匡海麗，常亮，賓辰忠，古天龍

（桂林電子科技大學(xué) 廣西可信軟件重點(diǎn)實(shí)驗(yàn)室，廣西 桂林 541004）

旅游業(yè)的發(fā)展使得網(wǎng)絡(luò)正成為人們規(guī)劃旅游的最重要信息來(lái)源[1]。推薦系統(tǒng)的出現(xiàn)為人們提前計(jì)劃行程提供了很有價(jià)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(shì)在于它可以直接通過(guò)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(shè)計(jì)與應(yīng)用極為復(fù)雜，不僅包括用戶的主觀決策因素，還包括用戶當(dāng)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(guò)將上下文信息引入推薦系統(tǒng)，旨在通過(guò)減少信息超載并向用戶提供感興趣的旅游信息，以進(jìn)一步提高推薦精確度和用戶滿意度[2]。對(duì)于上下文感知推薦系統(tǒng)的研究已成為一個(gè)新興的熱點(diǎn)[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(shí)間等維度都存在豐富的用戶及被推薦對(duì)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(gè)人歷史、天氣因素等。在個(gè)性化推薦系統(tǒng)中，將上下文信息融入進(jìn)來(lái)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(guò)旅游行業(yè)信息庫(kù)、第三方web服務(wù)信息庫(kù)和旅游產(chǎn)品知識(shí)庫(kù)中挖掘的信息構(gòu)建旅游信息庫(kù)，利用天氣信息、移動(dòng)設(shè)備感知信息等用戶上下文信息與同伴意見等社會(huì)上下文信息作為補(bǔ)充，根據(jù)用戶愛(ài)好、限制條件和用戶評(píng)分等信息分別獲取用戶的顯式及隱式偏好并對(duì)用戶建模。針對(duì)用戶輸入的需求，根據(jù)實(shí)際情況選用合適的推薦方法，最終產(chǎn)生個(gè)性化的推薦結(jié)果。最后，結(jié)合圖表、虛擬現(xiàn)實(shí)等技術(shù)將推薦結(jié)果可視化到客戶端。因此，本文設(shè)計(jì)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(lái)說(shuō)，基于上下文的推薦系統(tǒng)流程可以分為4個(gè)階段[5]：1)數(shù)據(jù)收集與預(yù)處理，通過(guò)相關(guān)技術(shù)獲取用戶作用于項(xiàng)目的相關(guān)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(yù)測(cè)用戶喜愛(ài)的項(xiàng)目，結(jié)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(guān)評(píng)價(jià)方法和評(píng)價(jià)標(biāo)準(zhǔn)對(duì)推薦列表中的結(jié)果進(jìn)行評(píng)估，并做出適當(dāng)?shù)母倪M(jìn)。

傳統(tǒng)的推薦方法直接通過(guò)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(yīng)用中存在不足，例如：基于協(xié)同過(guò)濾推薦[6]經(jīng)常受到冷啟動(dòng)和數(shù)據(jù)稀疏等問(wèn)題的困擾；基于內(nèi)容的推薦[7]雖然可以相對(duì)有效地應(yīng)對(duì)項(xiàng)目冷啟動(dòng)問(wèn)題，卻經(jīng)常受到過(guò)擬合問(wèn)題的困擾，同時(shí)也不能處理那些非文本項(xiàng)目的特征抽取和推薦問(wèn)題；基于知識(shí)的推薦[8]，不需要計(jì)算大量的用戶數(shù)據(jù)，但難以獲取到足夠的知識(shí)來(lái)構(gòu)建用戶-項(xiàng)目知識(shí)庫(kù)；基于人口統(tǒng)計(jì)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(lǐng)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(jié)果，所面臨的問(wèn)題有：

1)對(duì)于旅游產(chǎn)品本身，既可以是單一的住宿、景點(diǎn)、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(shí)空關(guān)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(huì)綜合權(quán)衡時(shí)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?yàn)殡娪皶r(shí)長(zhǎng)和價(jià)格變化幅度都較小)。

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

4)同伴的人口統(tǒng)計(jì)信息、社會(huì)地位、偏好的差異性可能會(huì)對(duì)用戶的最終選擇產(chǎn)生一定的影響，因此結(jié)合所有成員偏好的組推薦系統(tǒng)[12]也是需要關(guān)注的問(wèn)題。

