朱志国, 孙怡, 王谢宁, 万校基
随着“马蜂窝”等社交媒体的广泛兴起,更多的游客从传统标准的“跟团游”转向灵活自由的“结伴游”.不同于传统的用户个性化推荐, 为类似的旅游群组精准推荐景点时,如何更好融合众多成员的异质旅游偏好,已成为当前旅游行业中具有重要实践价值的热点研究问题. 为此,文章首先采用局部异常点检测方法识别兴趣差异较大的离群用户,初步进行旅游群组的聚类. 接下来, 基于先进的深度学习方法,提出神经协同旅游群组推荐模型ANC-TGR.该模型通过巧妙设计的“项目级”和“用户级”两层注意力神经网络,准确聚合群组的共同旅游偏好,并进一步输入至一个神经协同过滤推荐框架中,捕捉群组与项目间的高阶交互关系. 最终,为旅游群组进行Top-$N$的景点推荐服务. 实验结果证实,提出的模型ANC-TGR由于进一步优化融合旅游群组的偏好表示,与最优的基准模型相比,在Mafengwo(有群组)和Foursquare(无群组)两个数据集中,在HR@10和NDCG@10指标上, 分别提升了10.45%和10.48%,以及10.07%和10.87%.文章为提高旅游群组的景点推荐准确性和出行满意度提供了技术方法支持.