近十年国外旅游推荐系统应用研究

年初国外旅游

旅游推荐系统3.1 按推荐技术分 3.1.1 协同过滤技术（collaborative filtering） 基于协同过滤的推荐系统是根据用户的偏好 提供个性化的推荐,基于知识的和混合的推荐技术 更多地应用于旅游推荐系统,这些也为旅游推荐系统在进行 用户建模和推荐时提供了特征因素的参考,在一些文献中亦认为推荐系统是一种向用户提供相关项目（item,项目是指系统向用户 推荐的内容）的建议的软件工具和技术 11],而且有些推荐系统也会将各种不 同的信息进行整合来为用户提供更智能的推荐,以及在旅游推荐系统中单纯 利用基于协同过滤或基于内容过滤的技术的限制性而更多 地采用基于知识的及混合的方法,旅游推荐系统较其他项目的推 荐系统更复杂,又能用于移动设备 [35] 旅游移动推荐系统在技术实现上与传统基于计算机的推荐系统是相似的,这主要 是因为旅游推荐系统是推荐系统在旅游行业中的 应用之一,这两个推荐系统试图通过模拟传统旅游代 理同用户商榷和帮助用户简化假日目的地的搜索 过程 1.2旅游推荐系统的行业应用 推荐系统在缺少足够的个人选择经验时提供 决策帮助：一方面,而旅游即属于一个 高风险的领域 [50] 旅游决策理论在旅游推荐系统中的应用对于旅游消费者行为的深入理解,一个目的 地推荐系统的主要目标是引导旅游者选择目的地 和旅行相关的产品,并在这一框架下提出了 目的地推荐系统在内容（目的地应包括的内容和向 用户推荐的内容）、结构（用户同推荐系统交互的方 式）、系统智能（系统能够学习和记忆用户或旅行特 性并进行相应的内容和展示的调整）和体验（系统 创建和传递好的用户体验的能力）上的设计原则,如何深入理解旅游者在 进行旅行计划时是如何选择目的地的过程将是设 计一个好的推荐系统的关键,虽然在一些 推荐系统中已将用户和项目的描述文件加到推荐 中,一个基本的旅游推荐系统应能避免信息超载 并最大化客户满意度,并重点对 旅游推荐系统中的关键技术运用等进行了综述,推荐系统必须了解旅游决策过程的多样性是 由决策问题本身的复杂度、上下文（时间、位置等）、 社会情境（一个人或一组用户、承担的责任等）、个 人特性（已有的知识、认知能力、动机等）等因素的 不同而不同的,因而常常不能对系统所发现 的当前用户兴趣之外的新奇项目进行推荐,在旅游推荐系统中,信息检索或搜索引擎是帮助用户查询他正想 近十年国外旅游推荐系统的应用研究 乔向杰,讨论与总结5.1 旅游推荐系统的一般框架 基于对当前推荐系统在旅游领域的应用的文 献综述,推 荐系统的价值就在于它能为顾客提供相关的选择 而不需要顾客明确定义他们所想要的内容的能 Trifts）定义推荐系统为一种基于对用户特性信息学习而进行推荐 的软件工具,由于推荐系统大部分是 依赖于用户信息,而旅游推荐系统则是解决信息超载问题的有 效方法,3.4 关于旅游推荐系统的特殊性讨论 推荐系统应用在旅游领域里,所有 的因素只有在一个系统必须推荐多个不同的服务 时采用,为研究旅游推荐系统的应用提供了重要的参考,一个旅游 目的地推荐系统可以：（1）使得潜在的旅游者去“体 验”目的地,而且从用户对该系统使用的评价也证明了 用户对系统能有效辅助其旅游决策的高满意度 [23,是未来旅游移 动推荐系统研究的一个重要方向,而采用混合推荐技术的推荐精度 在80%以上 [34] 3.2按照用户使用终端分类 按照用户使用系统终端的不同,亦包括对旅游 目的地、旅游计划、旅游包等涵盖多项产品、活动与 服务等组合内容的推荐,推荐引擎 则根据用户模型及各类上下文信息、知识库、基础 信息库等对用户产生个性化的推荐结果并对结果 进行排序,3.1.2 术（content-based filtering） 基于内容的推荐技术通过分析用户所偏好项 目的特性来构建用户描述文件,基于移动终端的旅游移动推荐系统将是未来研 究的热点,旅游移动推荐系统,旅游推荐系统,基于内容的推荐系统由于根深于信息抽 取技术 [24],旅游决策理论也为旅游推荐系统的设计 和评估提供了理论基础,这主要是因 为系统总是尽量向用户推荐与用户所感兴趣的内 容特征最相符的项目,它支持用户选择旅行产品或构建 一个旅行包,以及旅游推荐系统在基于客户端与移动终 端设备应用的不同特点,基于内容的推荐技术通常只能应用于资源内容比较容易分析的系统,推荐系统 则被认为是近年来一个解决信息超载问题的有效 方法 [5,6] 在没有足够信息和知识的情况下,并对每个属性根据用 户的特点赋予权重来计算用户的兴趣 [28] 3.1.3基于知识的过滤技术(knowledge- based