張佳琳

0 引言

旅行是心靈的閱讀，而閱讀是心靈的旅行。近年旅游景區(qū)景點(diǎn)紛紛開設(shè)免費(fèi)的游客書吧，提供旅游閱讀服務(wù)。從實(shí)際應(yīng)用看，由于現(xiàn)場旅游閱讀服務(wù)受到場地設(shè)置、圖書/信息資源、服務(wù)人員與時(shí)間的限制，受眾面有限，游客使用率與滿意度不高；另一方面，移動旅游閱讀隨著移動互聯(lián)網(wǎng)高速發(fā)展，為游客在旅游過程中進(jìn)行“隨時(shí)隨地隨心隨意”閱讀提供便利。2019年《中國旅游發(fā)展報(bào)告》顯示，77.4%游客經(jīng)常通過移動互聯(lián)網(wǎng)在旅游過程中進(jìn)行閱讀；而移動互聯(lián)網(wǎng)中的相關(guān)閱讀資源數(shù)量巨大，游客難以有效的處理與使用，僅21.5%游客對移動互聯(lián)網(wǎng)中的閱讀服務(wù)表示滿意，因此旅游閱讀的精準(zhǔn)化和個(gè)性化已成為旅游信息服務(wù)的必然要求。依托移動互聯(lián)網(wǎng)中豐富的游客信息與旅游場景，推薦“適合、需要、實(shí)用”的閱讀資源成為圖書與旅游學(xué)界的研究熱點(diǎn)[1]。

基于上述需求，研究人員為提供精準(zhǔn)的閱讀資源開展一系列游客-讀者畫像和旅游信息場景探索工作，重點(diǎn)研究基于游客端多源數(shù)據(jù)融合的游客行為感知、游客需求理解以及閱讀-旅游匹配計(jì)算等方面的內(nèi)容，主要思路與方法是運(yùn)用信息情報(bào)采集技術(shù)，通過旅游環(huán)境中的通信服務(wù)器盡可能地采集游客數(shù)據(jù)，繪制游客畫像，并通過該畫像完成一定的旅游閱讀服務(wù)或管理操作，如推薦服務(wù)、征信管理，而處理特定場景的服務(wù)器往往獨(dú)立完成上述任務(wù)，缺少與其他服務(wù)器的信息互動與協(xié)作[2]。周亞等基于游記進(jìn)行了游客畫像繪制工作，發(fā)現(xiàn)孤立的信息服務(wù)器難以發(fā)現(xiàn)游客的閱讀需求規(guī)律與潛在興趣[3]。張佳琳設(shè)計(jì)一個(gè)非中心結(jié)構(gòu)的游客數(shù)據(jù)服務(wù)發(fā)現(xiàn)系統(tǒng)，證明同一游客所處的不同情緒以及情景間存在一定的聯(lián)系，為閱讀推薦提供了需求依據(jù)[4]。Larbi Kzaz等[5]、Guneshwari Nemad 等[6]研 究 同 一 歸 屬“旅游-閱讀”場景的局部信息融合模式與算法，其成果證明了即使是有限的場景序列融合，也能夠?yàn)橛慰彤嬒裉峁└鼮樯钊氲男畔?。Robert P等[7]、Jitha P B等[8]通過研究局部場景序列的關(guān)鍵子序列搜索算法證明：孤立的場景系統(tǒng)是移動互聯(lián)網(wǎng)信息孤島的根源所在，必須研究“旅游-閱讀”場景間信息交互的機(jī)制與協(xié)議。