基于LBS的個(gè)性化旅游線路推薦算法研究

潘祿生

(甘肅畜牧工程職業(yè)技術(shù)學(xué)院，甘肅武威，733006)

關(guān)鍵字：LBS；情感分析模型；協(xié)同過(guò)濾模型；個(gè)性化推薦；旅游線路推薦

1 情感分析模型

1.1 AFINN詞典

本文通過(guò)使用間接方法進(jìn)行分類，首先通過(guò)對(duì)評(píng)論信息在情感分類詞典中查詢，獲取該評(píng)論的人工情感程度分類，然后通過(guò)使用有監(jiān)督的機(jī)器學(xué)習(xí)實(shí)現(xiàn)二次精確分類。為了算法的時(shí)間復(fù)雜度，本文采用了基于AFINN情感詞典的情感分析模型。

AFINN詞典是一個(gè)情感詞匯和短語(yǔ)的評(píng)分列表，通過(guò)對(duì)情感詞匯進(jìn)行分配并進(jìn)行人工自然語(yǔ)言分析得到的精確情感詞匯，該列表將情感類詞語(yǔ)轉(zhuǎn)化為[-10，10]的評(píng)分區(qū)間，是一個(gè)相對(duì)簡(jiǎn)單的情感詞匯評(píng)分工具。在AFINN詞典中，詞匯的情感計(jì)算為：

1.2 評(píng)論情感值計(jì)算

1.2.1 情感詞匯評(píng)分值計(jì)算

在情感詞匯分析過(guò)程中，語(yǔ)氣副詞對(duì)情感往往有加成效果，因此在AFINN詞典中為每個(gè)情感副詞增加了語(yǔ)氣因子，對(duì)于不同的程度的情感副詞賦予了不同程度的語(yǔ)氣加強(qiáng)因子γ。與此同時(shí)，不同的否定副詞會(huì)對(duì)語(yǔ)氣有相反的效果，因此為準(zhǔn)否定副詞和否定負(fù)責(zé)賦予了語(yǔ)氣取反因子?。在對(duì)評(píng)論語(yǔ)句進(jìn)行分詞過(guò)程中，獲取到情感詞匯以及情感副詞，然后通過(guò)查新AFINN詞典，如果該詞匯出現(xiàn)在情感詞典中，可查詢到對(duì)應(yīng)的語(yǔ)境情感評(píng)分，在查詢過(guò)程中，需要注意該情感詞匯是否有相應(yīng)的情感副詞修飾，如果有，需根據(jù)該副詞的語(yǔ)氣狀態(tài)對(duì)情感詞匯加強(qiáng)語(yǔ)氣狀態(tài)或者取反語(yǔ)氣狀態(tài)。經(jīng)過(guò)上述計(jì)算之后保證該詞匯的情感評(píng)分值位于[-10，10]的取值區(qū)間內(nèi)。

在正常的情感評(píng)論中，評(píng)論的情感評(píng)價(jià)值的計(jì)算使用如下的計(jì)算方法：

在上述公式中，basucS 表示情感詞匯在AFINN詞典中詞匯的情感查詢值，wordS 表示該詞匯在該語(yǔ)境中的情感評(píng)分值，λ表示該詞匯在語(yǔ)氣加強(qiáng)程度的語(yǔ)氣加強(qiáng)因子。當(dāng)查詢到的詞匯情感值大于0后，該詞匯的情感值不能大于10，當(dāng)查詢到的詞匯情感值小于0后，該詞匯的情感值不能小于-10，經(jīng)過(guò)上述計(jì)算，wordS 的取值范圍在[-10,10]的一個(gè)閉區(qū)間內(nèi)。

當(dāng)評(píng)論中出現(xiàn)否定情感副詞后，評(píng)論的情感評(píng)價(jià)值的計(jì)算使用如下的計(jì)算方法：

與公式（2）類似，basucS 表示情感詞匯在AFINN詞典中詞匯的情感查詢值，wordS 表示該詞匯在該語(yǔ)境中的情感評(píng)分值，?表示該詞匯在語(yǔ)氣加強(qiáng)程度的語(yǔ)氣加強(qiáng)因子。當(dāng)查詢到的詞匯情感值大于0后，該詞匯的情感值不能大于10，當(dāng)查詢到的詞匯情感值小于0后，該詞匯的情感值不能小于-10，經(jīng)過(guò)上述計(jì)算，wordS 的取值范圍在[-10,10]的一個(gè)閉區(qū)間內(nèi)。

