李 川 張少茹

（1.西安航空學院計算機學院 西安 710077）（2.西安交通大學醫(yī)學部 西安 710061）

1 引言

旅游旅行度假一直是很多人向往的生活模式，隨著國民經(jīng)濟、教育的發(fā)展，旅游旅行度假體驗生活已經(jīng)成為國民日常生活中的一個重要環(huán)節(jié)，更多的人希望通過旅游放松心情、體驗生活。但旅游作為一種產(chǎn)業(yè)，很多地方為了追求利益，過度商業(yè)化，導致旅游偏離了本質(zhì)，景點的自然、生態(tài)、人文因素失真，交通、食宿等保障措施落后，諸如游客滯留、天價飯、宰客、環(huán)境衛(wèi)生差、強制消費等現(xiàn)象頻繁出現(xiàn)，這些問題導致景點和游客之間出現(xiàn)巨大鴻溝，游客擔心被宰、服務差，景點被五花八門的宣傳、評論導致無法將真實情況呈現(xiàn)給游客［1］。這使得人們選擇旅游景點時受到很大的影響，難以抉擇。

隨著網(wǎng)絡的普及，微博、朋友圈、個人空間等形式給網(wǎng)民提供了一個廣闊的自媒體平臺，很多游客在去過一個景點以后，會對景點發(fā)表的評價評論、旅游攻略等信息，這類信息成為很多用戶了解景點情況的重要信息來源，大多數(shù)評論都能客觀準確地反映景點真實情況，但網(wǎng)絡中的評論參差不齊，也有少部分評論會帶有一定的主觀意識，甚至存在網(wǎng)絡水軍，這對用戶獲取有用信息帶了一定的干擾。而網(wǎng)絡中的旅游評價信息量龐大，用戶往往只瀏覽很少一部分，這些不準確的評論很可能對用戶帶來錯誤導向。用戶從大量信息中獲取準確有用的信息是極其困難的，一般可以采用信息技術(shù)方法從大量信息中提取有用信息。游客評價內(nèi)容，代表了游客真實的內(nèi)心體會，這類信息屬于非結(jié)構(gòu)化信息，一般需要采用數(shù)據(jù)挖掘技術(shù)獲取有效數(shù)據(jù)［2］。

2 研究現(xiàn)狀

一般推薦系統(tǒng)是針對商品推薦的，其基本思想是在用戶和商品之間建立聯(lián)系，根據(jù)用戶的歷史購買記錄，再根據(jù)用戶與商品的聯(lián)系，將用戶可能感興趣的商品推薦給用戶。商品推薦系統(tǒng)的的組成如表1所示。

表1 商品推薦系統(tǒng)組成

個性化推薦算法主要可以分為Collaborative Filtering Recommendations（協(xié)同過濾，CF）和Content-based Recommendations（基于內(nèi)容，CB）的推薦算法。CF 是當前廣泛使用的推薦算法，但是往往真正使用時一般都不會只有CF，CB 也會經(jīng)常用到，即常用的是CF+CB的混合推薦算法［3］。

CF 是一種廣泛應用的推薦系統(tǒng)，算法的過程分為3步：

1）根據(jù)用戶特征計算用戶間的關(guān)聯(lián)度；

2）根據(jù)用戶關(guān)聯(lián)度高的其他用戶的偏好預測該用戶的偏好；

3）根據(jù)預測出來的偏好對用戶進行合理推薦。

協(xié)同過濾的推薦依據(jù)主要是根據(jù)用戶間的關(guān)聯(lián)度和用戶對item 的評價，該算法能有效地挖掘item 的潛在需求者。但協(xié)同過濾推薦算法存在期初評價數(shù)據(jù)量少，矩陣稀疏等問題，導致推薦結(jié)果不合理等情況［4～6］。

