基于游客和景區(qū)信息的推薦算法研究

呂芳

摘要：針對智能化旅游信息推送問題，對基于游客和景區(qū)信息的推薦算法進行研究，利用關(guān)系拓?fù)浣Y(jié)構(gòu)為新用戶智能推薦有效旅游導(dǎo)覽信息，根據(jù)用戶地理位置信息對推薦內(nèi)容進行智能篩選，從而達(dá)到精準(zhǔn)推送效果，滿足了自由行游客的智慧旅游需求。

關(guān)鍵詞：旅游;智慧旅游;推薦算法;游客;景區(qū)

中圖分類號：TP391.3 ? ? ?文獻標(biāo)識碼：A 文章編號：1003-2177（2019）12-0122-03

0 引言

目前，人們的經(jīng)濟水平與日俱增，對旅游的要求越來越趨向精準(zhǔn)化個性化。本文提出了一種基于游客和景區(qū)信息的推薦算法，為智慧旅游系統(tǒng)提供了良好的解決方案，能夠通過移動互聯(lián)網(wǎng)、GPS 定位、LBS等“智慧技術(shù)”措施，利用便攜計算機、手機、pad等終端設(shè)備，將智慧旅游服務(wù)展現(xiàn)給游客，游客還可以獲取如天氣、位置等旅程相關(guān)信息，以便制定最佳的旅游方案，從而獲得更好的旅游體驗。

1 設(shè)計興趣評分矩陣

由興趣評分矩陣可量化計算出為游客推薦的景區(qū)序列，該序列只是對景區(qū)做出了初步排序，為了得到更加精準(zhǔn)的推薦方案，這里引入了游客的實時地理位置信息參數(shù)作為進一步篩選的重要依據(jù)。通過計算景區(qū)位置與游客歷史軌跡的相對距離，一定程度上可篩選出游客的喜好景區(qū)并進行推薦[2]。

2 推薦算法具體流程

在以往的眾多旅游信息推薦算法中，大多采取游客和景區(qū)信息矩陣來推薦信息序列，這樣只能推測游客的大致喜好，并不能做到精準(zhǔn)推薦，做到有的放矢。對游客來說景區(qū)信息幾乎是海量數(shù)據(jù)的，如何才能從中篩選出適合自己的景區(qū)呢？

本文的推薦算法依據(jù)旅游導(dǎo)覽實際情況并結(jié)合了以往算法，引入了游客地理位置信息和游客歷史軌跡等參數(shù)，通過分別計算各景區(qū)與游客位置的距離，進行二次篩選過濾信息，與此同時通過對游客好友或者與游客具有較高的相似背景信息的用戶進行分析，進一步確認(rèn)游客對景區(qū)喜好，從而使為游客推薦的信息更具有參考價值，為游客做到量身定制旅游路線提供重要依據(jù)，使游客獲得更好的旅游體驗[3]。具體的推薦算法流程圖如圖1。

該算法中輸入為游客注冊相關(guān)信息，游客景區(qū)評分矩陣;輸出為精準(zhǔn)推薦的旅游景區(qū)信息序列。

（1）算法開始后先判斷游客是否已經(jīng)注冊，若沒有注冊信息則跳轉(zhuǎn)至（5），若為注冊用戶則執(zhí)行（2）;（2）進一步檢索數(shù)據(jù)庫判斷該注冊游客是否存在相關(guān)好友用戶信息;存在則執(zhí)行（3），不存在則跳轉(zhuǎn)至（4）;（3）已經(jīng)檢索到該游客好友用戶信息，進一步篩選與該游客相關(guān)背景相似度最高的好友用戶，并獲取其相關(guān)喜好景區(qū)作為推薦信息序列項，跳轉(zhuǎn)至（5）;（4）根據(jù)該游客的職業(yè)、性別、年齡、民族、愛好等相關(guān)注冊信息與數(shù)據(jù)庫中的注冊用戶信息進行相似性比對，并找出注冊信息相似度較高的用戶執(zhí)行（5）;（5）利用游客景區(qū)興趣評分矩陣和相似度算法計算出與游客興趣評分相似度閾值最接近的用戶，同時根據(jù)預(yù)設(shè)閾值預(yù)測出該游客的興趣景區(qū)信息，利用游客地理位置信息和游客歷史軌跡等參數(shù)，分別計算各景區(qū)與游客位置的距離，進行二次篩選過濾景區(qū)信息;（6）將游客的興趣數(shù)據(jù)反饋給游客景區(qū)興趣評分矩陣，并進行修正后執(zhí)行（7）;（7）利用景區(qū)信息推薦優(yōu)化排序算法得出最終的推薦景區(qū)信息序列并推薦給用戶。

3 景區(qū)信息推薦算法實現(xiàn)

首先建立游客景區(qū)興趣值評分矩陣，通過計算游客相似度獲取游客景區(qū)興趣值并反饋給興趣評分矩陣進行相應(yīng)修正，再次計算預(yù)測游客興趣景區(qū)評分值，通過地理信息參數(shù)進一步篩選推薦信息[4，5]。算法具體實現(xiàn)如下：

3.1 建立興趣值評分矩陣

基于用戶景區(qū)評分的興趣矩陣就是將M個游客對N個景區(qū)游覽后的評分形成的矩陣。興趣評分矩陣公式見公式（1）所示，興趣值評分標(biāo)準(zhǔn)見表1所示。

3.2 計算游客相似度

3.4 推薦信息再篩選

通過上述步驟只能推測游客的大致喜好，并不能做到精準(zhǔn)推薦，對游客來說景區(qū)信息幾乎是海量數(shù)據(jù)的，為了做到有的放矢的推送景區(qū)信息，還需根據(jù)游客地理位置等信息進行計算進一步篩選。通過游客歷史評分?jǐn)?shù)據(jù)中的地理位置與景區(qū)的位置信息可以計算出當(dāng)時游客至景區(qū)的距離集合L1{hdl，hd2，hd3…，hdm}。然后再計算游客當(dāng)前地理位置與推薦序列中的景區(qū)距離集合L2{ dl，d2，d3…，dn }。公式（5）為利用L1、L2建立相對距離差矩陣。

4 結(jié)語

本文提出了為游客進行景區(qū)信息推薦的一種算法，將基于游客的相似度算法和基于游客地理位置的信息篩選算法相結(jié)合，減緩了游覽大量數(shù)據(jù)的處理壓力大和信息共享不夠的狀態(tài)，將更加準(zhǔn)確有效的旅游信息推送給游客，提高了智慧旅游系統(tǒng)的信息推薦效率，滿足了自由行游客的智慧旅游需求。

參考文獻

[1]夏飛陽.基于Android手機平臺的自助旅游系統(tǒng)的設(shè)計與實現(xiàn)[D].華南理工大學(xué)，2012.

[2]劉軍林，范云峰.智慧旅游的構(gòu)成、價值與發(fā)展趨勢[J].重慶社會科學(xué)，2011（10）：121-124.

[3]赫磊.基于云平臺的智慧旅游推送系統(tǒng)研究[D].西安工業(yè)大學(xué)，2014.

[4]季昀.基于協(xié)同過濾推薦算法電影網(wǎng)站的構(gòu)建[D].哈爾濱工業(yè)大學(xué)，2012.

[5]劉威.基于 HTML5 的旅游移動導(dǎo)覽系統(tǒng)的研究與實現(xiàn)[D].華南理工大學(xué)，2013.