基于百科大數(shù)據(jù)的旅游景點推薦系統(tǒng)應(yīng)用研究*

尹書華，傅城州

(華南師范大學(xué) a.旅游管理學(xué)院；b.計算機學(xué)院，廣東 廣州 510631)

【旅游業(yè)研究】

基于百科大數(shù)據(jù)的旅游景點推薦系統(tǒng)應(yīng)用研究*

尹書華a，傅城州b

(華南師范大學(xué) a.旅游管理學(xué)院；b.計算機學(xué)院，廣東 廣州 510631)

隨著互聯(lián)網(wǎng)和大數(shù)據(jù)技術(shù)的發(fā)展，旅游信息化已經(jīng)成為一個熱點研究問題。在旅游信息系統(tǒng)中，如何挖掘用戶的旅游興趣，為用戶提供精準的景點推薦成為旅游信息系統(tǒng)重要的功能?；诼糜尉包c百科大數(shù)據(jù)，通過利用計算機技術(shù)分析和挖掘景點之間的相似關(guān)系，對用戶進行個性化旅游景點推薦。介紹了目前推薦系統(tǒng)在旅游業(yè)的具體應(yīng)用，并結(jié)合旅游行業(yè)的特點，提出利用文本余弦相似度計算方法，定量分析景點之間的相似程度，實現(xiàn)旅游信息化系統(tǒng)的推薦技術(shù)，為大數(shù)據(jù)時代下的旅游行業(yè)發(fā)展提供借鑒，推動旅游產(chǎn)業(yè)信息化發(fā)展。

百科大數(shù)據(jù)；旅游景點；推薦系統(tǒng)；旅游信息化

0 引言

互聯(lián)網(wǎng)技術(shù)的快速發(fā)展，雖然給人們帶來豐富的信息資源和便利，同時也產(chǎn)生“信息過載”的問題，旅游者在缺乏相關(guān)知識和充裕的時間下，很難對海量信息做出恰當評估和準確選擇[1]。例如，當旅游者選定某個城市作為旅游目的地時，通過網(wǎng)絡(luò)搜索會顯示出大量關(guān)于該地的旅游信息，在這些海量的信息中，他們很難選擇和制定適合自己的旅游景點和路線，網(wǎng)絡(luò)應(yīng)用不能夠根據(jù)旅游者的需求和景點喜好自動提供旅游計劃。因此，從用戶角度來說，如何通過技術(shù)方案解決“信息過載”和“信息迷失”的問題是一個非常重要的研究課題。

推薦系統(tǒng)(RS)被認為是解決信息過載的有效工具[2-4]，并且能夠為用戶提供所需產(chǎn)品信息建議的軟件工具和技術(shù)手段[4]58，最初應(yīng)用于電子商務(wù)網(wǎng)站并根據(jù)用戶的喜好提供相應(yīng)的項目和產(chǎn)品信息(如電影、書籍、新聞、網(wǎng)頁等)[2]320。近幾年，推薦系統(tǒng)已經(jīng)成為一個熱門的研究領(lǐng)域，并越來越多地應(yīng)用于電子旅游業(yè)，不僅可以為用戶提供個性化的旅游路線，而且可以根據(jù)旅游者所處的位置進行實時更新，提供酒店、景點、商場、交通、路線等多種形式的推薦，并通過互聯(lián)網(wǎng)和智能手機客戶端為旅游者提供服務(wù)[5]。

本文的研究目的是根據(jù)用戶的興趣和愛好為用戶提供其可能感興趣的旅游景點，利用1 482 388個專業(yè)詞匯對32 075個旅游百科大數(shù)據(jù)信息進行分詞，運用計算機方法度量景點之間的相似度，從而為用戶推薦旅游景點。

