基于情境聚類擴(kuò)展用戶畫像的旅游景點(diǎn)推薦方法

班 航，王忠群

（安徽工程大學(xué) 經(jīng)濟(jì)與管理學(xué)院，安徽 蕪湖 241000）

隨著消費(fèi)者對(duì)旅游產(chǎn)品的要求越來越高，滿足其個(gè)性化需求旅游產(chǎn)品的精準(zhǔn)推薦逐漸成為趨勢(shì)?；跀?shù)據(jù)分析的用戶畫像能夠充分反映用戶的特征和個(gè)性化需求，使得基于用戶畫像的個(gè)性化推薦方法在多個(gè)領(lǐng)域得到了廣泛應(yīng)用。徐海玲等[1]以豆瓣電影網(wǎng)為例，構(gòu)建了用戶畫像模型和資源畫像模型來實(shí)施資源聚合。李曉敏等[2]基于用戶自然屬性、社交屬性和興趣屬性構(gòu)建讀者用戶畫像，將相似讀者推薦和相似圖書推薦的結(jié)果加權(quán)整合并進(jìn)行圖書的個(gè)性化推薦。Lerouge等[3]為滿足老年慢性病患者的需求，構(gòu)建老年慢性病患者畫像并研發(fā)面向老年慢性病患者的應(yīng)用程序和健康信息推薦系統(tǒng)。劉海鷗等[4]通過提取游客用戶特征標(biāo)簽來構(gòu)建了游客的用戶畫像，結(jié)合協(xié)同過濾推薦算法實(shí)現(xiàn)了個(gè)性化景點(diǎn)推薦。

從以上文獻(xiàn)可看出，國(guó)內(nèi)外學(xué)者對(duì)基于用戶畫像的推薦研究已經(jīng)取得較多成果，但也存在一些問題，如大量用戶數(shù)據(jù)需求與用戶隱私間的矛盾[5]會(huì)導(dǎo)致用戶數(shù)據(jù)稀缺，從而使得用戶畫像刻畫不夠完整。而游客用戶公開的游記數(shù)據(jù)使得通過數(shù)據(jù)聚類能夠擴(kuò)展群體用戶的畫像，在一定程度上緩解了數(shù)據(jù)稀缺的問題。為此，本文提出了一種基于用戶情境聚類擴(kuò)展用戶畫像的旅游景點(diǎn)推薦方法。即運(yùn)用用戶情境信息聚類擴(kuò)展群體用戶畫像，并融合用戶畫像特征于關(guān)聯(lián)規(guī)則和相似度計(jì)算，從而實(shí)施個(gè)性化的精準(zhǔn)推薦。

1 基于聚類擴(kuò)展的用戶畫像模型

1.1 用戶畫像

用戶畫像的概念最早由Cooper[6]提出，其解釋為真實(shí)用戶的虛擬代表，是指建立在一系列真實(shí)數(shù)據(jù)之上的用戶模型。隨著大數(shù)據(jù)、云計(jì)算等技術(shù)的應(yīng)用和發(fā)展，用戶畫像也衍生出了新的內(nèi)涵，指根據(jù)用戶的基本信息、社會(huì)屬性、行為習(xí)慣等描述用戶屬性及特征的標(biāo)簽集合[7]。用戶畫像的構(gòu)建首先要收集用戶數(shù)據(jù)，再提取用戶特征并予以標(biāo)簽化，最后基于標(biāo)簽構(gòu)建用戶畫像。

1.2 情境的K-means聚類

聚類具有無需訓(xùn)練集、可改進(jìn)和處理速度快等優(yōu)勢(shì)，本文采用K-means聚類算法對(duì)游客的情境信息進(jìn)行聚類分析。旅游情境對(duì)游客旅游決策有著不可忽視的影響，通過對(duì)用戶的情境信息進(jìn)行聚類，獲取具有不同類別情境偏好的用戶群體[8]。游客用戶的主要情境要素有地點(diǎn)、天氣、季節(jié)、游伴、出游天數(shù)和旅游費(fèi)用等，用六元組Cu表示，具體描述如下，