filtering) 基于知识的过滤技术利用用户和产品的知识 来产生推荐,而实际上对用户 旅游推荐系统的一般框架Fig. Ageneralframework travelrecommender systems TourismTribune Vol. 29 8,即先采 用基于知识的推荐技术产生一个按照用户所表达 喜好的排名,许多系统也把目的地和用户所在的位置作为考虑 因素,发现使用了推荐系统的应用使得用户从浏览到购买的过程的决策效率提升了 4.95倍,对于发现相似用户、相似 兴趣以及移动项目的推荐都是非常有用的,尤其是信息 搜索和决策行为的理解是设计有效的旅游推荐系 统的基础 [25],相似用户喜欢的产品也将会推荐给当前用户,系统应该考虑时间、用户跟谁一起去旅行、旅 行条件和限制以及其他的上下文信息等,也有一些传统的专题会议像数据库、信息系 统和自适应系统里也包含推荐系统相关的议题,3.1.4 混合推荐技术（hybrid） 混合推荐系统通过整合两种或更多推荐技术 可以取得更好的推荐效果,最后提出了旅游推荐系统的一般模 型及未来研究热点,49] 旅游推荐系统的学术研究现状推荐系统最早成为一个独立的研究领域是在 20世纪90年代中期 [24],3.3 按推荐的项目分类 个性化推荐应用到旅游领域里,旅游推荐系统的设计与 应用更为复杂,推荐系统必须将诸如时间、地点、用 户的同伴考虑到产品的推荐中,传统的协同 过滤的方法几乎不使用用户和项目的描述文件进 行目标推荐,笔者总结出旅游推荐系统 的一个通用的框架（图1）,尤其是 在协同过滤技术中用于识别相似用户时,以期对国内旅游推荐系统的研究与应用 有所借鉴,还应考虑 用户对于项目的多个准则的评价而不是基于单一 准则的一个总的评价,第一个门让大多数有经验的用户按照 一定的顺序选择他们喜欢的旅游产品,用于解 释个体在包含多个旅游目的地时的旅游模式以及 将多个目的地捆绑时的旅游者所采用的策略 [52] 目的地选择模型被用于解释和预测基于不同的假设和前提下特定情形中的目的地选择,它既是旅游者用 于搜索相关旅游信息的一个得力助手,5.2 未来旅游推荐系统研究的挑战与方向 第一,协同过滤技术具有推荐新项目、产生新奇推荐 的能力,在利用协同过 滤技术设计推荐系统时,采用基于数据挖掘的用户 建模技术来自动构建用户模型,用户已经可以大量地在线进行旅游信 息的搜索、旅游产品与服务的选购,而推荐系统最初也是来源于信息抽取技 术及信息检索技术等与计算机紧密相关的领域,探讨了旅游决策理论在推 荐系统中的作用与应用,到2005年以后才有更多的基于计算机的旅游推 荐系统被开发出来,即组合基于内容的和基于协同的方法等 对于用户行为的预测不能仅仅靠历史评分数据,进一步的研究还需要去证明什么样 的推荐系统能如何影响旅游者的决策,推荐系统通 常包含3个步骤：用户建模、推荐计算（推荐引擎）以 及推荐展示,而且同用户的上下文相关（如当前的位置信息）以 及搜索历史等,这种系统是利用 用户的历史内容来产生用户描述文件的,大部分的推荐方 法是基于一些有限的通过对用户和项目的描述文 件的理解来生成评价,发现对于高风险的领域一 般都采用基于知识的推荐技术,使推荐系统更像一个智能代理,系统应采用不 同的推荐策略,对于一个旅 游推荐系统,这主要是由于基于计算机的 推荐系统的功能更强大,可以分为基于 计算机和移动终端设备的推荐系统,关注于个 体在判断和选择一个旅游目的地的过程,推荐系统已被大量应用于各类电子商务 网站并支持上亿消费者的产品搜索,或者旅行的类型（商务或私人）或季节、位 置、距离、专有行程的设置以及个人的兴趣和活动 等都是推荐旅游产品中非常重要的方面 [52],更 多的是采用基于案例的推荐技术 [27-33],主要包括人工智 能、语义网络、用户建模、机器学习、数据挖掘、决策 支持、自适应系统、信息检索、人机交互等,一些系统提供 对许多服务的推荐,或无法 理解用户的兴趣和无法找到类似的用户来推荐）,从 2003 年到2004 年是旅游移动推荐系统发展的旺盛 期,通常通过用户对产品的评分、 购买历史来发现用户的兴趣并找出可能的相似用 户,而这些信息可能在旅游应用中是 非常关键的,用户建模通过显式和隐式的信息获 取方式确定用户的档案信息及兴趣偏好,即使用一个推理过程来发现什么产品 最适合用户需求 [12],（2）简化选择目的地并满足特殊需求和 愿望的旅游决策过程,在评价产品和服务时所考虑 的准则因素亦根据所推荐的项目的不同而不同（表 1）,旅游经历是包括旅游产品和服务 的复杂过程,在AVANTI 中提供一些旅游站点、酒店和度 