上下文感知旅游推薦系統(tǒng)研究綜述

匡海麗，常亮，賓辰忠，古天龍

（桂林電子科技大學 廣西可信軟件重點實驗室，廣西 桂林 541004）

旅游業(yè)的發(fā)展使得網(wǎng)絡正成為人們規(guī)劃旅游的最重要信息來源[1]。推薦系統(tǒng)的出現(xiàn)為人們提前計劃行程提供了很有價值的參考信息，跟搜索引擎相比，推薦系統(tǒng)最明顯的優(yōu)勢在于它可以直接通過用戶的歷史記錄數(shù)據(jù)分析用戶的喜好，從而能夠給用戶推薦其需要的信息。旅游推薦系統(tǒng)的設計與應用極為復雜，不僅包括用戶的主觀決策因素，還包括用戶當前的上下文因素(如位置、天氣、身體狀況)。上下文感知推薦系統(tǒng)通過將上下文信息引入推薦系統(tǒng)，旨在通過減少信息超載并向用戶提供感興趣的旅游信息，以進一步提高推薦精確度和用戶滿意度[2]。對于上下文感知推薦系統(tǒng)的研究已成為一個新興的熱點[3]。

1 基于上下文的旅游推薦理論

“上下文”通常的定義是指所有可以表征物體特征的信息。在位置、物體屬性、時間等維度都存在豐富的用戶及被推薦對象的上下文信息[4]。比如，用戶的上下文信息通常是由不同的屬性組成：物理位置、情緒狀態(tài)、個人歷史、天氣因素等。在個性化推薦系統(tǒng)中，將上下文信息融入進來將有效地提高推薦精確度和用戶滿意度。

在基于上下文的旅游推薦系統(tǒng)中，通過旅游行業(yè)信息庫、第三方web服務信息庫和旅游產(chǎn)品知識庫中挖掘的信息構建旅游信息庫，利用天氣信息、移動設備感知信息等用戶上下文信息與同伴意見等社會上下文信息作為補充，根據(jù)用戶愛好、限制條件和用戶評分等信息分別獲取用戶的顯式及隱式偏好并對用戶建模。針對用戶輸入的需求，根據(jù)實際情況選用合適的推薦方法，最終產(chǎn)生個性化的推薦結果。最后，結合圖表、虛擬現(xiàn)實等技術將推薦結果可視化到客戶端。因此，本文設計了如圖1所示的基于上下文的旅游推薦系統(tǒng)的整體框架。

圖 1 基于上下文的旅游推薦系統(tǒng)整體框架Fig. 1 The framework of the context-aware tourism recommendation system

一般來說，基于上下文的推薦系統(tǒng)流程可以分為4個階段[5]：1)數(shù)據(jù)收集與預處理，通過相關技術獲取用戶作用于項目的相關歷史行為數(shù)據(jù)并按所需規(guī)整數(shù)據(jù)；2)用戶偏好分析，利用用戶歷史行為數(shù)據(jù)或者其他源數(shù)據(jù)發(fā)現(xiàn)隱含的用戶偏好；3)推薦列表生成，根據(jù)用戶偏好信息預測用戶喜愛的項目，結合獲取的上下文信息為用戶提供推薦列表；4)反饋，根據(jù)相關評價方法和評價標準對推薦列表中的結果進行評估，并做出適當?shù)母倪M。

傳統(tǒng)的推薦方法直接通過用戶的歷史記錄數(shù)據(jù)分析用戶的喜好，從而能夠給用戶推薦其需要的信息。但傳統(tǒng)的推薦方法在應用中存在不足，例如：基于協(xié)同過濾推薦[6]經(jīng)常受到冷啟動和數(shù)據(jù)稀疏等問題的困擾；基于內(nèi)容的推薦[7]雖然可以相對有效地應對項目冷啟動問題，卻經(jīng)常受到過擬合問題的困擾，同時也不能處理那些非文本項目的特征抽取和推薦問題；基于知識的推薦[8]，不需要計算大量的用戶數(shù)據(jù)，但難以獲取到足夠的知識來構建用戶-項目知識庫；基于人口統(tǒng)計的推薦[9]在一定程度上侵犯了用戶的隱私，而且用戶畫像信息的收集可能存在很大噪音[10]。此外，旅游推薦領域特有的情況使得傳統(tǒng)的推薦方法不能夠?qū)崿F(xiàn)理想的推薦結果，所面臨的問題有：