5)旅游網(wǎng)站一般呈現(xiàn)靜態(tài)的景點(diǎn)，景點(diǎn)之間沒(méi)有更多的關(guān)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(shí)的；一些平臺(tái)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(gè)性化需求[13]。

6)需要考慮景區(qū)分流問(wèn)題。游客進(jìn)入景區(qū)后，面對(duì)數(shù)量眾多的景點(diǎn)和有限的時(shí)間及體力，如何根據(jù)用戶的偏好及當(dāng)前的交通信息安排游覽路線，實(shí)現(xiàn)景區(qū)、景點(diǎn)的排序及游覽路線推薦，也是旅游推薦領(lǐng)域關(guān)注的一個(gè)焦點(diǎn)。

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

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(shí)間的旅游推薦、基于社會(huì)化網(wǎng)絡(luò)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(gè)角度來(lái)介紹上下文感知推薦系統(tǒng)的相關(guān)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(fèi)位置獲取用戶在位置方面的偏好以提供個(gè)性化的旅游推薦，其中，用戶的位置可以通過(guò)移動(dòng)設(shè)備和GPS定位等獲取?；谖恢玫穆糜瓮扑]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(jié)合用戶位置和偏好為移動(dòng)設(shè)備提供一個(gè)匯集了推薦引擎和移動(dòng)三維地理信息的混合推薦系統(tǒng)。采用基于協(xié)同過(guò)濾和基于知識(shí)的混合方法在信息稀缺的情況下解決了冷啟動(dòng)問(wèn)題，根據(jù)用戶位置與偏好為用戶提供餐館推薦服務(wù)。該系統(tǒng)克服了某些推薦系統(tǒng)不能應(yīng)用在移動(dòng)設(shè)備上的缺點(diǎn)[15]。但在實(shí)際應(yīng)用中，對(duì)距離與景點(diǎn)的興趣度上需要用戶自主權(quán)衡，自動(dòng)化程度較低。

Li等[16]使用協(xié)同過(guò)濾算法結(jié)合位置信息，通過(guò)GPS定位系統(tǒng)為旅游移動(dòng)商務(wù)服務(wù)平臺(tái)提供一個(gè)位置感知推薦系統(tǒng)。根據(jù)用戶的即時(shí)位置以及距離遠(yuǎn)近對(duì)用戶的偏好影響的大小，得到旅游者對(duì)旅游信息的興趣值，通過(guò)對(duì)興趣值的計(jì)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(guò)濾算法所面臨的數(shù)據(jù)稀疏性和冷啟動(dòng)問(wèn)題。

Liu等[17]根據(jù)地理信息系統(tǒng)提供的信息，結(jié)合數(shù)據(jù)挖掘和Web GIS技術(shù)，根據(jù)用戶和景點(diǎn)的特征數(shù)據(jù)設(shè)計(jì)了一個(gè)個(gè)性化的智能路線推薦系統(tǒng)，使得用戶在一定的時(shí)間內(nèi)能夠花費(fèi)最少的費(fèi)用到達(dá)盡可能多的景點(diǎn)。不過(guò)該系統(tǒng)的不足之處在于沒(méi)有使用移動(dòng)設(shè)備和GPS動(dòng)態(tài)地收集用戶數(shù)據(jù)，無(wú)法實(shí)現(xiàn)實(shí)時(shí)推薦。

2.2 基于時(shí)間的旅游推薦

基于時(shí)間的旅游推薦通常需要考慮推薦景點(diǎn)明顯的季節(jié)性因素，而考慮到景點(diǎn)都位于不同的地區(qū)，這些時(shí)空信息也可以被視為景點(diǎn)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(shí)，更多人傾向于選擇水上樂(lè)園等避暑項(xiàng)目。在旅游推薦的背景下，時(shí)間信息對(duì)用戶的影響主要體現(xiàn)在兩個(gè)方面：用戶興趣變化與季節(jié)效應(yīng)。

李雅美等[19]提取時(shí)間等與旅游景點(diǎn)密切相關(guān)的特征標(biāo)簽來(lái)描述用戶興趣特征，將相似的用戶群體聚類，通過(guò)協(xié)同過(guò)濾的方法為用戶推薦感興趣的景點(diǎn)?；跁r(shí)間標(biāo)簽的推薦算法在實(shí)驗(yàn)中提高了推薦結(jié)果的準(zhǔn)確率，驗(yàn)證了時(shí)間因素對(duì)于提高推薦系統(tǒng)性能的有效性。

