大數據背景下基于多維上下文的智慧旅游推薦系統

蔣晶晶 王嘉順 王丹丹 王佳麗

摘要：針對大數據背景下“智慧旅游”的個性化定制問題，通過結合多維上下文信息構建精準的個性化定制服務，在構建新理論模型的基礎上，分別針對多維上下文信息的產生方法、個性化服務的構建方法進行研究，并通過構建具體的系統原型對相關理論研究進行驗證。

關鍵詞：大數據;多維上下文;智慧旅游

一、引言

為了解決信息過載問題，對于以推薦系統為代表的個性化技術的研究將越來越受研究者所重視。隨著經濟的不斷發展，旅游逐漸成為人們休閑度假必不可少的生活方式，旅游行業信息庫、第三方Web 服務信息庫的不斷完善，為旅游行業的個性化服務提供了數據基礎。傳統的旅游推薦技術已不能應對當前旅游領域面臨的各種復雜的問題，隨著網絡的發展及衛星定位技術的普及，上下文信息在旅游推薦中的作用變得越來越明顯。由于旅游是一項受多種因素限制的活動，旅游推薦中可用信息種類繁多，關鍵在于如何充分利用可獲取的多維信息。因此，本論文欲提出的智慧旅游的推薦系統模型，將對大數據時代旅游產業的發展起到積極的推動作用，將有利于更好地提高推薦系統的推薦性能，使旅游推薦取得較好的效果。

二、研究內容

（一）結合多維上下文的用戶個性化定制服務模型構建

提出移動環境下的用戶個性化定制服務模型。例如，該模型把空間上下文的位置情景作為一個全新的維度引入到傳統的“用戶—項目”（User-Item）二元組中，進而能夠通過所得的三元組構建更高維度的矩陣數據，以完成用戶模型的構建，用以實現對用戶行為偏好的更精確的描述。該模型是實現相關具體應用的基礎。

（二）大數據環境下位置、時間、社會屬性等用戶偏好的獲取方法研究

為提高大數據環境中對旅游路線、旅游景點或旅游套餐等個性化推薦服務的精確度，基于多維上下文的用戶個性化定制服務模型，構建基于多維上下文的用戶偏好的獲取方法。通過云計算平臺、LBS位置服務、旅游信息庫等多種手段，獲取用戶時間、位置等信息，并結合用戶的社會屬性（網絡社區中，相互聯系的群體，受社會因素的相互影響，往往表現出相似的興趣愛好）等上下文數據，分別針對用戶自身當前時空場景與過去時空場景的相似度（歷史相關性）問題、在同一時空場景內與系統的交互行為的相似度（交互相關性）問題，進行用戶偏好度聚類研究，以便于構建更精確的用戶行為偏好模型。

（三）基于多源信息融合的個性化服務構建方法研究

大數據網絡環境中，用戶與各類旅游信息平臺的交流量體現出急劇增長且個性化的特征，針對如何充分發掘信息潛藏價值為用戶購買旅游產品的決策提供服務支撐的問題，將結合多維上下文信息，構建多源信息融合方法;此外，應用向量模型，在對多用戶的交流信息進行特征維度提取的基礎上，對用戶自身消費偏好相似度、用戶自身時空信息相似度以及消費偏好相似的用戶時空信息相似度進行匹配計算，進而推薦給用戶匹配度較高的旅游線路、旅游景點或者旅游套餐信息。在此基礎上，將推送技術和拉取技術的優點相結合來提升用戶體驗。

三、關鍵技術和研究方法

（一）關鍵技術

（1）在理論模型層面，由于本論文將傳統的User-Item二元組處理框架進行拓展，在復雜應用環境中會引起計算復雜度的驟增，因此應借鑒國內外已有的相關研究成果，構建合理的理論模型，在保證精確度的前提下降低計算復雜度。

