基于游客好奇心的旅游信息推薦系統(tǒng)

劉娜

(陜西工業(yè)職業(yè)技術(shù)學(xué)院 財(cái)經(jīng)與旅游學(xué)院， 陜西 咸陽 71200)

0 引言

隨著我國(guó)旅游市場(chǎng)的逐漸擴(kuò)大，景區(qū)、景點(diǎn)層出不窮，增加了游客在海量旅游信息中的篩選難度[1]。因此，設(shè)計(jì)一款按照游客興趣進(jìn)行主動(dòng)推薦的旅游信息系統(tǒng)十分必要，能夠極大程度為游客服務(wù)。推薦系統(tǒng)的核心為推薦算法，例如在各個(gè)領(lǐng)域都有廣泛應(yīng)用的上下文感知推薦算法、協(xié)同過濾推薦算法、混合推薦算法和興趣點(diǎn)算法等[2]。但現(xiàn)有算法各自的缺點(diǎn)也十分明顯，不適合旅游信息的推薦。因此，本文結(jié)合游客好奇心設(shè)計(jì)一種個(gè)性化推薦算法，并開發(fā)旅游信息推薦系統(tǒng)，以期為游客提供更好的旅游信息服務(wù)。

1 個(gè)性化推薦算法設(shè)計(jì)

由于游客評(píng)分、景點(diǎn)信息、訪問記錄等信息數(shù)據(jù)量龐大，本設(shè)計(jì)采用爬蟲技術(shù)從旅游及景點(diǎn)相關(guān)網(wǎng)站上爬取數(shù)據(jù)。經(jīng)過數(shù)據(jù)分析發(fā)現(xiàn)，不同游客訪問景點(diǎn)的分布具有很大差異，訪問時(shí)期也存在差異。結(jié)合游客興趣將其分為三種，即興趣單調(diào)游客、興趣多樣性游客和興趣變化游客。其中，興趣單調(diào)游客喜歡景點(diǎn)的類別比較單一，大多旅游目的地都是該類景點(diǎn)，具有固定興趣點(diǎn)；興趣多樣化游客喜歡的景點(diǎn)類別多樣，分布差別不大，也屬于固定興趣點(diǎn)的游客；興趣變化游客會(huì)隨著時(shí)間改變?cè)L問景點(diǎn)，興趣變化存在很大不確定性，難以預(yù)測(cè)。

由此可見，無論是按照游客興趣點(diǎn)還是群體進(jìn)行推薦算法設(shè)計(jì)，都不能對(duì)游客情況進(jìn)行很好地描述。因此，本設(shè)計(jì)引入游客好奇心作為描述游客情況的特征參數(shù)，利用新穎度分布來描述好奇心，能夠有效解決游客興趣點(diǎn)不確定的問題。經(jīng)過調(diào)查分析，新穎度高的景點(diǎn)類型被游客選擇次數(shù)明顯高于其他，說明游客對(duì)該類景點(diǎn)具有很大好奇心。因此，針對(duì)興趣固定的游客推薦新穎度低的景點(diǎn)，對(duì)興趣不固定的游客推薦新穎度高的景點(diǎn)。

本設(shè)計(jì)將游客歷史行為轉(zhuǎn)化為可描述好奇心的新穎度公式，設(shè)計(jì)推算算法流程，如圖1所示。

步驟一：新穎度分布構(gòu)建，通過游客歷史訪問記錄得到游客所去景點(diǎn)的新穎度，經(jīng)過統(tǒng)計(jì)得到游客新穎度選擇分布情況，即游客好奇心。

圖1 推薦算法流程

(1)

(2)

最后，建立新穎度計(jì)算式,如式(3)。

(3)

步驟二：構(gòu)建新穎度區(qū)間分?jǐn)?shù)。每個(gè)游客的新穎度選擇分布存在一定的差異，可依據(jù)分布情況計(jì)算景點(diǎn)的新穎度個(gè)性化推薦分?jǐn)?shù)，以描述游客好奇心與景點(diǎn)的匹配程度。

步驟三：集合協(xié)同過濾分?jǐn)?shù)和個(gè)性化推薦分?jǐn)?shù)生成景區(qū)推薦列表。其中，協(xié)同過濾分?jǐn)?shù)可描述游客度對(duì)景點(diǎn)的評(píng)分，個(gè)性化推薦分?jǐn)?shù)可描述游客對(duì)該類景點(diǎn)的傾向，兩者結(jié)合即可得到推薦策略。

2 推薦系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)