假村等信息的推荐 [42],推荐必须满足用户的 显式偏好,由于没有对该项目的评分或该用户 的评分信息,推荐 系统同以搜索引擎为代表的信息检索系统 （information retrieval system）看起来相似,推荐系统亦 被认为是互联网中发展最快的应用之一,指出旅游推 荐系统应用的复杂性与特殊性,主要的问 题就是将旅游推荐系统设计成为能够利用已有旅 游决策理论来满足游客的特定需求 [55],在一个旅游计划中,网络已经成为用户搜 索和预订旅游服务的主要信息来源 [2,3],要］利用网络进行在线信息搜索已成为旅游者在旅游前获取信息的主要渠道,预测一个给定用户是否对特定项目感兴趣取决于 他过去评价、购买行为和社区的偏好,（4）通过客户关系管理技术激励潜在游 客反复重游一个目的地 Trip@dvice是由意大利特兰托（Trento）的电子 商务与旅游研究实验室研发的专门应用于旅游领 域而设计的推荐技术,一个有效的旅游辅助决策应该能够灵活地支 持不同用户的需求和多样的计划策略,推荐系统是指 产生个性化的推荐,目前 许多旅游类的期刊亦将旅游信息化、智能化的技术 与应用作为一个主要的论题,指当一个新项目或新用 户加入系统时,基于案例推 理的技术从以前推荐过的相似案例中找到直接可 用的或通过修改后可以解决当前存在问题的案例 进行推荐,社交网络服务的应用有些是直接集成到推荐 系统作为系统的一部分 [37],这些方法应能在不暴露用户隐私和敏感 信息的前提下保证推荐的有效性和准确性,（4）用户交互的初始数据或购买记录的缺失不 能影响系统决策的应用,只有通过显式地将一些影响消费者选择的概念因子融入系统中才能改进推荐系统的 设计 [51],DieToRecs 即是一个支持多决策风 格的推荐系统 [31],他们仅仅是依靠用户和项目的信息,还要考虑上下文信息 和用户偏好[49],提供3 个主要的“门”让用户“进入”系 统：反复单一项目选择、完整的旅行选择以及启发 驱动选择,购买相同项目 的相似用户在未来也有相似偏好,一个人的个性特征将会直接或间接 地影响目的地选择,主要分布于计 算机学科、旅游管理学科以及信息技术与旅游的交 叉学科中,最常见的做法是将协同 过滤推荐技术与其他某一种推荐技术相结合,其他相关论文涵盖率较高的期刊主要为专家系统 及其应用（Expert Systems Applications）、基于知识的系统（Knowledge- Based Systems）、旅游管理 （Tourism Management）、用户建模和用户自适应交 互（User Modeling User-AdaptedInteraction）、电 WebTechnologies）等,大多已有的推荐系统被称 为是多准则推荐系统,景点推荐的因素大都为位置、价格、时 间和兴趣,新的项目 将会用于匹配用户描述文件来发现最接近的项目,移动用 户智能人机交互、移动用户兴趣的偏好获取、多模 态识别以及景区游览与住宿、餐饮的集成推荐是研 究的重点内容,从而有利于智能移 动设备中推荐系统的应用,由费森梅尔、沃贝尔和沃斯 内尔（Fesenmaier、Wber Werthner）主编的《目的地推荐系统：行为基础和应用》一书（Destination Recommendation Systems: Behavioral Foundations 集结了致力于旅游推荐系统的主要专家及学者对目的地推荐系统的行为基础、系统 设计、案例分析及未来研究趋势的全方位的学术成 果,从而能够降低数据稀疏性并 更精确地发现相似用户提高推荐质量,旅游推 荐系统的研究从20世纪初开始,而对于移动推荐系统来说,搜索引擎推荐当前 用户查询的类似查询,还包括 推荐项目及其准则因素Tab. Recommenderitems criteria推荐项目 Recommender items 航班 Flights 旅行包 Travel packages 景点 Attractions 餐馆/咖啡店 Restaurants/Cafes 酒店 Hotels 旅游计划 Travel plans 准则因素 Criteria 价格、经停站、出发点、目的地、时间（起飞、到达）、飞行时间、航空公司 目的地、季节、价格、类型、历史或艺术风格（指吸引物） 类型、距离、价格、位置、时间、天气、交通、经历、兴趣/目标、参观过的景点、用户心情、移动模式、社交环境、旅游 动机、个性、职业、年龄 价格、菜系、就餐时间、开放日/时间点、设施可得性、位置、服务类型、菜单、客户评价 位置、价格、居住天数、时间、饭店星级、房间类型（单人间、双人间、标准间、套房等）、类别、可以预订的房间、入 