其中，位置集合由0和1這兩個(gè)元素組成，0表示用戶居住地和旅游地不是同一個(gè)城市，1表示同一個(gè)城市。天氣集合由晴天、陰天、下雨和下雪4 種天氣組成。季節(jié)集合由4 個(gè)季節(jié)組成，分別對(duì)應(yīng)著春、夏、秋、冬。游伴集合由5種類別，分別是單獨(dú)一個(gè)人、夫妻或情侶、帶孩子、和朋友、家庭出游。出游天數(shù)集合由5個(gè)時(shí)間段組成，分別對(duì)應(yīng)著0～1天、2～3天、4～5天、6～7天、7天以上。出游費(fèi)用集合由5個(gè)區(qū)間組成，分別是1～100元、101～1 000元、1 001～3 000元、3 001～6 000元、6 000元以上。

1.3 擴(kuò)展的用戶畫像模型

本文將游客的情境信息進(jìn)行K-means聚類來提取游客的特征，再利用形式化的標(biāo)簽表示方法來構(gòu)建擴(kuò)展的用戶畫像概念模型，如圖1所示。根據(jù)用戶的居住地和景點(diǎn)地提取長(zhǎng)途旅行和短途旅行標(biāo)簽來擴(kuò)展用戶畫像。將用戶出行的季節(jié)情境進(jìn)行聚類并挖掘游客的季節(jié)偏好。將用戶出游的天氣類型進(jìn)行聚類提取天氣標(biāo)簽。出游天數(shù)既可以反映用戶假期的長(zhǎng)短，又反映著旅行費(fèi)用的多少，故本文將用戶的出游天數(shù)進(jìn)行聚類，構(gòu)建用戶時(shí)間情境的畫像。和誰一起出游對(duì)景點(diǎn)選擇具有重要的影響，近年來許多景點(diǎn)相繼推出親子游、蜜月游等針對(duì)不同出游同伴的旅游產(chǎn)品，故本文對(duì)游客的游伴情境進(jìn)行聚類，擴(kuò)展用戶游伴畫像。旅行費(fèi)用是影響用戶出游最重要的因素之一，出游前的預(yù)算會(huì)影響整個(gè)出游的計(jì)劃，旅途花費(fèi)也會(huì)影響剩余行程的安排，故將旅游費(fèi)用進(jìn)行聚類來擴(kuò)展用戶的消費(fèi)特征畫像。

圖1 擴(kuò)展的用戶畫像概念模型

圖2 三種算法的召回率

圖3 三種算法的準(zhǔn)確率

圖4 三種算法的F值

2 基于用戶畫像的景點(diǎn)推薦方法

本文提出了一種基于擴(kuò)展用戶畫像、融合關(guān)聯(lián)規(guī)則和用戶相似度的景點(diǎn)推薦方法。通過聚類擴(kuò)展群體用戶畫像，根據(jù)群體用戶畫像反映的用戶特征，結(jié)合情境標(biāo)簽設(shè)置個(gè)體用戶情境特征屬性，將其與用戶游玩的景點(diǎn)建立關(guān)聯(lián)規(guī)則進(jìn)行數(shù)據(jù)挖掘，以游客情境特征作為前項(xiàng)、景點(diǎn)作為后項(xiàng)來挖掘強(qiáng)關(guān)聯(lián)規(guī)則，依據(jù)這些強(qiáng)關(guān)聯(lián)規(guī)則分析游客的情境與選擇的景點(diǎn)之間的相關(guān)性。其次，通過計(jì)算目標(biāo)用戶情境與各強(qiáng)關(guān)聯(lián)規(guī)則情境之間的相似度，找出與目標(biāo)用戶情境相似度較高的強(qiáng)關(guān)聯(lián)規(guī)則，依據(jù)相似度將所有強(qiáng)關(guān)聯(lián)規(guī)則進(jìn)行降序排列。最后，將相似度較高的強(qiáng)關(guān)聯(lián)規(guī)則后項(xiàng)的景點(diǎn)向目標(biāo)用戶進(jìn)行推薦。

步驟1：關(guān)聯(lián)規(guī)則挖掘。Apriori算法是關(guān)聯(lián)規(guī)則挖掘的經(jīng)典算法之一，本文采用Apriori算法進(jìn)行關(guān)聯(lián)規(guī)則挖掘。基于游客用戶畫像中地點(diǎn)、天氣、季節(jié)、出行天數(shù)、游伴、費(fèi)用等情境標(biāo)簽，對(duì)所有游客的情境信息進(jìn)行離散化和規(guī)范化處理來作為前項(xiàng)、景點(diǎn)作為后項(xiàng)，挖掘游客情境特征與景點(diǎn)之間的多維關(guān)聯(lián)規(guī)則，如地點(diǎn)∧天氣∧季節(jié)∧出行天數(shù)∧游伴∧費(fèi)用?景點(diǎn)。