旅游信息推薦系統(tǒng)按照層級(jí)結(jié)構(gòu)進(jìn)行設(shè)計(jì)，分為四個(gè)層次，即業(yè)務(wù)應(yīng)用層、模型層、數(shù)據(jù)處理層和數(shù)據(jù)采集層，如圖2所示。

圖2 推薦系統(tǒng)架構(gòu)

2.1 數(shù)據(jù)采集層

數(shù)據(jù)是推薦系統(tǒng)的基礎(chǔ)，因此系統(tǒng)首先要對(duì)網(wǎng)絡(luò)數(shù)據(jù)進(jìn)行大量地采集。本系統(tǒng)采用python語音實(shí)現(xiàn)分布式爬蟲功能，抓取互聯(lián)網(wǎng)上的網(wǎng)頁信息。通過與旅游相關(guān)類網(wǎng)站的特定連接，實(shí)現(xiàn)對(duì)HTML信息的獲取。系統(tǒng)使用xpath網(wǎng)頁解析包對(duì)HTML網(wǎng)頁階段進(jìn)行數(shù)據(jù)發(fā)現(xiàn)，通過內(nèi)容節(jié)點(diǎn)來鎖定數(shù)據(jù)路徑，最終獲得海量旅游相關(guān)數(shù)據(jù)流程，如圖3所示。

圖3 數(shù)據(jù)采集實(shí)現(xiàn)流程

2.2 數(shù)據(jù)處理層

數(shù)據(jù)采集完成后需要按照特定需求對(duì)數(shù)據(jù)進(jìn)行處理，使其能夠運(yùn)用到模型層和業(yè)務(wù)應(yīng)用層。數(shù)據(jù)處理層分為數(shù)據(jù)清洗和存儲(chǔ)兩個(gè)部分。其中，數(shù)據(jù)清洗是刪除不屬于景點(diǎn)的一類信息，如沒有相關(guān)描述的小景點(diǎn)數(shù)據(jù)(缺乏項(xiàng)目介紹)，或者不屬于景點(diǎn)的數(shù)據(jù)，如酒店、洗浴等信息。以此來提高推薦的準(zhǔn)確度。此外，數(shù)據(jù)清洗還要?jiǎng)h除游客訪問記錄中不屬于國(guó)內(nèi)的景點(diǎn)信息。

完成數(shù)據(jù)清洗后將數(shù)據(jù)存儲(chǔ)到系統(tǒng)的Postgre數(shù)據(jù)庫(kù)中，通過該數(shù)據(jù)庫(kù)的外鍵設(shè)置完成對(duì)某些數(shù)據(jù)重要屬性的限制，并利用SQL語言對(duì)其進(jìn)行操作，最后按照屬性不同生成景點(diǎn)列表和用戶訪問列表。景點(diǎn)列表主要記錄了景點(diǎn)信息，如景點(diǎn)介紹、所處省份、城市等。用戶訪問列表是推薦系統(tǒng)的主要數(shù)據(jù)來源，通過自增加ID作為主鍵，包括用戶ID、景點(diǎn)評(píng)分、訪問時(shí)間、景點(diǎn)名稱等，如圖4所示。

圖4 數(shù)據(jù)處理實(shí)現(xiàn)界面

2.3 模型層

該層主要是利用上文設(shè)計(jì)的推薦算法對(duì)數(shù)據(jù)進(jìn)行計(jì)算，實(shí)現(xiàn)旅游信息的主動(dòng)推薦功能。該層與系統(tǒng)數(shù)據(jù)庫(kù)進(jìn)行協(xié)調(diào)工作，提取推薦算法和景點(diǎn)分類的數(shù)據(jù)，最終得到推薦結(jié)果，如圖5所示。

圖5 推薦列表實(shí)現(xiàn)過程

景點(diǎn)分類部分，首先提取景點(diǎn)描述分詞，篩選出關(guān)鍵詞后構(gòu)建詞向量，輸入至分類型進(jìn)行可能性計(jì)算，最后得到分類結(jié)果。將結(jié)果按照順序進(jìn)行排列并增加ID主鍵后，更新至景點(diǎn)列表中。利用前文的推薦算法對(duì)新穎度分布進(jìn)行計(jì)算，結(jié)合協(xié)同過濾得到推薦結(jié)果列表。

