倪 凌

(河海大學(xué)公共管理學(xué)院，江蘇 南京 210000)

2016年國(guó)務(wù)院發(fā)改委聯(lián)合多部門印發(fā)《關(guān)于大力發(fā)展農(nóng)村農(nóng)業(yè)旅游的指導(dǎo)意見》，指出我國(guó)未來(lái)的方向?qū)⒋罅Ψ龀洲r(nóng)業(yè)經(jīng)濟(jì)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(lái)源[1]。近年來(lái)農(nóng)業(yè)旅游的發(fā)展給一些地區(qū)農(nóng)民帶來(lái)了先富路子，提升了城市居民消費(fèi)者的旅游積極性，為促進(jìn)城市居民的身心健康發(fā)展提供了新思路，是一個(gè)雙贏的局面。隨著移動(dòng)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(jì)推動(dòng)經(jīng)濟(jì)發(fā)展的重要引擎，與互聯(lián)網(wǎng)信息技術(shù)結(jié)合是未來(lái)社會(huì)經(jīng)濟(jì)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(xiàng)目正在穩(wěn)步推進(jìn)中，但是由于農(nóng)村地區(qū)互聯(lián)網(wǎng)基礎(chǔ)設(shè)施不夠發(fā)達(dá)，農(nóng)業(yè)旅游從業(yè)者互聯(lián)網(wǎng)信息思維和技術(shù)手段落后，對(duì)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(wù)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(wù)方面的難點(diǎn)，具有十分重要的意義。

目前關(guān)于農(nóng)村旅游服務(wù)的網(wǎng)絡(luò)平臺(tái)雖然已經(jīng)開始逐步探索和研究，但是大多數(shù)平臺(tái)對(duì)于潛在消費(fèi)者和農(nóng)業(yè)用戶的吸引力不夠，無(wú)法與新興的電商網(wǎng)絡(luò)平臺(tái)相競(jìng)爭(zhēng)，消費(fèi)者普遍反映在農(nóng)業(yè)旅游服務(wù)過(guò)程中無(wú)法獲取感興趣的項(xiàng)目和農(nóng)產(chǎn)品等。針對(duì)這一問(wèn)題，基于網(wǎng)絡(luò)文本分析，建立了一套深度預(yù)測(cè)農(nóng)業(yè)服務(wù)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(wù)提供了更加智能化和個(gè)性化的推薦方式，提高了用戶粘性，能夠有效改善當(dāng)前的農(nóng)業(yè)旅游服務(wù)推薦思路和平臺(tái)設(shè)計(jì)。

1 基于深度預(yù)測(cè)的農(nóng)業(yè)旅游偏好

大數(shù)據(jù)時(shí)代對(duì)于掌握消費(fèi)者的消費(fèi)動(dòng)機(jī)和傾向具有十分明顯的優(yōu)勢(shì)。對(duì)于農(nóng)業(yè)旅游服務(wù)項(xiàng)目，通過(guò)對(duì)其潛在消費(fèi)群體的分析研究發(fā)現(xiàn)，影響農(nóng)業(yè)旅游偏好的兩個(gè)主要因素分別為農(nóng)業(yè)旅游消費(fèi)者的傾向決策和選擇決策，如果能夠?qū)@兩個(gè)決策規(guī)律進(jìn)行剖析就會(huì)獲得深層次的農(nóng)業(yè)旅游預(yù)測(cè)模型[7]。

1.1 農(nóng)業(yè)旅游傾向決策分析

旅游消費(fèi)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(fèi)者主動(dòng)消費(fèi)的動(dòng)機(jī)越強(qiáng)烈，就會(huì)充分提高旅游者的消費(fèi)欲望和動(dòng)機(jī)。因此基于深度預(yù)測(cè)的農(nóng)業(yè)旅游服務(wù)推薦系統(tǒng)首先應(yīng)了解農(nóng)業(yè)旅游者的消費(fèi)動(dòng)機(jī)，適配最心儀的旅游選項(xiàng)。分析旅游傾向問(wèn)題發(fā)現(xiàn)，旅游初期的重要影響因素為旅游時(shí)間選擇和旅游群體選擇。通過(guò)收集互聯(lián)網(wǎng)旅游相關(guān)信息的瀏覽數(shù)量，進(jìn)行統(tǒng)計(jì)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(yàn)鄉(xiāng)村風(fēng)貌，春季萬(wàn)物復(fù)蘇是農(nóng)業(yè)旅游和其他旅游最為差異性的優(yōu)勢(shì)，在這段時(shí)間內(nèi)選擇信息瀏覽的游客大多傾向于去自然風(fēng)光較好的地方旅游。另一個(gè)較為熱門的為10月，10月綜合國(guó)慶小長(zhǎng)假和秋收季節(jié)，農(nóng)業(yè)旅游者除了體驗(yàn)農(nóng)村的秋日風(fēng)光，更多的是可以購(gòu)買應(yīng)季的果實(shí)。其他月份例如夏季和冬季選擇進(jìn)行農(nóng)業(yè)旅游的群體相對(duì)不活躍，因此在這個(gè)時(shí)間段進(jìn)行農(nóng)業(yè)旅游推薦效果不甚顯著。從旅游群體來(lái)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(jìn)親子關(guān)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(guān)訊息統(tǒng)計(jì)

