基于粒子群优化和LightGBM的情景感知多式联运推荐
针对交通推荐服务中推荐的出行方式单一、忽略用户出行偏好以及多分类任务中样本类别不平衡等问题,本文提出一种基于粒子群优化和LightGBM的情景感知多式联运推荐方法.该方法综合考虑用户在时间、空间以及出行成本上的出行偏好,利用数理统计和表示学习方法捕捉用户出行与各要素之间的内在关系.同时,为了缓解样本类别不平衡带来的负面影响,利用基于粒子群优化算法的指标优化方法为每个类别搜索最优权重,对模型的预测结果进行修正,以实现最大化评价指标的目的.实验结果表明,与传统算法相比,本文提出的模型在时空特征提取、缓解类别不平衡和推荐准确性上均有较好的表现.
多式联运、个性化推荐、网络表示学习、粒子群算法、特征工程
49
TP391(计算技术、计算机技术)
创新团队支持计划;山东省自然科学基金
2021-06-21（万方平台首次上网日期，不代表论文的发表时间）
共10页
894-903