1 推薦系統(tǒng)在旅游業(yè)的應(yīng)用

推薦系統(tǒng)從本質(zhì)上來講是對信息進行過濾，通過間接測算用戶的需求和限制條件，過濾大量無用的冗余的數(shù)據(jù)，并幫用戶準確地篩選出有用的信息[6]。根據(jù)推薦算法的不同，主要分為協(xié)同過濾推薦、基于內(nèi)容的推薦、基于知識的推薦、基于用戶特征的推薦、基于關(guān)聯(lián)規(guī)則的推薦和混合推薦算法。如在旅行和旅游業(yè)中兩個最成功的案例是Triplehop的Trip Matcher(應(yīng)用于www.ski-europe.com)和Vacation Coach的專家咨詢平臺MePrint (應(yīng)用于www.travelocity.com)。這兩個推薦系統(tǒng)都采用了基于內(nèi)容的推薦算法，并試圖模仿傳統(tǒng)旅游代理商與用戶互動和提出相關(guān)的旅游建議[7]。目前，旅游推薦系統(tǒng)按推薦功能主要包括旅游景點推薦、旅游路線推薦、旅游服務(wù)推薦和基于社會網(wǎng)絡(luò)的推薦等。

1.1 旅游景點

目前為用戶提供旅游景點推薦主要有兩種類型，一種是熱門旅游景點推薦，通常是一些著名的和具有代表性的旅游景點，如去北京可能計劃去故宮和長城，去悉尼計劃去海上歌劇院，去巴黎計劃去埃菲爾鐵塔。另一種是個性化旅游景點推薦，主要根據(jù)用戶的歷史信息和偏好進行推薦[8]。個性化旅游景點推薦的主要目的有：一是從眾多景點中發(fā)現(xiàn)熱門且用戶偏好的景點，二是對用戶可能感興趣的陌生景點做出評價，三是根據(jù)游客出行的時間推薦適宜游覽的旅游景點[9]。景點推薦內(nèi)容主要包括景區(qū)的地理位置、類型等級、門票價格、開放時間及社會文化等因素[10]。

1.2 旅游路線

旅游路線推薦是為用戶提供一條或者多條符合用戶興趣并適宜游覽的旅游路線。旅游路線的推薦包括整個出行計劃和在某一個旅游景點的最佳游覽方式。比如旅游者在選定旅游目的地之后，想知道自己如何安排旅游路線才能夠在最短時間內(nèi)游覽更多的或者自己感興趣的旅游景點，或在某一景區(qū)的最適宜的游覽路線。旅游路線推薦的基本屬性主要包括用戶特征(如性別、年齡)、單體還是團隊、群體出行方式(家庭、朋友、情侶)、計劃天數(shù)、交通方式、出行的起始地點和終止地點、預(yù)期花費、游客興趣點等[11-13]。

1.3 旅游服務(wù)

旅游服務(wù)的推薦旨在為用戶提供一個最優(yōu)的解決方案，通過將餐飲、酒店、交通、購物、游覽和娛樂等各種旅游服務(wù)信息進行組合，為用戶提供個性化的推薦服務(wù)。如酒店住宿的推薦內(nèi)容包括酒店設(shè)施、顧客評價、房間類型、可預(yù)訂房間、入住/退房時間、價格和酒店等級等；餐廳的推薦內(nèi)容包括餐廳的地理位置、營業(yè)時間、消費評價、菜式和價格等[14]。

1.4 社會網(wǎng)絡(luò)

社會網(wǎng)絡(luò)已經(jīng)成為用戶獲取信息和交流的重要平臺，在一些推薦系統(tǒng)中引入社會網(wǎng)絡(luò)服務(wù)，允許用戶分享他們的旅游照片和評論感受，并與其他用戶進行互動，以幫助游客做出決策。有些推薦系統(tǒng)會直接應(yīng)用社交網(wǎng)絡(luò)服務(wù)，有些推薦系統(tǒng)會用第三方的信息平臺而做出推薦[10]118，例如VISTI系統(tǒng)采用情感分析技術(shù)對Twitter和Facebook中用戶某一個給定的景點做出正面的還是負面的評論，評價完成后的系統(tǒng)頁面會顯示綠色或紅色，便于其他用戶判斷景點的受歡迎程度[3]7370。

2 旅游景點推薦系統(tǒng)的研究現(xiàn)狀

20世紀90年代中期第一篇協(xié)同過濾論文的發(fā)表，標志著推薦系統(tǒng)成為一個新的研究領(lǐng)域[15]。企業(yè)界和學(xué)術(shù)界做了大量的工作，致力于研究和開發(fā)新的推薦系統(tǒng)，為人們提供方便。推薦系統(tǒng)在電子旅游領(lǐng)域的廣泛應(yīng)用和大量的學(xué)術(shù)研究表明，旅游推薦系統(tǒng)已經(jīng)成為一個熱門的研究領(lǐng)域。目前對旅游景點推薦系統(tǒng)的研究主要分為3類：一是基于用戶地理位置的數(shù)據(jù)進行分析(包括GPS軌跡、帶有地理標記的照片分析、將“地點”作為一種上下文感知)，二是基于用戶的社交網(wǎng)絡(luò)進行推薦，三是對用戶的特點和評價進行推薦。