盧露[20]針對(duì)時(shí)間因素對(duì)推薦效果的影響，提出了一種概率模型，綜合考慮并結(jié)合了用戶的興趣度、用戶所處的時(shí)間和地點(diǎn)自身的流行度這3個(gè)因素對(duì)推薦結(jié)果的影響。該模型克服了數(shù)據(jù)稀疏性問(wèn)題，在Foursquare數(shù)據(jù)集上開展的實(shí)驗(yàn)證實(shí)了該模型能獲得更好的推薦效果。但該模型中3種因素對(duì)應(yīng)的權(quán)重仍需人工忖度設(shè)置，自動(dòng)化程度低。

Zhang等[21]針對(duì)以往研究中將連續(xù)時(shí)間切分為多個(gè)時(shí)間段，導(dǎo)致時(shí)間信息缺失且時(shí)間聯(lián)系被切斷的問(wèn)題，提出了一種利用時(shí)間影響的時(shí)間感知位置推薦算法(TICRec)。利用連續(xù)時(shí)間內(nèi)用戶訪問(wèn)某景點(diǎn)的概率密度來(lái)避免時(shí)間信息的缺失，在實(shí)現(xiàn)位置推薦的同時(shí)，還能為用戶推薦訪問(wèn)該位置的時(shí)間。經(jīng)實(shí)驗(yàn)，該算法有效地利用了時(shí)間信息并能充分考慮時(shí)間因素為用戶推薦更準(zhǔn)確的結(jié)果。

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

2.3 基于社會(huì)化網(wǎng)絡(luò)的旅游推薦

社會(huì)化推薦通過(guò)社交網(wǎng)絡(luò)、社交搜索、社交媒體、標(biāo)簽等獲取社交行為數(shù)據(jù)，利用計(jì)算機(jī)技術(shù)，例如數(shù)據(jù)挖掘、自然語(yǔ)言處理等進(jìn)行研究，挖掘出集體智慧。這種服務(wù)方式不同于傳統(tǒng)的信息推薦服務(wù)，它將社會(huì)網(wǎng)絡(luò)、社交媒體視為信息推薦的主要平臺(tái)，使用戶的隱性知識(shí)在社會(huì)化推薦過(guò)程中與其他用戶進(jìn)行交互，形成交流。在社會(huì)化網(wǎng)絡(luò)中，用戶間的信任關(guān)系對(duì)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(huì)關(guān)系更親近的用戶之間，對(duì)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(xiàng)目?；谏鐣?huì)化網(wǎng)絡(luò)中用戶信任關(guān)系方面已存在不少旅游推薦的相關(guān)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(luò)數(shù)據(jù)提出了基于社會(huì)相關(guān)信任度算法的旅游推薦系統(tǒng)。兩個(gè)用戶之間的信任度通過(guò)真實(shí)的數(shù)值來(lái)表示，1代表完全信任，0代表不信任，系統(tǒng)通過(guò)公式

來(lái)計(jì)算用戶之間的信任關(guān)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(shè)計(jì)了一個(gè)旅游計(jì)劃系統(tǒng)，該系統(tǒng)使用從旅行社交網(wǎng)絡(luò)中收集到的信息來(lái)發(fā)現(xiàn)群組并創(chuàng)建個(gè)性化旅游計(jì)劃。系統(tǒng)遵循自動(dòng)化的規(guī)劃方法，收集用戶和興趣點(diǎn)的信息，用聚類技術(shù)對(duì)這些點(diǎn)進(jìn)行分組，同時(shí)將旅行規(guī)劃中的問(wèn)題分解為不同子問(wèn)題，以生成具有所訪問(wèn)城市/地區(qū)最相關(guān)興趣點(diǎn)的多個(gè)旅游計(jì)劃，并使用一個(gè)現(xiàn)成的域名獨(dú)立的自動(dòng)化計(jì)劃器，找到更好的旅游計(jì)劃。該系統(tǒng)具有高度的自動(dòng)化，有效地實(shí)現(xiàn)了個(gè)性化旅行計(jì)劃的推薦。

