面向乘客喜好的网络约车推荐算法研究

发布时间：2024-02-24 22:47

　　互联网以及移动互联网的快速发展造就了大数据和共享经济时代,上下班高峰期、偏远地区打车难等问题使得打车软件应运而生。为了保证用户对打车软件使用的忠诚度,向用户提供高质量的个性化优质服务成为了关键手段。推荐系统则是提供个性化服务的技术,因此,对网络约车推荐算法的研究以提供准确、高效的推荐变得很有意义。本文通过收集打车软件发展的资料,对现状进行分析,确立了“设计满足乘客喜好的个性化司机推荐算法”的目标。首先,通过对国内外推荐算法的研究综述,发现学者在各个领域都有大量的推荐算法的研究成果,但目前尚未发现在网络约车领域有对推荐系统的应用研究,表明本文算法具有研究价值;阐述推荐系统、聚类、上下文感知等算法研究相关的理论知识,确定模型使用的算法及评价指标。其次,建立网络约车推荐模型,模型建立过程分为三部分:一是建立协同过滤推荐模型,根据乘客-司机的历史评分数据,采用传统的基于项目的协同过滤算法对目标用户进行推荐;二是建立基于聚类的速度改进模型,引入模糊聚类算法,根据乘客属性信息和司机属性信息分别对乘客及司机进行聚类,再采用协同过滤推荐算法进行推荐,以期提高推荐速度;三是建立基于上下文感知的精度改进模...

【文章页数】：85 页

【学位级别】：硕士

【部分图文】：

图２．２基于内容的推荐系统的高层次结构图??Ｆｉｇ．２．２?Ｈｉｇｈ?ｌｅｖｅｌ?ｓｔｒｕｃｔｕｒｅ?ｏｆ?ｃｏｎｔｅｎｔ－ｂａｓｅｄ?ｒｅｃｏｍｍｅｎｄａｔｉｏｎ?ｓｙｓｔｅｍ??

难以在大量的可选项目中评估并快速选择出有价值的项目。本文中研究的“用户”指的??是使用网络约车服务的乘客群体。??推荐系统的主要组成结构关系如图２．１所示。??＜获取用户偏好计］??图２．１推荐系统的组成结构图??Ｆｉｇ．２．１?Ｃｏｍｐｏｓｉｔｉｏｎ?ｓｔｒｕｃｔｕｒｅ?ｏｆ?....

图２．３基于用户的协同过滤推荐原理??Ｆｉｇ．２．３?Ｐｒｉｎｃｉｐｌｅ?ｏｆ?Ｕｓｅｒ－ｂａｓｅｄ?ｃｏｌｌａｂｏｒａｔｉｖｅ?ｆｉｌｔｅｒｉｎｇ??

１??（ｗ）?１?臟件??图２．２基于内容的推荐系统的高层次结构图??Ｆｉｇ．２．２?Ｈｉｇｈ?ｌｅｖｅｌ?ｓｔｒｕｃｔｕｒｅ?ｏｆ?ｃｏｎｔｅｎｔ－ｂａｓｅｄ?ｒｅｃｏｍｍｅｎｄａｔｉｏｎ?ｓｙｓｔｅｍ??－１１?－??

图２．４基于项目的协同过滤推荐原理??Ｆｉｇ．２．４?Ｐｒｉｎｃｉｐａｌ?ｏｆ?Ｉｔｅｍ－ｂａｓｅｄ?ｃｏｌｌａｂｏｒａｔｉｖｅ?ｆｉｌｔｅｒｉｎｇ??

的用户喜欢的，且目标用户没有评分过的项目推荐给目标用户。??ｕｓｅｒ３??图２．３基于用户的协同过滤推荐原理??Ｆｉｇ．２．３?Ｐｒｉｎｃｉｐｌｅ?ｏｆ?Ｕｓｅｒ－ｂａｓｅｄ?ｃｏｌｌａｂｏｒａｔｉｖｅ?ｆｉｌｔｅｒｉｎｇ??基于项目的协同过滤算法的思想描述为，如果其他用户对项目....

图２．６传统推荐流程的一般组成部分??Ｆｉｇ．２．６?Ｇｅｎｅｒａｌ?ｃｏｍｐｏｎｅｎｔ?ｏｆ?ｔｈｅ?ｔｒａｄｉｔｉｏｎａｌ?ｒｅｃｏｍｍｅｎｄａｔｉｏｎ?ｐｒｏｃｅｓｓ??

?ｂ）上下文后过滤?ｃ）上下文建模??图２．７推荐系统中整合上下文的方式??Ｆｉｇ．２．７?Ｍｅｔｈｏｄｓ?ｔｏ?ｉｎｔｅｇｒａｔｅ?ｃｏｎｔｅｘｔ?ｉｎ?ｒｅｃｏｍｍｅｎｄａｔｉｏｎ?ｓｙｓｔｅｍ??－２２?－??

本文编号：3909674