Yuxia Huang和Ling Bian提出一個在陌生城市利用貝葉斯和層次分析法的智能推薦系統(tǒng)，通過旅游網(wǎng)站搜集相關(guān)景點信息，分析顧客對這些景點屬性的偏好，達到旅游景點推薦的目的[16]；Horozov等在傳統(tǒng)的協(xié)同過濾推薦技術(shù)的基礎(chǔ)上，提出增強的基于用戶地理位置為關(guān)鍵技術(shù)的協(xié)同過濾方案，為旅游者推薦旅游景點[17]；Yu Zheng和Xing Xie從人類的行為與旅游相關(guān)的喜好角度，根據(jù)用戶所產(chǎn)生的GPS軌跡向旅游者推薦熱門旅游景點與個性化旅游景點[18]；Baltrunas等提出一個基于用戶興趣點(points of interest，POI)的上下文感知的移動推薦系統(tǒng)，包括天氣、時間、地理位置及周邊景點在內(nèi)，作為一種情境進行推薦，指出基于上下文感知的推薦系統(tǒng)比非基于上下文感知的移動推薦系統(tǒng)更有效[19-21]。其次，根據(jù)用戶的社交網(wǎng)絡(luò)進行景點推薦，如劉艷和潘善亮指出人們在現(xiàn)實生活中選擇旅游景點有時會詢問朋友、親人，因此根據(jù)社交網(wǎng)絡(luò)中用戶偏好、好友信任及流行景點及景點的適宜游玩時間等信息，提出基于LBSN好友關(guān)系的旅游景點推薦[9]118。最后，根據(jù)用戶的特點和評價進行景點推薦，如令狐紅英和姜季春指出傳統(tǒng)的旅游網(wǎng)站多是以文字和圖片的方式向游客展示景點信息，不能夠滿足現(xiàn)代消費者的多種需要，因此根據(jù)旅游者的消費特征和偏好，利用改進版的貝葉斯分類算法進行旅游信息的智能化旅游景點推薦[22]；另有學(xué)者通過游客在旅游網(wǎng)站對景點的評價，對用戶進行景點推薦[23]。雖然上述研究都取得一定的成果，但仍存在一定的缺陷，缺乏對旅游景點之間的信息分析和比較，鮮有學(xué)者從旅游百科數(shù)據(jù)的角度進行旅游景點推薦，因此本文在前人研究的基礎(chǔ)上提出基于旅游百科大數(shù)據(jù)的景點推薦系統(tǒng)，并借鑒應(yīng)用于旅游業(yè)中比較成熟的推薦算法——基于內(nèi)容的推薦，通過景點相似度的計算為用戶推薦其可能感興趣的旅游景點。

3 推薦系統(tǒng)實驗與分析

3.1 景點信息標簽提取

在景點百科信息數(shù)據(jù)中，其蘊含的詞匯信息，對該景點的特點具有很強的代表作用。為了能夠提取景點的重要信息，我們需要對景點的百科數(shù)據(jù)進行歸納標注。本文通過抓取2007-2016年約30萬篇學(xué)術(shù)論文，并提取學(xué)術(shù)文獻中關(guān)鍵詞作為標簽集。如圖1所示，在實驗過程中，我們抓取了公開發(fā)表的中文學(xué)術(shù)文獻，通過整理和去重處理，提取了1 482 388個專業(yè)詞匯。這些詞匯來源于學(xué)術(shù)文獻的關(guān)鍵詞，因此具有很強的專業(yè)性。

資料來源：作者繪制。圖1 文獻關(guān)鍵詞標簽集

3.2 景點信息相似度計算

本文定義，對景點進行標簽提取后，若兩個景點之間的共同標簽越多，它們的相似度就越大。假設(shè)對景點A提取的標簽集記為LA={la1，la2，…，lam}，對景點B提取的標簽集記為LB={lb1， lb2，…， lbn}，LC表示他們的共同標簽集，則LC={lc1， lc2，…， lcp}。