住/退房的时间、距离景点的远近 旅游期望和约束（旅游同伴、预算限额、交通方式、住宿类型、离开地、旅游季节、旅游时间、旅游目的如运动、冒 险、放松、追求艺术与文化体验等）、旅行包（旅游地类型、住宿、活动、吸引物） 资料来源: 据本研究整理,2000年以后也出现了一些推荐系统既能 用于计算机,而对于旅游的推荐,旅游者常常被淹没于大量的信息搜索和 产品选择当中,用户移动模式 [44] [45]、交通方式 [38] 、用户心情 [38] 、社交环境 [37][45] 于酒店的推荐可能会考虑提供的设施、用户评价、可以预订的房间、入住/退房的时间、距离景点的远 近和价格等,第二个门让 用户通过组合项目来组成一次完整的旅行,它提 供一个基于内容的和协同过滤的方法来帮助游客 构建个性化的旅行路线规划工具,SkiMatcher 推荐系统即是 TripleHop Tripmatcher推荐引擎应用于滑雪旅游电子商务网 站Ski-的定制化版本,以及更多地使用隐式评价技术的非打扰模式获取用户兴趣,主要基于以下几个 方面的原因：（1）协同过滤方法被用于 推荐书,意大利的威尼托区(Veneto)也将Trip@dvice 旅游 计划和推荐组件整合到它们的官方旅游门户网站 中,传统的推荐系统都是在二 维空间里操作,（2）短期偏好（同当前情境相关的目标）和长期 偏好项目都应该影响推荐,协同过滤技术、基于内容的过滤技术虽 然已经成功应用于传统的领域,将旅游决策风格归类为6 [53]：高度预定义的旅行 者、住宿倾向的旅行者、推荐倾向的旅行者、地理倾 向的旅行者、价格倾向的旅游者和活动倾向的旅行 者,并被认为是旅游研究中的重要问题,第三个 门主要是通过用户交互或图形界面给用户以启发 式推荐,主要 是充分利用各种技术的优点来规避某种技术的不 足来提高推荐性能与推荐精度,而有些是基于第三方的 社交网络平台来抽取用户的档案信息,允许系统随机产生基于相似度驱动的选择项,两个最成功的推荐系统TripMacher(triplehop. com)和MePrint()都可被分类为基 于内容的方法,系统构建了一个专门的领域知识对话模型,拍卖等）常常将旅游者淹没于大量的信息 搜索和产品选择当中,霍罗佐维等人（Horozov, et al.）所采用 的基于协同过滤的方法中 [26],使得移动推荐系统的 发展更具挑战性 [36],在学术期刊上也有专栏讨论 推荐系统的研究与开发的,能够发现用户潜在的但尚不知道的兴趣爱 好,并已经被一 些目的地旅游组织选择作为他们的旅游门户支 [21],最终的目的地选择还是 或多或少地依赖于旅游者所能获得和使用的信息 的多少,旅游决策理论 ［中图分类号］F59 ［文献标识码］A ［文章编号］1002-5006（2014） Doi:10.3969/j.issn-1002-5006.2014.08.012 引言1.1 推荐系统的概念、应用及发展 旅游行业已经成为B2C电子商务最重要和活 跃的领域之一,在推荐旅 行包时通过组合不同的服务来提供推荐,有四分之三 的旅游者在出游前往往会考虑在线搜索旅游评论 信息来规划他们的行程,而推荐系统则要根据每个用 户的喜好、习惯、个性化需求来智能地定制其反馈 的结果与排序的内容,旅游者的目 的地选择就成为整个旅行计划的一个基本组成部 分,基于旅游产品本 身的复杂性,系统以居住得近的用户所喜欢的景点类型也相似 的假设为前提,为了提 高系统的推荐性能,开展旅游目的地的营 销及产品与服务推广的有力工具,保险、金融投资、旅游等是最为复杂的 推荐项目 [25],对旅 游推荐系统的概念、应用及发展现状进行了分析,在旅游电子商务企业中,通常会使用用户当前的位置来过滤结果,必须询问用户的旅行特性,冷启动问题（包括 项目冷启动和用户冷启动,（3）用户致力于信息搜索的认知努力应该能被 推测出来,用于匹配用户的偏好特性,个性特征包括社会经济特性和一个人的 TourismTribune Vol. 29 8,有些移动推荐系统也将社交网络服务引入其中 [37-40] 不仅支持游览城市还能分享游览后的感受,从 2007 年开始到目前已经成功举办了8 门致力于推荐技术研究、推广和应用的国际会议,在 实现这一系统时往往要用到这些与人工智能相关 的理论与技术,旅行特性主要包括旅行目 的、旅行时间、客源地和目的地的距离、旅行团队的 组成、交通方式等,为了更好地匹配用户 需求,并将Trip@dvice 组件嵌入其中来支持旅游访问者的信息搜索过程 [22],（2）不能将旅游简单化为两个旅行者的 行程一样,这类产品在推广时 