基于大數據環境下面向智能旅游服務機器人的個性化推薦算法研究

王家蘭

池州職業技術學院，安徽 池州 247100

引言

隨著人們生活水平提高，旅游行為越來越普遍。人們在旅游之前會在網上對感興趣的景點進行攻略，因此如何推薦景點吸引顧客，是旅游業中面臨的課題。游客在旅游時既要考慮天氣條件、又要結合游玩天數和門票價格。有時花費很大精力還沒有完全做好攻略，這時游客會選擇跟團旅游。但是跟旅游團若帶小孩的話一方面時間安排太緊，不利于小孩游玩，另一方面體力上也不濟，這樣就不能讓游客愉快地游玩。因此，一種個性化的景點推薦算法是旅游行業必然，運用此算法開發智能服務機器人可以促進這一發展，整個旅游服務行業的發展為服務機器人增加了強大的市場。

隨著旅游服務業的迅猛發展，傳統旅游服務已不能滿足用戶的需求。傳統的旅游服務業主要是B2C 模式。企業追求利益最大化，所提供的服務都是為了盈利，很難站在游客的角度進行考慮，旅游效果較差。基于個性化推薦算法而研制的服務機器人可以改善用戶的出行體驗，減少旅游業的人力物力消耗。旅游業的繁榮發展，使人們對旅游服務質量提出了更高的要求。怎么樣才能提供高品位、高質量的個性化旅游服務研究迫在眉睫。

1 運用相關知識介紹

1.1 大數據

“大數據”是指采用多種形式和多種來源收集的數據集。這些數據可能來自互聯網平臺（如電商平臺），也可以是現實客戶訪問等等。這些數據不是公司客戶關系管理數據庫的常規數據集。

1.2 智能旅游服務機器人

旅游智能服務機器人具有語音交互，對話問答，人臉識別，語義理解，環境意識，自主定位和導航等功能。主要為國內外游客，景區游客提供多語言咨詢服務和個性化旅游服務。

2 個性化景點推薦算法設計與實現

2.1 MLS2vec 旅游路線表示模型

依據大數據，在攜程網、去哪兒、途牛旅行網等多家旅游平臺上記錄著用戶的旅游情況，但由于其行為隱藏且復雜，從中挖掘并分析用戶旅游軌跡比較有難度的。運用了表示模型（MLS2vec），表示旅游軌跡中的多個隱式語義信息。在軌跡數據中，各種隱式語義信息被合并到所提出的模型中，包括用戶級別，時間級別和吸引力級別。

2.2 用戶偏好提取模型

如何利用游客網上交互行為來挖掘用戶偏好信息，使用一個可擴展的兩級框架說明用戶的偏好。用戶首選項的細粒度，通過研究網上游客的項目交互序列，進而獲取旅客的細顆粒度喜好。游客交互的最小標準為項目，比如游客購買了蘋果筆記本（MacBook Pro16 英寸機型），游客交互的最小標準對應品牌和尺寸的電腦。在這里使用MItem 模型（細顆粒）來研究在游客項目交互序列中所隱含的細粒度喜好信息。用戶首選項的粗粒度，通過研究游客的類別交互序列獲取游客的粗粒度喜好。例如，購買奶粉，品牌和段數不同，奶粉價格就不同。使用M_Cate 模型（粗粒度）對用戶偏好信息進行粗顆粒探索。

該圖采用并行結構研究粗細粒度不同的用戶首選項，其中的參數不共享。深度研究游客網上項目交互行為序列，并區別于類別交互序列，并用適當的模型進行表示。當用戶看到新項目時，此無法表示用戶的行為。采用Attention 空間注意力機制對游客的動態行為進行檢測。使用兩級模型分別表示相應細顆粒和粗顆粒參數。將兩者結合在一起后，會看到新商品后獲得用戶的全面動態偏好表示。

3 推薦算法設計與實現

3.1 旅游路線推薦流程圖

旅游線路推薦流程主要有三個模塊：第一模塊數據處理包括獲取數據并進行分析和處理；第二模塊根據處理結果獲得其相應特征并生成路線；第三模塊根據分析出游客喜好來進行旅游線路的推薦。具體見下圖：

3.2 數據獲取與預處理模塊

首先，搜集游客的旅行線路，游客的旅游信息通常包含多種信息，例如到達景點航班信息、入住酒店信息、具體游玩景點以及旅游過程中就餐餐廳等，每一子模塊都有自己的數據和組織方式。其次，利用每一子模塊的數據信息構建圖數據庫，以此來存放相應模塊信息。用圖的形式存儲數據，這樣任何事物之間就有許多線路可走，跟蹤線路并再使用圖的一些算法，事物之前的關聯就能捕獲到。以韓國濟州島三日游為例說明利用知識圖譜進行數據獲取。

假如用戶想知道，濟州島隸屬哪個國家的話，可以通過濟州島→[所在城市]→西歸浦市→[所在國家]→韓國這樣的邏輯推理順序來找到所要的結果。利用圖的實體→關系→實體等相應的關系來進行的。假如想查詢牛島附近的酒店相關信息，則通過牛島→[周邊酒店]→某星級酒店→價格這樣的關系來找到你想要的信息。這是傳統數據庫想通過簡單查詢而查不到的，必須將多張表關聯起來進行查詢，其結果還不定。

3.3 特征提取模塊

使用改進的doc2vec 方法來進行特征提取。該方法的任務是給定上下文，來預測上下文的其他隱含特征。具體見下圖：

其中每一部分文本信息都被映射到向量空間中，將上下文本信息向量連接起來或求和取得結果作為特性向量，預測所隱含的下一個文本信息。假如給了文本序列，目標函數是：

預測的任務是復雜多分類信息，使用softmax作為分類器，其計算公式見下：

每一文本看成一個類別，其中y 計算公式如下：

這里b,u 均為參數，而h 級聯這些參數或者求平均值。

以圖5 為例，圖中三個“山水”和“人文”等四模塊信息構成了景點I，每一模塊的小景點聯合起來構成了一個大景點，而這些小景點類別信息構成了文本數據。把所獲得文本數據運用到doc2vec，即獲得每個景點的特征表示，把這些特征表示添加到上下文中，用最后平均值來預測下一類信息，景點的特征信息就被獲取到。

4 個性化旅游線路推薦服務功能

個性化旅游線路推薦服務功能為了在真實環境下為游客提供旅游個性化旅游推薦，主要功能是路線推薦，在智能服務機械人交互頁面上錄入游客姓名，游玩城市，計劃游玩天數等信息，點擊推薦就能獲得相應的推薦頁面信息。此類信息就是用戶個性化偏好。具體見下圖：

5 結語

隨著人們生活水平的提高，旅游行業越來越熱，研究重點為就大數據視角下面向智能旅游服務機器人的個性化推薦算法，運用此算法開發旅游服務機器人，為人們提供個性化旅游服務。用兩種模式來解析用戶個性化偏好，并分析旅游中數據獲取、特征提取，最后展示了個性化旅游景點推薦算法以及界面展示。