基于深度預測的農(nóng)業(yè)旅游服務推薦系統(tǒng)

倪 凌

(河海大學公共管理學院，江蘇 南京 210000)

2016年國務院發(fā)改委聯(lián)合多部門印發(fā)《關于大力發(fā)展農(nóng)村農(nóng)業(yè)旅游的指導意見》，指出我國未來的方向?qū)⒋罅Ψ龀洲r(nóng)業(yè)經(jīng)濟和鄉(xiāng)村旅游，發(fā)展新型農(nóng)村產(chǎn)業(yè)，拓寬農(nóng)民收入來源[1]。近年來農(nóng)業(yè)旅游的發(fā)展給一些地區(qū)農(nóng)民帶來了先富路子，提升了城市居民消費者的旅游積極性，為促進城市居民的身心健康發(fā)展提供了新思路，是一個雙贏的局面。隨著移動互聯(lián)網(wǎng)和5G深入生活的方方面面，互聯(lián)網(wǎng)思維是新世紀推動經(jīng)濟發(fā)展的重要引擎，與互聯(lián)網(wǎng)信息技術結(jié)合是未來社會經(jīng)濟的重要形式和發(fā)展方向，農(nóng)村農(nóng)業(yè)旅游同樣需要迎合這一變化[2-3]。目前農(nóng)村農(nóng)業(yè)旅游項目正在穩(wěn)步推進中，但是由于農(nóng)村地區(qū)互聯(lián)網(wǎng)基礎設施不夠發(fā)達，農(nóng)業(yè)旅游從業(yè)者互聯(lián)網(wǎng)信息思維和技術手段落后，對于農(nóng)業(yè)旅游的推廣和推薦存在一定困難[4-6]。因此，建立完善的三農(nóng)服務體系，以互聯(lián)網(wǎng)+思維貫穿農(nóng)業(yè)電商和旅游資源，解決城市居民選擇農(nóng)業(yè)旅游服務方面的難點，具有十分重要的意義。

目前關于農(nóng)村旅游服務的網(wǎng)絡平臺雖然已經(jīng)開始逐步探索和研究，但是大多數(shù)平臺對于潛在消費者和農(nóng)業(yè)用戶的吸引力不夠，無法與新興的電商網(wǎng)絡平臺相競爭，消費者普遍反映在農(nóng)業(yè)旅游服務過程中無法獲取感興趣的項目和農(nóng)產(chǎn)品等。針對這一問題，基于網(wǎng)絡文本分析，建立了一套深度預測農(nóng)業(yè)服務推薦模型，并將其融入系統(tǒng)開發(fā)功能中，為農(nóng)業(yè)旅游服務提供了更加智能化和個性化的推薦方式，提高了用戶粘性，能夠有效改善當前的農(nóng)業(yè)旅游服務推薦思路和平臺設計。

1 基于深度預測的農(nóng)業(yè)旅游偏好

大數(shù)據(jù)時代對于掌握消費者的消費動機和傾向具有十分明顯的優(yōu)勢。對于農(nóng)業(yè)旅游服務項目，通過對其潛在消費群體的分析研究發(fā)現(xiàn)，影響農(nóng)業(yè)旅游偏好的兩個主要因素分別為農(nóng)業(yè)旅游消費者的傾向決策和選擇決策，如果能夠?qū)@兩個決策規(guī)律進行剖析就會獲得深層次的農(nóng)業(yè)旅游預測模型[7]。

1.1 農(nóng)業(yè)旅游傾向決策分析

旅游消費者在游玩期間存在不同的可行性決策行為，主要包括影響旅游決策的因素，如果影響旅游決策的因素越少，那么消費者主動消費的動機越強烈，就會充分提高旅游者的消費欲望和動機。因此基于深度預測的農(nóng)業(yè)旅游服務推薦系統(tǒng)首先應了解農(nóng)業(yè)旅游者的消費動機，適配最心儀的旅游選項。分析旅游傾向問題發(fā)現(xiàn)，旅游初期的重要影響因素為旅游時間選擇和旅游群體選擇。通過收集互聯(lián)網(wǎng)旅游相關信息的瀏覽數(shù)量，進行統(tǒng)計分析(圖1)。