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(yàn)型、農(nóng)業(yè)生活科普教育型和農(nóng)業(yè)觀光采摘型。通過(guò)對(duì)農(nóng)業(yè)旅游過(guò)程中旅游者的目的地進(jìn)行統(tǒng)計(jì)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(lè)、農(nóng)業(yè)文化小鎮(zhèn)、農(nóng)村山莊度假村以及農(nóng)村景點(diǎn)等類型中。

2)出行工具

對(duì)農(nóng)業(yè)旅游者的出行方式進(jìn)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(duì)農(nóng)業(yè)旅游過(guò)程中的周邊游、地域特征游等進(jìn)行表達(dá)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(tuán)以及單位集體活動(dòng)3種模式。其中，團(tuán)體組織游玩多依賴單位組織的黨建、團(tuán)建活動(dòng)，活動(dòng)選擇性較小，游玩方式單一，消費(fèi)意愿不強(qiáng)。

1.3 農(nóng)業(yè)旅游深度預(yù)測(cè)模型

通過(guò)對(duì)農(nóng)業(yè)旅游者的消費(fèi)傾向和選擇決策進(jìn)行分析后，建立基于深度預(yù)測(cè)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(fèi)期和評(píng)價(jià)期5個(gè)階段，對(duì)每個(gè)時(shí)期游客可能的選項(xiàng)進(jìn)行羅列并挑選出更為傾向性的推薦方案，進(jìn)行信息集成后反饋和獲取旅游最為可能的個(gè)性化推薦方案(圖2)。

圖2 農(nóng)業(yè)旅游深度預(yù)測(cè)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(shí)現(xiàn)景區(qū)瀏覽、個(gè)人信息管理、訂單查詢、購(gòu)物車管理、商品瀏覽、景點(diǎn)咨詢和客房預(yù)訂等功能，并能在平臺(tái)進(jìn)行登錄注冊(cè)、付款和訂單查詢等操作。由于前端功能面向?qū)ο笫窍M(fèi)者用戶，其主要的功能需求集中在購(gòu)物車管理、游客信息維護(hù)、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(hù)和操作等。根據(jù)農(nóng)業(yè)旅游推薦信息化平臺(tái)的具體特點(diǎn)，本文設(shè)計(jì)的后端功能應(yīng)該包括管理員管理、會(huì)員管理、商品信息錄入、商品訂單管理、旅游產(chǎn)品留言、景點(diǎn)信息管理和住宿管理等，每個(gè)二級(jí)模塊均需要實(shí)現(xiàn)角色分配、權(quán)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(shù)日新月異，農(nóng)業(yè)旅游系統(tǒng)在今年會(huì)集成更多功能，因此系統(tǒng)需要對(duì)用戶的需求進(jìn)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(shí)間迭代優(yōu)勢(shì)。企業(yè)在對(duì)系統(tǒng)進(jìn)行改進(jìn)過(guò)程中耗費(fèi)更少的成本，拓展出更為人性化的功能，同時(shí)降低對(duì)系統(tǒng)改造過(guò)程中的影響。

2)效率性

系統(tǒng)應(yīng)同時(shí)能夠承受短時(shí)間大量用戶訪問(wèn)需求，提升用戶瀏覽和操作便捷程度和效率，做到界面簡(jiǎn)潔直觀，系統(tǒng)定位準(zhǔn)確，反應(yīng)迅速，合理優(yōu)化緩存，滿足不同層級(jí)客戶的使用需求。

3)維護(hù)性

系統(tǒng)運(yùn)行過(guò)程中技術(shù)人員能夠?qū)ο到y(tǒng)的運(yùn)行情況進(jìn)行實(shí)時(shí)監(jiān)控和維護(hù)，維護(hù)操作手冊(cè)清晰，系統(tǒng)架構(gòu)簡(jiǎn)明，建議采用MVC設(shè)計(jì)模式進(jìn)行平臺(tái)開發(fā)，不同層面代碼盡量減少?zèng)_突，功能模塊界限明確，便于后期發(fā)現(xiàn)問(wèn)題和針對(duì)性維修。