往往将基于目的地的知识库封装到产品版本当中,而没有充分地利用用户的交 互历史和其他可获取的信息 [24],大量的期刊来自 Information Technology CommunicationTechnologies InformationTechnology Tourism为当前旅游与信息技术交叉领域的专门期刊,同用户当前情境相关的上下文因素（所处的季节,目的地选择是一个高风险的 行为,这主要是基于几个方面的原因：一是 由于推荐技术在目前流行的电子商务网站如 , YouTube, Netflix, Tripadvisor, Last.frm 以及IMDb 等的成功运用,Xiang,et al.）即讨论了目的地选择模型及影响目的地选择 的因素 [52],深入理解用户和项目,协同过滤推荐系 统也存在一些难以解决的问题,两个最 成功的推荐系统技术应用是triplehop的tripmatcher （被应用于www.ski- ）和VacationCoach 的专家建议平台 MePrint（被应用于 travelocity. com）,在这类系统中,研究方向为旅游信息化、旅游经济与管理、基础 理论,一些同决策过程相关的讨论也认为对目 的地选择建模是复杂的,类似于一个专家 系统,为了给其官方网站访 问者提供个性化内容和旅游行程规划,而对于旅游产品本身,比如选项比较、 知识获取、产品选择,但在推荐时尤其受到 移动上下文的影响,（4）多目的地旅游模型,如：AI Communication、 IEEE Intelligent Systems、International Journal ElectronicCommerce、 ACM Transactions Computer-Human Interaction ACMTransactions InformationSystems 为了全面了解国外旅游推荐系统相关的研究现状与进展,然后使用基于协同过滤的技术进一步 对之前的结果集进行排序,并采用行业专家输入和自动文本挖掘分析两种方 法建立了包括400 多个目的地信息的专业知识库,心理和认知变量主要包括个人价值观、对目 的地的已有知识和经验、个性、对特定目的地的态 度、旅行计划的过程,因此该项目就无法得到推荐,推荐系统的关 注极速增加,在所有这些系统中,综合考虑用户的历史行为和 当前的上下文情境和偏好,该系统 主要由知识个性化技术（knowledge personalization technology, KPT）实现,网络信息 的爆炸式增长和新的电子商务服务（产品选购,而对于餐馆的推荐则会考虑菜系、位 置、开放时间、客户评价、菜单和价格范围等,向用 户推荐离其最近的具有最高平均评分的项目,采用 纯CF 技术的推荐精度为52%,采用纯CBF 技术的 推荐精度为55%,或者以个性化的方式引导用户 在大量的选项中选择有趣的或有用的对象的系 统,主要的因素是用户的位置,比如当推荐一个假 期包,没有详细的购买历史和大多数用户偏 好的问题就出现了 [48],考虑到旅游产品与服务的特殊性与复 杂性,用来预测和发现用户可能感兴趣的商 品,用户项目（useritem）,但同 时也会考虑上下文信息,用户的活动（如移动模式、游览过的景点、浏览过的网页 TourismTribune Vol. 29 8,既可以是单一的住宿、 景点、交通等产品的选择,旅行特性主要指区别不同旅游 的情境要素,借助信息与通讯技术（ICT）技术,伯克和 拉米扎尼（Burke Ramezani）通过对10个应用领 域的推荐系统进行比较,旅游决策的复杂性,有着区别于其他 推荐项目的特殊性,这里的上下文信息可以通过 嵌入移动设备中的感应器（比如GPS模块、加速计、 计时器、罗盘、陀螺仪、相机）、Web服务（比如天气报 告或公共交通信息服务）、支持设施（如从部署在一 个特定地区或人群中的感应器中获取温度信息）或 其他用户（通过WPAN连接）来获取,移动设备的可携带性使得用户之间的互动更 加频繁（如移动通信、移动社交网络服务）,因为它不依赖于用户的打分,在航班推荐中,适用于推荐难以进行内容分析的非结构化的项 目（如图像、视频、音乐等）,在ScienceDirect 数据库中期刊主要 为计算机类、旅游类以及社会与行为科学类,旅游经历不是经常的,但却不能单纯地应 用在旅游领域里 [47],除了考虑功能和效 用外（如一个旅游包的花费成本）,这些变量用于解释和预测一个人的目的地选 择,是将社交网络和移动推荐相结合的一 种有效的方法,而对于旅行 安排的推荐,从网站提供的众多的产品和服 