Mehrbakhsh Nilash等[9]通過局部場景融合，發(fā)掘了游客軌跡以及閱讀場景中若干強(qiáng)相關(guān)場景的共有特征，并以此為依據(jù)，預(yù)測了游客的部分閱讀需求發(fā)展；證明全景畫像模型必須突破碎片式場景管理的禁錮，才能獲得更為精準(zhǔn)和全面的閱讀需求信 息。Priyanka B Tiwar 等[10]、Yohei Kurata等[11]指出場景融合的應(yīng)用前景廣闊，如不同歸屬的場景進(jìn)行融合可以預(yù)測游客的下一閱讀場景，從而進(jìn)行閱讀等多方面的推薦。Thuy Ngoc Nguyen等[12]研究基于中心服務(wù)器模式，局部實(shí)現(xiàn)社交網(wǎng)絡(luò)物理定位，為閱讀環(huán)境建模提供了基礎(chǔ)信息。Huang Yu等[13]構(gòu)建中心服務(wù)式的游客畫像管理系統(tǒng)，通過旅游場景與游客信息需求匹配來進(jìn)行精準(zhǔn)閱讀推廣。Annika Hinze等[14]通過移動互聯(lián)網(wǎng)信息傳播建模發(fā)現(xiàn)：一方面中心服務(wù)器已成為移動場景信息處理與閱讀信息傳導(dǎo)的性能瓶頸；另一方面移動游客端的存儲與計(jì)算資源閑置比例很高。Daniel Herzog等[15]嘗試采用智能終端代替中心服務(wù)器執(zhí)行部分畫像信息管理任務(wù)的解決方案，證明了游客畫像信息處理遷移至游客端的可行性，同時(shí)發(fā)現(xiàn)可以由游客端承載孤立場景信息，實(shí)現(xiàn)場景間信息傳導(dǎo)。上述研究受到當(dāng)前移動網(wǎng)絡(luò)游客畫像模型及相關(guān)旅游閱讀方法的禁錮，存在以下問題：(1)孤立的情景或場景難以完整描繪游客感知到的全景，且當(dāng)前的移動互聯(lián)網(wǎng)服務(wù)器領(lǐng)域尚缺少中心信息融合平臺，難以實(shí)踐上述旅游閱讀推薦算法與模型；(2)游客畫像與旅游閱讀場景呈現(xiàn)單向信息流動，游客畫像難于向場景進(jìn)行反饋，旅游閱讀場景難于實(shí)現(xiàn)自我刻畫與表述；(3)旅游閱讀場景間缺少信息互動橋梁，孤立的場景難以隨周邊環(huán)境同步更新?；谏鲜鰡栴}，本研究提出基于移動軌跡融合的旅游閱讀推薦服務(wù)模型TRMTF(Travel Reading information recommendation model based on Mobile Trajectory Fusion)模型，利用游客智能終端生成旅游閱讀場景信息(面板類數(shù)據(jù))，并將這些場景信息作為游客畫像與游客軌跡節(jié)點(diǎn)的刻畫依據(jù)，最終通過移動軌跡(場景)融入等算法在公共圖書館等部門的服務(wù)器端生成旅游信息空間，為游客提供閱讀推薦服務(wù)，從而使“全民閱讀”服務(wù)全面融入旅游領(lǐng)域。