Christensen等[24]首先對(duì)用戶的偏好進(jìn)行建模，包括價(jià)格、局限性、活動(dòng)、年齡、教育、性別和收入等，然后使用協(xié)同過(guò)濾、人口統(tǒng)計(jì)和基于內(nèi)容的混合方法給出單個(gè)用戶偏好，并根據(jù)群體中的社會(huì)關(guān)系(如父母、朋友)計(jì)算群體中成員對(duì)于最終決策達(dá)成的影響力，用戶u對(duì)景點(diǎn)Ti的評(píng)分Ru(Ti)，用戶u的個(gè)人影響力評(píng)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(lái)看，基于社會(huì)化關(guān)系上下文的旅游推薦系統(tǒng)，充分利用社會(huì)化網(wǎng)絡(luò)中相關(guān)信息來(lái)評(píng)估用戶間的信任度，以此可衡量用戶相似度并實(shí)現(xiàn)增強(qiáng)推薦[25]。在推薦系統(tǒng)中融入這些信息將進(jìn)一步改進(jìn)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(shí)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(diǎn)時(shí)，景點(diǎn)流行度是靜態(tài)穩(wěn)定的信息，而天氣條件會(huì)對(duì)用戶決策產(chǎn)生重要的影響。旅游是一項(xiàng)受多種因素限制的活動(dòng)，旅游推薦中可用信息種類繁多，關(guān)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(lái)表示異構(gòu)多維上下文信息，結(jié)合用戶與位置之間的潛在聯(lián)系來(lái)實(shí)現(xiàn)興趣點(diǎn)推薦。實(shí)驗(yàn)結(jié)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(zhǔn)確率。

任星怡等[27]針對(duì)用戶在異地旅行的時(shí)候，簽到行為具有高稀疏性為推薦帶來(lái)了很大挑戰(zhàn)的問(wèn)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(shí)間效應(yīng)、社會(huì)相關(guān)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(guò)程，實(shí)現(xiàn)本地推薦與異地推薦兩種場(chǎng)景下的推薦，且同時(shí)支持離線推薦與在線推薦兩種模式。利用社會(huì)相關(guān)性信息，該模型有效地克服了冷啟動(dòng)問(wèn)題。通過(guò)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(wèn)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(wèn)題。

Meehan等[28]針對(duì)上下文旅游系統(tǒng)嚴(yán)重依賴位置而忽略其他上下文信息的現(xiàn)象, 提出了一個(gè)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(diǎn)天氣信息，時(shí)間上下文中包含的季節(jié)效應(yīng)、社會(huì)上下文中包含的景點(diǎn)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(duì)更貼近生活現(xiàn)實(shí)的上下文信息，實(shí)驗(yàn)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(duì)于融入信息太多可能造成的信息過(guò)載問(wèn)題，該系統(tǒng)加入了信息過(guò)濾操作來(lái)確保融入信息的可靠有效性。

趙海燕等[29]基于時(shí)間和空間感知，結(jié)合用戶的社會(huì)關(guān)系，利用位置信息、時(shí)間信息、社交信息、活動(dòng)信息的數(shù)據(jù)，構(gòu)建用戶、地點(diǎn)、時(shí)間、活動(dòng)、朋友關(guān)系異構(gòu)信息網(wǎng)絡(luò)，通過(guò)隨機(jī)游走方法產(chǎn)生推薦。該方法綜合利用時(shí)空信息和用戶社交信息為用戶提供個(gè)性化活動(dòng)推薦，實(shí)驗(yàn)表明，該方法能獲得較好的推薦效果。此外，利用構(gòu)建的異構(gòu)信息網(wǎng)絡(luò)，該方法還可以實(shí)現(xiàn)朋友推薦等增值服務(wù)。

總體來(lái)看，理論上，做旅游推薦的時(shí)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(shí)際研究中，如何在多種信息中協(xié)調(diào)平衡取舍對(duì)于研究者來(lái)說(shuō)是個(gè)極大的考驗(yàn)。一方面，旅游景點(diǎn)本身存在著物理形態(tài)固定的位置信息與時(shí)間效應(yīng)，隨著時(shí)間的作用，景點(diǎn)被賦予流行度影響因素，而時(shí)下最熱門的景點(diǎn)通常存在游客高度聚集現(xiàn)象，這又會(huì)給游客帶來(lái)不佳的旅游體驗(yàn)。另一方面，用戶本身也存在著豐富的信息，通過(guò)用戶相關(guān)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(dòng)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(xiàng)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(yīng)用類型

