论文部分内容阅读
摘要：针对大数据背景下“智慧旅游”的个性化定制问题，通过结合多维上下文信息构建精准的个性化定制服务，在构建新理论模型的基础上，分别针对多维上下文信息的产生方法、个性化服务的构建方法进行研究，并通过构建具体的系统原型对相关理论研究进行验证。
关键词：大数据;多维上下文;智慧旅游
一、引言
为了解决信息过载问题，对于以推荐系统为代表的个性化技术的研究将越来越受研究者所重视。随着经济的不断发展，旅游逐渐成为人们休闲度假必不可少的生活方式，旅游行业信息库、第三方Web 服务信息库的不断完善，为旅游行业的个性化服务提供了数据基础。传统的旅游推荐技术已不能应对当前旅游领域面临的各种复杂的问题，随着网络的发展及卫星定位技术的普及，上下文信息在旅游推荐中的作用变得越来越明显。由于旅游是一项受多种因素限制的活动，旅游推荐中可用信息种类繁多，关键在于如何充分利用可获取的多维信息。因此，本论文欲提出的智慧旅游的推荐系统模型，将对大数据时代旅游产业的发展起到积极的推动作用，将有利于更好地提高推荐系统的推荐性能，使旅游推荐取得较好的效果。
二、研究内容
（一）结合多维上下文的用户个性化定制服务模型构建
提出移动环境下的用户个性化定制服务模型。例如，该模型把空间上下文的位置情景作为一个全新的维度引入到传统的“用户—项目”（User-Item）二元组中，进而能够通过所得的三元组构建更高維度的矩阵数据，以完成用户模型的构建，用以实现对用户行为偏好的更精确的描述。该模型是实现相关具体应用的基础。
（二）大数据环境下位置、时间、社会属性等用户偏好的获取方法研究
为提高大数据环境中对旅游路线、旅游景点或旅游套餐等个性化推荐服务的精确度，基于多维上下文的用户个性化定制服务模型，构建基于多维上下文的用户偏好的获取方法。通过云计算平台、LBS位置服务、旅游信息库等多种手段，获取用户时间、位置等信息，并结合用户的社会属性（网络社区中，相互联系的群体，受社会因素的相互影响，往往表现出相似的兴趣爱好）等上下文数据，分别针对用户自身当前时空场景与过去时空场景的相似度（历史相关性）问题、在同一时空场景内与系统的交互行为的相似度（交互相关性）问题，进行用户偏好度聚类研究，以便于构建更精确的用户行为偏好模型。
（三）基于多源信息融合的个性化服务构建方法研究
大数据网络环境中，用户与各类旅游信息平台的交流量体现出急剧增长且个性化的特征，针对如何充分发掘信息潜藏价值为用户购买旅游产品的决策提供服务支撑的问题，将结合多维上下文信息，构建多源信息融合方法;此外，应用向量模型，在对多用户的交流信息进行特征维度提取的基础上，对用户自身消费偏好相似度、用户自身时空信息相似度以及消费偏好相似的用户时空信息相似度进行匹配计算，进而推荐给用户匹配度较高的旅游线路、旅游景点或者旅游套餐信息。在此基础上，将推送技术和拉取技术的优点相结合来提升用户体验。
三、关键技术和研究方法
（一）关键技术
（1）在理论模型层面，由于本论文将传统的User-Item二元组处理框架进行拓展，在复杂应用环境中会引起计算复杂度的骤增，因此应借鉴国内外已有的相关研究成果，构建合理的理论模型，在保证精确度的前提下降低计算复杂度。
（2）在实现方法层面，需解决相关技术方法的可用性问题，包括动态目标定位技术在适用范围的局限性问题，需要探索其他技术方法拓展其适用性;多源信息融合方法在用户偏好信息提取方面的准确性问题，如何结合认知心理学等领域的研究成果构建恰当的用户偏好描述模型。
（3）旅行出游是一个受多种因素影响的场景。不管是筹划旅行还是旅行过程中，用户都会受到许多因素的影响，如何协调各类因素的影响权重以及合理地选取哪些信息融入到推荐系统将是研究的难点。
（二）研究方法
（1）信息集成理论与方法，在针对旅游业务的数据环境分析中，将采用信息集成相关理论方法对相关数据进行数据概念模型设计，并实现多源异构数据的转换、清洗与集成。
（2）循环神经网络，采用机器学习算法中的循环神经网络（LSTM）建立配送个性化需求预测模型，对旅游线路推荐、景点推荐和套餐推荐业务中的历史数据进行学习训练，实现对游客个性化需求的多步预测和滚动预测。
（3）基于时间和空间感知的推荐算法，结合用户的社会关系，利用位置信息、时间信息、社交信息、活动信息的数据，构建用户、地点、时间、活动、朋友关系异构信息网络，通过随机游走方法产生推荐。该方法综合利用时空信息和用户社交信息为用户提供个性化活动推荐，能获得较好的推荐效果。此外，利用构建的异构信息网络，该方法还可以实现朋友推荐等增值服务。
