國內旅游推薦系統研究進展

  • 投稿
  • 更新時間2019-01-31
  • 閱讀量24次
  • 評分0
  • 0
  • 0

  一、引言


  2017年1月22日,CNNIC發布第39次《中國互聯網絡發展狀況統計報告》,截至2016年12月,在網上預訂過機票、酒店、火車票或旅游度假產品的網民規模達到2.99億,較2015年底增長3967萬人,增長率為15.3%。可見,在線旅游發展迅速,但這對于旅游者并不一定是好的現象。因旅游者常被困在大量的信息和產品當中,無法做出選擇。而旅游推薦系統則是解決信息過載現象的有效方法。它為用戶推薦符合其需求和偏好的旅游產品,以幫助用戶快速做出旅游決策。


  筆者通過檢索中國知網電子期刊全庫,共收集到“旅游推薦系統”相關文獻100多篇,經過篩選剩下69篇。國內最早出現關于旅游系統推薦的文獻是在2006年,并正在成為當前的研究熱點。從文獻的學科屬性來看,主要集中在計算機學科、地理學科、管理學科以及信息技術與旅游的交叉學科中。這主要是因為旅游推薦系統是推薦系統在旅游行業中的應用之一,而推薦系統最初也是來源于信息抽取技術及信息檢索技術等與計算機緊密相關的領域,在實現這一系統時往往要用到這些與人工智能相關的理論與技術。國內學者對旅游推薦系統的研究主要集中在旅游推薦系統的研究與設計、旅游推薦系統的方法與技術、旅游推薦項目的研究等方面。


  二、旅游推薦系統的研究與設計


  推薦系統已經被廣泛應用于推薦書、文章、電影、電視節目、新聞、音樂網頁等。推薦系統最早的概念是利用電子商務網站向客戶提供商品信息和建議,幫助用戶決定應該購買什么產品,模擬銷售人員幫助客戶完成購買過程。1997年AT&T實驗室提出了基于協同過濾算法的個性化推薦系統,在eBay、Youtube等大型電子商務網站等應用廣泛。許多學者基于數據挖掘技術、LBSN(基于位置的社交網絡)數據、上下文感知技術、約束、垂直搜索引擎、基于內容的推薦技術和混合推薦技術、加權關聯規則、本體、3G手機、云計算、物聯網等技術對旅游推?]系統進行研究和設計,向旅游者推薦滿足其需求的旅游包、旅游產品、旅游線路、旅游景點推薦及行程路線等。


  陳傳敬的個性化的旅游推薦系統,根據移動用戶的偏好自發的為游客做出個性化的推送服務,幫助用戶找到最適合自己的酒店、景點、餐廳、娛樂場所、購物場所等。嚴杰的旅游電商個性化推薦系統,在大數據的精確分析基礎上,再將推薦結果以服務的展示形式推送到旅游電商的各個營銷環節,極大的推動了產品購買的轉化率。麻風梅,高文的基于Internet平臺的安康旅游景點在線推薦系統,不僅幫助游客做出旅游決策;還可以提供給旅游企業和相關管理部門,使其更好的管理安康的旅游資源。姚海濤的旅游信息推薦系統,為游客提供各種旅游信息的查詢,使游客擁有一個準備充分的出游計劃。


  三、旅游推薦系統的方法與技術


  1.基于內容的推薦


  根據用戶選擇的產品,向用戶推薦與該產品屬性相似的其它產品。這種技術是利用用戶的歷史內容來產生用戶描述文件的,新的項目將會用于匹配用戶描述文件來發現最接近的項目。徐盼等認為應用數據挖掘技術的樸素貝葉斯方法可以為特定需求的用戶提供個性化路線推薦。黃飛龍通過收集用戶行為數據為用戶實時推薦所需信息,使用戶在有限時間內游玩景區內感興趣的景點,為用戶的游覽路線提供建議。


  2.基于協同過濾的推薦


  根據用戶對產品的偏好,將與該用戶偏好相似的其他用戶選擇的產品推薦給該用戶。協同過濾技術可以分為兩個子類:一是根據用戶的興趣進行協同過濾,二是根據產品的共性進行協同過濾。張偉偉等、鄭外輝、吳清霞等、麻風梅、楊曉飛根據用戶興趣為用戶進行個性化的路線、景點或信息服務的推薦。侯新華等利用在線旅游網站上游客對旅游景點的評價數據,使用協同過濾算法為游客推薦旅游景點。李倩等利用互聯網上用戶口碑,為用戶推薦個性化的旅游計劃。曹陽考慮了用戶評論和各個用戶之間的回復關系及各個用戶之間回復的時間關系,提出了一種基于游客信息的協同過濾帖推薦方法。方瀟通過為目標用戶建立鄰近用戶集來改進協同過濾的算法。史一帆等在協同過濾算法中引入景點標簽,使得為用戶推薦的景點更準確。


  3.基于知識的推薦


  這種方法通過對特定領域的知識指定規則進行基于約束的推薦和基于實例的推薦。王顯飛等提出一種基于約束的旅游推薦系統的設計方案,系統以會話的方式逐步啟發用戶的偏好和需要,可以為用戶提供更加準確、個性化的旅游推薦服務[8]。方瀟、曾令偉等基于關聯規則挖掘經典算法Apriori,為用戶推薦相關服務。張華、陳志剛等基于關聯規則的算法,從海量數據庫中挖掘個性化信息,為旅游電子商務的用戶提供智能推薦。劉小燕等提出了基于增強學習技術的旅行會話推薦系統,幫助用戶進行互動式對話獲得目標。虞娟基于本體CBR的旅游產品案例方法,為用戶推薦相似的旅游產品。