利用文本相似度計算方法，對景點之間的相似度進行計算，本文采用常用的余弦相似度方法進行計算[24]。假設(shè)景點A和景點B之間的相似度為Sim(A，B)∈[0，1]，其中l(wèi)ak和lbk表示景點A和景點B之間共同標簽的個數(shù)，則它們的相似度為：

下面，舉例說明余弦相似度計算方法，并說明公式中數(shù)據(jù)的來源：

假設(shè)，景點A的百科描述為：在山西太原市南，原名白云寺，建于明初，萬歷年間增修。又因山西太原城北門外有禪院曰十方院，故通稱此寺為南十方院。

景點B的百科描述為：山西晉城佛山景區(qū)位于古郊鄉(xiāng)，六泉鄉(xiāng)一帶，北至壺關(guān)縣鵝屋鄉(xiāng)，明初重修。主峰離晉城陵川縣城35千米。

如表1和表2所示，觀察A和B的標簽提取結(jié)果，有“山西”為共同標簽，數(shù)量分別為2和1，又有“明初”為共同標簽，數(shù)量均為1。

表1 對A進行標簽提取

數(shù)據(jù)來源：作者計算。

表2 對B進行標簽提取

數(shù)來源：作者計算。

結(jié)合相似度計算公式，則計算此兩景點的相似度為：

注：分子為景點A與景點B相同標簽的數(shù)量乘積之和，分母為景點A和景點B分別求平方和，然后求兩者平方根的乘積。

3.3 實驗結(jié)果

本文實驗采用來自真實旅游網(wǎng)站的百科數(shù)據(jù)，包含全國32 075個景點信息(數(shù)據(jù)來源：http：//scholat.com/portaldownloadFile.html?fileId=5364)，該數(shù)據(jù)集的信息已經(jīng)為精細分詞的旅游百科文本，分詞結(jié)果包括詞性標注結(jié)果。為適應(yīng)本文實驗，我們將百科數(shù)據(jù)重新整理，利用前文描述實現(xiàn)的更為專業(yè)的論文關(guān)鍵詞標簽提取方法，重新對該數(shù)據(jù)集進行分詞。具體的處理流程如圖2所示。

資料來源：作者繪制。圖2 景點推薦系統(tǒng)流程

在實驗過程中，我們對景點百科資料進行標簽提取，并統(tǒng)計各個標簽詞匯的個數(shù)，利用余弦相似度公式進行兩兩計算景點之間的相似度。圖3為編號53的景點“廣武屯兵”的標簽提取結(jié)果，圖4為編號79的景點“大同龍山”的標簽提取結(jié)果，圖中“#”后面的字母表示詞性，本文的實驗結(jié)果與詞性無關(guān)，在這里不做討論(見圖3和圖4)。

根據(jù)公式：

資料來源：作者繪制。 資料來源：作者繪制。圖3 編號53景點標簽 圖4 編號79景點標簽

景點A編號景點B編號相似度景點A編號景點B編號相似度景點A編號景點B編號相似度2514500.9961994460.4243424290.360341880.9672432670.42372430.360141540.8161742980.42324410.3591303240.8164104140.4231742190.359221770.80049510.4224144490.3592654400.7192192980.4211993450.3582413160.6472192370.4171993690.35891640.6091994180.416941560.3583554510.5722914200.4162183690.3584144230.5721742370.4142163200.3581181660.5151654050.4131411990.358701660.5142674360.4132112150.358

數(shù)據(jù)來源：作者計算。

注：連線的粗細表示景點之間相似度的程度 資料來源：作者繪制。圖5 部分景點相似關(guān)系圖譜

3.4 實驗分析

通過實驗，我們得到大量的景點相似數(shù)據(jù)，從大數(shù)據(jù)的結(jié)果查出，相似度的數(shù)值結(jié)果蘊含著景點之間的相似程度定量的信息。通過比較相似度的數(shù)值，能夠為旅游信息系統(tǒng)提供精準的景點推薦技術(shù)支持。

我們以編號414的“晉城陵川南吉祥寺”和編號423的“晉城陵川北吉祥寺”為例，觀察實驗結(jié)果，發(fā)現(xiàn)它們的相似度達到0.572，說明該兩個景點之間的百科信息較為相似。

