论文纲要：鉴于多维消息的旅行资源引荐本领接洽与实行

  互联网络的飞快兴盛使得搜集中的消息量急遽伸展，消息过载题目也越来越重要。人们从难以获守信息变化到难以从洪量消息中索取对本人有效的消息。这种情景也出此刻在线旅行范围。各类旅行网站搜集了洪量用户对旅行资源的指摘、评阅消息，同声很多用户也到处线旅行社辨别享本人的纪行、像片等实质。从那些数据中不只不妨发掘用户对资源的偏好，同声也不妨索取到少许其它维度的消息，比方从像片的拍摄功夫不妨得悉用户参观新景点的功夫散布，以及按照用户的评阅和对应的功夫戳不妨领会出用户偏好随功夫的动静变革。现有旅行资源引荐体例大普遍只关心了用户对资源的总体评阅这一维度，而忽视其它维度的消息。正文觉得将那些消息灵验地贯串到引荐算法中，不妨普及引荐截止的有理性和精确度。 正文重要对准旅行范围中新景点、栈房、餐馆三大类资源各自的特性安排实行了对应的引荐算法，并在此普通上实行了鉴于多维消息的旅行资源引荐体例。在新景点引荐算法局部商量到新景点的抢手度与功夫左右文有很强的关系性这一特性，所以新景点引荐模子中融入了功夫左右文消息，并贯串Learning To Rank中的思维提出以nDCG为优化目的的张量领会算法。在栈房引荐算法中运用用户对栈房多个维度的评阅消息来对保守的共同过滤引荐本领举行了矫正。在餐馆引荐算法中，舆论提出的模子经过用户评阅及对应功夫戳消息来捕获用户和餐馆特性的动静变革。经过比较考查，舆论考证了在保守引荐模子中贯串那些多维消息不妨普及引荐的精确度。