1.2.2 評(píng)論語(yǔ)句的情感評(píng)分值

首先提取出評(píng)論語(yǔ)句中各情感詞匯的語(yǔ)境的情感評(píng)分值，然后計(jì)算出該話題的各維坐標(biāo)，然后根據(jù)整個(gè)句子中出現(xiàn)的所有情感詞情感評(píng)分值計(jì)算完畢之后，將所有詞匯情感詞的權(quán)值設(shè)為相同，因此評(píng)論語(yǔ)句的情感評(píng)分值為：

在公式（4）中，s0表示評(píng)論語(yǔ)句的初始情感評(píng)分，n表示在評(píng)論詞匯在AFINN詞典中詞匯的個(gè)數(shù)，sword-i表示語(yǔ)句中每個(gè)情感詞匯的情感評(píng)分值，且該情感評(píng)分值的取值范圍在[-10,10]區(qū)間內(nèi)，因此通過(guò)公式（4）計(jì)算結(jié)果的取值區(qū)間為[-10,10]。

由于情感評(píng)分值[-10,10]距離過(guò)大，且數(shù)據(jù)不夠規(guī)整，為了方便做推薦系統(tǒng)做輸入，采用5檔評(píng)分制，將區(qū)間[-10,10]映射到1,2,3,4,5五檔，在本文中，將(np- nN)作為極性分界點(diǎn)，映射方法如下：

通過(guò)上述轉(zhuǎn)換，可以直接將評(píng)分值轉(zhuǎn)化為1-5檔之間的一個(gè)值。

2 基于LBS的個(gè)性化推薦模型

2.1 基于用戶的協(xié)同過(guò)濾模型

基于用戶的協(xié)同過(guò)濾推薦的基本原理是，根據(jù)所有用戶對(duì)物品或者信息的偏好，發(fā)現(xiàn)與當(dāng)前用戶口味和偏好相似的“鄰居”用戶群，在一般的應(yīng)用中是采用計(jì)算“K-鄰居”的算法；然后基于這K個(gè)鄰居的歷史偏好信息，為當(dāng)前用戶進(jìn)行推薦。因此對(duì)于個(gè)性化旅游推薦來(lái)說(shuō)，可以通過(guò)推薦相似性較高用戶集合的選擇旅游點(diǎn)會(huì)有不錯(cuò)的效果。

為了實(shí)現(xiàn)基于用戶的協(xié)同過(guò)濾模型，需要經(jīng)過(guò)如下步驟：

（1） 構(gòu)建用戶-景點(diǎn)評(píng)分矩陣

在構(gòu)建用戶-景點(diǎn)評(píng)分矩陣之前，首先需要通過(guò)公式（5）計(jì)算每個(gè)用戶對(duì)景點(diǎn)的評(píng)論信息，設(shè) ,SijUL表示用戶iU對(duì)景點(diǎn)jL的評(píng)分。因此用戶-景點(diǎn)評(píng)分矩陣為：

（2） 構(gòu)建鄰接矩陣

使用鄰接矩陣來(lái)計(jì)算兩個(gè)用戶之間的相似度，在計(jì)算過(guò)程中，本文采用余弦相似度來(lái)判斷兩個(gè)用戶是否屬于相同的類型，計(jì)算用戶μ,ν之間相似度的方法如下：

在公式（7）中，ìU和íU分別表示對(duì)景點(diǎn)集合的評(píng)分，通過(guò)上述計(jì)算，就可以獲得兩個(gè)用戶之間的相似度，由于不同用戶之間對(duì)景點(diǎn)的評(píng)論各不相同，如有些用戶沒(méi)有評(píng)論某些景點(diǎn)，可以設(shè)置該景點(diǎn)的評(píng)分為一個(gè)中性值3，結(jié)合實(shí)際情況找出相似度高于預(yù)先設(shè)定的閾值，可以將這些用戶歸為相同的一類。

（3） 預(yù)測(cè)評(píng)分

基于用戶協(xié)同過(guò)濾的思想，通過(guò)計(jì)算用戶的相似近鄰，獲取該用戶對(duì)這些景點(diǎn)的評(píng)分，然后在計(jì)算用戶對(duì)未知景點(diǎn)的評(píng)分過(guò)程中，需要參考相似近鄰對(duì)該景點(diǎn)的評(píng)分，然后通過(guò)計(jì)算該用戶的“相似近鄰”用戶對(duì)該景點(diǎn)的評(píng)分，然后將推薦用戶對(duì)該景點(diǎn)的評(píng)論與其他用戶對(duì)該景點(diǎn)的評(píng)論做余弦相似度計(jì)算，然后計(jì)算兩者之間的偏差值，通過(guò)這個(gè)偏差值來(lái)預(yù)測(cè)用戶與推薦景點(diǎn)的預(yù)測(cè)分?jǐn)?shù)。