從圖1可以發(fā)現(xiàn)，農(nóng)業(yè)旅游高峰期主要體現(xiàn)在5月。由分析可知5月是最為繁茂的春季，農(nóng)業(yè)旅游群體主要目的是體驗鄉(xiāng)村風貌，春季萬物復蘇是農(nóng)業(yè)旅游和其他旅游最為差異性的優(yōu)勢，在這段時間內(nèi)選擇信息瀏覽的游客大多傾向于去自然風光較好的地方旅游。另一個較為熱門的為10月，10月綜合國慶小長假和秋收季節(jié)，農(nóng)業(yè)旅游者除了體驗農(nóng)村的秋日風光，更多的是可以購買應季的果實。其他月份例如夏季和冬季選擇進行農(nóng)業(yè)旅游的群體相對不活躍，因此在這個時間段進行農(nóng)業(yè)旅游推薦效果不甚顯著。從旅游群體來看，農(nóng)業(yè)旅游人群大多集中在家庭和城市中老年，家庭出游主要目的是增進親子關系，中老年出游主要是放松身心。

圖1 不同月份農(nóng)業(yè)旅游相關訊息統(tǒng)計

1.2 農(nóng)業(yè)旅游選擇決策分析

1)旅游類型

農(nóng)業(yè)旅游類型主要分為農(nóng)業(yè)生活參與型、農(nóng)業(yè)生活體驗型、農(nóng)業(yè)生活科普教育型和農(nóng)業(yè)觀光采摘型。通過對農(nóng)業(yè)旅游過程中旅游者的目的地進行統(tǒng)計和分析發(fā)現(xiàn)，農(nóng)業(yè)旅游類型和目的地主要體現(xiàn)在農(nóng)家菜、農(nóng)家樂、農(nóng)業(yè)文化小鎮(zhèn)、農(nóng)村山莊度假村以及農(nóng)村景點等類型中。

2)出行工具

對農(nóng)業(yè)旅游者的出行方式進行詞譜特征分析，篩選出農(nóng)業(yè)旅游者最為青睞的出行方式。對農(nóng)業(yè)旅游過程中的周邊游、地域特征游等進行表達分析發(fā)現(xiàn)，農(nóng)業(yè)旅游者更傾向于自駕出游、旅行社跟團以及單位集體活動3種模式。其中，團體組織游玩多依賴單位組織的黨建、團建活動，活動選擇性較小，游玩方式單一，消費意愿不強。

1.3 農(nóng)業(yè)旅游深度預測模型

通過對農(nóng)業(yè)旅游者的消費傾向和選擇決策進行分析后，建立基于深度預測的農(nóng)業(yè)旅游模型。將農(nóng)業(yè)旅游分為萌芽期、傾向期、選擇期、消費期和評價期5個階段，對每個時期游客可能的選項進行羅列并挑選出更為傾向性的推薦方案，進行信息集成后反饋和獲取旅游最為可能的個性化推薦方案(圖2)。

圖2 農(nóng)業(yè)旅游深度預測模型

2 系統(tǒng)需求分析

2.1 前端需求分析

前端功能需求主要面向用戶，能實現(xiàn)景區(qū)瀏覽、個人信息管理、訂單查詢、購物車管理、商品瀏覽、景點咨詢和客房預訂等功能，并能在平臺進行登錄注冊、付款和訂單查詢等操作。由于前端功能面向?qū)ο笫窍M者用戶，其主要的功能需求集中在購物車管理、游客信息維護、搜索界面推薦以及訂單管理等。

2.2 后端需求分析

后端功能需求主要集中于管理員角色的維護和操作等。根據(jù)農(nóng)業(yè)旅游推薦信息化平臺的具體特點，本文設計的后端功能應該包括管理員管理、會員管理、商品信息錄入、商品訂單管理、旅游產(chǎn)品留言、景點信息管理和住宿管理等，每個二級模塊均需要實現(xiàn)角色分配、權限修改、編輯更新和刪除等基本功能。

2.3 非功能性需求分析

1)兼容性

互聯(lián)網(wǎng)信息技術日新月異，農(nóng)業(yè)旅游系統(tǒng)在今年會集成更多功能，因此系統(tǒng)需要對用戶的需求進行不斷更新完善，系統(tǒng)兼容性和拓展性需要保證一定的時間迭代優(yōu)勢。企業(yè)在對系統(tǒng)進行改進過程中耗費更少的成本，拓展出更為人性化的功能，同時降低對系統(tǒng)改造過程中的影響。