务中选取最适合的选项是非常困难的,这些描述文件仍是比较简单而且没有利用更多 先进的内容分析技术,既包括对单体 的景点、酒店、餐馆、航班等的推荐,我们会发现已游览过的目 的地不足以预测下一个,于是用户的反馈评价以及购买历史等都 很难得到,所 以还要同时考虑多个用户的兴趣,潜在用户上 下文参数的例子有位置、距离吸引物的距离、预算、 时间、季节、空闲时间、交通方式、天气状况、移动历 史（比如用户已经游览过的景区）、社会环境等,同时提供相应的过滤和文 本挖掘技术 [49],亚马逊网络商店()通过数据 挖掘算法和基于协同过滤的算法寻找具有相似用 户消费偏好,要构建这样一个庞大的数据库是一个历 时较长、成本较高的过程,减少用户的认知努力或最小化用户交 互,是欧洲旅游委员会 （ETC）推介欧洲旅游目的地的电子营销门户,而在识别用户兴趣,格雷策尔、黄和费森梅尔 （Gretzel, Hwang Fesenmaier）提出一个目的地推荐系统设计的行为框架 [54],对于每种不同决策风格的用户,如何将移动社会化网络 融合到移动推荐以提高推荐准确度,即向客户推荐产 品,例如对景点的推荐,目的地选择通常 还包括情绪和情感的内容（如家庭和朋友的影 响）,同一系统用几个因素,是基于一个相对大的社区,从集成的角度来看旅游决策,现代web 搜索引擎也依赖于推荐技 术来实现高级搜索特性,有些文 献还主要考虑了用户个性与动机,然后将推荐的结果按照价格从低到 高的顺序排列,亦是旅游管 理组织部门及电子商务企业,传统的推 荐技术只能应用通用的一些方法,（5）推荐过程应能支持多样化的人机交互,用户建模、自适应和个性化 UMAP,但这种方法需要大 量的领域知识和推理技术,旅游者的目的地 选择过程受到很多心理的和非心理的变量的影 响,向客户提供信息,（2）通用旅游模型,不仅包括人的主观决策因素,从而使 得在很少评价的情况下也能找到相同类别的用户,目的地选择往往是决 策的第一步,而旅游包里对于多个产品的组合还要考虑其复 杂的时空关系 [46],饭店推荐系 统Entree 即是采用的瀑布型的处理方式 [12],除了考虑位置还要考虑其他上下文信息,最终的推荐项 目应该支持多种基本元素的关联组合,主要关注 于个体将一个大的目的地集筛选到为一个的过 程,如 Traveller 采用以下因素：范围、位置或目的地、价格、 交通方式、交通公司（如航空公司）、住宿（酒店名 字）、住宿类型（小旅馆、五星酒店等）、房间类型（单 人间、双人间,进而使用协同过滤算 法进行推荐,相对于新闻、网页、书、CD、电影等低复杂度和价值 的推荐项目,从而大大提高了旅游体验度,比如对一组人 做推荐,比较典型的有数据 稀疏性问题（用户评分数据少）,就可 以让用户来设定具体的选项值,主要采用了三项策略：通过人工引 入虚拟用户,文献将目前的目的 地选择模型分为四类：（1）选择集模型,最值得一提的是ACM的信息检索 专题兴趣组SIGR,但一些 被用于每一个服务,需要找出保护用户隐 私的方法,要考虑旅行本身 的特性和环境因素,包含个人基本信息以及行为和历 史交互信息等,如I’m feeling Loco System 即是基于foursquare 平台 [38] SPETA系统是基于OpenSocialAPI 进行集成的 [40] 实际上,［关键词］信息超载,许多系统也都跟Traveller 相似,其结果对所有的用户是相同的,用户通过表达需求、偏好和限制,随着终端计算能力 的不断提升、移动3G技术、云计算等技术的不断发 展,在旅游方面,关注旅游 计划的各个层面,而是只依赖于评分信息,用户隐私保护,基于多准 则的评分的聚合相似度测量方法以及聚合函数、概 率模型、多线性奇异值分解等模型预测的方法将是 这个方向研究的重点,也常会因为缺少相应的特征提取技术而无法 处理,2014［基金项目］本研究受国家社科基金重点项目（13AJY016）、北 京市教委科技计划项目（SQKM201411417012）和北京联合大 学“新起点”计划项目（zk201220）共同资助,MePrint 通过显式地询问用户 将用户进行归类（文化迷、海滩迷等）,意大利比耶拉省(Biella) 采用Trip@dvice技术开了发他们新的门户网站,如先是目的地选择,并 尽可能减少用户的认知努力,同时推荐对象本身也具有一 定的特殊性和复杂性,一般必须要 求用户输入一些要求 [32],但很少有两个 人有同样的旅行经历,通过构建的社 交网络获取用户的相似结点,Information CommunicationTechnologies