如圖6和圖7所示，通過查閱編號414的“晉城陵川南吉祥寺”和編號423的“晉城陵川北吉祥寺”的百科信息，發(fā)現(xiàn)該兩個景點都是位于山西晉城的古寺，并且景點的歷史信息和景點特征大致相似，因此當旅游信息系統(tǒng)檢測到游客在搜索或者了解“晉城陵川南吉祥寺”景點的相關(guān)信息時，推薦系統(tǒng)可以智能感知，該游客對“晉城陵川北吉祥寺”有潛在的興趣，實驗結(jié)果表明本文提出的推薦系統(tǒng)具有比較高的精確度。

資料來源：作者繪制。 資料來源：作者繪制。圖6 景點A百科數(shù)據(jù) 圖7 景點B百科數(shù)據(jù)

4 總結(jié)與展望

隨著旅游業(yè)的蓬勃發(fā)展與計算機技術(shù)的不斷進步，推薦系統(tǒng)已越來越多地應(yīng)用于電子旅游業(yè)，并日益受到人們的青睞。國外著名的在線旅游網(wǎng)站，如Expedia，Priceline，Travel Zoo等，和國內(nèi)大型的旅游網(wǎng)站，如攜程網(wǎng)、去哪兒網(wǎng)、酷訊網(wǎng)等，都采用了推薦系統(tǒng)技術(shù)。但與國外相比，我國旅游網(wǎng)站的推薦技術(shù)略顯不足，以中美兩國在旅游電子商務(wù)網(wǎng)站中具有行業(yè)代表性的攜程網(wǎng)與Expedia內(nèi)容進行比較發(fā)現(xiàn)，Expedia已采用較為成熟的推薦系統(tǒng)，推出的服務(wù)內(nèi)容更加全面化和人性化，甚至?xí)鶕?jù)用戶的需求推薦相關(guān)的旅游服務(wù)，如旅游景點、住宿餐飲、娛樂購物和最佳的旅游路線等個性化服務(wù)[25]，相比之下，這些個性化的服務(wù)推薦正是我國在線旅游網(wǎng)站所欠缺的內(nèi)容。雖然攜程網(wǎng)在景點介紹、旅游路線、酒店住宿、旅游產(chǎn)品、美食特色等方面做了一些推薦服務(wù)，但是這些服務(wù)往往是把自身作為一個旅游信息交流平臺，讓用戶自行選擇，對用戶的偏好而做出的景點推薦不夠完善[21]，而旅游景點的信息和類型往往影響著旅游者對該景點的吸引程度。因此，旅游景點的推薦在旅游網(wǎng)站的應(yīng)用尤為重要。

基于此，本文將旅游百科大數(shù)據(jù)引入智能旅游推薦系統(tǒng)，通過文本相似度的算法，比較兩個景點的相似度，從而為用戶提供旅游景點的推薦服務(wù)。研究實驗結(jié)果表明，提出的推薦系統(tǒng)具有比較好的推薦結(jié)果，能夠精準地為用戶挖掘旅游景點的潛在興趣，在理論和實踐方面都具有一定的研究意義。在理論方面，充分考慮了景點百科信息決定著用戶對該景點的興趣程度，通過對理論深入研究而實現(xiàn)的推薦系統(tǒng)，為旅游產(chǎn)業(yè)信息化的決策做出了現(xiàn)實應(yīng)用的指導(dǎo)。在實踐上，隨著互聯(lián)網(wǎng)和智能手機服務(wù)終端的發(fā)展，可以為在線旅游網(wǎng)站或其他旅游信息系統(tǒng)提供技術(shù)支持。但與其他推薦系統(tǒng)相比，旅游推薦系統(tǒng)有自身的復(fù)雜性和特殊性，在旅游決策方面受到多種因素的影響。因此，在今后的研究當中，我們應(yīng)引入更加豐富的參數(shù)，考慮更加復(fù)雜的因素，設(shè)計更加精準的推薦方法，以適應(yīng)大數(shù)據(jù)時代旅游信息化的發(fā)展。

[1] CASTILLO L， ARMENGOL E， ONAINDA E， et al. Samap ： an user-oriented adaptive system for planning tourist visits[J]. Expert systems with applications， 2008， 34(2)：1318-1332.

