1、引言

2017年1月22日，CNNIC发布第39次《中国网络络进步情况统计报告》，截至2016年12月，在网上预约过机票、酒店、火车票或旅游度假商品的网民规模达到2.99亿，较2015年底增长3967万人，增长率为15.3%。可见，在线旅游飞速发展，但这对于旅游者并可能不是好的现象。因旅游者常被困在很多的信息和商品当中，没办法做出选择。而旅游推荐系统则是解决信息过载现象的有效办法。它为用户推荐符合其需要和偏好的旅游商品，以帮助用户迅速做出旅游决策。

笔者通过检索中国知网电子期刊全库，共采集到“旅游推荐系统”有关文献100多篇，经过筛选剩下69篇。国内最早出现关于旅游系统推荐的文献是在2006年，并正在成为目前的研究热门。从文献的学科属性来看，主要集中在计算机学科、地理学科、管理学科与信息技术与旅游的交叉学科中。这主如果由于旅游推荐系统是推荐系统在旅游行业中的应用之一，而推荐系统刚开始也是源自信息抽取技术及信息检索技术等与计算机紧密有关的范围，在达成这一系统时总是要用到这类与AI有关的理论与技术。国内学者对旅游推荐系统的研究主要集中在旅游推荐系统的研究与设计、旅游推荐系统的办法与技术、旅游推荐项目的研究等方面。

2、旅游推荐系统的研究与设计

推荐系统已经被广泛应用于推荐书、文章、电影、电视节目、新闻、音乐网页等。推荐系统最早的定义是借助电商网站向顾客提供产品信息和建议，帮助用户决定应该购买哪种产品，模拟销售帮助顾客完成购买过程。
1997年AT&T实验室提出了基于协同过滤算法的个性化推荐系统，在eBay、Youtube等大型电商网站等应用广泛。很多学者基于数据挖掘技术、LBSN（基于地方的社交互联网）数据、上下文感知技术、约束、垂直搜索引擎、基于内容的推荐技术和混合推荐技术、加权关联规则、本体、3G手机、云计算、物联网等技术对旅游推?]系统进行研究和设计，向旅游者推荐满足其需要的旅游包、旅游商品、旅游线路、旅游景点推荐及行程路线等。

陈传敬的个性化的旅游推荐系统，依据移动用户的偏好自发的为游客做出个性化的推送服务，帮助用户找到比较适合我们的酒店、景点、餐厅、娱乐场合、购物场合等。严杰的旅游电子商务个性化推荐系统，在云数据的精准剖析基础上，再将推荐结果以服务的展示形式推送到旅游电子商务的每个营销环节，很大的推进了商品购买的实际转化的比例。麻风梅，高文的基于Internet平台的安康旅游景点在线推荐系统，不只帮助游客做出旅游决策；还可以提供给旅游企业和有关管理部门，使其更好的管理安康的旅游资源。姚海涛的旅游信息推荐系统，为游客提供各种旅游信息的查看，使游客拥有一个筹备充分的出游计划。

3、旅游推荐系统的办法与技术

1.基于内容的推荐

依据用户选择的商品，向用户推荐与该商品属性一样的其它商品。这种技术是借助用户的历史内容来产生用户描述文件的，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。徐盼等觉得应用数据挖掘技术的朴素贝叶斯办法可以为特定需要的用户提供个性化路线推荐。黄飞龙通过采集用户行为数据为用户实时推荐所需信息，用户在有限时间内游玩景区内有兴趣的景点，为用户的游览路线提供建议。

2.基于协同过滤的推荐

依据用户对商品的偏好，将与该用户偏好一样的其他用户选择的产品排行榜给该用户。协同过滤技术可以分为两个子类：一是依据用户的兴趣进行协同过滤，二是依据商品的共性进行协同过滤。张伟伟等、郑外辉、吴清霞等、麻风梅、杨晓飞依据用户兴趣为用户进行个性化的路线、景点或信息服务的推荐。侯新华等借助在线旅游网站上游客对旅游景点的评价数据，用协同过滤算法为游客推荐旅游景点。李倩等借助网络上用户口碑，为用户推荐个性化的旅游计划。曹阳考虑了用户评论和每个用户之间的回复关系及每个用户之间回复的时间关系，提出了一种基于游客信息的协同过滤帖推荐办法。方潇通过为目的用户打造邻近用户集来改进协同过滤的算法。史一帆等在协同过滤算法中引入景点标签，使得为用户推荐的景点更准确。

3.基于常识的推荐

这种办法通过对特定范围的常识指定规则进行基于约束的推荐和基于实例的推荐。王显飞等提出一种基于约束的旅游推荐系统的设计策略，系统以会话的方法逐步启发用户的偏好和需要，可以为用户提供愈加准确、个性化的旅游推荐服务[8]。方潇、曾令伟等基于关联规则挖掘经典算法Apriori，为用户推荐有关服务。张华、陈志刚等基于关联规则的算法，从大量数据库中挖掘个性化信息，为旅游电商的用户提供智能推荐。刘小燕等提出了基于增强学习技术的旅游会话推荐系统，帮助用户进行互动式对话获得目的。虞娟基于本体CBR的旅游商品案例办法，为用户推荐一样的旅游商品。

