[发明专利]旅游推荐方法及系统

说明书

本发明提供了一种旅游推荐方法，用于分析用户的旅游偏好，主要包括以下步骤：获取用户行为信息，包括标签数据和评分数据，判断是否属于冷启动；获取用户的标签数据，并判断该用户是否有评分数据；若无评分数据，则使用基于标签的推荐算法，按照标签权重进行排序，生成推荐结果；使用基于标签的推荐算法和基于用户的协同过滤推荐算法，将标签权重融入评分数据，生成推荐结果；对推荐结果进行过滤，选取Top N的数据进行缓存以供系统调用，向用户进行个性化推荐。本发明旨在通过获取并分析用户的旅游偏好数据，结合基于标签的推荐算法和基于用户的协同过滤推荐算法，向用户提供个性化的推荐结果，提高用户的旅游体验。

技术领域

本发明涉及一种旅游推荐方法及系统，属于旅游服务领域。

背景技术

随着国民经济水平的不断提升，人们更加注重自己的生活质量，旅游业随之蓬勃发展。但是，不同景点都有其自己的特点和地方特色，用户也有不同的旅游偏好，所以用户在自行挑选旅行地点时往往耗费时间和精力。为了更好地利用旅游资源，满足用户的旅游需求，应该深入挖掘用户和旅游资源之间的关系和特点，提升用户体验，构建个性化旅游推荐系统。推荐系统是解决信息过载的一种比较好的方法，良好的推荐算法不仅可以让用户找到适合自己的旅游景点，节约搜索和考虑时间，而且还能促进旅游平台的健康良性发展。

目前国内外对推荐算法的应用做了许多研究，涌现出许多推荐技术，常见的有基于内容的推荐方法、协同过滤方法等，还有混合多种推荐技术的方法。由于在不同的应用场景下，推荐算法的适用性和易用性都不一样，所以要选择合适的方法；推荐系统还需要大量用户行为数据的支持，数据少会导致推荐性能指标下降，而数据多又会导致计算量大，影响系统的实时性。

有鉴于此，确有必要提出一种旅游推荐方法及系统，以解决上述问题。

发明内容

本发明的目的在于提供一种旅游推荐方法及系统，采用混合推荐算法，向用户提供个性化的旅游方案。

为实现上述目的，本发明提供了一种旅游推荐方法，用于分析用户的旅游偏好，主要包括以下步骤：

步骤S1、获取用户行为信息，包括标签数据和评分数据，判断是否属于冷启动；若为冷启动，则采用默认推荐机制，生成推荐结果，并转到步骤S4；若不为冷启动，则转到步骤S2；

步骤S2、获取用户的标签数据，并判断该用户是否有评分数据；若无评分数据，则使用基于标签的推荐算法，按照标签权重进行排序，生成推荐结果，并转到步骤S4；若有评分数据，则转到步骤S3；

步骤S3、使用基于标签的推荐算法和基于用户的协同过滤推荐算法，将标签权重融入评分数据，生成推荐结果；

步骤S4、对推荐结果进行过滤，选取Top N的数据进行缓存以供系统调用，向用户进行个性化推荐。

可选的，步骤S1中，所述默认推荐机制为将近期人流量大的热门景点作为推荐结果。

可选的，步骤S2中，所述标签数据包括默认标签和自定义标签，所述默认标签为默认设置的景点固有属性，所述自定义标签为用户输入的个性化标签。

可选的，步骤S3具体为：在用户只有标签数据时，计算标签权重并对标签进行扩展，即计算标签之间的相似度，对于标签b，N(b)表示为有标签b的景点的集合，n_b,i为给景点i打上标签b的用户数，可以通过如下余弦相似度公式计算标签b和标签b'的相似度：

将相似度接近的标签归为一类，并对热门景点进行惩罚，可以得到表示用户u对景点i的兴趣公式：

其中，n_u,b表示用户u打过标签b的次数，n_b,i表示景点i被打过标签b的次数，表示标签b被多少个不同的用户使用过，表示景点i被多少个不同的用户打过标签。