基于人工智能的旅游大數(shù)據(jù)分析模型創(chuàng)建

鄧偉 陳婕

（寧德師范學(xué)院 福建省寧德市 352100）

進(jìn)入21 世紀(jì)，國(guó)民經(jīng)濟(jì)飛速發(fā)展，人們的物質(zhì)生活水平得到了進(jìn)一步提升，旅游業(yè)如雨后春筍得到了蓬勃發(fā)展，其作為人們休閑放松的重要途徑，一方面豐富了人們的生活，另一方面促進(jìn)了國(guó)民經(jīng)濟(jì)增長(zhǎng)。從旅游業(yè)發(fā)展現(xiàn)狀看，其在旅游人數(shù)、旅游效益方面迅猛增長(zhǎng)，但由于發(fā)展時(shí)間短、配套設(shè)施不完善，尚缺乏科學(xué)的預(yù)測(cè)機(jī)制，旅游經(jīng)濟(jì)增收受到了一定的限制。人工智能時(shí)代的到來(lái)，使得旅游業(yè)發(fā)展進(jìn)入一個(gè)新的階段，行業(yè)需求呈現(xiàn)出精細(xì)化的特征，利用大數(shù)據(jù)、信息化手段，能夠?yàn)橛慰鸵率匙⌒刑峁O大的便利?，F(xiàn)有的旅游大數(shù)據(jù)平臺(tái)成熟度低，缺乏有效的監(jiān)管，距離智慧旅游發(fā)展還存在一定的距離。構(gòu)建基于人工智能的旅游大數(shù)據(jù)分析模型是滿(mǎn)足游客個(gè)性化旅游需求的有效舉措，也是促進(jìn)智慧旅游發(fā)展的必然選擇。

1 基于人工智能的旅游大數(shù)據(jù)分析技術(shù)

人工智能時(shí)代，旅游業(yè)的發(fā)展離不開(kāi)高新技術(shù)的支持。在大數(shù)據(jù)、人工智能等技術(shù)支持下，能夠?qū)崿F(xiàn)旅游行業(yè)信息與游客行為信息的動(dòng)態(tài)收集，對(duì)用戶(hù)個(gè)性化需求予以全面整合與分析，進(jìn)而設(shè)計(jì)多元化旅游方案，滿(mǎn)足游客的個(gè)性需求。旅游數(shù)據(jù)收集、分析處理涉及到數(shù)據(jù)整合、處理及深度學(xué)習(xí)等多個(gè)方面，其中關(guān)鍵技術(shù)包括大數(shù)據(jù)與人工技能技術(shù)。

1.1 大數(shù)據(jù)與Hadoop

所謂大數(shù)據(jù)，主要指的是數(shù)據(jù)規(guī)模超出傳統(tǒng)數(shù)據(jù)管理工具范疇的集合，在數(shù)據(jù)獲取、存儲(chǔ)及分析方面均有著更高的要求，包括結(jié)構(gòu)化與非結(jié)構(gòu)化兩種數(shù)據(jù)類(lèi)型。大數(shù)據(jù)擁有海量的信息數(shù)據(jù)，能夠?yàn)槠髽I(yè)目標(biāo)制定及利益群體運(yùn)營(yíng)策略提供可靠的參考，海量的數(shù)據(jù)經(jīng)過(guò)專(zhuān)業(yè)化處理分析，能夠獲得有價(jià)值的信息。數(shù)據(jù)存儲(chǔ)是大數(shù)據(jù)的基本問(wèn)題，目前大數(shù)據(jù)存儲(chǔ)常用工具為Hadoop 工具，其隸屬于HDFS 分布式文件系統(tǒng)，能夠存儲(chǔ)成千上百臺(tái)機(jī)器的數(shù)據(jù)。海量數(shù)據(jù)的處理是大數(shù)據(jù)的核心問(wèn)題，基于該問(wèn)題引入了mapReduce 框架，通過(guò)Shuffle 將Map 與Reduce 進(jìn)行串聯(lián)。在Map 支持下，多臺(tái)機(jī)器能夠?qū)λ璧暮Ａ繑?shù)據(jù)文件進(jìn)行讀取，并根據(jù)設(shè)定的方法對(duì)結(jié)果進(jìn)行處理。然后進(jìn)入Reduce 數(shù)據(jù)處理環(huán)節(jié)，嚴(yán)格按照各個(gè)步驟，匯總所得到的結(jié)果。針對(duì)Hive 數(shù)據(jù)處理慢的問(wèn)題，引入Spark 框架，其具有較快的處理速度。HDFS 將每次處理結(jié)果均保存在計(jì)算機(jī)硬盤(pán)。而Spark則將運(yùn)行結(jié)果放入內(nèi)存，在其中完成迭代運(yùn)算，速度優(yōu)于mapReduce。