1)對于旅游產(chǎn)品本身，既可以是單一的住宿、景點、交通等產(chǎn)品的選擇，亦可以是這些元素的組合，因此需要考慮用戶和旅游產(chǎn)品之間的時空關系。

2)除了考慮用戶的偏好之外，用戶還經(jīng)常受到特定的限制。例如旅行之前，用戶會綜合權衡時間和金錢的花銷。這與傳統(tǒng)的推薦很不同，比如電影推薦就很少考慮花銷(因為電影時長和價格變化幅度都較小)。

3)需要考慮用戶的社會屬性。網(wǎng)絡社區(qū)中，相互聯(lián)系的群體，受社會因素的相互影響，往往表現(xiàn)出相似的興趣愛好[11]。

4)同伴的人口統(tǒng)計信息、社會地位、偏好的差異性可能會對用戶的最終選擇產(chǎn)生一定的影響，因此結合所有成員偏好的組推薦系統(tǒng)[12]也是需要關注的問題。

5)旅游網(wǎng)站一般呈現(xiàn)靜態(tài)的景點，景點之間沒有更多的關聯(lián)，游客需要自行瀏覽、搜索和組織旅游路線，這顯然是耗時的；一些平臺為游客提供的路線選擇通常是由旅行社制定，并不能滿足用戶的個性化需求[13]。

6)需要考慮景區(qū)分流問題。游客進入景區(qū)后，面對數(shù)量眾多的景點和有限的時間及體力，如何根據(jù)用戶的偏好及當前的交通信息安排游覽路線，實現(xiàn)景區(qū)、景點的排序及游覽路線推薦，也是旅游推薦領域關注的一個焦點。

因此，通過引入上下文信息優(yōu)化推薦效果是目前旅游推薦領域的研究熱點。

2 基于上下文的旅游推薦方法

在基于上下文的旅游推薦系統(tǒng)的框架中，根據(jù)使用到的上下文信息范疇不同，基于上下文的旅游推薦方法可以分為基于位置的旅游推薦、基于時間的旅游推薦、基于社會化網(wǎng)絡的旅游推薦和基于多維上下文的旅游推薦。本節(jié)將從以上4個角度來介紹上下文感知推薦系統(tǒng)的相關研究工作。

2.1 基于位置的旅游推薦

基于位置的旅游推薦系統(tǒng)可以根據(jù)用戶的歷史消費位置獲取用戶在位置方面的偏好以提供個性化的旅游推薦，其中，用戶的位置可以通過移動設備和GPS定位等獲取。基于位置的旅游推薦一般模型如圖2所示。

圖 2 基于位置的旅游推薦一般模型Fig. 2 The general location-based recommendation model for travel

Noguera等[14]結合用戶位置和偏好為移動設備提供一個匯集了推薦引擎和移動三維地理信息的混合推薦系統(tǒng)。采用基于協(xié)同過濾和基于知識的混合方法在信息稀缺的情況下解決了冷啟動問題，根據(jù)用戶位置與偏好為用戶提供餐館推薦服務。該系統(tǒng)克服了某些推薦系統(tǒng)不能應用在移動設備上的缺點[15]。但在實際應用中，對距離與景點的興趣度上需要用戶自主權衡，自動化程度較低。