2.4 安全需求分析

1)用戶信息登錄方面，需要進(jìn)行校驗(yàn)碼驗(yàn)證，并且需要用戶注冊(cè)，后臺(tái)用戶管理只限于管理員進(jìn)行修改和添加。

2)重要信息尤其是游客個(gè)人信息和金融信息需要進(jìn)行加密保護(hù)，使用MD5信息摘要算法進(jìn)行計(jì)算，將密碼摘要存儲(chǔ)于數(shù)據(jù)庫(kù)中，防止數(shù)據(jù)庫(kù)被攻擊泄露。

3)用戶權(quán)限和數(shù)據(jù)庫(kù)備份。用戶權(quán)限需要在Shiro框架內(nèi)完成管理員信息認(rèn)證，不同權(quán)限用戶只顯示對(duì)應(yīng)的功能模塊，重要信息的修改需要進(jìn)行短信驗(yàn)證碼驗(yàn)證。數(shù)據(jù)庫(kù)備份應(yīng)考慮異地容災(zāi)，在本地?cái)?shù)據(jù)庫(kù)遭遇破壞時(shí)應(yīng)可以同時(shí)調(diào)用異地?cái)?shù)據(jù)庫(kù)確保系統(tǒng)運(yùn)行，同時(shí)還能夠彌補(bǔ)本地?cái)?shù)據(jù)庫(kù)的損失并進(jìn)行同步和維護(hù)。

3 系統(tǒng)推薦模塊設(shè)計(jì)

用戶推薦系統(tǒng)設(shè)計(jì)過(guò)程中，主要考慮用戶、景點(diǎn)和推薦算法三者之間的相互作用機(jī)制。個(gè)性化推薦算法中目前較為主流的是通過(guò)分析用戶歷史偏好數(shù)據(jù)，將數(shù)據(jù)整合后導(dǎo)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(shí)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(guò)濾算法，即尋找用戶和對(duì)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(jìn)行擴(kuò)散和推薦[8-9]。

1)對(duì)用戶的歷史評(píng)價(jià)數(shù)據(jù)進(jìn)行收集和整合，形成一個(gè)用戶—對(duì)象的評(píng)分矩陣。

2)基于皮爾遜相似度模型，對(duì)不同用戶之間的相似度進(jìn)行匹配。

3)基于匹配后的相似度計(jì)算成果，進(jìn)行推薦程度排列。

4)基于某一個(gè)用戶的評(píng)分成果，搜索其未評(píng)分項(xiàng)目，選擇與其相似最為臨近的對(duì)象進(jìn)行加權(quán)分析獲取被推薦用戶的預(yù)測(cè)評(píng)分，其算法公式如下：

(1)

式中：M為某一用戶對(duì)對(duì)象的評(píng)分值；S為用戶對(duì)對(duì)象的相識(shí)度；R為權(quán)重值；u和v分別為矩陣的不同象限。

3.2 融合深度預(yù)測(cè)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(yīng)兼顧農(nóng)業(yè)旅游的特征和準(zhǔn)確度，同時(shí)防止在推薦過(guò)程中發(fā)生數(shù)據(jù)空洞和冷啟動(dòng)。因此，本文設(shè)計(jì)的平臺(tái)利用農(nóng)業(yè)旅游深度預(yù)測(cè)模型進(jìn)行概率分布計(jì)算，將其與系統(tǒng)過(guò)濾算法結(jié)合構(gòu)成用戶歷史數(shù)據(jù)和用戶偏好評(píng)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(wèn)題，還可以解決系統(tǒng)運(yùn)行初期用戶無(wú)歷史數(shù)據(jù)從而無(wú)法合理進(jìn)行預(yù)測(cè)的問(wèn)題。

1)用戶農(nóng)業(yè)旅游偏好因素分析

借助深度預(yù)測(cè)模型，將用戶萌芽期、傾向期、決策期、消費(fèi)期和評(píng)價(jià)等5個(gè)階段的旅游因素進(jìn)行劃分，總結(jié)出群里、季節(jié)、類型、距離、活動(dòng)等5個(gè)類型的標(biāo)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(diǎn)中的數(shù)據(jù)添加到list表格中，刪除重復(fù)字段，采用analsye和TFI函數(shù)對(duì)關(guān)鍵字進(jìn)行抓取并生成標(biāo)簽矩陣V。

