后疫情时代乡村旅游精准推荐系统的研究与设计_朱小琴.pdf

摘要：后疫情时代，为了促进旅游行业的复工复产，满足用户多样化的旅游出行需求，利用大数据技术，挖掘出用户的潜在旅游兴趣点，提取用户特征向量，并结合协同过滤推荐算法，生成符合用户实际需求的个性化旅游线路。拟研究大数据技术和协同过滤算法在乡村旅游推荐中的应用，从而为出行的用户定制个性化的乡村旅游智能推荐路线，提高用户出行的满意度和舒适度。关键词：协同过滤；智能化；大数据；主动推荐；乡村旅游中图分类号：F592文献标识码：B文章编号：1671-9123（2023）02-0136-05收稿日期：2023-01-09基金项目：福建省中青年教师教育科研项目（科技类）（JAT220724）作者简介：朱小琴（1982），女，福建莆田人，泉州经贸职业技术学院信息系副教授，主要从事大数据技术及人工智能研究。目前用户的旅游行为越来越普遍，随着互联网和计算机技术的发展，相应的旅游攻略 App也应运而生。旅游之前，用户一般会访问对应的官方网站，查找资料，浏览攻略，同时结合当地的天气情况、个人的经济情况和内心的情感驱动，从而选择自身最满意的区域景点。对于旅行社而言，如何结合用户的内在需求和浏览记录，挖掘其个性化需求，为客户精准推荐满足客户喜好的目标地点，是他们重点要考虑的问题。同时，针对国家提出的乡村振兴、精准扶贫政策，大力发展乡村旅游事业，是目前各个旅行社和机构要考虑的首要问题。以此为契机，合理选择乡村旅游目的地推荐策略，并灵活应用他们能让企业在行业中提升自身竞争力，而游客选择乡村旅游目的地，与其自身的偏好和内在情感因素紧密相关。借助大数据技术，挖掘用户潜在偏好和内心潜在的情感诉求，有针对性地制定满足用户个性化需求的乡村旅游景点推荐策略，设计出针对乡村旅游目的地的个性化精准推荐模型，有助于挖掘和引导潜在客户，提升乡村目的地的访问流量与热后疫情时代乡村旅游精准推荐系统的研究与设计朱小琴（泉州经贸职业技术学院 信息系，福建 泉州 362000）技术与应用第 22 卷第 2 期三门峡职业技术学院学报 JOURNAL OF SANMENXIA POLYTECHNIC/技术与应用136度，驱动乡村旅游业的繁荣发展。1 研究现状及问题的提出在当前互联网环境下，用户获取旅游信息的主要渠道是各个在线旅游平台，如微信公众号、旅行 App、在线门户网站、搜索引擎等，这些在线平台虽然可以帮助用户进行有效信息的过滤，但是其只能满足游客对信息检索的需要，他们主推的旅行攻略也只是针对大众化的用户，没有考虑游客的个性化需求，因此也无法提升乡村旅游目的地的热度与关注度。而从用户内在实际需求出发的旅游精准推荐系统则可以解决信息超载的问题，具有良好的发展和应用前景，应当在乡村休闲旅游电子商务系统之中得到广泛的应用。一种满足用户实际需求和潜在偏好的乡村旅游推荐系统是乡村旅游行业发展的重要因素，运用此系统向用户推荐符合其真正需求的乡村旅游线路，不仅满足了用户的兴趣点，也增加了用户再次旅游的意愿，从而为旅游行业的复兴和乡村旅游业的振兴提供了新的发展思路，很好地实施了当前国家提倡的乡村振兴、精准扶贫政策。传统的电子商务推荐系统，商家借助它能够根据顾客的兴趣、爱好，向顾客推荐其可能感兴趣的商品，这样的商品很有可能令顾客满意，从而提高商家在顾客心目当中的地位和影响力1。在多数情况下，游客对于自己的需求，并不能很好地描述，也不确定自己要到哪些景点去。如果旅游推荐系统能够发掘游客的内在旅游倾向，并收集用户的个性化需求，就有可能把用户的潜在爱好和实际需求转化为现实需求，从而达到提高旅游出行率的目的2。借助基于用户的协同过滤推荐算法和大数据技术，以用户潜在偏好和内在情感因素为需求的乡村旅游精准推荐系统的设计与研究能真正实现为用户推荐符合其个性化需求和内心潜在偏好的旅行线路，为用户的出行提供更优质的服务。