1.2 人工智能與Python

人工智能主要是對(duì)人思維、意識(shí)的研究，并通過(guò)數(shù)學(xué)工具對(duì)人的行為進(jìn)行分析、模擬的過(guò)程。機(jī)器學(xué)習(xí)與深度學(xué)習(xí)是人工智能的關(guān)鍵模塊。Python 包含Numpy、Matplotlib、Keras 等多個(gè)庫(kù)，其中應(yīng)用于數(shù)據(jù)處理與分析的庫(kù)包括Matplotlib、Sklearn，同時(shí)還能夠完成數(shù)據(jù)建模，總之在Python 中能夠找到與機(jī)器學(xué)習(xí)相對(duì)應(yīng)的庫(kù)，完成數(shù)據(jù)分析處理。此次研究在旅游大數(shù)據(jù)分析模型構(gòu)建中，獲取數(shù)據(jù)不僅來(lái)源于企業(yè)，而且還可以通過(guò)Python 爬蟲(chóng)技術(shù)爬取，其中需要運(yùn)用到Sclenium、Scrapy 及BeautifulSoup 等庫(kù)。爬取后能夠進(jìn)入機(jī)器學(xué)習(xí)與深度學(xué)習(xí)階段。Python 為基礎(chǔ)的語(yǔ)言是人工智能領(lǐng)域相關(guān)模型的主要語(yǔ)言。

2 基于人工智能的旅游平臺(tái)模塊設(shè)計(jì)

利用信息技術(shù)的不斷進(jìn)步，通過(guò)讓景區(qū)智慧化，把人工智能、傳感技術(shù)、大數(shù)據(jù)分析等高科技技術(shù)植入到景區(qū)，實(shí)現(xiàn)趣味、安全、有序的旅游體驗(yàn)，將大幅度提升景區(qū)的綜合服務(wù)能力及服務(wù)質(zhì)量。研究在大數(shù)據(jù)技術(shù)支持下，對(duì)旅游平臺(tái)進(jìn)行設(shè)計(jì)，依據(jù)旅游產(chǎn)業(yè)信息生成、傳輸及處理特點(diǎn)，可以劃分為硬件資源、數(shù)據(jù)處理、大數(shù)據(jù)分析等層面，能夠提升旅游產(chǎn)業(yè)發(fā)展的智慧化，滿(mǎn)足游客多樣化需求。

硬件資源層。主要功能為為旅游大數(shù)據(jù)平臺(tái)提供硬件保障，主要包括信息采集功能，建立Hadoop 集群，完成數(shù)據(jù)分析。

（1）數(shù)據(jù)處理層。數(shù)據(jù)處理的關(guān)鍵環(huán)節(jié)為數(shù)據(jù)爬取、數(shù)據(jù)清洗以及數(shù)據(jù)預(yù)處理，利用Python 爬蟲(chóng)技術(shù)能夠爬取到游客的旅游信息、需求等，并對(duì)論壇中相關(guān)信息數(shù)據(jù)進(jìn)行匯總，通過(guò)數(shù)據(jù)清洗能夠?qū)崿F(xiàn)去粗取精，按照深度學(xué)習(xí)模型要求，完后數(shù)據(jù)預(yù)處理。