4.基于社会媒体的推荐

这种办法是借助集体智慧，将社会媒体中用户间的社会关系或其它媒体数据运用于推荐中。AbdulMajid、刘义海、卢昕依据社会化媒体网站上（如Flikr网站）用户上传的带有地理标签和时间信息的照片，和用户的需要、兴趣为用户提供个性化的旅游路线、旅游信息和旅游计划。刘艳等、胥皇等基于地方的社交互联网上关于地方和活动的信息，打造地址和用户偏好模型，依据用户需要为用户提供个性化的旅游景点、旅游包。 4、旅游推荐项目的研究

推荐系统应用到旅游范围中，包含对旅游景点、酒店、饭店等单个旅游商品的推荐，也包含对旅游活动、旅游包、旅游目的地、旅游线路和旅游信息服务等涵盖多商品、多项目的推荐。

1.单个旅游推荐项目

从搜集到的文献中的内容来看，单个旅游项目的推荐主如果对旅游景点、酒店的推荐，文献并不多。胡乔楠、麻风梅等、侯新华等、史一帆等、刘艳等、于蓓佳这类学者借助不一样的技术和算法，为用户推荐符合其需要和兴趣的旅游景点。它考虑了用户兴趣偏好和景点时尚度的CIAP通过设置相似用户的景点推荐权值和景点时尚度权值，得到最佳推荐结果。

2.组合旅游推荐项目

胡纳纳等依据用户的兴趣推荐用户喜欢的旅游活动包含运动、景区、交通工具等。胥皇等通过交互地获得用户旅游意向，实时生成多个旅游包供用户选择。杨晓飞依据旅游者不同阶段的兴趣特点，向旅游者推荐目的地。方潇依据用户的历史行为其推荐旅游行程，并能将推荐后的行程进行地图可视化表达。

对于旅游路线的推荐，黄飞龙、曾令伟等、张华、吴春阳、吕红亮等学者依据用户数据和信息为用户推荐满足其个性化需要的旅游线路。郑外辉考虑了游玩景点时影响旅客旅游体验原因及旅游线路中影响游客旅游体验原因，为游客推荐符合其口味的景点旅游路线。卢昕借助含有地点信息的照片与游记所涵盖的旅游信息，依据用户的需要为用户提供个性化的旅游路线规划。尹华罡借助网络用户推荐的大量图片数据通过挖掘用户信息和行为为用户提供个性化的路线推荐服务。

赫磊基于云平?_构建了一个快捷、智能、实时地旅游信息推送系统。张晗的旅游服务智能推荐系统，可以依据用户所提出的需要，结适用户的注册信息和浏览记录，智能地推荐旅游信息服务。许文雕借助云计算、物联网技术，对景区进行智能管理。郁娇娇将云模型的短时交通流预测模型与交叉口信号优化的模型应用智能旅游系统中，为游客推荐行驶的最好路线，降低出行时间，缩减出行成本。佘新伟在J2EE平台达成旅游服务推荐系统为游客提供旅游景点推荐、旅游行程规划、旅游线路推荐等服务及旅游有关信息查看服务。

5、旅游推荐系统研究的展望

1.旅游推荐系统的实时性

由于用户兴趣偏好与对旅游需要会伴随时间、地址、身体情况与心情等的变化而变化，现在的推荐技术还没考虑到这一点，所以下一步的研究就是随时跟踪捕捉到用户兴趣偏好和旅游需要的变化，依据其变化实时的向用户推荐旅游有关内容。

2.旅游推荐系统的针对性

大多数的推荐办法是基于一些对用户和项目的描述文件的理解来生成评价，而没充分地借助用户的交互历史和其他可获得的信息。而且目前推荐技术由于缺少基本的见解而没能力模仿人的建议与用户进行交互。因此充分借助用户的历史信息和增强与用户交互的能力进而提升旅游推荐服务的的针对性是下一步研究的方向。

3.旅游推荐系统的多元性

传统的推荐系统只是依据用户和商品的信息，而没考虑其他的上下文信息，这类信息可能对旅游推荐是很重点的。推荐系统在产品排行榜中需要考虑时间、地址、用户的同伴等，如推荐一个旅游包，应该考虑时间、地址、用户跟哪个一块去旅游、旅游条件和限制与其他上下文信息等。规划比较合适的旅游计划需要同时考虑几个原因，如景点的访问、当地酒店的选择、旅游预算的计算等。因此，旅游推荐系统从单一性向多元性进步是下一步的研究重点。

6、结论

由于互联网信息的爆炸式增长使得旅游者没办法做出选择。而旅游推荐系统从纷繁复杂的旅游数据中剖析和挖掘出有用的信息，便捷快捷的将最大程度满足用户需要和偏好的旅游产品排行榜给用户，用户迅速做出正确的旅游决策。本文从旅游推荐系统的研究设计、办法与技术、推荐项目与研究展望四个方面对国内外旅游推荐系统做了综述和剖析。从整体来看，国内关于旅游推荐系统的研究起步较晚，来自旅游专业的文献并不多。伴随旅游业和信息技术的进步，旅游者的需要多种多样，旅游推荐系统将来面临的挑战也更大，急切需要旅游界、信息技术界等更多学者的关注和探讨。