（4）并行计算与实时计算技术，使用并行计算与实时计算等大数据思想与技术对相关算法进行改进，提高算法性能，使其能够适应大规模数据环境下的高频实时决策需求。
四、系统原型构建
首先，结合空间上下文的用户个性化定制服务模型构建出理论模型。然后，应用历史相关性方法研究和交互相关性方法研究来获取位置、时间、用户偏好、社会属性、金钱等空间上下文。进而在大数据背景下，结合应用用户建模方法研究、个性化推荐算法研究。最后，在大数据环境下，构建出基于结合空间上下文的智慧旅游推荐系统原型。
推荐系统的推荐过程，包括了数据收集、兴趣分析、推荐层三个主要的层次。
五、小结
将传统的User-Item二元组处理框架进行拓展，帮助用户从大量数据中发现其可能感兴趣的项目，能有效缓解“信息过载”等问题。提出结合多维上下文的多源信息融合方法，有效利用大数据环境下的多源用户信息以提取用户偏好。突破了传统的基于时间、空间、社会网络这几种单一的旅游推荐方式，而将这些元素作为多维上下文进行复杂模型的构建，更为全面地考虑了影响用户决策的人文、社会、历史等多种元素，提高旅游服务的精准度。
参考文献：
[1] Abdul Majid.基于地理标签的社会媒体数据挖掘的智能旅游推荐研究[D]，浙江大学，2012.
[2] 沈钧戈. 基于社会媒体的旅游数据挖掘与个性化推荐[D]，西安电子科技大学，2016.
[3] 亢孟军，王贝，杜清运.上下文敏感的空间信息服务智能推送研究[J]， 中国测绘，2009，11，258-260.
[4] 张伟伟，赵飞，王敦. 上下文感知下的个性化旅游推荐系统初探[J]，地理空间信息，2014，5，96-97.
[5] 郭博林. 基于大数据分析的音乐个性化推荐系统应用研究[D]，电子科技大学，2018.
[6] 邓玉林. 基于hadoop大数据框架的个性化推荐系统研究与实现[D]，电子科技大学，2016.
[7] 胡蓉.大数据环境下服务推荐系统及其关键方法研究[D]，南京大学，2014.
[8] 皇苏斌，王忠群.景区智能空间下的实时景点推荐技术[J]，安徽工程大学学报，2011，4，195-198.
项目：2020 年大连科技学院大学生创新创业训练计划项目校级立项“大数据环境下基于多维上下文的智慧旅游推荐系统研究”，项目编号：X202013207073
关键词：大数据;多维上下文;智慧旅游
一、引言
为了解决信息过载问题，对于以推荐系统为代表的个性化技术的研究将越来越受研究者所重视。随着经济的不断发展，旅游逐渐成为人们休闲度假必不可少的生活方式，旅游行业信息库、第三方Web 服务信息库的不断完善，为旅游行业的个性化服务提供了数据基础。传统的旅游推荐技术已不能应对当前旅游领域面临的各种复杂的问题，随着网络的发展及卫星定位技术的普及，上下文信息在旅游推荐中的作用变得越来越明显。由于旅游是一项受多种因素限制的活动，旅游推荐中可用信息种类繁多，关键在于如何充分利用可获取的多维信息。因此，本论文欲提出的智慧旅游的推荐系统模型，将对大数据时代旅游产业的发展起到积极的推动作用，将有利于更好地提高推荐系统的推荐性能，使旅游推荐取得较好的效果。
二、研究内容
（一）结合多维上下文的用户个性化定制服务模型构建
提出移动环境下的用户个性化定制服务模型。例如，该模型把空间上下文的位置情景作为一个全新的维度引入到传统的“用户—项目”（User-Item）二元组中，进而能够通过所得的三元组构建更高維度的矩阵数据，以完成用户模型的构建，用以实现对用户行为偏好的更精确的描述。该模型是实现相关具体应用的基础。
（二）大数据环境下位置、时间、社会属性等用户偏好的获取方法研究
为提高大数据环境中对旅游路线、旅游景点或旅游套餐等个性化推荐服务的精确度，基于多维上下文的用户个性化定制服务模型，构建基于多维上下文的用户偏好的获取方法。通过云计算平台、LBS位置服务、旅游信息库等多种手段，获取用户时间、位置等信息，并结合用户的社会属性（网络社区中，相互联系的群体，受社会因素的相互影响，往往表现出相似的兴趣爱好）等上下文数据，分别针对用户自身当前时空场景与过去时空场景的相似度（历史相关性）问题、在同一时空场景内与系统的交互行为的相似度（交互相关性）问题，进行用户偏好度聚类研究，以便于构建更精确的用户行为偏好模型。
（三）基于多源信息融合的个性化服务构建方法研究