步驟2：相似度計(jì)算。通過計(jì)算目標(biāo)用戶與強(qiáng)關(guān)聯(lián)規(guī)則在特征空間中的距離來得到兩者之間的情境相似度。首先，計(jì)算目標(biāo)用戶與強(qiáng)關(guān)聯(lián)規(guī)則每個(gè)情境間的局部相似度；其次，計(jì)算目標(biāo)用戶與強(qiáng)關(guān)聯(lián)規(guī)則每個(gè)情境之間的距離；然后，再根據(jù)各情境的權(quán)重計(jì)算出兩者的距離；最后，計(jì)算得到兩者之間的相似度，這里采用歐式距離計(jì)算相似度。

假設(shè)目標(biāo)用戶的情境集合為T={X1,X2,X3,…,Xk}，在情境k(k=1,2,3,…,t)下的情境取值為Xk=(xk1,xk2,xk3,…,xki)；強(qiáng)關(guān)聯(lián)規(guī)則的情境集合為Z={Y1,Y2,Y3,…,Yk}，在情境k(k=1,2,3,…,t)下的情境取值為Yk=(yk1,yk2,yk3,…,yki)；由于每個(gè)情境之間的取值都相互獨(dú)立且不存在層次結(jié)構(gòu)[9]，所以各情境的局部相似度如公式（2）所示，如果目標(biāo)用戶與強(qiáng)關(guān)聯(lián)規(guī)則在同一情境下的值相同，則該情境下的局部相似度為1，否則其局部相似度為0。

則目標(biāo)用戶與強(qiáng)關(guān)聯(lián)規(guī)則在情境k之間的距離計(jì)算如公式（3）所示，

則目標(biāo)用戶與強(qiáng)關(guān)聯(lián)規(guī)則之間的距離如公式（4）所示，其中wk是情境的權(quán)重，依據(jù)不同情境在所有強(qiáng)關(guān)聯(lián)規(guī)則中出現(xiàn)的頻率計(jì)算得出，wk∈(0,1)。

目標(biāo)用戶與強(qiáng)關(guān)聯(lián)規(guī)則之間的相似度為

步驟3：產(chǎn)生推薦。通過計(jì)算目標(biāo)用戶與所有強(qiáng)關(guān)聯(lián)規(guī)則之間情境的相似度，依據(jù)相似度將這些強(qiáng)關(guān)聯(lián)規(guī)則進(jìn)行降序排列，形成與目標(biāo)用戶的情境相似度較高的強(qiáng)關(guān)聯(lián)規(guī)則集合，根據(jù)相似度從高到低將強(qiáng)關(guān)聯(lián)規(guī)則后項(xiàng)的景點(diǎn)向目標(biāo)用戶進(jìn)行推薦，相同景點(diǎn)只選取相似度最高的關(guān)聯(lián)規(guī)則進(jìn)行推薦，最后為用戶提供個(gè)性化的TOP-N景點(diǎn)推薦。

3 案例驗(yàn)證

3.1 數(shù)據(jù)收集與預(yù)處理

本文利用八爪魚采集器抓取馬蜂窩網(wǎng)站上北京熱門景點(diǎn)為主題的游記，包括故宮、頤和園、圓明園等共計(jì)25個(gè)景點(diǎn)，1 500條游記信息。由于所采集的數(shù)據(jù)不包括季節(jié)和天氣信息，本文依據(jù)游記中用戶出發(fā)的時(shí)間戳獲得季節(jié)信息，并依據(jù)景點(diǎn)的位置信息爬取景點(diǎn)當(dāng)天的天氣信息。抽取數(shù)據(jù)中有關(guān)用戶情境的地點(diǎn)、天氣、季節(jié)、出游同伴、出游天數(shù)和旅游費(fèi)用等字段，刪除重復(fù)數(shù)據(jù)和無效數(shù)據(jù)，清理后有效數(shù)據(jù)共1 148條，實(shí)驗(yàn)中將所有數(shù)據(jù)按照80%和20%的比例隨機(jī)分為訓(xùn)練集和測(cè)試集。

