Rough集理論與粒計算在航空票務(wù)推薦系統(tǒng)中的應(yīng)用研究.pdf

1、隨著電子商務(wù)的快速發(fā)展，帶來的巨大經(jīng)濟利益的推動下，使得推薦系統(tǒng)的關(guān)注度日益升高，推薦系統(tǒng)逐漸成為一個專門的研究領(lǐng)域。推薦系統(tǒng)的主要構(gòu)成包括兩個方面，推薦算法的設(shè)計和基于推薦算法的推薦，一個良好的推薦系統(tǒng)總是針對一部分特定的領(lǐng)域所涉及的一種智能化推薦服務(wù)系統(tǒng)，推薦算法的魯棒性也只能體現(xiàn)在某些特定的數(shù)據(jù)集中。目前，隨著電子商務(wù)平臺多樣化，信息資源規(guī)模呈海量式增長，信息的表現(xiàn)形式也林林總總，對于這些海量信息的處理，傳統(tǒng)的推薦算法逐漸顯露出推

2、薦效果差、信息處理速度緩慢等一系列問題，急切的需要引入新的知識和理論改進這些傳統(tǒng)的推薦算法或者設(shè)計新的推薦算法。
　　航空票務(wù)電子商務(wù)平臺不同于普通的電子商務(wù)平臺，首先，機票有別于一般的商品，有著自身的特殊屬性，機票的剛需性和時效性決定了傳統(tǒng)的推薦算法無法進行有效的推薦；其次，各大售票門戶為了增加機票的銷量，采用直接購買方式，即無需注冊平臺賬號，無需驗證用戶身份，只需用戶提供有效的手機號碼和身份證號碼即可購買，這種方式在很大程度上

3、促進了平臺的銷量和方便了用戶的使用，但同時導(dǎo)致了用戶的真實個人信息難以獲取等問題，這種方式導(dǎo)致傳統(tǒng)的推薦技術(shù)很難實現(xiàn)精準的推薦應(yīng)用。
　　為了改善傳統(tǒng)推薦技術(shù)在航空票務(wù)推薦應(yīng)用中出現(xiàn)的弊端，近一步改進和完善目前主流的航空票務(wù)平臺的推薦算法，本文采用粒計算框架下的Rough集理論技術(shù)，通過采用基于Rough集的粒度模型，分析航空票務(wù)數(shù)據(jù)，通過對原始數(shù)據(jù)的離散化、屬性約簡、值約簡等處理，提出基于斷點重要度的離散化方法，屬性重要度的約簡

4、方法，從中發(fā)現(xiàn)知識，提取初步的決策規(guī)則。對于票務(wù)數(shù)據(jù)的增量式特征，本文通過使用可辨識矩陣的特性，使用多粒度原則，對增量式數(shù)據(jù)進行多粒度分類，在分類的基礎(chǔ)上進行分類分析處理，從中提取新增的決策規(guī)則集，完成對票務(wù)數(shù)據(jù)最終決策規(guī)則集的提取。
　　通過對原始航空票務(wù)數(shù)據(jù)的分析，從中提取相應(yīng)的決策規(guī)則，并設(shè)計出相應(yīng)的票務(wù)推薦算法，為各大售票平臺的推薦算法設(shè)計提供了一種新的高效數(shù)據(jù)處理的方法和思路，同時改進和完善目前航空票務(wù)推薦系統(tǒng)這一應(yīng)用方

5、面的不足。本文的主要工作和主要研究成果如下：
　　1.對去哪兒網(wǎng)站的航空票務(wù)數(shù)據(jù)進行分析，結(jié)合網(wǎng)站的垂直搜索規(guī)則，采用基于深度原則的網(wǎng)絡(luò)爬蟲算法提取航空票務(wù)數(shù)據(jù)；
　　2.研究了Rough集在數(shù)據(jù)預(yù)處理中的應(yīng)用，分析了Rough集離散化方法，給出了基于斷點重要度的可辨識矩陣行優(yōu)先離散化算法；
　　3.研究了決策表的屬性約簡和值約簡方法，并應(yīng)用于航空票務(wù)數(shù)據(jù)，給出了初始決策規(guī)則；
　　4.研究了增量數(shù)據(jù)的規(guī)則獲取問