2 基于用户的协同过滤算法介绍基于用户的协同过滤算法其基本思想是：当目标用户 D 需要系统给它进行个性化推荐时，系统默认一个和你兴趣很相似的用户群体，其喜欢的物品大概率也是你喜欢的物品，然后再进行判断该物品是否为 D 未听说过的物品，若是，则进行推荐。该推荐算法的工作过程一般拆分为两个步骤：步骤 1：计算用户相似度目前网络上关于相似度计算的方法有多种，这里我们采用比较主流的计算方法即余弦相似度（公式如下所示）3。以 4 个用户（U1、U2、U3、U4）和其拥有的 5个物品（T1、T2、T3、T4、T5）为对象，计算它们的关系即用户所喜欢的物品，如下所示。接下来用例子分析用户之间的相似度计算过程。该过程首先需要建立“Things-Users”关系倒排表，如下所示。当用户与用户之间，有相同喜欢的物品，在表中对应的喜欢相同物品列，其值加1。余弦相似度公式表1用户User与物品Things之间的关系表物品用户用户喜欢的物品U1U2U3U4T1T1T2T3T2T3T5T4T4T5表2Things-Users之间倒排关系表物品用户对应物品的喜欢用户T1T2T3T4T5U1U1U2U1U3U2U3U5U4U4后疫情时代乡村旅游精准推荐系统的研究与设计技术与应用/137表3用户-用户之间喜欢相同物品关联表喜欢相同物品用户用户与用户喜欢相同物品，对应数值加 1U1U2U3U41001111001111001上图中的列表矩阵，其列中的值仅仅只是计算出上述余弦相似度公式的分子部分。下面计算对应公式的分母部分，并提炼出最终的余弦值，结果如下所示。通过以上步骤的计算，就能快速、直观地找到相似用户（双方相似度值越接近1，即双方是最近邻居）。步骤2：获取物品列表，推荐给当前（目标）用户这个步骤主要流程是：提取步骤1生成的相似用户列表，对其进行遍历，找出所有相似用户已访问过、但是当前用户自身未访问过的物品，生成物品列表，然后把该列表推荐给目标/当前用户4，具体核心代码如下图所示。3 协同过滤算法在乡村旅游精准推荐系统中的实施过程把协同过滤算法用于乡村旅游精准推荐系统中，首先需要收集网上的数据，然后再对数据进行分类和处理，最后基于用户的实际需求，向他们推荐所需的相关信息。乡村旅游精准推荐系统的构建过程为：首先进行系统的需求分析，接着构建系统功能模型，最后是系统各个模块的设计与实现。其中比较核心的是推荐模块，该模块的实现过程是：首先访问各个旅游网站，基于用户的个性化需求和利用爬虫技术爬取原始数据集，对原始数据集进行清洗、分析与处理，接着利用协同过滤算法进行计算和推荐，依据计算的结果，生成推荐列表数据库，从数据库读取数据，推送到系统的前端页面，从而实现了为用户提供个性化、精准性、实时性的旅游信息5。3.1用户需求分析、功能分析大数据时代，用户面对的信息是海量的，如何从各大攻略中挖取自己所需的信息，是用户比较关心的问题。在旅游行业中，目前使用推荐系统进行个性化推荐的功能还没有广泛推广，相关在线网站以及微信公众号等只提供旅游景点信息发布、查询以及实现了在线旅游景点门票的购买服务等，而对满足用户个性化需求的推荐工作还没有广泛地应用。为解决此项问题，该系统可以从以下3个方面进行需求分析。3.1.1系统功能需求为用户提供基本的旅游信息服务。构建基于B/S的在线平台，为平台的注册用户以及匿名用户提供相关的信息浏览、查询和购票等业务；设计留言、评论、评分等模块。从系统后台收集用户的反馈行为数据，为实现对用户的个性化推荐提供最原始的数据支持6。3.1.2系统性能需求有针对性地引导用户对项目进行评分，缓解评分数据矩阵的稀疏性；通过微信小程序设计调查问卷等模块，收集新用户、新项目的信息，从而解决其历史数据短缺的冷启动问题；为了避免用户等待时间过长问题，可以考虑增加可扩展性的性能需求7。图 1用户相似度余弦值图图 2物品推荐过程核心代码图三门峡职业技术学院学报 JOURNAL OF SANMENXIA POLYTECHNIC/技术与应用1383.1.3旅游产品特性需求由于旅游产品自身的复杂性，使得我们利用协同过滤技术算法进行推荐的时候不能只依赖用户项目的历史行为数据，而是应当考虑到旅游自身的特点。