3.2 基于情境信息的用戶畫像擴(kuò)展

將預(yù)處理后的數(shù)據(jù)離散化到六元組進(jìn)行K-means聚類，當(dāng)k取值為5 時(shí)，輪廓系數(shù)在局部取得最大值，因此，通過聚類將用戶分為5類。通過對(duì)聚類發(fā)掘不同用戶群體在各種情境上具有不同的特點(diǎn)，分別對(duì)這5類用戶群體進(jìn)行畫像，如表1所示。群體1居住在北京，情侶或夫妻旅游喜歡在夏季天氣不熱的陰天出游，出游時(shí)間較長(zhǎng)，旅游費(fèi)用較多。而群體2不居住在北京，家庭一起長(zhǎng)途旅游，游玩時(shí)間長(zhǎng)，游玩6至7天，旅游花費(fèi)也較多。群體3居住在北京，單獨(dú)一個(gè)人旅游，喜歡在秋季天氣不熱的陰天出游，出游時(shí)間較短，僅只游玩一天，旅游費(fèi)用較少。群體4居住在北京，喜歡在秋季和朋友一起出游，只游玩1天，花費(fèi)在1 000元以內(nèi)。群體5帶孩子出游，喜歡在夏季陰天出行，游玩2至3天，旅游費(fèi)用較多，在1 000元至3 000元之間。

表1 群體用戶畫像

3.3 基于多維關(guān)聯(lián)規(guī)則的景點(diǎn)挖掘

根據(jù)群體用戶畫像反映的用戶特征和用戶畫像的情境標(biāo)簽將個(gè)體游客的情境信息數(shù)據(jù)進(jìn)行規(guī)范化和離散化。（1）依據(jù)位置情境標(biāo)簽將居住地和景點(diǎn)分為相同（same）和不同（different）。（2）依據(jù)季節(jié)情境標(biāo)簽分為春（spring）、夏（summer）、秋（autumn）、冬（winter）。（3）依據(jù)天氣情境標(biāo)簽將天氣分為4類，晴天（sunny）、下雨（rainy）、陰天（cloudy）、下雪（snowy）。（4）依據(jù)用戶情境的出游同伴標(biāo)簽將游伴分為單獨(dú)一個(gè)人（alone）、情侶（couple）、和朋友（with friend）、帶孩子（with children）、家庭（family）。（5）依據(jù)游玩天數(shù)標(biāo)簽將用戶游玩天數(shù)進(jìn)行離散化，其中，大于7天記為“VL”，6-7天記為“L”，4-5天記為“M”，2-3天記為“S”，游玩1 天的記為“VS”。（6）依據(jù)旅游費(fèi)用標(biāo)簽將用戶旅游費(fèi)用離散化，其中，100 元以內(nèi)的記為“X”，101-1 000元的記為“XL”，1 001-3 000元的記為“XLL”，3 001-6 000元的記為“XLLL”，6 000元以上的記為“VX”。（7）將景點(diǎn)進(jìn)行劃分并以字母表示，如A故宮、B頤和園、C圓明園等。

根據(jù)對(duì)游記數(shù)據(jù)集的劃分和處理，設(shè)置最小置信度為20%，最小支持度為1%，挖掘前項(xiàng)為情境后項(xiàng)為景點(diǎn)關(guān)聯(lián)規(guī)則。例如：（1）family∧same∧autumn∧cloudy?M，在秋天多云的天氣，居住在北京的家庭一起出游多數(shù)會(huì)選擇游玩環(huán)球影城等游樂園類景點(diǎn)；（2）with children∧autumn∧XL?H，在秋天帶孩子出游且預(yù)算經(jīng)費(fèi)較少的用戶多數(shù)會(huì)選擇去海洋館、科技館等景點(diǎn)。

3.4 用戶游玩景點(diǎn)的推薦

將挖掘的強(qiáng)關(guān)聯(lián)規(guī)則進(jìn)行整理，通過相似度計(jì)算，找到與目標(biāo)用戶情境相似度較高的強(qiáng)關(guān)聯(lián)規(guī)則集合，將強(qiáng)關(guān)聯(lián)規(guī)則后項(xiàng)的景點(diǎn)向目標(biāo)用戶進(jìn)行推薦。例如目標(biāo)用戶ID90032691，其情境信息為different∧autumn∧sunny∧with friend∧M∧XLL和游玩信息天安門廣場(chǎng)、故宮、景山公園、頤和園、南鑼鼓巷、恭王府，通過相似度計(jì)算得到的強(qiáng)關(guān)聯(lián)規(guī)則集合如表2所示。