[2] GAVALAS D， KONSTANTOPOULOS C， MASTAKAS K， et al. Mobile recommender systems in tourism[J]. Journal of net-work and computer applications， 2014， 39(1)： 319-333.

[3] BORRAS J， MORENO A， VALLS A. Intelligent tourism recommender systems： a survey[J]. Expert systems with applications， 2014， 41(16)： 7370-7389.

[4] RICCI F， ROKACH L， SHAPIRA B. Introduction to recommender systems handbook[M]. Springer US， 2011.

[5] LI D， JIA Z Y， WANG J H，et al. Smart tourism management and intelligent recommendation technology [J].China management informationization，2013， 16(7)： 80- 81. [李丁， 賈志洋， 汪際和，等. 智慧旅游管理與智能推薦技術(shù)[J].中國管理信息化， 2013， 16(7)： 80-81.]

[6] NOGUERA J M， BARRANCO M J， SEGURA R J， et al. A mobile 3D-GIS hybrid recommender system for tourism[J]. Infor-mation Sciences， 2012， 215(18)： 37-52.

[7] RICCI F. Travel recommender systems [J]. IEEE intelligent systems， 2002， 17(6)： 55-57.

[8] HU Q N. Travelogue based tourist attractions recommending， trip and route planning system[D].Hangzhou：Zhejiang University，2015.[胡喬楠. 基于旅游文記的旅游景點推薦及行程路線規(guī)劃系統(tǒng)[D]. 杭州：浙江大學(xué)， 2015.]

[9] LIU Y， PAN S L. Personalized travel recommendation technology based on friendship of LBSN [J].Computer engineering and applications， 2015， 51(8)：117-122.[劉艷， 潘善亮. 基于LBSN好友關(guān)系的個性化景點推薦方法[J]. 計算機工程與應(yīng)用， 2015， 51(8)：117-122.]

[10] QIAO X J， ZHANG L Y. Research on the application of foreign tourism recommendation system in recent ten years [J].Tourism tribune， 2014， 29(8)：117-127.[喬向杰， 張凌云. 近十年國外旅游推薦系統(tǒng)的應(yīng)用研究[J].旅游學(xué)刊， 2014， 29(8)：117-127.]

[11] CHENG A J， CHEN Y Y， HUANG Y T， et al. Personalized travel recommendation by mining people attributes from commu-nity-contributed photos[C]//Proceedings of the 19th ACM international conference on Multimedia. ACM， 2011： 83-92.

[12] WU P， ZHU J M， ZHU L B， et al. Research on the design of travel route based on the multi-objective programming and intel-ligent optimization algorithm[J].Journal of mathematics in practice and theory， 2016(15)：105-114.[吳澎， 朱家明， 朱林波，等. 基于多目標規(guī)劃和智能優(yōu)化算法的旅游線路設(shè)計研究[J]. 數(shù)學(xué)的實踐與認識， 2016(15)：105-114.] [13] WU Q X， ZHOU Y， WEN D Y，et al. Personalized trip itinerary recommendation based on user interest and points of interst popu-larity[J].Journal of computer applications， 2016， 36(6)： 1762-1766.[吳清霞， 周婭， 文締堯， 等. 基于用戶興趣和興趣點流行度的個性化旅游路線推薦[J]. 計算機應(yīng)用， 2016， 36(6)： 1762-1766.]

[14] GAVALAS D， KASAPAKIS V， KONSTANTOPOULOS C， et al. A survey on mobile tourism recommender sys-tems[C]//Communications and Information Technology (ICCIT)， 2013 Third International Conference on. IEEE， 2013： 131-135.

[15] ADOMAVICIUS G， TUZHILIN A. Toward the next generation of recommender systems： a survey of the state-of-the-art and possible extensions[J]. IEEE transactions on knowledge and data engineering， 2005， 17(6)： 734-749.

[16] HUANG Y， BIAN L. A Bayesian network and analytic hierarchy process based personalized recommendations for tourist at-tractions over the Internet[J]. Expert systems with applications， 2009， 36(1)： 933-943.

[17] HOROZOV T， NARASIMHAN N， VASUDEVAN V. Using location for personalized POI recommendations in mobile envi-ronments[C]//International Symposium on Applications and the Internet (SAINT'06). IEEE， 2006： 6 pp.-129.[18] ZHENG Y， XIE X. Learning travel recommendations from user-generated GPS traces[J]. Acm transactions on intelligent systems and technology (TIST)， 2011， 2(1)： 389-396.