2.4 業(yè)務(wù)應(yīng)用層

業(yè)務(wù)應(yīng)用層主要展示系統(tǒng)的推薦結(jié)果，該層框架采用Django框架進(jìn)行設(shè)計(jì)，方便網(wǎng)站后期的維護(hù)和安全，采用Python語言編寫，該設(shè)計(jì)方法不受特定服務(wù)器平臺(tái)的限制，可使該系統(tǒng)作為一個(gè)模塊融入到旅游網(wǎng)站現(xiàn)有的平臺(tái)中，可為更多旅游信息網(wǎng)站進(jìn)行服務(wù)。該系統(tǒng)與某智慧旅游網(wǎng)站融合后的推薦結(jié)果,如圖6所示。

圖6 旅游信息推薦系統(tǒng)用戶頁面展示

3 系統(tǒng)應(yīng)用對(duì)比

為了驗(yàn)證本文設(shè)計(jì)的旅游信息推薦系統(tǒng)的有效性和優(yōu)越性，選擇三種主流的旅游信息推薦系統(tǒng)進(jìn)行對(duì)比，分別為基于用戶協(xié)同過濾的旅游信息推薦系統(tǒng)(系統(tǒng)A)[3]、基于景點(diǎn)標(biāo)簽的旅游信息推薦系統(tǒng)(系統(tǒng)B)[4]和基于景區(qū)內(nèi)容的旅游信息推薦系統(tǒng)(系統(tǒng)C)[5]。采用爬蟲技術(shù)收集攜程網(wǎng)上的用戶歷史訪問記錄，包括用戶ID、景點(diǎn)名稱、訪問時(shí)間和評(píng)分，共計(jì)320萬條記錄，其中包括61 284個(gè)景點(diǎn)和41 368個(gè)用戶。將該系統(tǒng)與三種主流系統(tǒng)的推薦結(jié)果進(jìn)行對(duì)比，分布比對(duì)推薦準(zhǔn)確率、用戶召回率和景點(diǎn)覆蓋率。對(duì)比過程中，將近鄰數(shù)作為控制變量，通過改變用戶推薦時(shí)使用的近鄰個(gè)數(shù)來比對(duì)不同系統(tǒng)的推薦效果。

推薦準(zhǔn)確率、用戶召回率和景點(diǎn)覆蓋率對(duì)比結(jié)果,如圖7—圖9所示。

圖7 推薦準(zhǔn)確率對(duì)比結(jié)果

由圖7—圖9可知，各系統(tǒng)準(zhǔn)確率隨著近鄰數(shù)的增加都有所提升，在近鄰數(shù)相同的情況下本文設(shè)計(jì)的系統(tǒng)準(zhǔn)確率更高，即使在近鄰數(shù)較小的情況下本系統(tǒng)的推薦準(zhǔn)確率也明顯高于其他系統(tǒng)。各系統(tǒng)的用戶召回率隨著近鄰數(shù)的增加而增大，即用戶可能感興趣的景點(diǎn)所得分?jǐn)?shù)越高。各系統(tǒng)景點(diǎn)覆蓋率隨著近鄰數(shù)的增大而有所降低，這是因?yàn)橛脩粼L問的景點(diǎn)大多為熱門景點(diǎn)，推薦過程中會(huì)向流行度較高的景點(diǎn)靠攏，導(dǎo)致冷門景點(diǎn)覆蓋率降低。對(duì)比結(jié)果發(fā)現(xiàn)，本文系統(tǒng)無論是在近鄰數(shù)較小還是較大的情況下，均有不錯(cuò)的表現(xiàn),具有一定的優(yōu)勢(shì)。

圖8 用戶召回率對(duì)比結(jié)果

圖9 景點(diǎn)覆蓋率對(duì)比結(jié)果

4 總結(jié)

針對(duì)當(dāng)前推薦系統(tǒng)的問題，提出了基于游客好奇心行為的旅游信息推薦系統(tǒng)。該系統(tǒng)將景點(diǎn)游客訪問頻率和時(shí)間間隔作為構(gòu)建參數(shù)，設(shè)計(jì)了新穎度計(jì)算公式來反映游客好奇心，并將該算法融入到推薦系統(tǒng)中。該系統(tǒng)結(jié)合爬蟲技術(shù)爬取互聯(lián)網(wǎng)中旅游相關(guān)信息，通過數(shù)據(jù)清洗和存儲(chǔ)利用推薦算法生成推薦結(jié)果，在業(yè)務(wù)應(yīng)用層直觀地展示給游客。經(jīng)過與三種主流的旅游信息推薦系統(tǒng)對(duì)比可知，本文系統(tǒng)在推薦準(zhǔn)確率、用戶召回率和景點(diǎn)覆蓋率方面均存在一定的優(yōu)勢(shì)。該算法及系統(tǒng)設(shè)計(jì)為旅游信息推薦方式的研究提供了參考。