Li等[16]使用協(xié)同過濾算法結合位置信息，通過GPS定位系統(tǒng)為旅游移動商務服務平臺提供一個位置感知推薦系統(tǒng)。根據(jù)用戶的即時位置以及距離遠近對用戶的偏好影響的大小，得到旅游者對旅游信息的興趣值，通過對興趣值的計算為旅游者推薦。雖然在一定程度上提高了用戶的滿意度，但系統(tǒng)仍然存在協(xié)同過濾算法所面臨的數(shù)據(jù)稀疏性和冷啟動問題。

Liu等[17]根據(jù)地理信息系統(tǒng)提供的信息，結合數(shù)據(jù)挖掘和Web GIS技術，根據(jù)用戶和景點的特征數(shù)據(jù)設計了一個個性化的智能路線推薦系統(tǒng)，使得用戶在一定的時間內(nèi)能夠花費最少的費用到達盡可能多的景點。不過該系統(tǒng)的不足之處在于沒有使用移動設備和GPS動態(tài)地收集用戶數(shù)據(jù)，無法實現(xiàn)實時推薦。

2.2 基于時間的旅游推薦

基于時間的旅游推薦通常需要考慮推薦景點明顯的季節(jié)性因素，而考慮到景點都位于不同的地區(qū)，這些時空信息也可以被視為景點的季節(jié)性旅游情境[18]。比如，在冬季外出旅行，溫泉、滑雪比較受歡迎，而夏季出游時，更多人傾向于選擇水上樂園等避暑項目。在旅游推薦的背景下，時間信息對用戶的影響主要體現(xiàn)在兩個方面：用戶興趣變化與季節(jié)效應。

李雅美等[19]提取時間等與旅游景點密切相關的特征標簽來描述用戶興趣特征，將相似的用戶群體聚類，通過協(xié)同過濾的方法為用戶推薦感興趣的景點。基于時間標簽的推薦算法在實驗中提高了推薦結果的準確率，驗證了時間因素對于提高推薦系統(tǒng)性能的有效性。

盧露[20]針對時間因素對推薦效果的影響，提出了一種概率模型，綜合考慮并結合了用戶的興趣度、用戶所處的時間和地點自身的流行度這3個因素對推薦結果的影響。該模型克服了數(shù)據(jù)稀疏性問題，在Foursquare數(shù)據(jù)集上開展的實驗證實了該模型能獲得更好的推薦效果。但該模型中3種因素對應的權重仍需人工忖度設置，自動化程度低。

Zhang等[21]針對以往研究中將連續(xù)時間切分為多個時間段，導致時間信息缺失且時間聯(lián)系被切斷的問題，提出了一種利用時間影響的時間感知位置推薦算法(TICRec)。利用連續(xù)時間內(nèi)用戶訪問某景點的概率密度來避免時間信息的缺失，在實現(xiàn)位置推薦的同時，還能為用戶推薦訪問該位置的時間。經(jīng)實驗，該算法有效地利用了時間信息并能充分考慮時間因素為用戶推薦更準確的結果。

總的來看，基于時間的旅游推薦有比較強的時間依賴性，不像傳統(tǒng)的項目推薦通常穩(wěn)定在一段很長時期內(nèi)(如歌曲)。這樣的特性要求了基于時間的旅游推薦在考慮時間因素對用戶的影響時，不僅需要考慮用戶長期歷史行為，還需要考慮用戶近期行為。而在考慮時間因素對推薦項目的影響時，則需要考慮推薦項目本身存在的時間效應。基于時間的旅游推薦讓推薦系統(tǒng)能有效地提高某個特定時間情景下的推薦效果。