表2 按相似度降序排列的景點(diǎn)集合

目標(biāo)用戶實(shí)際游玩的景點(diǎn)有天安門廣場(chǎng)、故宮、景山公園、頤和園、南鑼古巷、恭王府，按目標(biāo)用戶與強(qiáng)關(guān)聯(lián)規(guī)則相似度進(jìn)行降序排列，最終推薦的景點(diǎn)為天安門廣場(chǎng)、北海公園、恭王府、慕田峪長(zhǎng)城、故宮、景山公園。

3.5 實(shí)驗(yàn)結(jié)果及分析

為了驗(yàn)證本文推薦方法的推薦效果，設(shè)置最小置信度為20%，以最小支持度為變量，運(yùn)用本文挖掘的數(shù)據(jù)集將本文推薦方法與文獻(xiàn)[10]中傳統(tǒng)的關(guān)聯(lián)規(guī)則Apriori 推薦算法和文獻(xiàn)[11]中加權(quán)關(guān)聯(lián)規(guī)則Apriori 推薦算法在召回率、準(zhǔn)確率和綜合度量F值上進(jìn)行測(cè)試比較。召回率、準(zhǔn)確率和F值的數(shù)值越大，說明推薦效果越好，計(jì)算公式如下：

其中，T(u)表示用戶實(shí)際感興趣的所有景點(diǎn)，R(u)表示推薦算法為用戶推薦的所有景點(diǎn)。

測(cè)試對(duì)比結(jié)果如圖2-4所示，本文推薦方法的召回率，準(zhǔn)確率和F值都高于其他兩種方法。通過關(guān)聯(lián)規(guī)則挖掘用戶情境特征與景點(diǎn)之間的關(guān)聯(lián)關(guān)系，利用情境相似度尋找與目標(biāo)用戶具有相似情境的強(qiáng)關(guān)聯(lián)規(guī)則，在用戶情境相似度計(jì)算時(shí)，根據(jù)不同情境在所有強(qiáng)關(guān)聯(lián)規(guī)則中出現(xiàn)頻率的不同，對(duì)情境賦予權(quán)重，提高了情境相似度計(jì)算的準(zhǔn)確性，依據(jù)情境相似度對(duì)強(qiáng)關(guān)聯(lián)規(guī)則進(jìn)行排序，再利用關(guān)聯(lián)規(guī)則后項(xiàng)的景點(diǎn)為用戶進(jìn)行推薦，提高了通過用戶多維度情境來推薦景點(diǎn)的質(zhì)量，使得本文算法的推薦效果要優(yōu)于加權(quán)關(guān)聯(lián)規(guī)則Apriori推薦算法和傳統(tǒng)的關(guān)聯(lián)規(guī)則Apriori推薦算法。綜上所述，本文提出的基于情境聚類擴(kuò)展用戶畫像的旅游景點(diǎn)推薦方法具有較好的推薦效果，在一定程度上可以為用戶提供個(gè)性化的景點(diǎn)推薦，為用戶的旅游決策提供參考。

4 結(jié)束語(yǔ)

為了緩解用戶畫像建模所需求的大量數(shù)據(jù)與隱私保護(hù)的矛盾所造成的用戶畫像不完善及推薦效果不佳的問題，本文通過聚類用戶情境以擴(kuò)展群體用戶畫像，并挖掘游客用戶的特征和情境偏好。根據(jù)群體用戶畫像反映的用戶特征，結(jié)合情境標(biāo)簽設(shè)置個(gè)體用戶情境特征屬性，再與游客用戶游玩的景點(diǎn)進(jìn)行關(guān)聯(lián)規(guī)則挖掘。結(jié)合相似度計(jì)算，找到與目標(biāo)用戶情境相似度較高的強(qiáng)關(guān)聯(lián)規(guī)則集合，最后向目標(biāo)用戶推薦關(guān)聯(lián)規(guī)則后項(xiàng)的景點(diǎn)，并通過實(shí)驗(yàn)證明本文方法相較于傳統(tǒng)的關(guān)聯(lián)規(guī)則Apriori推薦算法和加權(quán)關(guān)聯(lián)規(guī)則Apriori推薦算法具有更好的推薦效果。