（2）大數(shù)據(jù)分析層。其是針對(duì)獲得數(shù)據(jù)的預(yù)處理，在Python 技術(shù)支持下，利用Numpy、Matplotlib 庫(kù)能夠幫助挖掘數(shù)據(jù)的特征，了解其分布情況，并對(duì)基礎(chǔ)信息實(shí)施匯總分析。

（3）人工智能層。針對(duì)不同的旅游景點(diǎn)，其構(gòu)建的大數(shù)據(jù)模型也呈現(xiàn)出一定的差異性，通過(guò)構(gòu)建測(cè)試集與訓(xùn)練集，然后優(yōu)化模型中對(duì)應(yīng)的參數(shù)。

（4）應(yīng)用服務(wù)層。完成深度學(xué)習(xí)后，需要針對(duì)對(duì)應(yīng)的數(shù)據(jù)，設(shè)計(jì)動(dòng)態(tài)的應(yīng)用服務(wù)程序，其主要為用戶(hù)需求及個(gè)性化旅游資源推薦提供服務(wù)，主要服務(wù)對(duì)象包括旅行社、景區(qū)、酒店等。

3 基于人工智能的旅游大數(shù)據(jù)分析模型

3.1 數(shù)據(jù)模型

用戶(hù)與旅游景點(diǎn)是數(shù)據(jù)模型的實(shí)體部分，分別用U、O表示，旅游景點(diǎn)涉及內(nèi)涵豐富，包括名勝古跡、特定遺址、博物館陳列的圖片與雕塑等，另外歷史建筑也屬于旅游景點(diǎn)范疇，將旅游景點(diǎn)與PoI 建立連接，其能夠?qū)β糜尉包c(diǎn)的地理坐標(biāo)位置予以表示。

假設(shè)旅游景點(diǎn)O屬于O，用元組進(jìn)行標(biāo)注，ai 表示的是本體屬性，bi 表示的是元數(shù)據(jù)。旅游景點(diǎn)的相關(guān)數(shù)據(jù)包括文本資料、圖像資料等多媒體數(shù)據(jù)，均能夠與旅游景點(diǎn)建立關(guān)聯(lián)。在用戶(hù)方面，需要對(duì)靜態(tài)信息、動(dòng)態(tài)信息進(jìn)行處理，其中前者主要在用戶(hù)配置文件中保存，后者在用戶(hù)數(shù)據(jù)日志中記錄。

將上述模型組間為知識(shí)數(shù)據(jù)庫(kù)，在這個(gè)數(shù)據(jù)庫(kù)中能夠幫助推斷特定用戶(hù)的信息，如可能產(chǎn)生興趣的景點(diǎn)等。用（V，E）表示知識(shí)庫(kù)，節(jié)點(diǎn)集合、邊的集合分別用V、E 表示，節(jié)點(diǎn)包括旅游景點(diǎn)、標(biāo)注及用戶(hù)，邊能夠?qū)?jié)點(diǎn)的關(guān)系予以反映。

3.2 旅游信息挖掘

旅游信息的挖掘主要分為兩個(gè)步驟完成，第一階段為頻繁項(xiàng)集的生成，在大數(shù)據(jù)分析技術(shù)支持下能夠掌握其基本信息及基本屬性情況，見(jiàn)表1。

表1： 旅游基本信息與屬性

通過(guò)對(duì)多項(xiàng)旅游平臺(tái)基本信息的整理，可以獲得局部頻繁項(xiàng)集，對(duì)數(shù)據(jù)庫(kù)Q 進(jìn)行劃分，使其成為不具相關(guān)性的數(shù)據(jù)塊，并向m 個(gè)節(jié)點(diǎn)發(fā)送，其可以采用如下公式計(jì)算：

經(jīng)過(guò)上述處理獲得候選頻繁項(xiàng)集，具有全局特征，然后應(yīng)用大數(shù)據(jù)分析技術(shù)，掌握分析的目的，在這個(gè)過(guò)程中需要對(duì)旅游信息進(jìn)行提煉，獲得低密度信息價(jià)值。