在實(shí)際應(yīng)用環(huán)境下，用戶對(duì)于推薦系統(tǒng)有著不同的需求。例如，當(dāng)用戶規(guī)劃短期旅行時(shí)，他們希望推薦系統(tǒng)能提供滿足自身喜好的旅游景點(diǎn)推薦或者旅游路線推薦；而當(dāng)用戶有一段較長(zhǎng)時(shí)間的休閑時(shí)光時(shí)，根據(jù)給定的時(shí)間約束與消費(fèi)條件，他們希望推薦系統(tǒng)能智能地結(jié)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(shí)際場(chǎng)景需求，上下文感知旅游推薦系統(tǒng)可以分為旅游景點(diǎn)推薦、旅游路線推薦與旅游套餐推薦。以下將從這3個(gè)方面來(lái)介紹相關(guān)研究工作。

3.1 旅游景點(diǎn)推薦

旅游景點(diǎn)推薦方法主要采用傳統(tǒng)的推薦方法并結(jié)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(diǎn)所在，為用戶做游覽景點(diǎn)的推薦。

Gao等[30]研究了基于位置服務(wù)的社會(huì)網(wǎng)絡(luò)，對(duì)興趣點(diǎn)屬性、用戶興趣與情緒信息進(jìn)行建模，結(jié)合這3種類型的信息與簽到行為的關(guān)系為用戶做興趣點(diǎn)推薦。Zimba等[2]考慮到當(dāng)用戶搬遷至異地從而導(dǎo)致用戶在當(dāng)前城市的歷史游玩數(shù)據(jù)缺乏的情況，基于用戶以往評(píng)論與評(píng)分?jǐn)?shù)據(jù)對(duì)隱含其中的用戶偏好建模，結(jié)合景點(diǎn)自身屬性為用戶進(jìn)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(diǎn)推薦研究工作，首次提出綜合考慮個(gè)人偏好、位置偏好、時(shí)間效應(yīng)與興趣點(diǎn)流行度這4個(gè)因素的興趣點(diǎn)推薦，且經(jīng)實(shí)驗(yàn)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(gè)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(wèn)題。旅游路線/旅游規(guī)劃應(yīng)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(guò)人行區(qū)域的路線可能比短途地鐵更可取)。不過(guò)設(shè)計(jì)解決這類問(wèn)題的高效算法仍然是一個(gè)開放的研究課題。

Chen等[32]等使用基于Hadoop的云計(jì)算技術(shù)設(shè)計(jì)和實(shí)現(xiàn)了一個(gè)智能旅游路線推薦系統(tǒng)。該系統(tǒng)整合了旅游景點(diǎn)、旅游線路、住宿和一些其他信息，提供一站式服務(wù)，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(gòu)上主要分成數(shù)據(jù)收集、數(shù)據(jù)加工、數(shù)據(jù)存儲(chǔ)和路線推薦4個(gè)模塊，并利用了云計(jì)算平臺(tái)來(lái)解決基于分布式計(jì)算的大規(guī)模數(shù)據(jù)的安全存儲(chǔ)和加工問(wèn)題。實(shí)驗(yàn)表明，該系統(tǒng)能以更好的方式利用用戶的相關(guān)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(lái)看，做旅行計(jì)劃時(shí)，用戶有3個(gè)要解決的問(wèn)題：目的地、旅行時(shí)長(zhǎng)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(diǎn)有哪些；2)判斷哪個(gè)計(jì)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(diǎn)。

Yu等[33]利用位置服務(wù)對(duì)用戶偏好和景點(diǎn)流行度進(jìn)行建模，通過(guò)協(xié)同過(guò)濾方法得到用戶喜愛(ài)的目的地，在時(shí)空約束條件下，結(jié)合用戶偏好生成旅行包。該系統(tǒng)從移動(dòng)客戶端獲取用戶旅行需求并生成含有大量景點(diǎn)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(ài)的景點(diǎn)，還能生成景點(diǎn)游覽序列，在特定數(shù)據(jù)集上進(jìn)行的實(shí)驗(yàn)表明，該方法有效地提高了推薦的準(zhǔn)確性和多樣性。

