在智慧旅游的大目標(biāo)以及旅游網(wǎng)站功能落后的背景下,解決信息過載問題的推薦系統(tǒng)引起學(xué)者的關(guān)注。文章以浙江省750個(gè)景點(diǎn)為例,基于案例推理法,通過多線程爬取、預(yù)處理旅游網(wǎng)站的數(shù)據(jù)來構(gòu)建旅游案例庫。系統(tǒng)基于Flask框架敏捷開發(fā),設(shè)計(jì)了基于Word2Vec詞嵌入向量技術(shù)計(jì)算文本相似度的案例匹配算法,調(diào)用MongoDB數(shù)據(jù)庫索引以及Find引擎,實(shí)現(xiàn)了耦合層次的搜索,根據(jù)用戶的旅游偏好給用戶提供個(gè)性化旅游景點(diǎn)、游記等服務(wù)。 

【文章來源】：中國集體經(jīng)濟(jì). 2019,(32)

【文章頁數(shù)】：3 頁

【部分圖文】：

案例庫結(jié)構(gòu)圖

詞組，用Word2Vec工具將詞組變成64維的向量，返回用戶輸入的旅游需求和第一次搜索結(jié)果的相似度打分并排序，按照順序返回前端頁面顯示，實(shí)現(xiàn)耦合層次的搜索。文章中計(jì)算文本相似度采用的是余弦相似性算法，詞組x和詞組y分別對(duì)應(yīng)m維詞向量x軋和詞向量y軋，二者的相似度為兩向量的余弦值，如公式（1），其中x軋，y軋表示向量的點(diǎn)積，｜｜x軋｜｜表示向量的模。sim（x，y）＝con（x軋，y軋）＝x軋·y軋｜｜x軋｜｜×｜｜y軋｜｜（1）具體代碼函數(shù)實(shí)現(xiàn)如圖2所示。（三）案例庫更新用戶在輸入旅游偏好后，系統(tǒng)會(huì)推薦出符合偏好的旅游目的地和游記列表，如圖3所示。用戶對(duì)推薦結(jié)果的瀏覽點(diǎn)擊情況一定程度上可以反映對(duì)推薦結(jié)果的采納程度，對(duì)后續(xù)旅游案例庫的更新有一定的依據(jù)價(jià)值。在MongoDB數(shù)據(jù)庫新增一個(gè)User數(shù)據(jù)庫存儲(chǔ)用戶信息，將用戶注冊(cè)信息、用戶搜索記錄、用戶瀏覽歷史等信息寫入。在網(wǎng)頁后端注冊(cè)管理員帳號(hào)，實(shí)現(xiàn)管理員管理用戶和管理后臺(tái)案例庫的職能，可以根據(jù)用戶的瀏覽行為修正Travel數(shù)據(jù)庫中的解決方案，也可以往Travel數(shù)據(jù)庫中新增案例，從而實(shí)現(xiàn)案例庫的更新，完成CBR的增量式學(xué)習(xí)。五、結(jié)論通過對(duì)用戶的旅游偏好和旅游目的地建模，基于案例的推理方法，結(jié)合網(wǎng)絡(luò)爬蟲技術(shù)構(gòu)建浙江省景點(diǎn)和游記案例庫，結(jié)合深度學(xué)習(xí)構(gòu)建案例匹配算法，基于Flask框架設(shè)計(jì)并實(shí)現(xiàn)了基于案例推理的浙江旅游智能推薦系統(tǒng)。該系統(tǒng)根據(jù)用戶的偏好輸入，匹配旅游案例庫中的解決方案，提供旅游目的地信息和游記信息列表，給用戶提供個(gè)性化定制旅游景點(diǎn)、游記等服務(wù)。該系統(tǒng)具有良好的穩(wěn)定性和較強(qiáng)的可拓展性，對(duì)其他旅游目的地的研究也有一?

⑴判潁?湊賬承蚍禱厙岸艘趁嫦?示，實(shí)現(xiàn)耦合層次的搜索。文章中計(jì)算文本相似度采用的是余弦相似性算法，詞組x和詞組y分別對(duì)應(yīng)m維詞向量x軋和詞向量y軋，二者的相似度為兩向量的余弦值，如公式（1），其中x軋，y軋表示向量的點(diǎn)積，｜｜x軋｜｜表示向量的模。sim（x，y）＝con（x軋，y軋）＝x軋·y軋｜｜x軋｜｜×｜｜y軋｜｜（1）具體代碼函數(shù)實(shí)現(xiàn)如圖2所示。（三）案例庫更新用戶在輸入旅游偏好后，系統(tǒng)會(huì)推薦出符合偏好的旅游目的地和游記列表，如圖3所示。用戶對(duì)推薦結(jié)果的瀏覽點(diǎn)擊情況一定程度上可以反映對(duì)推薦結(jié)果的采納程度，對(duì)后續(xù)旅游案例庫的更新有一定的依據(jù)價(jià)值。在MongoDB數(shù)據(jù)庫新增一個(gè)User數(shù)據(jù)庫存儲(chǔ)用戶信息，將用戶注冊(cè)信息、用戶搜索記錄、用戶瀏覽歷史等信息寫入。在網(wǎng)頁后端注冊(cè)管理員帳號(hào)，實(shí)現(xiàn)管理員管理用戶和管理后臺(tái)案例庫的職能，可以根據(jù)用戶的瀏覽行為修正Travel數(shù)據(jù)庫中的解決方案，也可以往Travel數(shù)據(jù)庫中新增案例，從而實(shí)現(xiàn)案例庫的更新，完成CBR的增量式學(xué)習(xí)。五、結(jié)論通過對(duì)用戶的旅游偏好和旅游目的地建模，基于案例的推理方法，結(jié)合網(wǎng)絡(luò)爬蟲技術(shù)構(gòu)建浙江省景點(diǎn)和游記案例庫，結(jié)合深度學(xué)習(xí)構(gòu)建案例匹配算法，基于Flask框架設(shè)計(jì)并實(shí)現(xiàn)了基于案例推理的浙江旅游智能推薦系統(tǒng)。該系統(tǒng)根據(jù)用戶的偏好輸入，匹配旅游案例庫中的解決方案，提供旅游目的地信息和游記信息列表，給用戶提供個(gè)性化定制旅游景點(diǎn)、游記等服務(wù)。該系統(tǒng)具有良好的穩(wěn)定性和較強(qiáng)的可拓展性，對(duì)其他旅游目的地的研究也有一定的借鑒意義。參考文獻(xiàn)：[1]WatsonI.Case-basedreasoningisamethodologynotatechnology[J].Knowl-edge

【參考文獻(xiàn)】：
期刊論文
[1]基于案例推理法研究綜述[J]. 侯玉梅,許成媛.  燕山大學(xué)學(xué)報(bào)(哲學(xué)社會(huì)科學(xué)版). 2011(04)



本文編號(hào)：3065612