2.3 基于社會化網(wǎng)絡的旅游推薦

社會化推薦通過社交網(wǎng)絡、社交搜索、社交媒體、標簽等獲取社交行為數(shù)據(jù)，利用計算機技術，例如數(shù)據(jù)挖掘、自然語言處理等進行研究，挖掘出集體智慧。這種服務方式不同于傳統(tǒng)的信息推薦服務，它將社會網(wǎng)絡、社交媒體視為信息推薦的主要平臺，使用戶的隱性知識在社會化推薦過程中與其他用戶進行交互，形成交流。在社會化網(wǎng)絡中，用戶間的信任關系對于用戶的興趣存在著巨大的影響，用戶間隱含的信任信息在推薦系統(tǒng)可靠性上扮演重要角色。比如，社會關系更親近的用戶之間，對于彼此的推薦，由于較高的信任度，用戶傾向于相信并選擇推薦的項目?；谏鐣W(wǎng)絡中用戶信任關系方面已存在不少旅游推薦的相關研究工作。

Ravi等[22]發(fā)現(xiàn)用戶傾向于接受信任用戶的推薦，利用社交網(wǎng)絡數(shù)據(jù)提出了基于社會相關信任度算法的旅游推薦系統(tǒng)。兩個用戶之間的信任度通過真實的數(shù)值來表示，1代表完全信任，0代表不信任，系統(tǒng)通過公式

來計算用戶之間的信任關系。其中SimUser (x,y)是用戶x和y之間的相似度，Trust (x, y)是用戶x和y之間的信任度。

Cenamor等[23]設計了一個旅游計劃系統(tǒng)，該系統(tǒng)使用從旅行社交網(wǎng)絡中收集到的信息來發(fā)現(xiàn)群組并創(chuàng)建個性化旅游計劃。系統(tǒng)遵循自動化的規(guī)劃方法，收集用戶和興趣點的信息，用聚類技術對這些點進行分組，同時將旅行規(guī)劃中的問題分解為不同子問題，以生成具有所訪問城市/地區(qū)最相關興趣點的多個旅游計劃，并使用一個現(xiàn)成的域名獨立的自動化計劃器，找到更好的旅游計劃。該系統(tǒng)具有高度的自動化，有效地實現(xiàn)了個性化旅行計劃的推薦。

Christensen等[24]首先對用戶的偏好進行建模，包括價格、局限性、活動、年齡、教育、性別和收入等，然后使用協(xié)同過濾、人口統(tǒng)計和基于內(nèi)容的混合方法給出單個用戶偏好，并根據(jù)群體中的社會關系(如父母、朋友)計算群體中成員對于最終決策達成的影響力，用戶u對景點Ti的評分Ru(Ti)，用戶u的個人影響力評分iiru(Ti)：然后使用乘法融合策略生成最終的組推薦列表。

總體來看，基于社會化關系上下文的旅游推薦系統(tǒng)，充分利用社會化網(wǎng)絡中相關信息來評估用戶間的信任度，以此可衡量用戶相似度并實現(xiàn)增強推薦[25]。在推薦系統(tǒng)中融入這些信息將進一步改進推薦系統(tǒng)的精度和用戶滿意度。

2.4 基于多維上下文的旅游推薦

多維上下文通常指的是利用用戶與系統(tǒng)交互時產(chǎn)生的環(huán)境要素的集合，例如用戶在選擇戶外游覽景點時，景點流行度是靜態(tài)穩(wěn)定的信息，而天氣條件會對用戶決策產(chǎn)生重要的影響。旅游是一項受多種因素限制的活動，旅游推薦中可用信息種類繁多，關鍵在于如何充分利用可獲取的信息。

Yao 等[26]利用張量代替?zhèn)鹘y(tǒng)方法中的二維矩陣來表示異構多維上下文信息，結合用戶與位置之間的潛在聯(lián)系來實現(xiàn)興趣點推薦。實驗結果表明，合理的融合多源信息有利于提高推薦系統(tǒng)的推薦準確率。

任星怡等[27]針對用戶在異地旅行的時候，簽到行為具有高稀疏性為推薦帶來了很大挑戰(zhàn)的問題，提出了一種聯(lián)合概率生成模型(GTSCP)，綜合分析地理影響、時間效應、社會相關性、內(nèi)容信息和流行度影響等方面的因素，模擬用戶簽到行為的決策過程，實現(xiàn)本地推薦與異地推薦兩種場景下的推薦，且同時支持離線推薦與在線推薦兩種模式。利用社會相關性信息，該模型有效地克服了冷啟動問題。通過融合多維度信息，該模型很大程度地緩解了數(shù)據(jù)稀疏問題。該模型具有高度的靈活性與適用性。但由于融入的信息繁多雜亂，該模型存在一定的特征缺失問題。