3)用戶偏好概率計(jì)算

采用Gibbs抽樣方法對(duì)景點(diǎn)的偏好標(biāo)簽進(jìn)行計(jì)算和抽樣分析，獲取景點(diǎn)的主題分布概率和標(biāo)簽分布概率：

(2)

(3)

利用獲取用戶對(duì)景點(diǎn)和標(biāo)簽的偏好概率值，應(yīng)用貝葉斯定理計(jì)算法則進(jìn)行排序：

(4)

式中：pz為用戶對(duì)景點(diǎn)偏好的主題分布概率；pw為用戶的標(biāo)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(diǎn)的權(quán)重系數(shù)。當(dāng)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(tái)與實(shí)踐

4.1 系統(tǒng)平臺(tái)展示

由于篇幅限制，本文主要對(duì)用戶操作界面和個(gè)性化推薦系統(tǒng)進(jìn)行展示。當(dāng)游客進(jìn)入系統(tǒng)后，首次進(jìn)入用戶可填寫注冊(cè)表單向服務(wù)器發(fā)送指令，服務(wù)器請(qǐng)求接受UserController類，調(diào)取UseRserver進(jìn)行邏輯處理，驗(yàn)證通過(guò)后使用MD5算法對(duì)用戶信息進(jìn)行加密并保存，其界面如圖4所示。

圖4 用戶登錄注冊(cè)界面

用戶進(jìn)入系統(tǒng)后，系統(tǒng)對(duì)用戶注冊(cè)信息和偏好信息進(jìn)行識(shí)別，發(fā)現(xiàn)用戶注冊(cè)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(diǎn)是農(nóng)村生活體驗(yàn)，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(fēng)貌景點(diǎn)，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(guó)以及山水畫廊一日游等。系統(tǒng)推薦相識(shí)度基本吻合用戶興趣(圖5)。

圖5 用戶個(gè)性化推薦景點(diǎn)

4.2 推薦效果測(cè)試

將該農(nóng)業(yè)旅游推薦服務(wù)平臺(tái)在某旅游公司中投入試運(yùn)行，截至2020年12月共運(yùn)行6個(gè)月，接待用戶訪問(wèn)量23 444次的系統(tǒng)頻率測(cè)試，測(cè)試基本信息見表1。

表1 系統(tǒng)測(cè)試基本信息

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

圖6 用戶滿意度問(wèn)卷結(jié)果統(tǒng)計(jì)

對(duì)用戶的訪問(wèn)結(jié)果分析發(fā)現(xiàn)，初期注冊(cè)用戶對(duì)系統(tǒng)的滿意程度多集中在“滿意”和“一般”兩個(gè)層級(jí)，占比約65.2%，非常滿意用戶占比為14%，對(duì)系統(tǒng)不滿意的用戶占比為12%；注冊(cè)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(cè)30 d以后，用戶滿意程度占比大幅度提升至50%，對(duì)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(guò)調(diào)查分析認(rèn)為，該系統(tǒng)在游客進(jìn)行使用過(guò)程中逐漸能分析出用戶感興趣的景點(diǎn)并進(jìn)行精準(zhǔn)預(yù)測(cè)。

5 結(jié)論

為提高農(nóng)業(yè)旅游服務(wù)推薦系統(tǒng)的準(zhǔn)確性，本文提出基于網(wǎng)絡(luò)文本分析法的深度預(yù)測(cè)模型，對(duì)系統(tǒng)需求和推薦模塊設(shè)計(jì)進(jìn)行了詳細(xì)分析和實(shí)踐驗(yàn)證。

1)影響農(nóng)業(yè)旅游偏好的兩個(gè)主要因素分別為農(nóng)業(yè)旅游消費(fèi)者的傾向決策和選擇決策，對(duì)這兩個(gè)決策規(guī)律進(jìn)行剖析能獲得深層次的農(nóng)業(yè)旅游預(yù)測(cè)模型。

2)農(nóng)業(yè)旅游深度預(yù)測(cè)模型與協(xié)同過(guò)濾算法結(jié)合構(gòu)成用戶歷史數(shù)據(jù)和用戶偏好評(píng)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(wèn)題。

3)通過(guò)對(duì)系統(tǒng)測(cè)試和實(shí)踐應(yīng)用發(fā)現(xiàn)，初期注冊(cè)用戶對(duì)系統(tǒng)體驗(yàn)一般，隨著系統(tǒng)使用時(shí)間延長(zhǎng)，該系統(tǒng)在游客進(jìn)行使用過(guò)程中逐漸能分析出用戶感興趣的景點(diǎn)并進(jìn)行精準(zhǔn)預(yù)測(cè)。