史亞奇

摘? 要： 針對傳統(tǒng)旅游地推薦系統(tǒng)，無法滿足用戶的功能訴求，提出基于人性化特征的旅游地智能推薦系統(tǒng)。以系統(tǒng)邏輯處理層、程序表達層以及數(shù)據(jù)記錄層為基礎(chǔ)，構(gòu)建系統(tǒng)硬件結(jié)構(gòu)。通過信息存儲設(shè)備與行為收集設(shè)備收集與整理用戶行為數(shù)據(jù)，從而滿足不同用戶行為收集需求。系統(tǒng)以推理原則為基礎(chǔ)構(gòu)建系統(tǒng)數(shù)據(jù)庫，通過數(shù)據(jù)輸入與輸出以及推薦三部分完成信息處理，從而實現(xiàn)人性化智能推薦。設(shè)計仿真實驗，通過模擬使用環(huán)境，將所提系統(tǒng)與傳統(tǒng)推薦系統(tǒng)使用認可度進行對比，實驗結(jié)果證明旅游地智能推薦系統(tǒng)具有更高的認可度和有效性。

關(guān)鍵詞： 旅游地智能推薦系統(tǒng); 人性化特征; 用戶行為數(shù)據(jù)收集; 系統(tǒng)數(shù)據(jù)庫構(gòu)建; 系統(tǒng)信息處理; 系統(tǒng)仿真對比

中圖分類號： TN02?34; TP391? ? ? ? ? ? ? ? ? ? ?文獻標識碼： A? ? ? ? ? ? ? ? ? ? ? 文章編號： 1004?373X（2020）11?0183?04

Tourist destination intelligent recommendation system

based on humanization characteristics

SHI Yaqi

（Shangqiu Institute of Technology， Shangqiu 476000， China）

Abstract： Since the traditional tourist destination recommendation system fails to meet the functional demands for uses， a tourist destination intelligent recommendation system based on humanization characteristics is proposed. The system hardware structure is constructed on the basis of system logic processing layer， program expression layer and data recording layer. The user behavior data are collected and processed by information storage device and behavior collection device to meet the collection requirements of users′ different behavior. In the system， a system database is built based on the reasoning principle， and the information processing is completed by data input and output and recommendation， so as to realize humanization intelligent recommendation. The simulation experiment was designed to compare the approval degree of the proposed system with that of the traditional recommendation system by simulating the service environment. The experimental results prove that the intelligent recommendation system for tourist destination has a higher approval degree and effectiveness.

Keywords： intelligent recommendation system for tourist destination; humanization characteristic; user behavior data collection; system database construction; system information processing; system simulation contrast

0? 引? 言

隨著旅游行業(yè)不斷發(fā)展，個性化旅游已經(jīng)成為旅游行業(yè)的主要發(fā)展方向，傳統(tǒng)的人工導游模式已經(jīng)很難滿足目前游客的旅游需求，因此，人性化的旅游地推薦系統(tǒng)成為人們出行的首選[1]?，F(xiàn)代旅游行業(yè)具有較強的國際化特征，國內(nèi)國際旅游市場區(qū)域統(tǒng)一化，且各國旅游業(yè)相互依賴，呈現(xiàn)一體化狀態(tài)。傳統(tǒng)旅游模式路線較為固定，且無法滿足用戶個性化需求，在社會經(jīng)濟發(fā)展基礎(chǔ)下，更多游客愿意采用自助游的方式，依靠網(wǎng)絡(luò)或其他資源自行設(shè)計旅游線路。如何在這一發(fā)展趨勢下將自身旅游資源推銷出去，成為旅游城市與風景區(qū)極大的挑戰(zhàn)，游客如果無法更加方便地獲取自身感興趣的旅游綜合信息，則游客的消費欲望與逗留時間也隨之減少[2]。因此，基于人性化特征的旅游地智能推薦系統(tǒng)主要以包括交通、購物、餐飲、娛樂等各方面旅游綜合信息推薦為主，改進了傳統(tǒng)旅游方式中游客無法方便獲取旅游綜合信息的弊端。

1? 系統(tǒng)硬件設(shè)計

1.1? 系統(tǒng)硬件結(jié)構(gòu)設(shè)計

根據(jù)旅游景區(qū)資源為游客提供個性化特色旅游服務(wù)的目的，系統(tǒng)以協(xié)同過濾算法為主要技術(shù)，根據(jù)用戶所需信息，結(jié)合歷史數(shù)據(jù)向其推薦符合用戶需求的資源信息[3]。系統(tǒng)以數(shù)據(jù)庫為基礎(chǔ)，實現(xiàn)系統(tǒng)邏輯處理、程序表達以及數(shù)據(jù)記錄三方面功能設(shè)定，如圖1所示。