Meehan等[28]針對上下文旅游系統(tǒng)嚴重依賴位置而忽略其他上下文信息的現(xiàn)象, 提出了一個智能上下文感知推薦系統(tǒng)。在該推薦系統(tǒng)中，環(huán)境上下文中包含的旅游景點天氣信息，時間上下文中包含的季節(jié)效應、社會上下文中包含的景點流行度影響與位置數(shù)據(jù)及用戶上下文融合在一起，從而可獲得更全面豐富且相對更貼近生活現(xiàn)實的上下文信息，實驗證明，與僅依靠位置信息的位置感知推薦系統(tǒng)相比，該推薦系統(tǒng)能有效地提高推薦性能。對于融入信息太多可能造成的信息過載問題，該系統(tǒng)加入了信息過濾操作來確保融入信息的可靠有效性。

趙海燕等[29]基于時間和空間感知，結合用戶的社會關系，利用位置信息、時間信息、社交信息、活動信息的數(shù)據(jù)，構建用戶、地點、時間、活動、朋友關系異構信息網(wǎng)絡，通過隨機游走方法產(chǎn)生推薦。該方法綜合利用時空信息和用戶社交信息為用戶提供個性化活動推薦，實驗表明，該方法能獲得較好的推薦效果。此外，利用構建的異構信息網(wǎng)絡，該方法還可以實現(xiàn)朋友推薦等增值服務。

總體來看，理論上，做旅游推薦的時候，推薦系統(tǒng)中考慮的上下文信息越豐富，推薦效果越好。但在實際研究中，如何在多種信息中協(xié)調(diào)平衡取舍對于研究者來說是個極大的考驗。一方面，旅游景點本身存在著物理形態(tài)固定的位置信息與時間效應，隨著時間的作用，景點被賦予流行度影響因素，而時下最熱門的景點通常存在游客高度聚集現(xiàn)象，這又會給游客帶來不佳的旅游體驗。另一方面，用戶本身也存在著豐富的信息，通過用戶相關信息可以推斷用戶喜好，但在目前的研究工作中，用戶情緒信息還不能被有效利用。因此，由于上下文具有的范圍動態(tài)性、偶發(fā)性、不可觀察等特征，基于多維上下文的旅游推薦成為了一項極具挑戰(zhàn)性的工作。

3 上下文感知旅游推薦系統(tǒng)的主要應用類型

在實際應用環(huán)境下，用戶對于推薦系統(tǒng)有著不同的需求。例如，當用戶規(guī)劃短期旅行時，他們希望推薦系統(tǒng)能提供滿足自身喜好的旅游景點推薦或者旅游路線推薦；而當用戶有一段較長時間的休閑時光時，根據(jù)給定的時間約束與消費條件，他們希望推薦系統(tǒng)能智能地結合天氣因素等其他上下文信息給出旅游套餐推薦。因此，根據(jù)實際場景需求，上下文感知旅游推薦系統(tǒng)可以分為旅游景點推薦、旅游路線推薦與旅游套餐推薦。以下將從這3個方面來介紹相關研究工作。