大数据网络环境中，用户与各类旅游信息平台的交流量体现出急剧增长且个性化的特征，针对如何充分发掘信息潜藏价值为用户购买旅游产品的决策提供服务支撑的问题，将结合多维上下文信息，构建多源信息融合方法;此外，应用向量模型，在对多用户的交流信息进行特征维度提取的基础上，对用户自身消费偏好相似度、用户自身时空信息相似度以及消费偏好相似的用户时空信息相似度进行匹配计算，进而推荐给用户匹配度较高的旅游线路、旅游景点或者旅游套餐信息。在此基础上，将推送技术和拉取技术的优点相结合来提升用户体验。
三、关键技术和研究方法
（一）关键技术
（1）在理论模型层面，由于本论文将传统的User-Item二元组处理框架进行拓展，在复杂应用环境中会引起计算复杂度的骤增，因此应借鉴国内外已有的相关研究成果，构建合理的理论模型，在保证精确度的前提下降低计算复杂度。
（2）在实现方法层面，需解决相关技术方法的可用性问题，包括动态目标定位技术在适用范围的局限性问题，需要探索其他技术方法拓展其适用性;多源信息融合方法在用户偏好信息提取方面的准确性问题，如何结合认知心理学等领域的研究成果构建恰当的用户偏好描述模型。
（3）旅行出游是一个受多种因素影响的场景。不管是筹划旅行还是旅行过程中，用户都会受到许多因素的影响，如何协调各类因素的影响权重以及合理地选取哪些信息融入到推荐系统将是研究的难点。
（二）研究方法
（1）信息集成理论与方法，在针对旅游业务的数据环境分析中，将采用信息集成相关理论方法对相关数据进行数据概念模型设计，并实现多源异构数据的转换、清洗与集成。
（2）循环神经网络，采用机器学习算法中的循环神经网络（LSTM）建立配送个性化需求预测模型，对旅游线路推荐、景点推荐和套餐推荐业务中的历史数据进行学习训练，实现对游客个性化需求的多步预测和滚动预测。
（3）基于时间和空间感知的推荐算法，结合用户的社会关系，利用位置信息、时间信息、社交信息、活动信息的数据，构建用户、地点、时间、活动、朋友关系异构信息网络，通过随机游走方法产生推荐。该方法综合利用时空信息和用户社交信息为用户提供个性化活动推荐，能获得较好的推荐效果。此外，利用构建的异构信息网络，该方法还可以实现朋友推荐等增值服务。
（4）并行计算与实时计算技术，使用并行计算与实时计算等大数据思想与技术对相关算法进行改进，提高算法性能，使其能够适应大规模数据环境下的高频实时决策需求。
四、系统原型构建
首先，结合空间上下文的用户个性化定制服务模型构建出理论模型。然后，应用历史相关性方法研究和交互相关性方法研究来获取位置、时间、用户偏好、社会属性、金钱等空间上下文。进而在大数据背景下，结合应用用户建模方法研究、个性化推荐算法研究。最后，在大数据环境下，构建出基于结合空间上下文的智慧旅游推荐系统原型。
推荐系统的推荐过程，包括了数据收集、兴趣分析、推荐层三个主要的层次。
五、小结
将传统的User-Item二元组处理框架进行拓展，帮助用户从大量数据中发现其可能感兴趣的项目，能有效缓解“信息过载”等问题。提出结合多维上下文的多源信息融合方法，有效利用大数据环境下的多源用户信息以提取用户偏好。突破了传统的基于时间、空间、社会网络这几种单一的旅游推荐方式，而将这些元素作为多维上下文进行复杂模型的构建，更为全面地考虑了影响用户决策的人文、社会、历史等多种元素，提高旅游服务的精准度。
参考文献：
[1] Abdul Majid.基于地理标签的社会媒体数据挖掘的智能旅游推荐研究[D]，浙江大学，2012.
[2] 沈钧戈. 基于社会媒体的旅游数据挖掘与个性化推荐[D]，西安电子科技大学，2016.
[3] 亢孟军，王贝，杜清运.上下文敏感的空间信息服务智能推送研究[J]， 中国测绘，2009，11，258-260.
[4] 张伟伟，赵飞，王敦. 上下文感知下的个性化旅游推荐系统初探[J]，地理空间信息，2014，5，96-97.
[5] 郭博林. 基于大数据分析的音乐个性化推荐系统应用研究[D]，电子科技大学，2018.
[6] 邓玉林. 基于hadoop大数据框架的个性化推荐系统研究与实现[D]，电子科技大学，2016.
[7] 胡蓉.大数据环境下服务推荐系统及其关键方法研究[D]，南京大学，2014.
[8] 皇苏斌，王忠群.景区智能空间下的实时景点推荐技术[J]，安徽工程大学学报，2011，4，195-198.
项目：2020 年大连科技学院大学生创新创业训练计划项目校级立项“大数据环境下基于多维上下文的智慧旅游推荐系统研究”，项目编号：X202013207073