  4.基于社會媒體的推薦


  這種方法是利用集體智慧,將社會媒體中用戶間的社會關系或其它媒體數據運用于推薦中。AbdulMajid、劉義海、盧昕根據社會化媒體網站上(如Flikr網站)用戶上傳的帶有地理標簽和時間信息的照片,和用戶的需求、興趣為用戶提供個性化的旅游路線、旅游信息和旅行計劃。劉艷等、胥皇等基于位置的社交網絡上關于位置和活動的信息,建立地點和用戶偏好模型,根據用戶需求為用戶提供個性化的旅游景點、旅游包。四、旅游推薦項目的研究


  推薦系統應用到旅游領域中,包括對旅游景點、酒店、餐館等單個旅游產品的推薦,也包括對旅游活動、旅游包、旅游目的地、旅游線路和旅游信息服務等涵蓋多產品、多項目的推薦。


  1.單個旅游推薦項目


  從搜集到的文獻中的內容來看,單個旅游項目的推薦主要是對旅游景點、酒店的推薦,文獻并不多。胡喬楠、麻風梅等、侯新華等、史一帆等、劉艷等、于蓓佳這些學者利用不同的技術和算法,為用戶推薦符合其要求和興趣的旅游景點。它考慮了用戶興趣偏好和景點流行度的CIAP通過設置相似用戶的景點推薦權值和景點流行度權值,得到最優推薦結果。


  2.組合旅游推薦項目


  胡納納等根據用戶的興趣推薦用戶喜歡的旅游活動包括運動、景區、交通工具等。胥皇等通過交互地獲取用戶旅游意向,實時生成多個旅游包供用戶選擇。楊曉飛根據旅游者不同階段的興趣特征,向旅游者推薦目的地。方瀟依據用戶的歷史行為其推薦旅游行程,并能將推薦后的行程進行地圖可視化表達。


  對于旅游路線的推薦,黃飛龍、曾令偉等、張華、吳春陽、呂紅亮等學者根據用戶數據和信息為用戶推薦滿足其個性化需求的旅游線路。鄭外輝考慮了游玩景點時影響旅客旅游體驗因素及旅游線路中影響游客旅游體驗因素,為游客推薦符合其口味的景點旅游路線。盧昕利用含有地理位置信息的照片以及游記所涵蓋的旅游信息,根據用戶的需求為用戶提供個性化的旅游路線規劃。尹華罡利用互聯網用戶分享的海量圖片數據通過挖掘用戶信息和行為為用戶提供個性化的路線推薦服務。


  赫磊基于云平?_構建了一個快捷、智能、實時地旅游信息推送系統。張晗的旅游服務智能推薦系統,能夠根據用戶所提出的需求,結合用戶的注冊信息和瀏覽記錄,智能地推薦旅游信息服務。許文雕利用云計算、物聯網技術,對景區進行智能管理。郁嬌嬌將云模型的短時交通流預測模型以及交叉口信號優化的模型應用智能旅游系統中,為游客推薦行駛的最佳路線,減少出行時間,縮減出行費用。佘新偉在J2EE平臺實現旅游服務推薦系統為游客提供旅游景點推薦、旅游行程規劃、旅游線路推薦等服務及旅游相關信息查詢服務。


  五、旅游推薦系統研究的展望


  1.旅游推薦系統的實時性


  因為用戶興趣偏好以及對旅游需求會隨著時間、地點、身體狀況以及心情等的變化而變化,目前的推薦技術還沒有考慮到這一點,所以下一步的研究就是隨時跟蹤捕捉到用戶興趣偏好和旅游需求的變化,根據其變化實時的向用戶推薦旅游相關內容。


  2.旅游推薦系統的針對性


  大部分的推薦方法是基于一些對用戶和項目的描述文件的理解來生成評價,而沒有充分地利用用戶的交互歷史和其他可獲取的信息。而且現在推薦技術因為缺乏基本的見解而沒有能力模仿人的意見與用戶進行交互。因此充分利用用戶的歷史信息和增強與用戶交互的能力進而提高旅游推薦服務的的針對性是下一步研究的方向。


  3.旅游推薦系統的多元性


  傳統的推薦系統僅僅是根據用戶和產品的信息,而沒有考慮其他的上下文信息,這些信息可能對旅游推薦是非常關鍵的。推薦系統在產品推薦中必須考慮時間、地點、用戶的同伴等,如推薦一個旅游包,應該考慮時間、地點、用戶跟誰一起去旅行、旅行條件和限制以及其他上下文信息等。規劃最合適的旅行計劃必須同時考慮幾個因素,如景點的訪問、當地酒店的選擇、旅游預算的計算等。因此,旅游推薦系統從單一性向多元性發展是下一步的研究重點。


  六、結論


  因為網絡信息的爆炸式增長使得旅游者無法做出選擇。而旅游推薦系統從紛繁復雜的旅游數據中分析和挖掘出有用的信息,方便快捷的將最大程度滿足用戶需求和偏好的旅游產品推薦給用戶,使用戶快速做出正確的旅游決策。本文從旅游推薦系統的研究設計、方法與技術、推薦項目以及研究展望四個方面對國內外旅游推薦系統做了綜述和分析。從整體來看,國內關于旅游推薦系統的研究起步較晚,來自旅游專業的文獻并不多。隨著旅游業和信息技術的發展,旅游者的需求多種多樣,旅游推薦系統未來面臨的挑戰也更大,急需旅游界、信息技術界等更多學者的關注和探討。


篮球场面积