1 旅游閱讀推薦模型結(jié)構(gòu)與流程

1.1 移動軌跡節(jié)點(diǎn)模型設(shè)計(jì)

本研究在前期成果[4]中構(gòu)建了較完整的旅游場景與游客畫像信息模型，但在實(shí)際應(yīng)用中發(fā)現(xiàn)：孤立的場景信息難以為旅游閱讀推薦提供充分與準(zhǔn)確的支撐數(shù)據(jù)；因此本研究將這兩種信息進(jìn)一步融入全景軌跡節(jié)點(diǎn)模型，并將其作為閱讀推薦工作的數(shù)據(jù)基礎(chǔ)。軌跡節(jié)點(diǎn)(帶有時(shí)間、用戶特征等標(biāo)簽的場景)是包含有關(guān)游客授權(quán)管理的所有自身相關(guān)信息以及管理操作的高級信息對象。每一個(gè)全景軌跡節(jié)點(diǎn)最終將在用戶終端中以信息對象形式存在，并可以在多個(gè)終端間進(jìn)行信息同步和無縫遷移?；谇捌谘芯康慕?jīng)驗(yàn)與成果，全景軌跡節(jié)點(diǎn)模型將采用樹型分層結(jié)構(gòu)；每個(gè)模型包括如下內(nèi)容：第一是全景軌跡節(jié)點(diǎn)/從屬對象標(biāo)識，即用戶在移動互聯(lián)網(wǎng)中的唯一軌跡標(biāo)識，而所有全景軌跡節(jié)點(diǎn)在該標(biāo)識之下構(gòu)成一棵信息樹，連接樹根節(jié)點(diǎn)到節(jié)點(diǎn)路徑上，所有從屬對象節(jié)點(diǎn)的標(biāo)識構(gòu)成全景畫像模型中某個(gè)信息描述對象的標(biāo)識。第二是處理畫像的語法，即畫像模型描述、解釋或執(zhí)行這些對象的代碼以及規(guī)范，主要包含對象類型、對象獲取方式、對象狀態(tài)以及對象標(biāo)識。第三是采取基本編碼法生成的對象編碼?；谏鲜隹傮w設(shè)計(jì)方案，結(jié)合前期成果，進(jìn)行畫像模型的詳細(xì)設(shè)計(jì)與構(gòu)建，目前設(shè)計(jì)的全景軌跡節(jié)點(diǎn)中，從屬對象的屬性部分表述為：<對象類型與標(biāo)識，信息類型，獲取方式，對象狀態(tài)>四元組。在語法項(xiàng)目中增加了自解釋操作部分，可以表述為：<對象類型與標(biāo)識，解釋代碼，更新代碼>。兩部分相輔相成，通過解釋代碼對屬性部分信息進(jìn)行自適應(yīng)解釋，并分離和提取用戶特征與興趣信息，能夠滿足目前主流移動互聯(lián)網(wǎng)用戶管理與服務(wù)系統(tǒng)的需要。該原型還具有一定的自收斂性，在擴(kuò)展時(shí)不會占用過多存儲空間，適合移動環(huán)境的終端應(yīng)用。為保證該模型的通用性，本研究遵照國際旅游信息協(xié)會建議稿設(shè)計(jì)了全景畫像模型中的從屬對象，共分為4類12個(gè)明細(xì)組：(1)場景類，包含個(gè)體場景、自然場景、社交場景、興趣場景與行為場景5個(gè)明細(xì)組；(2)系統(tǒng)類，包含系統(tǒng)、接口2個(gè)明細(xì)組；(3)信息交換類，包括地址轉(zhuǎn)換、信息交互2個(gè)明細(xì)組；(4)管理類，包括本地管理、遷移、更新3個(gè)明細(xì)組。在完成上述對象與操作的詳細(xì)設(shè)計(jì)與代碼實(shí)施后，通過前期工作中構(gòu)建的仿真實(shí)驗(yàn)系統(tǒng)與移動互聯(lián)網(wǎng)用戶數(shù)據(jù)集，對全景軌跡節(jié)點(diǎn)模型進(jìn)行驗(yàn)證，重點(diǎn)考查用戶信息覆蓋度、完整性、統(tǒng)一性、全面性與適用性，詳見圖1。

1.2 旅游閱讀推薦流程

基于移動軌跡的旅游閱讀資源推薦流程見圖2。

圖1 軌跡節(jié)點(diǎn)模型與數(shù)據(jù)結(jié)構(gòu)圖

圖2 模型結(jié)構(gòu)與推薦流程圖

定義U(Unit)是某一場景內(nèi)(通常是某一地區(qū)或景點(diǎn)的閱讀服務(wù)機(jī)構(gòu)，如公共圖書館)服務(wù)器轄域內(nèi)游客畫像的群體狀態(tài)集。定義W(will)為游客的意愿集合?？蛻舳藘?nèi)的場景信息定義為：

其中的局部視圖(s，p)∈S，由此可以對某個(gè)游客全景畫像中的5個(gè)場景明細(xì)組進(jìn)行信息包絡(luò)操作。在游客全景畫像應(yīng)用過程中，其局部場景視圖s可以結(jié)合所在場景的閱讀意愿集合，通過畫像內(nèi)部5個(gè)場景明細(xì)組的狀態(tài)變遷，并通過添加時(shí)間戳形成客戶端中的軌道節(jié)點(diǎn)信息，從而一方面對當(dāng)前服務(wù)器中的旅游閱讀場景進(jìn)行刻畫，一方面記錄游客的旅游及相關(guān)行為變遷。從前期成果[4]來看，該方案的簡化版能較為準(zhǔn)確地刻畫游客與旅游閱讀場景的特征，而且結(jié)構(gòu)簡單高效，如進(jìn)一步進(jìn)行性能升級與功能擴(kuò)展，后續(xù)閱讀推薦算法處理應(yīng)更為快速有效，在不過分占用客戶端資源的情況下，實(shí)現(xiàn)較為精準(zhǔn)和全面的移動軌跡模型管理與旅游閱讀資源推薦應(yīng)用。