在上公式中λ表示景點(diǎn)的修正參數(shù)，Sì,vLp表示對(duì)景點(diǎn)的實(shí)際評(píng)分，表示用戶對(duì)所有景點(diǎn)評(píng)分的平均分?jǐn)?shù)，cos( U ,Uí)表示該用戶與其他用戶的相似度，表示用戶對(duì)所有景點(diǎn)的平均評(píng)分。計(jì)算出來(lái)的 P (U ,L)，如果改值大于某個(gè)預(yù)定的閾值，就可以認(rèn)為該景點(diǎn)適合推薦給用戶。通過(guò)這種計(jì)算，可以找到所有推薦給該用戶的景點(diǎn)集合。

在上述計(jì)算過(guò)程中很容易出現(xiàn)冷啟動(dòng)和數(shù)據(jù)稀疏性問(wèn)題，這也直接影響了推薦的有效性，針對(duì)此種情況需要將位置信息考慮其中。

2.2 基于地理位置的推薦模型

將用戶所訪問(wèn)過(guò)的景點(diǎn)都列舉出來(lái)，并分別計(jì)算每個(gè)景點(diǎn)與中心點(diǎn)的位置，具體計(jì)算方法就是通過(guò)畫(huà)最小直徑的圓，該圓包括所有景點(diǎn)，并保證該圓的直徑盡可能的小，然后將各景點(diǎn)與圓心平均數(shù)座位該用戶的活動(dòng)半徑，如果有一個(gè)景點(diǎn)明顯偏離圓心，需要將該景點(diǎn)刪除之后再計(jì)算圓心的位置。

通過(guò)對(duì)Foursquare數(shù)據(jù)集中所有用戶的活動(dòng)半徑來(lái)分析，用戶喜歡的景點(diǎn)通常具有區(qū)域性，一般來(lái)說(shuō)，新景點(diǎn)如果距離用戶當(dāng)前的位置小于活動(dòng)半徑，用戶通常會(huì)選擇該景點(diǎn)，因此基于地理位置的推薦模型就是通過(guò)計(jì)算新景點(diǎn)與原來(lái)活動(dòng)中心的距離來(lái)估計(jì)用戶對(duì)該景點(diǎn)的喜好程度，基于地理位置的推薦模型的具體過(guò)程如下：

根據(jù)前文理論，景點(diǎn)位置越遠(yuǎn)，用戶的選擇意愿越低，因此有如下擬合函數(shù)公式：

a,b分別表示兩個(gè)常數(shù)，x表示推薦景點(diǎn)與用戶活動(dòng)中心點(diǎn)的距離，而y表示用戶的選擇意愿，為了和基于用戶協(xié)同過(guò)濾算法配合，本文也將y的值定為[1,5]的封閉區(qū)間內(nèi)。設(shè)定所有的距離閾值為 [d5, d4, d3, d2]，可以將用戶的選擇意愿分為5擋：

通過(guò)公式（10）可以基于地理位置的推薦算法預(yù)測(cè)用戶對(duì)推薦點(diǎn)的評(píng)分。

2.3 基于LBS的推薦模型的流程

為了避免基于用戶協(xié)同過(guò)濾模型以及基于地理位置模型的缺點(diǎn)，本文將兩種模型想結(jié)合，將兩種模型的預(yù)測(cè)分?jǐn)?shù)進(jìn)行加權(quán)：

其中 α +β=1，且兩個(gè)加權(quán)的值會(huì)隨著用戶的喜好而調(diào)整大小，使用混合推薦模型的旅游線路推薦流程如下：

在圖1中，路線規(guī)劃是在找到所有的推薦旅游景點(diǎn)之后，通過(guò)加權(quán)dijkstra算法找到最經(jīng)濟(jì)的路由線路，從而推薦給用戶。

3 結(jié)束語(yǔ)

本文針對(duì)當(dāng)前“自由行”比較熱門(mén)的情況，且普通的用戶很容易因?yàn)樾畔⑦^(guò)多而不知道如何選擇合適的旅游線路的問(wèn)題，提出了基于LBS的個(gè)性化旅游線路推薦算法，首先使用情感分析模型對(duì)用戶對(duì)旅游景點(diǎn)的評(píng)論信息進(jìn)行分析，并實(shí)現(xiàn)打分，然后使用基于用戶的協(xié)同過(guò)濾模型和基于地理位置的推薦模型實(shí)現(xiàn)對(duì)合適的旅游景點(diǎn)進(jìn)行篩選，預(yù)測(cè)出用戶對(duì)各個(gè)景點(diǎn)的預(yù)測(cè)評(píng)分，然后選擇合適的旅游景點(diǎn)，然后進(jìn)行路線規(guī)劃，推薦給最終用戶。

圖1 推薦過(guò)程流程圖