基于大数据环境下面向智能旅游服务机器人的个性化推荐算法研究

王家兰

池州职业技术学院，安徽 池州 247100

引言

随着人们生活水平提高，旅游行为越来越普遍。人们在旅游之前会在网上对感兴趣的景点进行攻略，因此如何推荐景点吸引顾客，是旅游业中面临的课题。游客在旅游时既要考虑天气条件、又要结合游玩天数和门票价格。有时花费很大精力还没有完全做好攻略，这时游客会选择跟团旅游。但是跟旅游团若带小孩的话一方面时间安排太紧，不利于小孩游玩，另一方面体力上也不济，这样就不能让游客愉快地游玩。因此，一种个性化的景点推荐算法是旅游行业必然，运用此算法开发智能服务机器人可以促进这一发展，整个旅游服务行业的发展为服务机器人增加了强大的市场。

随着旅游服务业的迅猛发展，传统旅游服务已不能满足用户的需求。传统的旅游服务业主要是B2C 模式。企业追求利益最大化，所提供的服务都是为了盈利，很难站在游客的角度进行考虑，旅游效果较差。基于个性化推荐算法而研制的服务机器人可以改善用户的出行体验，减少旅游业的人力物力消耗。旅游业的繁荣发展，使人们对旅游服务质量提出了更高的要求。怎么样才能提供高品位、高质量的个性化旅游服务研究迫在眉睫。

1 运用相关知识介绍

1.1 大数据

“大数据”是指采用多种形式和多种来源收集的数据集。这些数据可能来自互联网平台（如电商平台），也可以是现实客户访问等等。这些数据不是公司客户关系管理数据库的常规数据集。

1.2 智能旅游服务机器人

旅游智能服务机器人具有语音交互，对话问答，人脸识别，语义理解，环境意识，自主定位和导航等功能。主要为国内外游客，景区游客提供多语言咨询服务和个性化旅游服务。

2 个性化景点推荐算法设计与实现

2.1 MLS2vec 旅游路线表示模型

依据大数据，在携程网、去哪儿、途牛旅行网等多家旅游平台上记录着用户的旅游情况，但由于其行为隐藏且复杂，从中挖掘并分析用户旅游轨迹比较有难度的。运用了表示模型（MLS2vec），表示旅游轨迹中的多个隐式语义信息。在轨迹数据中，各种隐式语义信息被合并到所提出的模型中，包括用户级别，时间级别和吸引力级别。

2.2 用户偏好提取模型

如何利用游客网上交互行为来挖掘用户偏好信息，使用一个可扩展的两级框架说明用户的偏好。用户首选项的细粒度，通过研究网上游客的项目交互序列，进而获取旅客的细颗粒度喜好。游客交互的最小标准为项目，比如游客购买了苹果笔记本（MacBook Pro16 英寸机型），游客交互的最小标准对应品牌和尺寸的电脑。在这里使用MItem 模型（细颗粒）来研究在游客项目交互序列中所隐含的细粒度喜好信息。用户首选项的粗粒度，通过研究游客的类别交互序列获取游客的粗粒度喜好。例如，购买奶粉，品牌和段数不同，奶粉价格就不同。使用M_Cate 模型（粗粒度）对用户偏好信息进行粗颗粒探索。

该图采用并行结构研究粗细粒度不同的用户首选项，其中的参数不共享。深度研究游客网上项目交互行为序列，并区别于类别交互序列，并用适当的模型进行表示。当用户看到新项目时，此无法表示用户的行为。采用Attention 空间注意力机制对游客的动态行为进行检测。使用两级模型分别表示相应细颗粒和粗颗粒参数。将两者结合在一起后，会看到新商品后获得用户的全面动态偏好表示。

3 推荐算法设计与实现

3.1 旅游路线推荐流程图

旅游线路推荐流程主要有三个模块：第一模块数据处理包括获取数据并进行分析和处理；第二模块根据处理结果获得其相应特征并生成路线；第三模块根据分析出游客喜好来进行旅游线路的推荐。具体见下图：

3.2 数据获取与预处理模块

首先，搜集游客的旅行线路，游客的旅游信息通常包含多种信息，例如到达景点航班信息、入住酒店信息、具体游玩景点以及旅游过程中就餐餐厅等，每一子模块都有自己的数据和组织方式。其次，利用每一子模块的数据信息构建图数据库，以此来存放相应模块信息。用图的形式存储数据，这样任何事物之间就有许多线路可走，跟踪线路并再使用图的一些算法，事物之前的关联就能捕获到。以韩国济州岛三日游为例说明利用知识图谱进行数据获取。

假如用户想知道，济州岛隶属哪个国家的话，可以通过济州岛→[所在城市]→西归浦市→[所在国家]→韩国这样的逻辑推理顺序来找到所要的结果。利用图的实体→关系→实体等相应的关系来进行的。假如想查询牛岛附近的酒店相关信息，则通过牛岛→[周边酒店]→某星级酒店→价格这样的关系来找到你想要的信息。这是传统数据库想通过简单查询而查不到的，必须将多张表关联起来进行查询，其结果还不定。

3.3 特征提取模块

使用改进的doc2vec 方法来进行特征提取。该方法的任务是给定上下文，来预测上下文的其他隐含特征。具体见下图：

其中每一部分文本信息都被映射到向量空间中，将上下文本信息向量连接起来或求和取得结果作为特性向量，预测所隐含的下一个文本信息。假如给了文本序列，目标函数是：

预测的任务是复杂多分类信息，使用softmax作为分类器，其计算公式见下：

每一文本看成一个类别，其中y 计算公式如下：

这里b,u 均为参数，而h 级联这些参数或者求平均值。

以图5 为例，图中三个“山水”和“人文”等四模块信息构成了景点I，每一模块的小景点联合起来构成了一个大景点，而这些小景点类别信息构成了文本数据。把所获得文本数据运用到doc2vec，即获得每个景点的特征表示，把这些特征表示添加到上下文中，用最后平均值来预测下一类信息，景点的特征信息就被获取到。

4 个性化旅游线路推荐服务功能

个性化旅游线路推荐服务功能为了在真实环境下为游客提供旅游个性化旅游推荐，主要功能是路线推荐，在智能服务机械人交互页面上录入游客姓名，游玩城市，计划游玩天数等信息，点击推荐就能获得相应的推荐页面信息。此类信息就是用户个性化偏好。具体见下图：

5 结语

随着人们生活水平的提高，旅游行业越来越热，研究重点为就大数据视角下面向智能旅游服务机器人的个性化推荐算法，运用此算法开发旅游服务机器人，为人们提供个性化旅游服务。用两种模式来解析用户个性化偏好，并分析旅游中数据获取、特征提取，最后展示了个性化旅游景点推荐算法以及界面展示。