卡耐基.梅隆大学的Ro
5、bertArmstrong等人在美国人工智能协会上提出了个性化导航系统WebWatcher;斯坦福大学的MarkoBalabanovic等人在同一会议上推出了个性化推荐系统LIRA;推荐系统能够有效的解决信息超载问题,它是根据用户的信息需求、兴趣等,将用户感兴趣的信息、产品等推荐给用户的个性化信息推荐系统。和搜索引擎相比推荐系统通过研究用户的兴趣偏好,进行个性化计算,由系统发现用户的兴趣点,从而引导用户发现自己的信息需求。一个好的推荐系统不仅能为用户提供个性化的服务,还能和用户之间建立密切关系,让用户对推荐产生依赖。目前流行的推荐算法主要分为四大类:基于内容的推荐算
6、法、协同过滤推荐算法、基于知识的推荐算法和混合的推荐算法。1.2国内外研究现状从20世纪90年代中期推荐系统的概念出现至今,推荐系统得到了飞速发展。电子商务、网上交易的蓬勃兴起,给推荐系统提供了良好的契机和发展平台。由于巨大的应用需求,推荐系统得到了广泛的关注,国内外许多学者研究推荐系统,美国计算机协会(ACM)多次把推荐系统作为研讨主题[1],众多国内外期刊也纷纷将推荐系统作为研究专题[2]。在我国,学术界也开始逐渐重视推荐系统的研究。国家自然科学基金曾资助过“面向电子商务的顾客偏好分析与个性化分析系统”、“电子商务个性推荐系统及应用研究”等项目,而且电子商务网站
7、中推荐系统的应用水平也有了不同程度的提高。2.推荐算法2.1基于内容的推荐算法基于内容的推荐(content-basedrecommenda-tion)也称为基于内容的信息过滤推荐,它不需要用户对推荐对象进行评价,而是把推荐对象的内容特征抽取出来,然后从用户以往选择对象的内容特征去学习用户的偏好兴趣,最后与用户偏好兴趣匹配度较高的对象将被推荐给用户。基于内容过滤的推荐是建立在项目自身属性信息基础上的一种推荐算法,其主要依赖的是项目自身的属性息,而不去考虑用户反馈的项目评价和偏好。基于内容过滤的推荐有着很多优点,如无项目的冷启动问题和矩阵稀疏的问北京化工大学本科毕
此文档下载收益归作者所有