（2）在實現方法層面，需解決相關技術方法的可用性問題，包括動態目標定位技術在適用范圍的局限性問題，需要探索其他技術方法拓展其適用性;多源信息融合方法在用戶偏好信息提取方面的準確性問題，如何結合認知心理學等領域的研究成果構建恰當的用戶偏好描述模型。

（3）旅行出游是一個受多種因素影響的場景。不管是籌劃旅行還是旅行過程中，用戶都會受到許多因素的影響，如何協調各類因素的影響權重以及合理地選取哪些信息融入到推薦系統將是研究的難點。

（二）研究方法

（1）信息集成理論與方法，在針對旅游業務的數據環境分析中，將采用信息集成相關理論方法對相關數據進行數據概念模型設計，并實現多源異構數據的轉換、清洗與集成。

（2）循環神經網絡，采用機器學習算法中的循環神經網絡（LSTM）建立配送個性化需求預測模型，對旅游線路推薦、景點推薦和套餐推薦業務中的歷史數據進行學習訓練，實現對游客個性化需求的多步預測和滾動預測。

（3）基于時間和空間感知的推薦算法，結合用戶的社會關系，利用位置信息、時間信息、社交信息、活動信息的數據，構建用戶、地點、時間、活動、朋友關系異構信息網絡，通過隨機游走方法產生推薦。該方法綜合利用時空信息和用戶社交信息為用戶提供個性化活動推薦，能獲得較好的推薦效果。此外，利用構建的異構信息網絡，該方法還可以實現朋友推薦等增值服務。

（4）并行計算與實時計算技術，使用并行計算與實時計算等大數據思想與技術對相關算法進行改進，提高算法性能，使其能夠適應大規模數據環境下的高頻實時決策需求。

四、系統原型構建

首先，結合空間上下文的用戶個性化定制服務模型構建出理論模型。然后，應用歷史相關性方法研究和交互相關性方法研究來獲取位置、時間、用戶偏好、社會屬性、金錢等空間上下文。進而在大數據背景下，結合應用用戶建模方法研究、個性化推薦算法研究。最后，在大數據環境下，構建出基于結合空間上下文的智慧旅游推薦系統原型。

推薦系統的推薦過程，包括了數據收集、興趣分析、推薦層三個主要的層次。

五、小結

將傳統的User-Item二元組處理框架進行拓展，幫助用戶從大量數據中發現其可能感興趣的項目，能有效緩解“信息過載”等問題。提出結合多維上下文的多源信息融合方法，有效利用大數據環境下的多源用戶信息以提取用戶偏好。突破了傳統的基于時間、空間、社會網絡這幾種單一的旅游推薦方式，而將這些元素作為多維上下文進行復雜模型的構建，更為全面地考慮了影響用戶決策的人文、社會、歷史等多種元素，提高旅游服務的精準度。

參考文獻：

[1] Abdul Majid.基于地理標簽的社會媒體數據挖掘的智能旅游推薦研究[D]，浙江大學，2012.

[2] 沈鈞戈. 基于社會媒體的旅游數據挖掘與個性化推薦[D]，西安電子科技大學，2016.

[3] 亢孟軍，王貝，杜清運.上下文敏感的空間信息服務智能推送研究[J]， 中國測繪，2009，11，258-260.

[4] 張偉偉，趙飛，王敦. 上下文感知下的個性化旅游推薦系統初探[J]，地理空間信息，2014，5，96-97.

[5] 郭博林. 基于大數據分析的音樂個性化推薦系統應用研究[D]，電子科技大學，2018.

[6] 鄧玉林. 基于hadoop大數據框架的個性化推薦系統研究與實現[D]，電子科技大學，2016.

[7] 胡蓉.大數據環境下服務推薦系統及其關鍵方法研究[D]，南京大學，2014.

[8] 皇蘇斌，王忠群.景區智能空間下的實時景點推薦技術[J]，安徽工程大學學報，2011，4，195-198.

項目：2020 年大連科技學院大學生創新創業訓練計劃項目校級立項“大數據環境下基于多維上下文的智慧旅游推薦系統研究”，項目編號：X202013207073