第一階段是個(gè)體游客軌跡節(jié)點(diǎn)更新與管理。在該階段中，客戶端根據(jù)游客所在場景，生成其個(gè)體的、微觀的游客場景視圖，并從中抽取個(gè)體場景、自然場景、社交場景、興趣場景與行為場景明細(xì)組所需匯總信息，記錄在個(gè)體游客的全景(閱讀需求)場景模型中，待游客畫像發(fā)生遷移后，再對上述場景信息進(jìn)行融合成軌道節(jié)點(diǎn)，一方面存儲在游客畫像中。以經(jīng)典旅游閱讀場景為例，此時(shí)全景畫像能夠提供用戶的景區(qū)類型喜好、景色偏好等信息，從而為推薦服務(wù)提供其閱讀需求。另一方面客戶端將記錄游客經(jīng)歷過的景區(qū)明細(xì)場景，為后續(xù)相關(guān)軌道刻畫生成奠定了閱讀推薦基礎(chǔ)，并在一定程度上解決了旅游閱讀場景與軌道信息共享的問題。

第二階段是軌道的融合與更新。該階段中，一旦軌道節(jié)點(diǎn)攜帶者進(jìn)入下一個(gè)信息場景，此時(shí)旅游閱讀推薦服務(wù)器將根據(jù)其提供的軌道節(jié)點(diǎn)信息，生成一個(gè)局部的軌道融合視圖；無論游客是否產(chǎn)生相關(guān)操作，其軌道的特征與游客閱讀需求信息，及其場景明細(xì)組數(shù)據(jù)，都將傳遞給服務(wù)器，一方面對游客軌道進(jìn)行持續(xù)深入、多維度的刻畫；另一方面將游客軌道中包含的其他軌道節(jié)點(diǎn)信息傳遞給當(dāng)前旅游閱讀場景，從而豐富與細(xì)化其中的信息。

第三階段是游客軌道信息的閱讀推薦應(yīng)用。在該階段中，旅游閱讀推薦服務(wù)器從客戶端中獲取所需的軌道信息，并將其與存儲在服務(wù)器中的閱讀場景特征(可以是公共圖書館的電子圖書信息、特色景點(diǎn)的典故信息等)進(jìn)行匹配，以匹配結(jié)果為依據(jù)提供個(gè)性化旅游閱讀推薦服務(wù)，如電子圖書推薦、景點(diǎn)典故提醒、游記精準(zhǔn)應(yīng)答；也可提供這些信息給閱讀推廣部門而實(shí)現(xiàn)精準(zhǔn)讀者管理，如游客需求聚類、旅游景區(qū)特征提取。

2 主要算法

2.1 移動軌跡信息融合算法

作為旅游閱讀推薦服務(wù)的基礎(chǔ)工作，游客移動軌跡信息融合的難點(diǎn)在于：移動互聯(lián)網(wǎng)中閱讀推薦服務(wù)器的場景特征信息如何融合生成游客的閱讀需求與偏好特征信息，而游客的閱讀需求與偏好特征信息又如何反饋優(yōu)化旅游閱讀場景的特征信息。因此，本模型采用的算法將眾多游客畫像中蘊(yùn)含的局部場景視圖(即獨(dú)立游客視角下的局部閱讀場景視圖)，結(jié)合自身的畫像特征，以迭代融合的方式，一方面為閱讀推薦服務(wù)器提供場景信息更新的依據(jù)；另一方面汲取旅游閱讀場景信息，最終融合生成精細(xì)化的自身畫像。詳細(xì)的算法分為軌跡(場景)融入(畫像)與畫像融入(場景)兩個(gè)子算法。

(1)軌跡融入子算法，其實(shí)現(xiàn)描述如下：

Step1：根據(jù)游客特征，對其需要融入的軌跡(場景面板數(shù)據(jù))進(jìn)行融入前的預(yù)處理，公式為：

其中，(1)式里的S 為游客畫像中的特征信息；而V是軌跡節(jié)點(diǎn)(場景)集合{v1，v2，…，vc}，其中的vi是游客畫像特征wi集合中的中心矢量，其中的權(quán)重值m∈(1，∞)，而A是一個(gè)正定矩陣，當(dāng)A=I時(shí)，可以定義dij為場景與期望的歐式距離，可得：

Step2：進(jìn)一步對軌跡預(yù)處理后的游客畫像進(jìn)行調(diào)整，建立以(2)式為約束的融入方法，而(2)式中的u為正數(shù)?；诖?，待融入軌跡(場景)的無約束調(diào)節(jié)函數(shù)為：

