论文部分内容阅读
伴随着现代旅游行业的飞速发展,网上酒店预订已然成为人们出行住宿选择的主要方式,日常生活中人们更倾向于在互联网中得到大量的出行酒店住宿信息。由于大多数用户在购买和消费之后会对所买商品的质量和服务等作出评价以及建议等众多有价值内容,已成为其他潜在客户进行消费决策的重要参考依据。消费者购买商品和服务时,通常会参考其他消费者的观点评价,来判断该商品是否适合自己的需求。因此,如何快速的从网络海量的信息中获取有价值的信息成为一个迫切需要解决的问题,推荐算法和相关开发系统正是解决该问题的重要技术手段。目前很多成熟的推荐算法已经应用在诸多领域中,基于物品的协同过滤算法是目前电子商务领域中运用最广泛的算法,但它忽略了大量的用户文本评价信息,这些文本描述信息代表用户体验过后的真实评价,极具应用价值。为了解决传统推荐算法的不足,有研究使用LDA模型进行主题特征提取,然而它是在假设主题相互独立的情况下进行文本处理,忽略了主题特征之间的潜在关系。针对以上问题,本文提出一个潜在相关性评级模型,引入余弦相似性理论度量主题特征之间的潜在相关性,并定义近亲节点来计算特征权重,进而通过每个评论的潜在相关性分析与总体评级数据,来确定评论的特征评级;基于潜在相关性评级模型,本文进行了推荐系统开发,为用户实现精准度更高的信息推荐。本文主要工作如下:(1)介绍了本课题的研究背景和意义,分析比较了当前国内外研究者在主题模型以及推荐系统领域研究的现状,概括性介绍了本论文的主要研究内容和总体结构。(2)针对传统主题模型在进行主题提取时忽略了主题特征之间的潜在关系,提出一个潜在相关性评级模型,引入余弦相似性理论度量主题特征之间的潜在相关性,并定义近亲节点来计算特征权重,进而通过每个评论的潜在相关性分析与总体评级数据,来确定评论的特征评级,并用仿真实验验证了本文模型的有效性。(3)结合Layui前端框架和SSM后端框架编程实现了酒店服务推荐系统,并对系统进行了功能测试。