[19] BALTRUNAS L， LUDWIG B， PEER S， et al. Context-aware places of interest recommendations for mobile users[C]// Inter-national Conference， Duxu， Held As. 2011：531-540.

[20] ZHANG W W， ZHAO F， WANG D. On personalized travel recommendation system under context awareness[J].Geospatial information， 2014， 12(2)：24-27. [張偉偉， 趙飛， 王敦. 上下文感知下的個性化旅游推薦系統(tǒng)初探[J]. 地理空間信息， 2014， 12(2)：24-27.]

[21] HOU X H， WEN Y M. The recommendation of travel destinations based on collaborative filtering[J]. Computing technology and automation，2012， 31(4)：116-119.[侯新華， 文益民.基于協(xié)同過濾的旅游景點推薦[J]. 計算技術(shù)與自動化， 2012， 31(4)：116-119.]

[22] LINGHU H Y， JIANG J C. Application of improved Bayesian algorithm in the intelligence recommendation system of traveling information[J]. Journal of Guizhou Normal College， 2012， 28(3)：22-26.[令狐紅英， 姜季春. 改進的貝葉斯算法在旅游景點推薦中的應(yīng)用[J]. 貴州師范學(xué)院學(xué)報，2012， 28(3)：22-26.]

[23] LI Q， XU W， JIANG H X. Personalized recommendation for traveling planning based on online word-of-mouth[J]. Management review，2016，28(6)：113-118.[李倩， 許偉， 蔣洪迅. 考慮用戶口碑的旅游計劃個性化推薦方法研究[J]. 管理評論， 2016，28(6)：113-118.]

[24] HUANG A. Similarity measures for text document clustering[C]//Proceedings of the sixth new zealand computer science research student conference (NZCSRSC2008)， Christchurch， New Zealand. 2008： 49-56.

[25] YU Y S. The comparative study of tourism electronic commerce in China and America：a case study of Ctrip and Expedia[J]. Economic & trade update， 2008， 6(2)：121-122.[禹有松. 中美旅游電子商務(wù)比較研究：以攜程和Expedia為例[J]. 時代經(jīng)貿(mào)， 2008， 6(2)：121-122.]

[責(zé)任編輯： 潘岳風(fēng)] [責(zé)任校對： 連云凱]

Application Research of Tourist Attraction Recommendation System Based on Encyclopedia Big Data

YIN Shuhuaa， FU Chengzhoub

(a.SchoolofTourismManagement；b.SchoolofComputerScience，SouthChinaNormalUniversity，Guangzhou510631，China)

With the development of the Internet and big data technology， tourism information has become a hot research topic. In the tourism information system， how to tap the user's interest and to provide users with accurate attractions recommended which is an important function of the tourism information system. The paper uses the computer technology to analyze and explore the similarities between the attractions for the user personalized travel attractions based on the encyclopedia of tourist attractions data. The paper introduces the current application of the recommended system in the tourism industry， combined with the characteristics of the tourism industry， and proposes the use of the text cosine similarity calculation method to analyze quantitatively the similarity between scenic attractions， to realize the recommended technology of tourism information system， which is to provide reference for the development of tourism industry and promote it under the big data age.

encyclopedia big data； tourist attractions； recommendation system； tourism informatization

廣東省應(yīng)用型科技研發(fā)專項資金項目(2016B010124008)

2016-10-10

尹書華(1992- )，女，河北衡水人，華南師范大學(xué)旅游管理學(xué)院2015級碩士研究生，研究方向為旅游信息化；傅城州(1986- )，男，廣東陸豐人，華南師范大學(xué)計算機學(xué)院2014級博士研究生，研究方向為大數(shù)據(jù)。

F592.6

A

1674-3784(2017)03-0107-09

[引用格式]YIN S H, FU C Z．Application research of tourist attraction recommendation system based on encyclopedia big data[J].Tourism forum,2017,10(3):107-115.[尹書華,傅城州．基于百科大數(shù)據(jù)的旅游景點推薦系統(tǒng)應(yīng)用研究[J].旅游論壇,2017,10(3):107-115.]