基于位置共现的个性化旅行推荐
摘要：推荐基于用户在地理上较远的地区的旅游景点参观历史的新任务；可用于计划到新城市或国家的旅游参观，或由旅行社提供个性化旅游套餐。使用一组地理标签计算两个不同地区之间的位置相似性模型。两个地标的相似性源于访问了这两个地方的用户数量，使用高斯密度估计将位置访问的共现空间聚类为相关地标的地理标签。核的标准差可以作为一个尺度参数，确定推荐地标的大小。基于位置相似性模型的个性化推荐在城市和国家范围内进行评估，能够胜过基于热度的地点排名。特别是在加强基于访问持续时间的旅游过滤器时，预测能够准确地适应用户的偏好。基于手动注释的广泛评估表明，更严格的排名方法，如余弦相似度和提出的RankDiff算法，提供了更多巧合的推荐，并能够连接世界上相似的地点。
作者：Maarten Clements, Pavel Serdyukov, Arjen P. de Vries, Marcel J.T. Reinders
论文ID：1106.5213
分类：Information Retrieval
分类简称：cs.IR
提交时间：2011-06-28