基于內(nèi)容的推薦算法應用較早，常用于信息檢索及信息過濾［7］。根據(jù)用戶已選item 內(nèi)容計算用戶間的關(guān)聯(lián)度，然后進行推薦。CB 記錄item 信息，通過分析已選item 內(nèi)容，記錄用戶信息。CB 根據(jù)用戶信息與item信息的相似度，向用戶推薦相似度較高的item，它不受期初評價稀疏性問題的影響，發(fā)現(xiàn)隱藏信息。CB的過程如圖1所示。

圖1 CB的過程

整個過程可以分為3步：

1）Item Representation：從item 信息中對每個item 進行內(nèi)容分析，抽取一些特征將item 結(jié)構(gòu)化處理，生成結(jié)構(gòu)化的項目庫；

2）Profile Learning：從用戶資源信息中對每個用戶進行偏好分析，將一個用戶的偏好結(jié)構(gòu)化處理，生成用戶偏好庫；

3）Recommendation Generation：根據(jù)用戶偏好與item信息特征計算相似度，為用戶推薦相關(guān)性高的item［8］。

綜上所述，協(xié)同過濾推薦算法適用于用戶、item 及用戶選擇item 數(shù)量都龐大的情況，諸如網(wǎng)絡購物推薦系統(tǒng)，而旅游并非日常剛需，相對而言歷史數(shù)據(jù)有限，且用戶偏好類型比較單一，因此采用基于內(nèi)容的推薦算法更加合適。本文提出一種基于用戶特定特征及內(nèi)容的旅游景點推薦模型，根據(jù)景點評價數(shù)據(jù)及用戶歷史數(shù)據(jù)預測用戶偏好。

3 建立基于內(nèi)容的熱門景點推薦模型

3.1 Item Representation

旅游景點作為推薦系統(tǒng)中的item，需要提取一些屬性，一般item的屬性可以分為結(jié)構(gòu)化和非結(jié)構(gòu)化屬性，結(jié)構(gòu)化屬性，即可以被計算機直接表示、存儲的數(shù)據(jù)，比如門票、星級等，推薦系統(tǒng)可以直接使用；而非結(jié)構(gòu)化數(shù)據(jù)，首先需要結(jié)構(gòu)化處理，才能在推薦系統(tǒng)中使用，例如景點評價、旅游攻略等信息，這些信息是本文所述推薦算法的主要數(shù)據(jù)來源，如何將其結(jié)構(gòu)化是本文的重點研究內(nèi)容之一，本文采用VSM 進行旅游評價信息結(jié)構(gòu)化處理［9］。VSM（Vector Space Model），即向量空間模型，是一種向量運算，可以將文本內(nèi)容處理為向量空間，并且通過向量空間分解計算文本相似度［10］。

旅游評價文本集合為P→(p1，p2，p3，p4，…pi，…pn)，因本算法主要針對中文文本，需要對每篇評價文本pi 進行分詞，中文分詞可采用jieba 工具［11］，其基本過程如圖2 所示，分詞得到分詞集合，即詞典W→(w1，w2，…wk…wl)。

圖2 jieba分詞過程

定理1：TF-IDF（term frequency-inverse document frequency），即詞頻-逆文檔頻率，是一種衡量一個詞對于一篇文章的重要程度的統(tǒng)計算法，其計算公式如下：

其中TF(wj，pi)表示pi評論中wj詞出現(xiàn)次數(shù)，n 表示評論數(shù)，nj表示出現(xiàn)wj詞的評論數(shù)。采用定理1 計算wji可能會出現(xiàn)偏差，一般需要歸一化處理［13］。

定理2：評論pi中詞wj的權(quán)重歸一化計算公式如下：

3.2 Profile Learning

一般的偏好分析是通過用戶過去對一些item的喜好情況，計算出一個模型，根據(jù)此模型來預測一個新的item 用戶是否喜歡。由于旅游項目類型數(shù)量有限，因此在傳統(tǒng)偏好分析方法的基礎是增加用戶選擇偏好的指標，這樣可以避免一些新用戶數(shù)據(jù)稀缺，無法計算偏好模型的問題。本文采用Rocchio算法計算用戶偏好［14］。