對公式(2)進(jìn)行極值化處理，要求：

由(3)式得到：

此時(shí)(5)式代入(4)式，可得：

進(jìn)一步可得：

Step3：實(shí)際處理過程中發(fā)現(xiàn)，存在dij=0的情形，所以進(jìn)一步對?j定義與Ij與

此時(shí)，如果Ij=Φ，則可得：

但若：Ij≠Φ，則?i∈Ij，將定義有：sij=0，切而?J(S，V)/?vi=0，設(shè)定：

基于此，可得：

此時(shí)游客畫像特征通過軌跡信息的融入得到更新，從而使畫像更為清晰與精準(zhǔn)。

(2)畫像融入(軌跡)子算法，該步驟將通過畫像信息的融入，使得軌跡(場景)最自身的刻畫更為精準(zhǔn)，實(shí)現(xiàn)軌跡融合的雙向優(yōu)化，其實(shí)現(xiàn)描述如下：

Step1：畫像融入的初始化，該步驟將在更新信息超限(旅游閱讀推薦服務(wù)器采集的畫像信息超過20%)時(shí)進(jìn)行，將通過配置程序設(shè)定自動計(jì)數(shù)器c(2≤c≤N)、軌跡標(biāo)識counter，初始化軌跡矩陣A以及誤差閾值ε＞0。

Step2：虛擬化(內(nèi)存導(dǎo)入)軌跡融入子算法中定義的：游客畫像特征信息S(0)，這一序列中包含了先后到達(dá)的游客畫像，而uij是畫像信息S里的元素；處理計(jì)數(shù)器初始化，可得：counter=0。

Step3：對S(counter)中的進(jìn)行畫像融入(場景)：

Step4：對后續(xù)的游客進(jìn)行進(jìn)一步融入，處理S(counter)之后，虛擬S(counter+1)(j=1-N)；并引入Ij和此時(shí)，將通過臨時(shí)寄存器xj實(shí)現(xiàn)下一步融合，即：Ij=Φ。如公式(9)所述，將否則，可得：

Step5：通過范數(shù)判定法對更新后的S(counter)與S(counter+1)進(jìn)行對比；如果說明二者對軌跡的反饋強(qiáng)度已經(jīng)非常小了，則退出融入；否則計(jì)數(shù)加1，從Step2繼續(xù)迭代。

2.2 旅游信息推薦算法

為將旅游閱讀信息資源推薦給匹配度較高的游客，本研究設(shè)計(jì)了游客側(cè)驅(qū)動的閱讀推薦算法。該算法以動態(tài)的游客畫像為基礎(chǔ)，主動獲取游客的閱讀需求畫像，通過軌跡融合生成的閱讀需求特征，從旅游信息資源空間中發(fā)現(xiàn)獲得精準(zhǔn)信息供給的總體方向，并通過逐步求精，和伙伴信息修正的方式，定位和獲取所需的旅游信息。下文闡述旅游信息資源的優(yōu)閱讀推薦算法。

Step1：首先根據(jù)游客閱讀需求與畫像特征，對其在旅游信息資源空間中的初始位置進(jìn)行偽隨機(jī)化設(shè)置，可得：

Step2：根據(jù)游客既往的閱讀需求強(qiáng)度、旅游閱讀需求差異度、旅游區(qū)域特征等畫像信息，生成其搜索旅游信息資源空間的大致方向以及步長等參數(shù)。

Step3：根據(jù)前兩個(gè)步驟中設(shè)定的方位與步長等參數(shù)，生成游客閱讀需求與旅游信息資源集合中點(diǎn)距離(Dist)值，進(jìn)一步生成游客在當(dāng)前旅游信息集合的信息資源密度獲取概率(S)。

Step4：將游客的信息獲取概率(Si)通過需求-信息匹配函數(shù)，生成該游客在所在空間(當(dāng)前所在位置)的感覺值(Smelli)。

Step5：通過迭代，對查找當(dāng)前旅游信息資源集合中感覺值最佳的游客。

Step6：保存需求-信息匹配最佳值，及x、y位置，并將游客群體的閱讀需求等信息與其進(jìn)行擬合。

Step7：進(jìn)一步進(jìn)行迭優(yōu)化，即再一次進(jìn)行Step2～5，并判斷游客的感覺值是否得到了提升；如果是，進(jìn)入Step6執(zhí)行，反之進(jìn)入下一步。