3.1 旅游景點推薦

旅游景點推薦方法主要采用傳統(tǒng)的推薦方法并結合上下文的信息，根據(jù)用戶的歷史數(shù)據(jù)分析用戶的興趣點所在，為用戶做游覽景點的推薦。

Gao等[30]研究了基于位置服務的社會網(wǎng)絡，對興趣點屬性、用戶興趣與情緒信息進行建模，結合這3種類型的信息與簽到行為的關系為用戶做興趣點推薦。Zimba等[2]考慮到當用戶搬遷至異地從而導致用戶在當前城市的歷史游玩數(shù)據(jù)缺乏的情況，基于用戶以往評論與評分數(shù)據(jù)對隱含其中的用戶偏好建模，結合景點自身屬性為用戶進行推薦，有效地克服了傳統(tǒng)推薦算法中異地推薦面臨的數(shù)據(jù)稀疏性限制。Debnath等[31]不同于以往的興趣點推薦研究工作，首次提出綜合考慮個人偏好、位置偏好、時間效應與興趣點流行度這4個因素的興趣點推薦，且經(jīng)實驗證明該方法有效地提高了推薦性能。

3.2 旅游路線推薦

旅游路線的推薦能夠很好地反映出用戶的興趣。如何根據(jù)用戶的偏好和用戶在景區(qū)分布的密度這兩個因素合理規(guī)劃游覽線路，是上下文感知旅游推薦系統(tǒng)需要考慮的問題。旅游路線/旅游規(guī)劃應該包含多種公共交通路規(guī)劃, 根據(jù)旅游需求(如步行穿過人行區(qū)域的路線可能比短途地鐵更可取)。不過設計解決這類問題的高效算法仍然是一個開放的研究課題。

Chen等[32]等使用基于Hadoop的云計算技術設計和實現(xiàn)了一個智能旅游路線推薦系統(tǒng)。該系統(tǒng)整合了旅游景點、旅游線路、住宿和一些其他信息，提供一站式服務，在旅游路線推薦中得到了理想的效果。該系統(tǒng)在整體架構上主要分成數(shù)據(jù)收集、數(shù)據(jù)加工、數(shù)據(jù)存儲和路線推薦4個模塊，并利用了云計算平臺來解決基于分布式計算的大規(guī)模數(shù)據(jù)的安全存儲和加工問題。實驗表明，該系統(tǒng)能以更好的方式利用用戶的相關信息并根據(jù)其反饋信息推薦旅游路線。

3.3 旅游套餐推薦

通常來看，做旅行計劃時，用戶有3個要解決的問題：目的地、旅行時長與旅游路線。因此，旅游套餐的推薦面臨著兩大挑戰(zhàn)：1)用戶感興趣的景點有哪些；2)判斷哪個計劃是更好的旅行安排。如何在這兩方面提高性能成為了旅游套餐推薦的研究重點。

Yu等[33]利用位置服務對用戶偏好和景點流行度進行建模，通過協(xié)同過濾方法得到用戶喜愛的目的地，在時空約束條件下，結合用戶偏好生成旅行包。該系統(tǒng)從移動客戶端獲取用戶旅行需求并生成含有大量景點及游覽路線的旅行包。該系統(tǒng)不僅可為用戶提供符合用戶喜愛的景點，還能生成景點游覽序列，在特定數(shù)據(jù)集上進行的實驗表明，該方法有效地提高了推薦的準確性和多樣性。

Dipali等[34]設計了一個自助旅行服務系統(tǒng)。在這個系統(tǒng)中，管理員負責維護系統(tǒng)，向?qū)ж撠熡媱澛眯新肪€并提供旅行路線中景點的360°視角下的照片與視頻信息，而用戶需要進行注冊后才能使用系統(tǒng)，通過選擇目的地，系統(tǒng)為用戶提供向?qū)c其推薦的旅行路線信息，并允許用戶預覽路線中相關景點的詳細信息，以便用戶在清楚每條路線的情況下選擇合心意的向?qū)c路線。實驗表明，該系統(tǒng)能獲得較好的推薦效果并具有一定的現(xiàn)實意義，商用性能較高。

旅游套餐通常對景點的時空關系要求很強，通常來看，只有具有相近時空關系的景點才會被放入同一個套餐中。此外，由于旅游套餐有一定的生存周期，其設計會受到游客興趣等需求的左右，這意味著旅游套餐的更新速度非常之快。由此來看，不同于旅游景點與旅游路線的推薦，旅游套餐推薦需要更高的復雜度。

