3。6  旅游景点推荐  21 

结  论 。 31 

致  谢 。 32 

参 考 文 献  33

第 II  页 本科毕业设计说明书

1 引言

随着智能手机与能够记录 GPS 数据的数码相机的流行，人们可以随意地拍摄出带有地理 标签的照片。同时，随着允许用户上传照片的元数据信息（见图 1 和表 1）的照片分享网站 如 Flickr 和 Panoramio 等的迅速发展，人们可以随时将自己拍摄的照片上传到这类网站中进 行分享。Flickr 上的地理标注照片已经超过了 4 千万，这些照片由超过 40 万的用户上传[1]。 这些照片是可以从网络上公开获得的并且覆盖了世界上大部分的区域，它们已经被用于许多 应用，例如搜索、注释和推荐[2-8]。论文网

图 1 一张地理标注照片

表 1 图 1 中地理标注照片的元数据

属性 信息

photoID 5190957044

ownerID 32553078@N08

title Presidential Palace

datetaken 2010-01-31 03:37:12

tags china reflection mirror asia reflet asie 中国

latitude 32。045206

longitude 118。792222

由于与人们日常生活的紧密联系，基于地理标注照片的旅游推荐已经吸引了许多研究团 体的兴趣，并且出现了很多推荐方法。这些推荐方法通常首先从地理标注照片中提取出旅游 景点和顺序，然后聚类、索引并推荐这些旅游景点[9-11]。然而，这些方法在进行推荐时，不 是没有考虑到用户之间在旅游景点偏好方面的相似性，就是只利用原始的用户-旅游景点关系 矩阵来获得用户之间的相似性。

为了解决上面提出的问题，在这篇论文中，首先对原始的用户-旅游景点关系矩阵进行补 全，然后基于补全的用户-旅游景点评分矩阵找到最为相似的 N 个用户来挖掘用户的偏好。 本论文提出的方法与现存方法的主要区别在于：首先利用矩阵分解对原始的用户-旅游景点关 系矩阵进行补全，然后基于补全的用户-旅游景点评分矩阵计算用户之间在旅游景点偏好方面 的相似性。 

这篇论文的主要贡献是： 

（1） 提出了矩阵分解结合用户相似性的旅游景点推荐方法，首先利用矩阵分解对原始的用 户-旅游景点邻接矩阵进行补全，然后基于补全的用户-旅游景点评分矩阵计算用户之 间在旅游景点偏好方面的相似性，最终找到与目标用户最为相似的 N 个用户来挖掘目 标用户的偏好。 

（2） 利用协同过滤方法对旅游景点进行排序来做出推荐。 

（3） 在包含了在南京拍摄的地理标注照片的数据集上进行实验，并证明本论文提出的矩阵 分解结合用户相似性能够提升旅游景点推荐的性能。 

（4） 实现了一个简单的向用户推荐南京市的旅游景点的原型系统。 

1。1 国内外研究情况

1。1。1 基于 GPS 轨迹的方法

1。1。2 基于游记的方法

1。1。3 基于地理标注照片的方法

1。2   概念与问题定义

1。2。1  概念定义

地理标注照片：一张地理标注照片 p 可以定义为 p={photoID , ownerID , title , datetaken , tags , latitude , longitude},其中 photoID 表示地理标注照片 p 的唯一标识，ownerID 表示地理标注照 片 p 的拍摄用户，title 表示地理标注照片 p 的标题，datetaken 表示地理标注照片 p 的拍摄时 间，tags 表示地理标注照片 p 的标签集，latitude 表示地理标注照片 p 拍摄时的纬度，longitude 基于地理标注数据挖掘的个性化推荐方法研究(2):http://www.youerw.com/jisuanji/lunwen_84803.html