基于區塊鏈技術的旅游產品個性化推薦系統

汪 瀅

（南昌師范學院，江西 南昌 330032）

0 引言

傳統購買旅游產品的方式是通過銷售人員介紹和推薦旅游產品，從眾多旅游產品中選擇一個適合的旅游產品。為了為客戶提供良好的咨詢服務，相關學者設計開發了旅游產品個性化推薦系統，根據客戶購買心理和喜好，為客戶推薦適合的旅游產品。但是現有的推薦系統僅根據其他游客的評分，以及產品的歷史評分數據推測客戶的旅游喜好，從而為客戶推薦旅游產品，傳統系統未考慮客戶旅游喜好動態轉移的特性，也未根據客戶的實際情況，比如年齡、性別和學歷等，為客戶推薦的旅游產品中符合客戶喜好的數量較少，導致無法滿足客戶對旅游產品個性化需求，傳統系統存在推準率較低的問題，因此，筆者提出基于區塊鏈技術的旅游產品個性化推薦系統研究。

1 基于區塊鏈技術的旅游產品個性化推薦系統硬件設計

系統的硬件結構主要由旅游產品信息搜索引擎、網絡瀏覽器以及SVM分類器構成，系統的硬件結構如圖1所示。

圖1 推薦系統硬件結構圖

由圖1可知，通過網絡連接，搜索引擎主動搜索旅游網站信息，由VSM分類器分類處理旅游網站信息，并傳送至服務器，通過處理、計算和分析信息，將信息傳遞給網絡瀏覽器顯示，最終使客戶可通過瀏覽器瀏覽旅游產品。

1.1 旅游網頁信息搜索引擎選型與設計

旅游網頁信息搜索引擎的主要作用是獲取旅游網頁信息。根據旅游產品個性化推薦系統功能要求，本文選擇英國DFGG公司生產的GST-AFT-026型號的網絡搜索引擎[1]。該搜索引擎以統一資源定位符地址為搜索起點，將統一資源定位符地址加入到搜索列隊，自動啟動一個信息下載線程，從搜索列隊中取出統一資源定位符，自動下載該頁面，并利用SFAGT芯片分析旅游網頁頁面的旅游產品鏈接[2]。再將每個旅游產品網頁鏈接的統一資源定位符加入到搜索列隊中，并重復上述搜索步驟。搜索引擎每個下載線程均從統一資源定位符中取出一個網頁地址并下載，從而獲取旅游網頁信息。在搜索信息過程中，避免了處理旅游網頁的重定向問題，對旅游網頁信息搜索引擎HTTP協議的狀態碼進行定義，編輯了101和102兩個狀態碼，當HTTP響應Response返回的狀態碼是101和102時，搜索引擎采用從Location域中取出的統一資源定位符進行重新構造，將新的統一資源定位符放入到搜索列隊中，對旅游網頁信息進行下載，并將下載的信息保存在內置的32GB硬盤中。

1.2 網絡瀏覽器選型與設計

網絡瀏覽器的作用是方便用戶瀏覽旅游產品信息，選擇德國西本子公司生產的6AV6362-1AB00網絡瀏覽器，該瀏覽器輸出頻率可以達到50 kHz，具備監控功能，并可記錄用戶的旅游產品瀏覽時間和瀏覽內容[3]。其將用戶瀏覽的旅游信息，按照瀏覽路徑保存到特定的瀏覽目錄，并通過瀏覽器中瀏覽監視標簽頁中時間符記錄用戶在旅游網頁中的瀏覽時間信息[4]。瀏覽器通過對每個旅游網頁的用戶瀏覽時間間隔求和，得到用戶瀏覽旅游網頁的總時間，利用Content-Type程序自動下載網頁中客戶瀏覽信息，保存至瀏覽器的歷史日志。

1.3 SVM分類器選型與設計

旅游產品個性化推薦系統的推薦要素主要分為用戶瀏覽內容、瀏覽時間以及操作時間三部分，其中用戶瀏覽時間和瀏覽內容兩個要素體現出用戶對某一類旅游產品的興趣；操作時間體現用戶對不同類別旅游產品的興趣。該三個信息對系統實現旅游產品個性化推薦功能非常重要。為了減小系統計算壓力，通過SVM分類器分類搜索引擎和瀏覽器搜索和記錄的信息，根據需求選擇美國SFA公司生產的FGE-ASFGT-034分布式SVM分類器，將引擎搜索的信息存儲到建立的HTML文檔，并經過清洗程序清洗網頁中的純文字信息，進而通過html程序將搜索信息和瀏覽信息，按照用戶瀏覽內容、瀏覽時間和操作時間分成三類，并且標準文本的類別，最后經過分布式SVM分類器訓練生成SVM信息文件。

2 基于區塊鏈技術的旅游產品個性化推薦系統軟件設計

2.1 建立用戶模型

用戶模型是系統的核心軟件，用于描述、存儲和管理用戶的旅游產品購買興趣和需求，其建立是一個從用戶旅游興趣和行為信息中歸納出可計算的用戶模型過程，通過主題表示法構建用戶模型，假設用戶的旅游興趣為一個n維的特征向量，特征向量由用戶搜索關鍵詞和關鍵詞的權重組成，權重表示用戶對某一旅游產品概念感興趣的程度。用用戶搜索關鍵詞和關鍵詞權重三元組表示模型中用戶旅游興趣節點，假設用戶有m個旅游興趣節點，則構建的用戶模型如下：