Tourism是由国际信息技术与旅游业联盟（IFITT）主办的ENTER会议的论文集,CABATA在一个案 例中,尤其是Springer 数据库中检索的结果明 显反映出在计算机学科领域里,而且临时的或未注册的用 户都应该能获得有价值的推荐,一次旅行计划所 包含的内容具有时空相关性,该种技术没有冷启动的问题,与旅游者相关的内容（如评 论、给景点打分、照片/视频等）也同时被管理和共 享,为了推广此项技术与应用,张凌云 （北京联合大学旅游学院,2014等）被系统自动记录,而旅行特性则是直接地影响,如旅游动机（享 受大自然、学习新知识、寻找新发现、逃避现实环 境）、年龄阶段、职业、个性等 [43],旅游者会发现,（3）方便产品和服务的随时 随地购买,2014位置识别的威胁已经被认为是采用上下文感知服 务的最大障碍之一 [59],如Traveller 提供一个假日 [34],多维度推荐,系 统来匹配项目描述,为了在真正意义上支持消费者的决策 过程,并会 更多地考虑上下文参数,它们应该比长期偏好占有更大的比重,大都会将价格作为主要因素,（2）推荐的资源范围过于狭窄,随着3G、4G等移动通信 技术的逐步应用以及云计算、网格计算等技术的兴 起,（3）决策 网络模型,包括3 个功能模块：智能用 户建模、专家知识库和建议引擎,一些系 统还提供个性化的地图向导,相关研究亦证明,INTRIGUE将项目（景点）结构化为 若干个属性,也使得 移动社交网络的构建更容易,而其主 要客户即是目的地管理组织,消费者常常会依赖家人、朋友、专家（如销售）来辅助决策,对于非结构 化数据（图形、视频、音乐等）难以进行内容分析的 数据,然而对于一个企业和 机构来说,奖励给可以让推 荐机制性能提高10%的人 [13],应 满足如下需求： （1）由于产品的结构较复杂,常用的混合推荐方法有：权重型、 合并型、瀑布型、特征递增型、元层次型等 [12],主要是考虑了多个特征因素 的条件或组合过滤 [56-58],奥地利国家旅游局为autria.info的门户开发了基 于Trip@dvice 的推荐工具,帮助没有足够个人经验的用 户进行选择,而“发现”是你并不明确地知道,额外的上下文信息必须被 考虑,旅游行业的总交易额在2003年即占 有全球B2C的50%以上的份额,而没有考虑额 外的上下文信息,而不是像在移动设备上只能获取单一主题的信 息,基于消费者理论,所以不像书的推 荐,而不是简单地对查询关键字 的匹配,如SPETA主要考虑三种因素：景点主题 （文化、休闲、现代艺术等）、吸引物区位（室内或室 外）、时间约束（景点开放和关闭的时间）,2014在这些会议中,分别在四大著名的外文数据库Springer、 ScienceDirect、EBSCO （Hospitality TourismComplete）、IEEE Explore 中进行检索发现,各种形式的社交网络如家庭、朋友、同学、同事、讨论组、兴趣组等,如果要做决策就必须进行深度的搜索,则采 用了VocationCoach的MePrint 平台来提高网站的转 化率、客户满意度并最终提高客户忠诚度,算法的可扩展性问题（随着用户数和项目数的增加 而使得计算量急剧增加）等,可以分为两大类：（1）决策者的个性特征,短期偏好常常来自必需 的需求,如景点的名称、代码、类型、艺术风格、 游览时间、电话、开放时间等,交互的选项应尽可能 简单,随着移动设备有了感应、计算和 可视化的能力也带来研究的挑战和机遇,以及数据管理专题兴趣组SIGMOD等所主 办的专题会议,不像 购买书、CD那样频繁,在处理冷启动问题时,随着互联 网的普及发展以及电子商务网站的兴起,也有少数采用了站点、旅行的区间、航空公 司或范围,价格倾向的旅游者可以先向其询问可以接 受的价格范围,而有些只用于一个,如有限的输入、计算能 力以及移动设备的交互能力,目前已经成为一些电子商务网站不可缺少的一部分,并影响其余的决策,旅行的季节,帮 助他们决定购买什么产品,在EBSCO数据库 中,即不仅仅是同查询项相关,这样就需要采用综合的方 法,将是未来 研究的重点,因此选择 比较慎重,然而随着互联网的普及发展以及电 子商务网站的兴起,选择地区（既有总体的描述像山岳、海洋,而TripMatcher 则采用 的是较为复杂的方法,基于其自身的特 点,是“推”的过程,两个人可以买一样的书,已经被广泛应用于推荐 [14]、文章 [15] 、电影 [16] 、电视节目 [17] 、新闻 [18] 、音乐 [19] 网页[20] 等,文章通过国外近十年的相关文献的收集整理,不用任何输入,如季节、当前时间、位置、 天气、温度等,（2）旅 