基于游客和景区信息的推荐算法研究_海外文摘·艺术_杂文_网络文摘

吕芳

　　（唐山职业技术学院，河北唐山 063000）

0 引言

目前，人们的经济水平与日俱增，对旅游的要求越来越趋向精准化个性化。本文提出了一种基于游客和景区信息的推荐算法，为智慧旅游系统提供了良好的解决方案，能够通过移动互联网、GPS 定位、LBS等“智慧技术”措施，利用便携计算机、手机、pad等终端设备，将智慧旅游服务展现给游客，游客还可以获取如天气、位置等旅程相关信息，以便制定最佳的旅游方案，从而获得更好的旅游体验。

1 设计兴趣评分矩阵

旅游信息推荐算法首先对旅游导览问题进行了数学建模，进而建立了以游客和景区信息为主要参数的游客兴趣评分矩阵。具体步骤如下，首先游客全集描述为U={u1，u2，u3，…uM}，即有M个游客，景区导览相关信息描述为S={s1，s2，s3…sN}，即有景区导览相关信息N个。游客结束景区的游览后进行评分。将M个游客对N个景区游览后的评分建立相关性矩阵如下。

　　

　　该矩阵中 rs为游客U景区S的评分值，每一行为某游客对所有景区信息的打分，即RS=（rs,rs,…,rs）。每一列为所有游客对某景区S的打分，即RS=（rs,rs,…,rs）。评分标准如表1所示。

　　由兴趣评分矩阵可量化计算出为游客推荐的景区序列，该序列只是对景区做出了初步排序，为了得到更加精准的推荐方案，这里引入了游客的实时地理位置信息参数作为进一步筛选的重要依据。通过计算景区位置与游客历史轨迹的相对距离，一定程度上可筛选出游客的喜好景区并进行推荐。

2 推荐算法具体流程

在以往的众多旅游信息推荐算法中，大多采取游客和景区信息矩阵来推荐信息序列，这样只能推测游客的大致喜好，并不能做到精准推荐，做到有的放矢。对游客来说景区信息几乎是海量数据的，如何才能从中筛选出适合自己的景区呢？

　　本文的推荐算法依据旅游导览实际情况并结合了以往算法，引入了游客地理位置信息和游客历史轨迹等参数，通过分别计算各景区与游客位置的距离，进行二次筛选过滤信息，与此同时通过对游客好友或者与游客具有较高的相似背景信息的用户进行分析，进一步确认游客对景区喜好，从而使为游客推荐的信息更具有参考价值，为游客做到量身定制旅游路线提供重要依据，使游客获得更好的旅游体验。具体的推荐算法流程图如图1。

　　该算法中输入为游客注册相关信息，游客景区评分矩阵；输出为精准推荐的旅游景区信息序列。

　　（1）算法开始后先判断游客是否已经注册，若没有注册信息则跳转至（5），若为注册用户则执行（2）；（2）进一步检索数据库判断该注册游客是否存在相关好友用户信息；存在则执行（3），不存在则跳转至（4）；（3）已经检索到该游客好友用户信息，进一步筛选与该游客相关背景相似度最高的好友用户，并获取其相关喜好景区作为推荐信息序列项，跳转至（5）；（4）根据该游客的职业、性别、年龄、民族、爱好等相关注册信息与数据库中的注册用户信息进行相似性比对，并找出注册信息相似度较高的用户执行（5）；（5）利用游客景区兴趣评分矩阵和相似度算法计算出与游客兴趣评分相似度阈值最接近的用户，同时根据预设阈值预测出该游客的兴趣景区信息，利用游客地理位置信息和游客历史轨迹等参数，分别计算各景区与游客位置的距离，进行二次筛选过滤景区信息；（6）将游客的兴趣数据反馈给游客景区兴趣评分矩阵，并进行修正后执行（7）；（7）利用景区信息推荐优化排序算法得出最终的推荐景区信息序列并推荐给用户。

　　

　　表1 兴趣值评分标准表

　　

　　图1 推荐算法流程图

3 景区信息推荐算法实现

首先建立游客景区兴趣值评分矩阵，通过计算游客相似度获取游客景区兴趣值并反馈给兴趣评分矩阵进行相应修正，再次计算预测游客兴趣景区评分值，通过地理信息参数进一步筛选推荐信息。算法具体实现如下：

3.1 建立兴趣值评分矩阵

基于用户景区评分的兴趣矩阵 RS就是将M个游客对N个景区游览后的评分形成的矩阵。兴趣评分矩阵公式见公式（1）所示，兴趣值评分标准见表1所示。

3.2 计算游客相似度

利用注册用户信息相似度算法来计游客间的相似程度，详见公式（2），rs为u游客为s景区的评分，rs为u游客为全部景的评分均值。

　　

3.3 计算景区预测评分

采用公式（4）计算游客对未评分景区项目的预测评分

　　

　　其中，rs表示游客u所有景区评分均值，su为所有相似度阈值范围内的游客，u为满足相似度的某已游客信息。

3.4 推荐信息再筛选

通过上述步骤只能推测游客的大致喜好，并不能做到精准推荐，对游客来说景区信息几乎是海量数据的，为了做到有的放矢的推送景区信息，还需根据游客地理位置等信息进行计算进一步筛选。通过游客历史评分数据中的地理位置与景区的位置信息可以计算出当时游客至景区的距离集合L1{hdl，hd2，hd3…，hdm}。然后再计算游客当前地理位置与推荐序列中的景区距离集合L2{ dl，d2，d3…，dn }。公式（5）为利用L1、L2建立相对距离差矩阵。

　　