用戶登錄系統(tǒng)后，系統(tǒng)根據(jù)數(shù)據(jù)挖掘技術(shù)對歷史瀏覽數(shù)據(jù)進行分析，提供滿足游客喜好的推薦數(shù)據(jù)。用戶在輸入相關(guān)查詢信息時，將查詢關(guān)鍵字輸入查詢頁面后，系統(tǒng)實現(xiàn)用戶信息數(shù)據(jù)挖掘，并將推薦數(shù)據(jù)整理后的最優(yōu)結(jié)果顯示在終端。

結(jié)合上述過程，硬件結(jié)構(gòu)受到計算設(shè)備、數(shù)據(jù)源大小等因素影響，為此采用多通道交互模式設(shè)計硬件結(jié)構(gòu)。多通道交互模式建立專用的接收、發(fā)送通信媒介渠道，利用視頻、聲音以及文本等，將每種媒介串聯(lián)在一起，讓用戶通過專用通道實現(xiàn)信息交互，形成完整的系統(tǒng)與用戶之間多渠道多路徑的傳遞機制[4]。構(gòu)建硬件信息樞紐管制器，保證用戶與系統(tǒng)之間信息傳遞的應(yīng)激性。用戶通過手寫、語音等多種模式與系統(tǒng)交互，有效擴寬了系統(tǒng)智能推送能力。

1.2? 信息存儲設(shè)備設(shè)計

信息存儲設(shè)備主要用于系統(tǒng)對數(shù)據(jù)計算過程中的快速讀取，以及對用戶行為數(shù)據(jù)的存儲[5]。建立數(shù)據(jù)庫記錄得到行為響應(yīng)，為以后智能推薦提供硬件基礎(chǔ)。系統(tǒng)數(shù)據(jù)存儲設(shè)備主要以用戶信息存儲器以及定位信息存儲器為主，結(jié)合嵌入式GIS平臺，構(gòu)成信息硬件存儲設(shè)備。信息存儲設(shè)備能夠記錄用戶每次的使用環(huán)境，并對比出環(huán)境變化情況。系統(tǒng)信息存儲設(shè)備在設(shè)計上設(shè)置了地理服務(wù)器、無線網(wǎng)絡(luò)、設(shè)備終端以及數(shù)據(jù)處理器等多個設(shè)備結(jié)構(gòu)，如圖2所示。

信息存儲設(shè)備通過GPS定位，收集用戶信息，針對數(shù)據(jù)特性，采用EOTD（Enhanced Observed Time Difference）與TOA（Time of Arrival）技術(shù)將執(zhí)行器與數(shù)據(jù)調(diào)用裝置集成在一起，利用移動終端PC傳感器對數(shù)據(jù)進行識別[6]。傳輸器將信號發(fā)送至指定位置保存，改變原有信息存儲設(shè)備的終端接收裝置，但保留原有執(zhí)行數(shù)據(jù)，實現(xiàn)數(shù)據(jù)信息反饋式存儲。

1.3? 行為收集設(shè)備

行為收集設(shè)備以信息存儲裝置為基礎(chǔ)，衍生出多像的傳感裝置，負責收集用戶與項目之間的相關(guān)信息，反饋系統(tǒng)推薦結(jié)果[7]。行為收集傳感器會篩選收集數(shù)據(jù)與系統(tǒng)存儲數(shù)據(jù)，根據(jù)不同行為數(shù)據(jù)對應(yīng)的權(quán)值進行機械學習，并給出行為數(shù)據(jù)分析結(jié)果，如表1所示。

行為收集設(shè)備，對用戶的隱性行為進行評分，隱性評分均采用5分制。其中，收藏界面評分為4、仔細瀏覽評分為3、簡單瀏覽評分為1、購買程度評分為4、搜索精準度評分為3。收集信息處理設(shè)備對行為與相應(yīng)隱性行為調(diào)節(jié)動態(tài)數(shù)據(jù)，并跳轉(zhuǎn)到相關(guān)旅游業(yè)務(wù)領(lǐng)域[8]。優(yōu)化動態(tài)頻段置換器，將大用戶行為信息單獨收集，對所有請求設(shè)立信息攔截器，收集用戶行為的多項數(shù)據(jù)，以此滿足大用戶的需求。