2)效率性

系統(tǒng)應同時能夠承受短時間大量用戶訪問需求，提升用戶瀏覽和操作便捷程度和效率，做到界面簡潔直觀，系統(tǒng)定位準確，反應迅速，合理優(yōu)化緩存，滿足不同層級客戶的使用需求。

3)維護性

系統(tǒng)運行過程中技術人員能夠?qū)ο到y(tǒng)的運行情況進行實時監(jiān)控和維護，維護操作手冊清晰，系統(tǒng)架構(gòu)簡明，建議采用MVC設計模式進行平臺開發(fā)，不同層面代碼盡量減少沖突，功能模塊界限明確，便于后期發(fā)現(xiàn)問題和針對性維修。

2.4 安全需求分析

1)用戶信息登錄方面，需要進行校驗碼驗證，并且需要用戶注冊，后臺用戶管理只限于管理員進行修改和添加。

2)重要信息尤其是游客個人信息和金融信息需要進行加密保護，使用MD5信息摘要算法進行計算，將密碼摘要存儲于數(shù)據(jù)庫中，防止數(shù)據(jù)庫被攻擊泄露。

3)用戶權限和數(shù)據(jù)庫備份。用戶權限需要在Shiro框架內(nèi)完成管理員信息認證，不同權限用戶只顯示對應的功能模塊，重要信息的修改需要進行短信驗證碼驗證。數(shù)據(jù)庫備份應考慮異地容災，在本地數(shù)據(jù)庫遭遇破壞時應可以同時調(diào)用異地數(shù)據(jù)庫確保系統(tǒng)運行，同時還能夠彌補本地數(shù)據(jù)庫的損失并進行同步和維護。

3 系統(tǒng)推薦模塊設計

用戶推薦系統(tǒng)設計過程中，主要考慮用戶、景點和推薦算法三者之間的相互作用機制。個性化推薦算法中目前較為主流的是通過分析用戶歷史偏好數(shù)據(jù)，將數(shù)據(jù)整合后導入興趣特征模型，從而構(gòu)建推薦成果，為用戶推薦其感興趣的商品，其主要的實現(xiàn)流程見圖3。

圖3 推薦算法結(jié)構(gòu)流程

3.1 傳統(tǒng)協(xié)同推薦算法

目前較為流行的數(shù)據(jù)處理方式為協(xié)同過濾算法，即尋找用戶和對象之間的潛在聯(lián)系，發(fā)掘類似用戶群體，從而將感興趣的群體進行擴散和推薦[8-9]。

1)對用戶的歷史評價數(shù)據(jù)進行收集和整合，形成一個用戶—對象的評分矩陣。

2)基于皮爾遜相似度模型，對不同用戶之間的相似度進行匹配。

3)基于匹配后的相似度計算成果，進行推薦程度排列。

4)基于某一個用戶的評分成果，搜索其未評分項目，選擇與其相似最為臨近的對象進行加權分析獲取被推薦用戶的預測評分，其算法公式如下：

(1)

式中：M為某一用戶對對象的評分值；S為用戶對對象的相識度；R為權重值；u和v分別為矩陣的不同象限。

3.2 融合深度預測模型的協(xié)同推薦算法

作為農(nóng)業(yè)旅游推薦系統(tǒng)，協(xié)同推薦算法應兼顧農(nóng)業(yè)旅游的特征和準確度，同時防止在推薦過程中發(fā)生數(shù)據(jù)空洞和冷啟動。因此，本文設計的平臺利用農(nóng)業(yè)旅游深度預測模型進行概率分布計算，將其與系統(tǒng)過濾算法結(jié)合構(gòu)成用戶歷史數(shù)據(jù)和用戶偏好評分矩陣。該算法能夠解決用戶歷史數(shù)據(jù)不充分和推薦精度較差的問題，還可以解決系統(tǒng)運行初期用戶無歷史數(shù)據(jù)從而無法合理進行預測的問題。

1)用戶農(nóng)業(yè)旅游偏好因素分析

借助深度預測模型，將用戶萌芽期、傾向期、決策期、消費期和評價等5個階段的旅游因素進行劃分，總結(jié)出群里、季節(jié)、類型、距離、活動等5個類型的標簽，構(gòu)造偏好矩陣。

2)文本處理

利用Python中的jieba分詞，將農(nóng)業(yè)旅游景點中的數(shù)據(jù)添加到list表格中，刪除重復字段，采用analsye和TFI函數(shù)對關鍵字進行抓取并生成標簽矩陣V。