因此，系统的整体推荐功能需要融合对旅游用户和旅游项目特征的考量，综合之后再进行最终结果的个性化推荐8。针对以上的需求分析，系统的功能结构图如下所示（分为前端和后端）。3.2核心模块推荐模块实现过程实现乡村旅游推荐系统，最核心的模块是推荐功能模块，要实现该核心模块，需要解决以下几个问题：3.2.1用户行为信息采集模块该模块要采集的数据对象是：契合用户特征的目标用户信息模块以及契合旅游景点特征的相关属性信息。采集的步骤是：分析具体的需求，编写相应的Python网络爬虫程序，登录各个旅游官方网站，以乡村旅游景点信息为主题标签，爬取信息，并进行分类，接着对数据进行清洗、分析与处理等操作，获得推荐模块可用的原始数据集，并结合用户其他需求等，生成景点特征数据库；利用网站的个性化问卷调查入口，收集用户的个性化需求，存入用户特征数据库中9。3.2.2基于用户的协同过滤算法计算、推荐模块当完成步骤1，就生成了推荐模块所需的数据集对象，把此对象以规范的格式传送至推荐算法模块的输入端，同时引入基于用户的协同过滤算法，基于该算法，分析目标用户的行为等信息，从中搜索出与其兴趣相似的用户，套用算法中的公式，计算和生成最近邻居集。同时利用最近邻居集，挖掘出目标用户感兴趣且未到访过的乡村旅游景点top-S，从而进行个性化精准、主动推荐，具体流程如下图。图 4推荐列表计算过程图3.2.3推荐结果综合处理模块完成步骤1和步骤2之后，产生了以评分值大小排序的乡村旅游景点top-N推荐列表，同时，结合在线平台获取到的乡村旅游景区热度值数据，我们就能快速计算出推荐列表中每条景点线路所对应的推荐值，加上前期从微信平台获取的用户内在情感因素问卷调查数据，综合分析和计算，形成一个具有N项结果的推荐列表，从该推荐列表中提取排名靠前的前S项，进而组成用户兴趣矩阵，分析该兴趣矩阵的数据分布特点与规律，提取出满足用户个性需求的推荐结果列表10。此外，我们还可以依据目标用户要旅游的月份和城市来决定景点线路的推荐值。若该目标用户已经在平台成功注册过，此时，就要从推荐集中将目标用户曾经旅行过的乡村旅游线路信息剔除，并将此数据结果记作top-S。通过前端页面的数据读取，将推荐项目top-S展示于在线平台的推荐模块主页面指定区域中，这样，目标用户就能通过浏览推荐列表信息，快速找到自己想要旅行的景点信息，从而让目标用户获得满足其个性化需求的精准推荐信息，为其后续的旅行提供良好的建议和帮助。乡村旅游推荐系统模型图如下所示（见图5）。图 3旅游推荐系统前后端功能模块图后疫情时代乡村旅游精准推荐系统的研究与设计技术与应用/139图 5乡村旅游推荐模型图4 结论依据大数据技术，爬取去哪儿等多家旅游平台上目标用户的历史浏览数据，获取如乡村绿色产品、用户爱好、热门景点、用户评论、亲子体验、特色小吃、景点评分、红色历史背景等旅游相关信息，从而获取与旅游景点相关的各项属性，通过微信小程序的在线工具设计用户个性化爱好需求调查问卷，收集这些数据，并进行这些数据的清洗、处理11。借助这些数据，对用户的兴趣爱好和个性化因素进行分析，选出满足用户喜好的旅游景点相关数据，构建初始用户-景点数据库。当完成所有的爬取操作后，完善用户-景点数据库的各项数据属性，生成完整的用户-景点数据库，从而为创建基于用户爱好的乡村旅游精准推荐系统，提供原始的数据支持。深入剖析基于用户的协同过滤推荐算法工作原理，以大量乡村旅游目标用户的历史访问数据、评价数据、用户个性化因素为计算对象，利用协同过滤推荐算法对这些数据进行计算、推理，从而为旅游产品精准化推荐系统的实现提供合理、可行的技术解决方案。把电子商务中的经典推荐算法应用到乡村旅游推荐系统中，为后疫情时代的旅游行业复工复产拓宽宣传渠道，为振兴乡村、大力发展乡村旅游事业，提供可行、优质的技术解决方案，从而做到为旅行社和旅行者提供更优质、更人性化的服务。参考文献：1ZHU GX，WANG YQ，CAO J，et al.Neura