简介：非线性遗忘函数能够改进传统协同过滤推荐算法没有考虑游客兴趣稳定性的缺点,从而实现精准旅游个性化服务推荐。但是非线性遗忘函数并没有考虑到旅游产品的流行度,流行度越高的旅游产品,游客之间的兴趣相似度便越不准确,而流行度越低的产品,预测游客之间的兴趣相似度就更加准确。鉴于此,为了更进一步提高推荐精准度,在非线性遗忘函数的基础上构建考虑旅游产品流行度的数学模型,削弱流行度高的旅游产品的权值,调整游客间兴趣相似度。实验表明,引入产品流行度后,得到的平均绝对差值变小,推荐精准度也显著增加。
基于遗忘函数和流行度的旅游产品个性化推荐研究