3.3 旅游平臺(tái)構(gòu)建

旅游平臺(tái)的構(gòu)建是在旅游信息挖掘基礎(chǔ)上實(shí)現(xiàn)的，其能夠?qū)β糜沃胁淮_定問(wèn)題予以有效的解決。在大數(shù)據(jù)分析技術(shù)支持下能夠掌握用戶(hù)的歷史瀏覽記錄，了解其評(píng)價(jià)情況及搜索記錄等，進(jìn)而對(duì)旅游信息趨勢(shì)指數(shù)作出相應(yīng)的預(yù)測(cè)。該平臺(tái)能夠?qū)包c(diǎn)進(jìn)行自動(dòng)化搜索，挖掘其中的隱含特征，并與用戶(hù)興趣及景點(diǎn)建立聯(lián)系，結(jié)合游客的喜好，向用戶(hù)進(jìn)行景點(diǎn)路線的推薦，其實(shí)現(xiàn)流程如圖1 所示。

圖1： 旅游路線推薦過(guò)程流程圖

完成旅游信息挖掘后，將獲得的結(jié)果與路徑規(guī)劃結(jié)果相結(jié)合，在大數(shù)據(jù)技術(shù)支持下，在數(shù)據(jù)庫(kù)中將各類(lèi)數(shù)據(jù)存儲(chǔ)其中，能夠完成對(duì)旅游資源的配置，旅游數(shù)據(jù)能夠?yàn)闆Q策提供可靠的依據(jù)。另外數(shù)據(jù)庫(kù)的周期數(shù)據(jù)需要進(jìn)行深加工，并實(shí)現(xiàn)信息交換。數(shù)據(jù)庫(kù)自E-R 實(shí)體聯(lián)系，與數(shù)據(jù)庫(kù)模型建立關(guān)聯(lián)，景區(qū)旅游平臺(tái)所涉及的數(shù)據(jù)表均在數(shù)據(jù)庫(kù)中存儲(chǔ)，配合相應(yīng)的字段涉及，其信息輸入情況如表2 所示。

表2： 數(shù)據(jù)庫(kù)表主要信息分析

在大數(shù)據(jù)分析技術(shù)下，構(gòu)建一個(gè)涵蓋旅游指標(biāo)、時(shí)間、游客訪問(wèn)信息等在內(nèi)的旅游平臺(tái)，其中涉及到旅游關(guān)鍵數(shù)據(jù)信息，能夠完成數(shù)據(jù)的抽取、加載與轉(zhuǎn)換，一方面能夠?yàn)橛慰蛡€(gè)性化旅游服務(wù)提供參考，另一方面便于人員信息查詢(xún)，實(shí)現(xiàn)信息數(shù)據(jù)資源共享。

3.4 推薦策略

旅游景區(qū)推薦策略旨在為用戶(hù)旅游計(jì)劃提供PoI 參考，其主要包括三個(gè)階段，第一個(gè)階段為數(shù)據(jù)的預(yù)過(guò)濾，該階段用戶(hù)的信息輸入到系統(tǒng)中，能夠通過(guò)分析獲得位置信息，掌握興趣，為用戶(hù)旅游景點(diǎn)選擇提供更多滿(mǎn)意的、感興趣的方案。第二階段為排序，該階段呈現(xiàn)出動(dòng)態(tài)化特征，其針對(duì)預(yù)過(guò)濾階段篩選的旅游景點(diǎn)進(jìn)行三個(gè)維度權(quán)重分配，分別為興趣、情緒及流行度。第三個(gè)階段為后過(guò)濾，該階段需要掌握用戶(hù)位置信息，并結(jié)合景點(diǎn)的文化吸引力、本體概率時(shí)空進(jìn)行推斷。

3.4.1 預(yù)過(guò)濾階段

預(yù)過(guò)濾階段能夠幫助明確用戶(hù)感興趣的旅游景點(diǎn)，用子集O O 表示，主要依據(jù)的是位置信息、流行度，結(jié)合用戶(hù)興趣特點(diǎn)等。用戶(hù)位置可以參照經(jīng)緯度作出準(zhǔn)確的判斷，將與用戶(hù)比較近的景點(diǎn)集合為一個(gè)集，即A；對(duì)用戶(hù)數(shù)據(jù)日志作出全面的分析，獲得旅游景點(diǎn)子集B，其中能夠看出訪問(wèn)量最大的景點(diǎn)。最后需要借助機(jī)器學(xué)習(xí)技術(shù)對(duì)對(duì)應(yīng)的旅游景點(diǎn)進(jìn)行選擇，根據(jù)配置文件獲得子集C。

