一种面向伊拉克旅游业的混合推荐系统：结合进化Apriori与K-means算法
信息检索
2025-04-15 v1
摘要
旅游数据在住宿、文化景点和活动等领域的快速增长，使得旅行者越来越难以识别相关且个性化的推荐。尽管传统的推荐系统（如协同过滤、基于内容和上下文感知系统）提供了部分解决方案，但它们常常面临数据稀疏和过度专业化等问题。本研究提出了一种新颖的混合推荐系统，结合进化Apriori和K-means聚类算法，以提高旅游领域的推荐准确性和效率。该系统专门针对伊拉克多样且动态的旅游环境设计，根据用户偏好和上下文信息提供个性化推荐和旅游目的地聚类。为了评估系统性能，我们在代表伊拉克旅游活动的增强数据集上进行了实验，将所提系统与现有方法进行比较。结果表明，所提混合系统显著减少了27-56%的执行时间和24-31%的空间消耗，同时获得了持续更低的均方根误差（RMSE）和平均绝对误差（MAE）值，从而提高了预测精度。该方法提供了一个可扩展的、上下文感知的框架，非常适合应用于旅游数据有限的地区（如伊拉克），最终通过解决复杂和数据稀缺环境中的局限性，推动了旅游推荐系统的发展。
引用
@article{arxiv.2504.08767,
title = {A Proposed Hybrid Recommender System for Tourism Industry in Iraq Using Evolutionary Apriori and K-means Algorithms},
author = {Bryar A. Hassan and Alla A. Hassan and Joan Lu and Aram M. Ahmed and Tarik A. Rashid},
journal= {arXiv preprint arXiv:2504.08767},
year = {2025}
}