式中，F為用戶旅游興趣模型；f為用戶旅游興趣的特征項；(k1,w1,t1)為用戶旅游興趣的第1個特征節點；k為用戶輸入系統的關鍵詞；w為關鍵詞的權重；t為用戶最近一次搜索關鍵詞的更新時間。利用上述模型描述用戶對旅游產品的喜好和興趣。

2.2 基于區塊鏈技術存儲旅游產品信息

本文通過區塊鏈技術建立系統數據庫，分類存儲旅游產品信息，提高安全性和完整性。按照旅游景區級別和非物質文化遺產等分類信息，利用區塊鏈技術將信息分成六類，建立3A級旅游產品信息、4A級旅游產品信息、5A級旅游產品信息、歷史文化旅游產品信息、政治文化旅游產品信息、非物質文化旅游產品信息六個區塊節點，由六個區塊節點構建系統數據庫[5]。在區塊Block中加密處理每個區塊節點，并為每個旅游信息文檔建立區塊鏈接chain，系統在對數據庫中信息調取時，通過區塊鏈接chain即可完成。將區塊鏈接與用戶模型鏈接，實現用戶模型的訓練和學習，此外用戶可以根據需求增加區塊和刪減區塊，實現管理旅游產品信息。

2.3 個性化推薦旅游產品

匹配用戶模型與數據庫中的每一個文檔信息，計算出數據庫中符合用戶模型的旅游產品信息，將其推薦給用戶，實現系統個性化推薦功能。本文通過興趣加權算法加權求和個性化推薦要素，將其作為關鍵詞匹配度的最終得分[6]。推薦要素的加權得分公式如下：

式中，scorew為系統數據庫中對于用戶搜索關鍵詞計算旅游產品信息的得分；U為當前用戶瀏覽的頁面相對于歷史瀏覽頁面的特征向量；V為旅游產品信息文檔相對于數據庫的特征向量；scoreb為用戶瀏覽時間的得分；P為用戶當前瀏覽的旅游產品信息文檔所在SVM分類的總時間；D為用戶歷史瀏覽旅游產品信息時間總和；scoreq為用戶在系統操作時間的得分；S為計算的旅游產品信息文檔所在SVM分類的用戶使用該分類進程的總時間；Q為用戶在系統中搜索、瀏覽等操作時間總和[7]。將推薦要求得分進行加權處理，計算出旅游產品信息文檔加權得分，公式如下：

式中，scoreT為數據庫針對用戶搜索關鍵詞匹配度的加權得分；ρ為特征向量權重[8]。利用公式計算數據庫中旅游產品信息文檔，得分最高的旅游產品信息文檔，其與用戶關鍵詞匹配度最高，系統通過輸出該文檔信息，實現向用戶推薦旅游產品。

3 實驗論證分析

實驗以某旅游網站數據作為實驗數據，該旅游網站涉及1 698個旅游產品和2 540個用戶，利用本文系統與傳統系統為該旅游網站用戶推薦旅游產品。根據該旅游網站實際情況，安裝4臺旅游產品信息搜索引擎，2臺服務器，2臺分布式SVM分類器和1臺網絡服務器，組建了硬件環境。選擇100名用戶作為兩個旅游產品個性化推薦系統的體驗者，令100名用戶在80 h時間內使用系統進行旅游產品搜索，每個用戶每小時搜索2次。旅游產品信息搜索引擎收集到信息共264.26 GB，網絡瀏覽器記錄的瀏覽信息共162.34 GB，SVM分類器將分類信息建立了HTML1文檔、HTML2文檔和HTML3文檔，并上傳至數據庫。得到系統個性化推薦旅游產品情況如表1所示。

表1 旅游產品個性化推薦情況

以推準率為實驗指標，推準率為系統推薦的旅游產品數與用戶感興趣的旅游產品數的比例，推準率越高表示推薦精度越高。實驗隨機抽選8名用戶搜索與推薦情況，計算出兩個系統的推準率，具體如表2所示。

表2 兩個系統旅游產品推準率對比

從表2可知，本文系統推薦的旅游產品數量與用戶感興趣的旅游產品數量基本穩定，平均推準率為81.4%，表明本文介紹系統為用戶推薦的旅游產品基本符合用戶需求。而傳統系統平均推準率僅為35.4%，最高推準率為48.2%，低于本文介紹系統。因此，本文介紹系統具有良好的推薦效果，可以滿足用戶的個性化需求，同時證明了區塊鏈技術在旅游產品個性化推薦中具有良好的應用效果。

4 結束語

本文在傳統推薦系統基礎上，通過區塊鏈技術優化和創新了其硬件和軟件，并且用實驗證明了該系統具有良好的推薦效果，有效提高了旅游產品個性化推薦精度，能夠為用戶提供良好的個性化推薦服務。