Dipali等[34]設(shè)計(jì)了一個(gè)自助旅行服務(wù)系統(tǒng)。在這個(gè)系統(tǒng)中，管理員負(fù)責(zé)維護(hù)系統(tǒng)，向?qū)ж?fù)責(zé)計(jì)劃旅行路線并提供旅行路線中景點(diǎn)的360°視角下的照片與視頻信息，而用戶需要進(jìn)行注冊(cè)后才能使用系統(tǒng)，通過(guò)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(yù)覽路線中相關(guān)景點(diǎn)的詳細(xì)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(shí)驗(yàn)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(shí)意義，商用性能較高。

旅游套餐通常對(duì)景點(diǎn)的時(shí)空關(guān)系要求很強(qiáng)，通常來(lái)看，只有具有相近時(shí)空關(guān)系的景點(diǎn)才會(huì)被放入同一個(gè)套餐中。此外，由于旅游套餐有一定的生存周期，其設(shè)計(jì)會(huì)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(lái)看，不同于旅游景點(diǎn)與旅游路線的推薦，旅游套餐推薦需要更高的復(fù)雜度。

4 上下文感知旅游推薦面臨的重點(diǎn)和難點(diǎn)

基于上下文的旅游推薦系統(tǒng)是一項(xiàng)融合了組織學(xué)、認(rèn)知科學(xué)、決策科學(xué)、個(gè)性化服務(wù)、計(jì)算機(jī)科學(xué)等多門學(xué)科的交叉性學(xué)科。從以上內(nèi)容可以看出，近年來(lái)國(guó)內(nèi)外研究者已經(jīng)在上下文感知旅游推薦領(lǐng)域取得了許多進(jìn)展。但總的來(lái)說(shuō)，目前推薦技術(shù)仍然面臨以下重點(diǎn)和難點(diǎn)問(wèn)題。

1)需要考慮機(jī)器學(xué)習(xí)算法和旅游推薦相結(jié)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(duì)數(shù)據(jù)集的規(guī)模和算法處理也提出了新的要求，同時(shí)在人工智能領(lǐng)域，機(jī)器學(xué)習(xí)受到越來(lái)越多的關(guān)注。因此在上下文旅游推薦中加入合適的機(jī)器學(xué)習(xí)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(lái)旅游推薦的一個(gè)研究熱點(diǎn)。

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(fèi)決策中起著越來(lái)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(dòng)狀態(tài)。在上下文信息如社會(huì)化網(wǎng)絡(luò)中，用戶情感信息可能會(huì)起到關(guān)鍵的作用，因此對(duì)用戶進(jìn)行情緒分析將成為旅游推薦研究的一個(gè)難點(diǎn)問(wèn)題[35]。

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

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

另外，近年來(lái)國(guó)家出臺(tái)了多項(xiàng)法律法規(guī)全力推動(dòng)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(shí)隨著網(wǎng)絡(luò)資源的不斷豐富，智慧旅游推薦和服務(wù)能有效地提高推薦結(jié)果的質(zhì)量并提高用戶滿意度。因此在未來(lái)旅游推薦中，如何構(gòu)建推薦性能高且實(shí)用性強(qiáng)的旅游推薦系統(tǒng)將是一個(gè)研究重點(diǎn)。

5 結(jié)束語(yǔ)

為了解決信息過(guò)載問(wèn)題，對(duì)于以推薦系統(tǒng)為代表的個(gè)性化技術(shù)的研究將越來(lái)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(shí)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(jì)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(shù)已不能應(yīng)對(duì)當(dāng)前旅游領(lǐng)域面臨的各種復(fù)雜的問(wèn)題，隨著網(wǎng)絡(luò)的發(fā)展及衛(wèi)星定位技術(shù)的普及，上下文信息在旅游推薦中的作用變得越來(lái)越明顯。因此，本文對(duì)上下文感知旅游推薦系統(tǒng)的研究現(xiàn)狀進(jìn)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(cè)重點(diǎn)，如何獲取并整合上下文信息來(lái)實(shí)現(xiàn)有效的利用對(duì)旅游推薦結(jié)果的好壞起到直接的影響。因此，對(duì)于本文提到的研究重點(diǎn)與難點(diǎn)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。