A Personalized Itinerary Recommender System: Considering Sequential Pattern Mining

Chieh-Yuan Tsai

doi:10.3390/electronics14102077

2025-05-20

Chieh-Yuan Tsai *

Wang, Jing-Hao

DOI：10.3390/electronics14102077

原文链接

摘要

En 中文

个性化行程推荐对于许多人选择旅行作为主要休闲追求至关重要。与基于模型和基于优化的方法不同，基于序列模式挖掘的方法基于用户的先前游览经验，能够生成更具个性化的行程并避免这两种方法带来的困难。尽管基于序列模式挖掘的方法在生成个性化行程方面显示出前景，但仍存在以下三个挑战。首先，它们通常忽视用户在时间和类别偏好上的多样性，导致行程建议个性化程度较低。其次，它们通常仅通过兴趣点（POI）偏好评估序列，忽略了最佳游览时间和旅行距离等关键因素。第三，它们倾向于推荐可行但非最优的行程，而未探索可能更好地满足用户约束的扩展组合。为解决上述困难，提出了一种面向社交媒体的新型个性化行程推荐系统。首先，为所有用户生成包含时间和类别偏好的用户偏好，并将偏好相似的用户聚类到同一组。然后，采用序列模式挖掘算法为每组创建频繁序列模式。其次，为评估行程的适宜性，根据兴趣点（POI）偏好、时间匹配和旅行距离等因素定义行程得分。第三，基于从序列模式挖掘过程中生成的初步行程，开发了一种基于序列模式挖掘的行程推荐（SPM-IR）算法，以在用户指定约束下创建更多候选行程。然后，将按所提出的行程得分排名的前N个候选序列返回给目标用户作为行程推荐。采用带有地理位置标签的社交媒体真实数据集来验证所提出的个性化行程推荐系统的优势。实证评估表明，94.82%的生成行程在兴趣点（POI）偏好、时间匹配和基于旅行距离的行程得分方面优于真实行程。消融研究证实了时间和类别偏好的贡献，并强调了时间匹配在行程评估中的重要性。

Keyword:

personalized itinerary recommendation

social media

sequential pattern mining

itinerary score