2? 系統(tǒng)軟件設(shè)計

2.1? 系統(tǒng)數(shù)據(jù)庫設(shè)計

智能推薦系統(tǒng)數(shù)據(jù)庫設(shè)計主要以推理規(guī)則為基礎(chǔ)，實現(xiàn)用戶旅游信息的相關(guān)數(shù)據(jù)規(guī)則提取[9]。數(shù)據(jù)庫主要由旅游領(lǐng)域?qū)嵗龓炫c規(guī)則庫組成，通過加載粗糙集方式自動獲取數(shù)據(jù)，其結(jié)構(gòu)如圖3所示。

數(shù)據(jù)庫資源提取采用最小支持度加權(quán)算法，設(shè)用戶訪問所有景區(qū)集合為[L1=l1，l2，…，lm]，對于[L1]中任何景點所存在的文本、圖片以及視頻三類訪問信息的訪問時間[10]分別設(shè)為[Tv]，[Tp]，[Tt]。為更好地了解用戶人性化需求，需要分析出在單位時間內(nèi)用戶使用視頻獲取信息量多還是文本圖片信息量多，由于數(shù)據(jù)庫中視頻加權(quán)值為[B2]，圖片與文本加權(quán)值為[B4]，從而得到用戶興趣權(quán)限總值為：

[r=12Tv+14Tt+14Tp] （1）

在用戶景點訪問數(shù)據(jù)中，系統(tǒng)根據(jù)權(quán)值獲取對應(yīng)的使用信息，將用戶興趣度較低的景點自動剔除，其余景點按照序列[L1=l1，l2，…，ls]存入數(shù)據(jù)庫中，作為備選數(shù)據(jù)，至此完成系統(tǒng)數(shù)據(jù)庫設(shè)計[11]。

2.2? 基于人性化特征的信息處理模塊設(shè)計

信息處理模塊采用協(xié)同過濾算法，為用戶準備更加符合用戶需求的人性化結(jié)果。假設(shè)用戶對某地旅游景點感興趣，系統(tǒng)根據(jù)用戶其他項目評分，判斷出用戶對該景區(qū)項目好感度，發(fā)送至信息處理模塊[12]。系統(tǒng)信息處理模塊主要進行人性化特征信息輸入與選擇結(jié)果輸出，同時，綜合結(jié)果在數(shù)據(jù)庫中調(diào)用景點相關(guān)信息，信息處理模塊工作流程如圖4所示。

信息處理模塊對用戶在輸出評價信息后，將反饋數(shù)據(jù)收集在數(shù)據(jù)庫中，并將記錄的相關(guān)反饋結(jié)果發(fā)送至其他信息引擎中，根據(jù)用戶以往數(shù)據(jù)記錄生成對應(yīng)的推薦信息[13]。信息處理模塊保留原有的處理計算方式，加入人性化特征協(xié)同過濾算法，將預測結(jié)果與推薦結(jié)果進行人性化處理，優(yōu)化傳統(tǒng)意義上的輸出值，貼合輸入數(shù)據(jù)補充人性化概念。

2.3? 景點推薦模塊設(shè)計

在景點推薦模塊設(shè)計中，利用產(chǎn)生式規(guī)則將游客需求視為系統(tǒng)數(shù)據(jù)庫中一個屬性合集，融合上述信息處理模塊，根據(jù)用戶不同輸入信息產(chǎn)生不同推薦結(jié)果[14]。當用戶結(jié)束對某一景點瀏覽時，將數(shù)據(jù)庫中所有組合數(shù)據(jù)匯總在推薦模塊中，根據(jù)數(shù)據(jù)庫中匹配規(guī)則形成用戶興趣規(guī)則合集，加權(quán)興趣度[rγ=rx]，根據(jù)景點提供的數(shù)據(jù)，計算數(shù)據(jù)組中任一景點s的推薦興趣度[rs=li∈γrs]，作為景點推薦依據(jù)。使用加權(quán)口令顯示數(shù)據(jù)集前5項數(shù)據(jù)，完成旅游地智能推薦，實現(xiàn)旅游地智能推薦系統(tǒng)軟件設(shè)計。

3? 仿真實驗

3.1? 實驗環(huán)境

設(shè)計仿真實驗，對基于人性化特征的旅游地智能推薦系統(tǒng)合理性進行實驗。仿真實驗環(huán)境配置如表2所示。實驗以網(wǎng)絡(luò)景區(qū)旅游項目初期數(shù)據(jù)作為實驗數(shù)據(jù)集，為實驗提供全面的數(shù)據(jù)信息。實驗中選取數(shù)據(jù)集中的1 000個用戶數(shù)據(jù)，將用戶所有評價信息整理后，形成若干數(shù)據(jù)集[15]。對比傳統(tǒng)推薦系統(tǒng)與智能推薦系統(tǒng)處理結(jié)果，找出更符合人性化特征旅游景區(qū)推薦結(jié)果，確定用戶使用認可度。