4 上下文感知旅游推薦面臨的重點和難點

基于上下文的旅游推薦系統(tǒng)是一項融合了組織學、認知科學、決策科學、個性化服務、計算機科學等多門學科的交叉性學科。從以上內(nèi)容可以看出，近年來國內(nèi)外研究者已經(jīng)在上下文感知旅游推薦領域取得了許多進展。但總的來說，目前推薦技術仍然面臨以下重點和難點問題。

1)需要考慮機器學習算法和旅游推薦相結合。在旅游推薦系統(tǒng)中，隨著各種上下文信息的不斷加入，對數(shù)據(jù)集的規(guī)模和算法處理也提出了新的要求，同時在人工智能領域，機器學習受到越來越多的關注。因此在上下文旅游推薦中加入合適的機器學習算法以提高處理大數(shù)據(jù)的能力及推薦效果，將成為未來旅游推薦的一個研究熱點。

2)需要考慮用戶的情緒信息。目前研究工作中用到的上下文信息通常指的是客觀因素，而主觀的感性因素在消費決策中起著越來越重要的作用，用戶的情緒在一定條件下反映出用戶的內(nèi)心活動狀態(tài)。在上下文信息如社會化網(wǎng)絡中，用戶情感信息可能會起到關鍵的作用，因此對用戶進行情緒分析將成為旅游推薦研究的一個難點問題[35]。

3)群組發(fā)現(xiàn)中需要考慮用戶之間的社會化關系。隨著社交媒體網(wǎng)站的興起，用戶之間的社會化關系將在基于上下文旅游推薦系統(tǒng)中起到越來越重要的作用。文獻[24]雖然考慮了用戶的社會關系、地理位置等信息，但仍具有一定的局限性。因此結合用戶社會網(wǎng)絡關系的上下文感知旅游推薦將成為未來旅游推薦中一個值得關注的問題。

4)旅行出游是一個受多種因素影響的場景。不管是籌劃旅行還是旅行過程中，用戶都會受到許多因素的影響，如何協(xié)調(diào)各類因素的影響權重以及合理地選取哪些信息融入到推薦系統(tǒng)將是未來旅游推薦中一個研究難點。

另外，近年來國家出臺了多項法律法規(guī)全力推動旅游產(chǎn)業(yè)的發(fā)展，旅游業(yè)整體行業(yè)欣欣向榮。同時隨著網(wǎng)絡資源的不斷豐富，智慧旅游推薦和服務能有效地提高推薦結果的質(zhì)量并提高用戶滿意度。因此在未來旅游推薦中，如何構建推薦性能高且實用性強的旅游推薦系統(tǒng)將是一個研究重點。

5 結束語

為了解決信息過載問題，對于以推薦系統(tǒng)為代表的個性化技術的研究將越來越受研究者所重視。高效的推薦系統(tǒng)不僅有助于用戶節(jié)省時間成本，也能在一定程度上幫助企業(yè)發(fā)現(xiàn)潛在的用戶。隨著經(jīng)濟的不斷發(fā)展，旅游逐漸成為人們休閑度假必不可少的生活方式。傳統(tǒng)的旅游推薦技術已不能應對當前旅游領域面臨的各種復雜的問題，隨著網(wǎng)絡的發(fā)展及衛(wèi)星定位技術的普及，上下文信息在旅游推薦中的作用變得越來越明顯。因此，本文對上下文感知旅游推薦系統(tǒng)的研究現(xiàn)狀進行了較深入的探索與考察。不同的上下文信息的加入體現(xiàn)了不同的側重點，如何獲取并整合上下文信息來實現(xiàn)有效的利用對旅游推薦結果的好壞起到直接的影響。因此，對于本文提到的研究重點與難點的解決，將有利于更好地提高推薦系統(tǒng)的推薦性能，能使旅游推薦取得較好的效果。