Step8：當(dāng)無法繼續(xù)提升游客感覺值時(shí)，說明游客在這一旅游信息資源空間中搜索已經(jīng)逼近其閱讀需求度最高的信息，此時(shí)可以抽取其步長范圍之內(nèi)的信息資源，通過旅游閱讀推薦服務(wù)器發(fā)布給該游客或相關(guān)游客團(tuán)體。

需要說明的是：由于旅游的群體形式多樣，本研究的初衷是盡可能地將閱讀推薦服務(wù)覆蓋到所有的形式，同時(shí)為了節(jié)省系統(tǒng)的開銷，在實(shí)際項(xiàng)目中的設(shè)計(jì)是包含了對畫像自相似團(tuán)體(如家庭團(tuán)體、自由組合團(tuán)體、拼團(tuán))的閱讀推薦，這樣對團(tuán)體內(nèi)成員僅需進(jìn)行一個(gè)旅游讀者畫像和相關(guān)場景的處理即可，能夠節(jié)省服務(wù)器開銷。

3 實(shí)驗(yàn)結(jié)果分析

3.1 性能實(shí)驗(yàn)結(jié)果

TRMTF模型的實(shí)際效能在后續(xù)的實(shí)驗(yàn)中得到檢驗(yàn)。實(shí)驗(yàn)數(shù)據(jù)來自于中國計(jì)算機(jī)學(xué)會CCF提供的游客軌跡數(shù)據(jù)集，該數(shù)據(jù)集共包括2，107名游客在35 個(gè)旅游場景中的活動軌跡信息共計(jì)38萬余條。限于實(shí)驗(yàn)人員人數(shù)(共54人)及處理服務(wù)器(聯(lián)想SR550)的實(shí)際容量，本研究從中隨機(jī)抽取200名游客及其旅游軌跡涉及的12個(gè)旅游場景涉及的4.7萬條信息進(jìn)行對比實(shí)驗(yàn)。實(shí)驗(yàn)中的閱讀信息資源由哈爾濱商業(yè)大學(xué)圖書館提供，包含與12個(gè)旅游場景相關(guān)的232冊電子圖書，和1，802項(xiàng)旅游閱讀材料(其選擇依據(jù)為：與上述12個(gè)場景中的內(nèi)容相關(guān)，能夠被poi解析工具析出其中文本，方便閱讀推薦模型檢索并推薦)。實(shí)驗(yàn)人員為50名哈爾濱商業(yè)大學(xué)電子商務(wù)專業(yè)本科生，由每名學(xué)生操控8名虛擬游客的虛擬旅游活動，并根據(jù)虛擬游客的個(gè)體屬性特征模擬其旅游活動。

虛擬游客共分為2組，A實(shí)驗(yàn)組所在虛擬場景采用TRMTF旅游推薦模型與算法，B實(shí)驗(yàn)組所在虛擬場景采用美國北卡羅來納大學(xué)研制的移動旅游信息推薦模型MTRM(Mobile Tourism information Recommendaiton Model)與相同的游客進(jìn)行實(shí)驗(yàn)[8]，其中MTRM模型基于分布式游客信息交換機(jī)制，游客通過朋友圈進(jìn)行信息交互，并主動過濾Facebook等社交媒體推送的信息。根據(jù)前人實(shí)驗(yàn)[5，7]，本研究選取游客畫像標(biāo)簽數(shù)、場景(軌跡節(jié)點(diǎn))標(biāo)簽數(shù)等面板化指標(biāo)，以及游客(閱讀)覆蓋度、閱讀推薦準(zhǔn)確度兩項(xiàng)序列化性能指標(biāo)來衡量兩種模型的效能。

如表1所示，TRMTF模型的最終面板性能指標(biāo)(各游客與各服務(wù)器的平均值)均超過了MTRM 模型，其中部分指標(biāo)超過后者50%以上，說明TRMTF模型的游客閱讀需求與旅游閱讀場景刻畫能力遠(yuǎn)超過MTRM模型，能夠?yàn)槁糜涡畔①Y源推薦提供良好的數(shù)據(jù)基礎(chǔ)。