3.2? 推薦結(jié)果認可度對比

兩組系統(tǒng)對劃分后數(shù)據(jù)集進行處理，其劃分比重分別為20%，40%，60%，80%，100%，利用誤差算法對比推薦結(jié)果。經(jīng)過兩組不同系統(tǒng)處理后，其結(jié)果偏差主要取決于數(shù)據(jù)稀疏程度，數(shù)據(jù)坐標誤差越小，用戶認可度越高，如圖5所示。

分析圖5中對旅游地推薦結(jié)果差異值，可以看出智能推薦系統(tǒng)與標準結(jié)果基本一致，從而更加容易得到用戶認可。在數(shù)據(jù)條件下，傳統(tǒng)數(shù)據(jù)劃分結(jié)果不理想，相比較之下，智能推薦系統(tǒng)能夠在各個區(qū)域劃分中更容易得到用戶認可。在數(shù)據(jù)稀疏程度差距較大的情況下，傳統(tǒng)數(shù)據(jù)推薦結(jié)果表現(xiàn)較差，且用戶對旅游地推薦結(jié)果認可度較差，而智能推薦系統(tǒng)在推薦結(jié)果等方面均得到了較高的認可度。

4? 結(jié)? 語

基于人性化特征的旅游地智能推薦系統(tǒng)在構(gòu)建過程中，利用多種技術(shù)與算法相互協(xié)調(diào)，實現(xiàn)更加高精度的推薦結(jié)果，更加適用于多維度數(shù)據(jù)查詢。旅游地智能推薦系統(tǒng)解決了傳統(tǒng)推薦系統(tǒng)計算誤差大、用戶認可度低等問題，具有廣闊的發(fā)展前景。

參考文獻

[1] 李雅美，王昌棟.基于標簽的個性化旅游推薦[J].中國科學技術(shù)大學學報，2017，47（7）：547?555.

[2] 常亮，曹玉婷，孫文平，等.旅游推薦系統(tǒng)研究綜述[J].計算機科學，2017，44（10）：1?6.

[3] 張偉，韓林玉，張佃磊.GeoPMF：距離敏感的旅游推薦模型[J].計算機研究與發(fā)展，2017，76（2）：16?18.

[4] 童向榮，姜先旭，王瑩潔，等.信任網(wǎng)絡(luò)形成及其在智能推薦中的應(yīng)用研究進展[J].小型微型計算機系統(tǒng)，2017，38（1）：92?98.

[5] 郭嘉，代耀宗，沈建京.基于協(xié)同過濾的景區(qū)旅游智能推薦系統(tǒng)設(shè)計[J].現(xiàn)代電子技術(shù)，2018，41（23）：148?152.

[6] 王瀟慧.基于Web的旅游產(chǎn)品推薦系統(tǒng)設(shè)計與研究[J].現(xiàn)代電子技術(shù)，2018，41（10）：97?99.

[7] 劉存地，徐煒.能否讓算法定義社會：傳媒社會學視角下的新聞算法推薦系統(tǒng)[J].學術(shù)論壇，2018，41（4）：34?43.

[8] 陳君同，古天龍，常亮，等.融合協(xié)同過濾與用戶偏好的旅游組推薦方法[J].智能系統(tǒng)學報，2018，13（6）：999?1005.

[9] 鄭誠，徐啟南，章金平.基于互信息的推薦系統(tǒng)方法研究[J].微電子學與計算機，2018，35（12）：82?85.

[10] HAO Yaxian， SUN Yanrui. K?nearest neighbor matrix factorization for recommender systems [J]. Journal of chinese computer systems， 2018， 39（4）： 43?51.

[11] 朱桂祥，曹杰.基于主題序列模式的旅游產(chǎn)品推薦引擎[J].計算機研究與發(fā)展，2018，55（5）：920?932.

[12] 姜野.算法的規(guī)訓與規(guī)訓的算法：人工智能時代算法的法律規(guī)制[J].河北法學，2018，36（12）：144?155.

[13] 崔建雙，車夢然.基于多分類支持向量機的優(yōu)化算法智能推薦系統(tǒng)與實證分析[J].計算機工程與科學，2019，41（1）：157?164.

[14] 程秀峰，范曉瑩，楊金慶.一種融合了基于樸素貝葉斯算法與情境感知的協(xié)同推薦系統(tǒng)：以大學圖書館實體圖書推薦為例[J].現(xiàn)代情報，2019，39（2）：59?67.

[15] 常亮，張偉濤，古天龍.知識圖譜的推薦系統(tǒng)綜述[J].智能系統(tǒng)學報，2019，14（2）：5?14.