3)用戶偏好概率計算

采用Gibbs抽樣方法對景點的偏好標簽進行計算和抽樣分析，獲取景點的主題分布概率和標簽分布概率：

(2)

(3)

利用獲取用戶對景點和標簽的偏好概率值，應用貝葉斯定理計算法則進行排序：

(4)

式中：pz為用戶對景點偏好的主題分布概率；pw為用戶的標簽偏好概率；P(z/w)為用戶偏好相似度集合；C為集合矩陣總量；α和β分別為抽樣點的權重系數(shù)。當構(gòu)造生成用戶偏好集合后，便可生成推薦列表。

4 系統(tǒng)平臺與實踐

4.1 系統(tǒng)平臺展示

由于篇幅限制，本文主要對用戶操作界面和個性化推薦系統(tǒng)進行展示。當游客進入系統(tǒng)后，首次進入用戶可填寫注冊表單向服務器發(fā)送指令，服務器請求接受UserController類，調(diào)取UseRserver進行邏輯處理，驗證通過后使用MD5算法對用戶信息進行加密并保存，其界面如圖4所示。

圖4 用戶登錄注冊界面

用戶進入系統(tǒng)后，系統(tǒng)對用戶注冊信息和偏好信息進行識別，發(fā)現(xiàn)用戶注冊地是北京，比較偏向親子游，并且更喜歡的農(nóng)業(yè)旅游景點是農(nóng)村生活體驗，那么系統(tǒng)給用戶推薦算法中首先考慮距離北京較近的延慶南灣村、大興區(qū)魏莊村和順義區(qū)河北村的民俗風貌景點，并且給用戶推薦了適合親子游玩的金福藝農(nóng)番茄聯(lián)合國以及山水畫廊一日游等。系統(tǒng)推薦相識度基本吻合用戶興趣(圖5)。

圖5 用戶個性化推薦景點

4.2 推薦效果測試

將該農(nóng)業(yè)旅游推薦服務平臺在某旅游公司中投入試運行，截至2020年12月共運行6個月，接待用戶訪問量23 444次的系統(tǒng)頻率測試，測試基本信息見表1。

表1 系統(tǒng)測試基本信息

本文選取1 080名注冊用戶進行問卷調(diào)查，問卷共發(fā)放1 080份，回收1 076份，回收率99%，問卷調(diào)查主要內(nèi)容集中于對該農(nóng)業(yè)旅游系統(tǒng)的推薦滿意程度上，統(tǒng)計成果見圖6。

圖6 用戶滿意度問卷結(jié)果統(tǒng)計

對用戶的訪問結(jié)果分析發(fā)現(xiàn)，初期注冊用戶對系統(tǒng)的滿意程度多集中在“滿意”和“一般”兩個層級，占比約65.2%，非常滿意用戶占比為14%，對系統(tǒng)不滿意的用戶占比為12%；注冊15 d以后，用戶非常滿意占比提升至35%，非常不滿意的用戶數(shù)占比依然為12%；注冊30 d以后，用戶滿意程度占比大幅度提升至50%，對系統(tǒng)滿意用戶占比提升至33%，非常不滿意用戶占比僅為5%。通過調(diào)查分析認為，該系統(tǒng)在游客進行使用過程中逐漸能分析出用戶感興趣的景點并進行精準預測。

5 結(jié)論

為提高農(nóng)業(yè)旅游服務推薦系統(tǒng)的準確性，本文提出基于網(wǎng)絡文本分析法的深度預測模型，對系統(tǒng)需求和推薦模塊設計進行了詳細分析和實踐驗證。

1)影響農(nóng)業(yè)旅游偏好的兩個主要因素分別為農(nóng)業(yè)旅游消費者的傾向決策和選擇決策，對這兩個決策規(guī)律進行剖析能獲得深層次的農(nóng)業(yè)旅游預測模型。

2)農(nóng)業(yè)旅游深度預測模型與協(xié)同過濾算法結(jié)合構(gòu)成用戶歷史數(shù)據(jù)和用戶偏好評分矩陣，該算法能夠解決用戶歷史數(shù)據(jù)不充分和推薦精度較差的問題。

3)通過對系統(tǒng)測試和實踐應用發(fā)現(xiàn)，初期注冊用戶對系統(tǒng)體驗一般，隨著系統(tǒng)使用時間延長，該系統(tǒng)在游客進行使用過程中逐漸能分析出用戶感興趣的景點并進行精準預測。