95、提升主题无关压力检测模型与个性化旅游推荐系统的研究

提升主题无关压力检测模型与个性化旅游推荐系统的研究

在当今科技发展的浪潮中，压力检测和旅游推荐领域都有着重要的研究价值。压力检测对于人们的身心健康至关重要，而个性化旅游推荐则能提升游客的旅游体验。下面将分别介绍提升主题无关压力检测模型和基于语义网的个性化旅游推荐系统 WDTourism 的相关内容。

提升主题无关压力检测模型

在压力检测研究中，研究人员训练了随机森林（RF）、支持向量机（SVM）和神经网络（NN）三种模型。训练过程采用留一主体法（LOSO），对于 NN 模型，还使用分层洗牌分割将数据分为 80% 的训练集和 20% 的验证集，以处理数据集中真实分布的不平衡问题。同时，也考虑了结合多个信号特征在压力检测中的有效性。

实验对每个场景进行了四次试验，分别单独使用每个信号的特征或使用多个源的融合特征。在前三轮试验中，NN 模型仅使用图 1 中各自的分支进行训练和测试，以此评估每个信号在压力预测问题中的有效性，以及融合信号是否能产生更好的预测结果。

以下是不同模型的实验配置：
- RF 模型 ：设置 250 棵树，启用袋外估计、自助采样，最大深度为 8，最小样本分割数为 2，最小样本叶子数为 4。
- SVM 模型 ：使用径向基函数核，正则化参数为 10，其余参数保持 sklearn 库的默认设置。
- NN 模型 ：使用 Adam 优化器，学习率为 0.003，辍学率为 10%，批量大小为 2048。

由于数据集中两类样本数量不平衡，评估指标同时报告了平衡准确率和准确率。根据 Straube