3.4.2 排序階段

排序主要是針對(duì)預(yù)過(guò)濾階段獲得的景點(diǎn)信息予以排列，其主要參照以下三個(gè)方面：

（1）流行度，景點(diǎn)拍攝頻率、次數(shù)最高，表明其受歡迎程度越高。

（2）情感。采用情感分析算法獲得情感加權(quán)總和，對(duì)景點(diǎn)進(jìn)行排序，在具體計(jì)算中主要依據(jù)的是社會(huì)網(wǎng)絡(luò)獲得標(biāo)題、旅游景點(diǎn)類(lèi)型等。

（3）興趣。計(jì)算核心內(nèi)容為用戶(hù)數(shù)據(jù)日志，算法為頁(yè)面排名算法，原理為訪問(wèn)統(tǒng)一項(xiàng)目的用戶(hù)過(guò)多，往往意味著該旅游景點(diǎn)是有趣的。

3.4.3 后過(guò)濾階段

該環(huán)節(jié)主要目的是過(guò)濾掉推薦列表中與游客位置較遠(yuǎn)的且用戶(hù)不感興趣的旅游景點(diǎn)，其主要包括如下兩個(gè)子階段：

（1）依據(jù)推薦集實(shí)施排序，對(duì)加權(quán)總和進(jìn)行排序，獲得一個(gè)完整、有序的列表。

（2）依據(jù)旅游景點(diǎn)位置與用戶(hù)需求排序，對(duì)比的是被檢查的旅游景點(diǎn)與其之后的景點(diǎn)，列表還顯示了旅游景點(diǎn)距離。

若在給定閾值下，第一距離較第二距離小，表示為經(jīng)過(guò)更新的列表。另外研究引入本體論方法，以滿(mǎn)足用戶(hù)需求。假設(shè)游客在中午順文化路線前進(jìn)，那么在該算法下會(huì)向用戶(hù)推薦距離最近的餐廳，同時(shí)還使得文化景點(diǎn)本體得到了豐富。

4 旅游大數(shù)據(jù)分析模型結(jié)構(gòu)與實(shí)現(xiàn)

研究構(gòu)建了大數(shù)據(jù)技術(shù)下的多層體系結(jié)構(gòu)，并從數(shù)據(jù)獲取、知識(shí)庫(kù)及數(shù)據(jù)處理層面對(duì)推薦策略進(jìn)行區(qū)分。數(shù)據(jù)層包括源子層、數(shù)據(jù)存儲(chǔ)子層兩個(gè)部分，前者主要功能為獲取異構(gòu)數(shù)據(jù)源的數(shù)據(jù)，能夠從多個(gè)視角為游客提供景點(diǎn)信息。該計(jì)算過(guò)程中，需要對(duì)用戶(hù)訪問(wèn)情況及具體操作信息進(jìn)行收集，并作為用戶(hù)的數(shù)據(jù)日志，其實(shí)了解用戶(hù)喜好的主要依據(jù)。在瀏覽CH 固有本體是采用RESP 法，與給定文化項(xiàng)目相連接。數(shù)據(jù)存儲(chǔ)子層在存儲(chǔ)數(shù)據(jù)時(shí)主要依據(jù)的是數(shù)據(jù)的類(lèi)型與源，NoSQL 列式數(shù)據(jù)庫(kù)主要用于文化項(xiàng)目、地理定位信息及用戶(hù)數(shù)據(jù)日志信息的存儲(chǔ)，其能夠?qū)Ａ繑?shù)據(jù)信息進(jìn)行處理。NoSQL 文檔數(shù)據(jù)庫(kù)主要用于對(duì)用戶(hù)照片、評(píng)分及心情等數(shù)據(jù)的存儲(chǔ)，其主要來(lái)源于社交網(wǎng)絡(luò)，是一個(gè)動(dòng)態(tài)的信息知識(shí)庫(kù)。