行特性,Travel Planner 包含住宿、餐馆、活动和 交通 [41],包括 时间 [44],2014心理和认知特性,旅游者能组织整个行程,通常同其他人一起旅行,并推断出用 户没有提出的隐式需求 [32],TourismTribune Vol. 29 8,TourismTribune Vol. 29 8,并正在成为当前的 研究热点,二是有较流行的同该领 域相关的会议和研讨会,津斯和格拉布尔（Zins Grabler）还通过研究,或者试图应用一些个性化的 形式来产生查询结果,然后是住宿、价格以及 其他等,标准间、套间）以及服务类型,［修订日期］ ［作者简介］乔向杰（1977—）,最终将结果以列表、2D/3D地图等形式 在客户端浏览器或移动终端展现,大量的近期研究表明,美国最大的DVD 租赁网站 Netflix 设立了100 万美元的奖金,但 同时也更加剧了个人隐私的暴露,从而大大提高了客户的黏性和销售率,比如在线机票 预订、在线酒店预订、在线行程规划、在线门票购买 等,社会经济特征主要包括年龄、教育、收入和婚姻状 况等,距离景点的远近等）,以克 服冷启动问题,“搜索”是你明确地知道自己要找的内 容,也包括具 体的国家或城市）,并且更真实可靠,上海人,北京 100101） 查找的内容,也具有一些难以克服的缺点：（1）由于特 征提取的能力有限,移动设备本身的特点,事先对餐馆分类并进行评分,河南信阳人,不难发现,并将被逐 步精细化和提高效率,通过对网站4 月的转化率的实证分析,已经参观过的景点 [45],主要考虑假日类型（休闲、活动、学习语言）,是“拉”的过程,多准则评价,亦可以是这些元素的组 合,个性化,也使得移动互联网的访问速度以及终端存储和 处理能力不足等问题得到缓解,预期的价格等 [33],而这些东西还 潜在的存在,从 以前的二维空间推展到多维是非常重要的,从期刊所属的学科来看,这些方 法虽然不同,在最近几年,比如由美国计算机协会 ACM ACMConference Series RecommenderSystems”（http://recsys.acm.org/）,希望的交通方式（汽车、火车、飞 机）,笔者以“tourism recommender systems” 为关键词,里奇等（Ricci, et al.）也认为,但在任何情况下,而且花费比较高,张凌云（1960—）,包含大量未知情形,专门成立了ECTRL Solutions 公司负责运维,产 品比优,如对于高度预定义的旅行者,[This study grantsfrom KeyProject NationalSocial Science Foundation ZHANGLingyun) TechnologyProject BeijingMunicipal Education Commission QIAOXiangjie）(No. SQKM201411417012) the“NewStart”Academic Research Projects BeijingUnion University QIAOXiangjie) zk201220).]［收稿日期］,并且主动找到了你 [13],往往要考虑如何解决这些 问题,具体来说,通讯作者,使得他们无力进行理性决 策,并且可以按照一定 的顺序,参考文献（References） Intelligentsystems tourism[A].//:Proceedings 18thInternational Joint Conference ArtificialIntelligence[C]. Menlo Park: AAAI Press, 2002. 1620-,该论文 集每年均由Springer- Verlag 出版社作为Springer- Computer Sciences 丛书系列的文集正式出版发行,实际上,研 mail:lytxiangjie@,便于后期的扩展和使用,第二,伯克 （Burke）则 useful）[10,12],第三,德拉尔特和豪布尔（Dellaert Hubl）也指出,女,博士,讲师,男,教授,博士生导师,E-mail: zhanglingyun1960@,至少在西方发达国家,然而,最近,比如,当今,另一方面,因此,比如,例如,另外,另外,另外,然而,因此,例如,然而,因此,例如,当然,也 就是说,但是,同时,因此,相似地,首先,因此,比如,一方面,另一方面,另外,其次,当然,因此,因此,但有一点是相通的,同时,因此,因此,比如,也就是说,因此,第四,同时,另一方面,第五,因此。