定理3：用戶偏好的Rocchio計算方法：

3.3 Recommendation Generation

根據(jù)Profile Learning 的結(jié)果，利用余弦相似度（Cosine similarity）計算各個item 的相似度［15］，余弦相似度計算方法如下。

定理4：Cosine similarity計算兩個向量相關(guān)性

Cosine similarity 是把ωu作為n-維坐標系中的一個向量，與item 的向量間夾角的余弦值即代表了相似度，兩個向量余弦值越大，即夾角越小代表兩個向量越相似，反之相似度越小。

根據(jù)定理4 循環(huán)計算所有item 的Cosine similarity，將Cosine similarity 結(jié)果最高的Top-K 個item推薦給用戶。

4 實驗過程

為了獲取實驗測試評論數(shù)據(jù)集，采用網(wǎng)絡爬蟲提取，經(jīng)過去重降噪處理后，最終獲得20000 條景點評論數(shù)據(jù)，其數(shù)據(jù)結(jié)構(gòu)如表2 所示。從數(shù)據(jù)集中隨機抽取15000條數(shù)據(jù)進行實驗訓練，其余5000條數(shù)據(jù)用于測試，分別對協(xié)同過濾推薦算法、基于內(nèi)容的推薦算法進行了實驗。實驗首先采用jieba 進行中文分詞，再根據(jù)觀點元素類別屬性權(quán)重表進行觀點分析、選取觀點特征。在提取用戶特征值時，可以根據(jù)數(shù)據(jù)集提取，也可以加入用戶選定的特定特征。最后利用Cosine similarity 計算用戶與評論之間的相關(guān)性，并將相關(guān)度最高的Top-K個item 推薦給用戶。

表2 實驗數(shù)據(jù)結(jié)構(gòu)

5 實驗結(jié)果及分析

協(xié)同過濾推薦算法與基于用戶特定內(nèi)容的推薦算法的實驗結(jié)果在精度P、召回率R 及綜合評價指標F對比如圖3所示。

圖3 實驗結(jié)果PRF值對比

從圖4 實驗結(jié)果PRF 值對比可以看出，在景點評論的觀點分析時，基于用戶特定內(nèi)容的推薦算法在P值、R值及F值等方面都有提升。

再將兩種方法按照PR 及ROC 進行多次實驗，結(jié)果如圖4、圖5所示。

圖4 兩種方法PR對比

從圖4、圖5實驗結(jié)果可以看出，在根據(jù)評論進行景點推薦時，基于用戶特定及內(nèi)容的景點推薦算法在PR曲線、ROC曲線效果較好。

圖5 兩種方法ROC對比

6 結(jié)語

本文通過對協(xié)同過濾推薦算法及基于內(nèi)容的推薦算法進行了分析，針對用戶選擇旅游景點的特征，提出一種基于用戶特定內(nèi)容的熱門景點推薦模型，根據(jù)用戶選擇的特定特征，通過自建的旅游景點評論數(shù)據(jù)集提取評價觀點集和用戶特征，結(jié)合用戶選擇的特定特征生成用戶特征集合，避免了新用戶特征稀疏的問題，再根據(jù)評論觀點和用戶特征計算Cosine similarity，將相似度高的item 推薦給用戶。通過實驗結(jié)果表明，基于用戶特定特征及內(nèi)容的景點推薦模型研究方法較常見的協(xié)同過濾方法在準確率、召回率方面有所提升，PR及ROC曲線效果良好，同時，基于內(nèi)容的推薦算法在用戶獨立性（User Independence）、可解釋性（Transparency）、新的item 易推薦（New Item Problem）等方面都有較大優(yōu)勢。本研究的局限在于基于內(nèi)容的推薦算法無法挖掘用戶的潛在興趣。