作為一個(gè)事物數(shù)據(jù)庫(kù)，KB 層數(shù)據(jù)庫(kù)具有一致性、持久性及隔離性等特征，其應(yīng)用Ne04j 數(shù)據(jù)庫(kù)，在Java 作用下，對(duì)原生圖形的存儲(chǔ)、處理進(jìn)行編寫(xiě)。數(shù)據(jù)處理層則能夠?qū)H 應(yīng)用程序予以支持，其主要技術(shù)支持為數(shù)據(jù)挖掘技術(shù)、大數(shù)據(jù)分析技術(shù)，利用Spark 框架能夠?qū)?shù)據(jù)庫(kù)中相關(guān)數(shù)據(jù)查詢(xún)，與數(shù)據(jù)挖掘本體數(shù)據(jù)結(jié)合處理。應(yīng)用程序?qū)又饕玫氖茿PI 開(kāi)發(fā)的應(yīng)用程度，其主要功能為數(shù)據(jù)檔案查詢(xún)、數(shù)據(jù)分析任務(wù)的執(zhí)行等。

另外API 程序還能夠針對(duì)游客所在的地理位置、環(huán)境等，分析游客偏好，并推薦文化項(xiàng)目列表。經(jīng)過(guò)過(guò)濾模塊處理后，能夠在對(duì)應(yīng)設(shè)備尤其是具有邊緣計(jì)算功能設(shè)備上的正常運(yùn)行。

5 實(shí)驗(yàn)評(píng)估與測(cè)試

為驗(yàn)證旅游大數(shù)據(jù)分析模型的可靠性與應(yīng)用價(jià)值，研究選擇某旅游機(jī)構(gòu)80 名游客作為研究對(duì)象，利用隨機(jī)數(shù)字表法分為觀察組與對(duì)照組，首先在試驗(yàn)前調(diào)查了游客的旅游需求情況，結(jié)果顯示其對(duì)信息查詢(xún)、天氣、線路、酒店及預(yù)定信息、景點(diǎn)信息等需求均為1，提示兩組研究對(duì)象對(duì)享受服務(wù)的需求基本一致。然后采用基于人工智能的旅游大數(shù)據(jù)分析模型了解觀察組旅游信息，采用傳統(tǒng)旅游平臺(tái)了解對(duì)照組的景點(diǎn)信息，評(píng)估兩組游客對(duì)景點(diǎn)信息的了解程度，結(jié)果如表3 所示，可以發(fā)現(xiàn)觀察組對(duì)信息查詢(xún)、天氣信息、線路信息等了解程度均顯著高于對(duì)照組，差異有統(tǒng)計(jì)學(xué)意義（P＜0.05）。這是因?yàn)樵诖髷?shù)據(jù)分析技術(shù)支持下，旅游平臺(tái)能夠?qū)τ慰偷臍v史信息進(jìn)行收集與分析，結(jié)合用戶(hù)的喜好提供個(gè)性化服務(wù)，為游客提供豐富多樣的信息。經(jīng)上述試驗(yàn)證實(shí)，該研究設(shè)計(jì)的旅游大數(shù)據(jù)分析模型涵蓋信息量豐富，游客需求可以得到滿(mǎn)足，應(yīng)用推廣價(jià)值高。

表3： 觀察組與對(duì)照組對(duì)旅游信息了解程度比較

6 結(jié)束語(yǔ)

綜上所述，在人工智能技術(shù)支持下，構(gòu)建旅游大數(shù)據(jù)分析模型，引入機(jī)器學(xué)習(xí)技術(shù)推薦算法，能夠了解游客需求，推薦個(gè)性化旅游景點(diǎn)相關(guān)信息，提供智能、便捷、有效的服務(wù)，滿(mǎn)足用戶(hù)個(gè)性化需求。實(shí)驗(yàn)證實(shí)該方法性能高，可為游客提供豐富信息，為將該模型推廣到真實(shí)的應(yīng)用場(chǎng)景中，提高旅游服務(wù)的智能化、精細(xì)化。