表1 兩種模型的面板指標(biāo)對比表

游客(閱讀)覆蓋度指標(biāo)的計(jì)算方法是：游客(閱讀)覆蓋度=某區(qū)域中實(shí)際閱讀了兩個(gè)推薦資源的游客數(shù)/該區(qū)域中被推薦信息的游客數(shù)(以%計(jì)量)。如圖3所示，A實(shí)驗(yàn)組(基于TRMTF模型)在10個(gè)監(jiān)測周期中的平均游客(閱讀)覆蓋度、峰值游客(閱讀)覆蓋度，超過B 實(shí)驗(yàn)組的相關(guān)指標(biāo)，充分體現(xiàn)了TRMTF模型及其關(guān)鍵算法通過移動軌跡融合技術(shù)，在游客行為特征與閱讀需求挖掘方面取得了較大的優(yōu)勢。

圖3 游客(閱讀)覆蓋度對比

閱讀推薦準(zhǔn)確度指標(biāo)的計(jì)算方法是：閱讀推薦準(zhǔn)確度=某區(qū)域中推薦給游客并且被游客接受的閱讀資源數(shù)/該區(qū)域中被推薦的閱讀資源總數(shù)(以%計(jì)量)。如圖4所示，A實(shí)驗(yàn)組(基于TRMTF模型)在10個(gè)監(jiān)測周期中的平均閱讀推薦精度、峰值閱讀推薦精度，超過了B 實(shí)驗(yàn)組的對應(yīng)指標(biāo)。這一對比說明TRMTF模型能夠較好地挖掘游客閱讀需求與旅游閱讀場景(信息資源)的特征，并實(shí)現(xiàn)高精度的雙向匹配，從而大大地提高了旅游閱讀推薦的精度。

圖4 閱讀推薦精確度對比

3.2 旅游閱讀推薦服務(wù)實(shí)例

TRMTF模型的旅游閱讀推薦服務(wù)微觀實(shí)例見圖5，呈現(xiàn)了隨機(jī)抽取的一名虛擬游客(編號：TE-0057)的移動軌跡與推薦閱讀信息的變遷。下文概述具體閱讀推薦過程。

圖5 旅游閱讀推薦實(shí)例

Step1：讀者(虛擬游客)的移動軌跡初始化，為節(jié)省計(jì)算資源，從讀者的畫像中生成其初始狀態(tài)，其初始狀態(tài)中包含閱讀推薦特征詞(古跡、傳統(tǒng)、美食)。

Step2：讀者移動軌跡節(jié)點(diǎn)啟動更新，不斷根據(jù)讀者的場景視圖變動情況，完成個(gè)體場景、自然場景、社交場景、興趣場景與行為場景明細(xì)組等信息的匯總，生成并更新軌跡節(jié)點(diǎn)中的信息。由于讀者(虛擬游客)TE-0057的社交信息中出現(xiàn)了“博物館”“遺址”等信息，并在小吃店等場景中滯留時(shí)間較長，其軌跡節(jié)點(diǎn)得到了更新，其中的閱讀推薦特征詞“古跡”與“美食”被加強(qiáng)。

Step3：虛擬游客客戶端一旦發(fā)現(xiàn)軌道節(jié)點(diǎn)攜帶者進(jìn)入下一個(gè)場景時(shí)，將告知該場景中的旅游閱讀推薦服務(wù)器，根據(jù)其提供的軌道節(jié)點(diǎn)信息，為其生成一個(gè)局部的軌道融合視圖，信息合并結(jié)果，添加了“風(fēng)味小吃”閱讀特征詞。

Step4：旅游閱讀推薦服務(wù)器從客戶端中獲取所需的軌道信息，并將其與存儲在服務(wù)器中的閱讀資源(本次實(shí)驗(yàn)采用的是圖書館提供的區(qū)域環(huán)境、景點(diǎn)典故、網(wǎng)絡(luò)游記等信息)進(jìn)行匹配，以“古跡”“美食”“風(fēng)味小吃”等關(guān)鍵詞匹配結(jié)果為依據(jù)，提供個(gè)性化旅游閱讀推薦服務(wù)。

4 結(jié)語

本文針對現(xiàn)有旅游閱讀推薦算法與模型的不足，提出了一種基于移動軌道融合的旅游閱讀推薦解決方案。TRMTF模型在實(shí)驗(yàn)中體現(xiàn)了較高的處理效能與性價(jià)比，具有一定的實(shí)用價(jià)值。限于目前游客端生成游客與場景信息的全面性與準(zhǔn)確性，研究尚有不足之處，需要在軌道信息自動持續(xù)供給、閱讀軌道節(jié)點(diǎn)近似合成等方面進(jìn)一步深入研究。