第4期 匡海丽，等：上下文感知旅游推荐系统研究综述 ·615· 术对这些点进行分组，同时将旅行规划中的问题 位置而忽略其他上下文信息的现象，提出了一个 分解为不同子问题，以生成具有所访问城市地区 智能上下文感知推荐系统。在该推荐系统中，环 最相关兴趣点的多个旅游计划，并使用一个现成 境上下文中包含的旅游景点天气信息，时间上下 的域名独立的自动化计划器，找到更好的旅游计 文中包含的季节效应、社会上下文中包含的景点 划。该系统具有高度的自动化，有效地实现了个 流行度影响与位置数据及用户上下文融合在一 性化旅行计划的推荐。 起，从而可获得更全面丰富且相对更贴近生活现 Christensen等2首先对用户的偏好进行建 实的上下文信息，实验证明，与仅依靠位置信息 模，包括价格、局限性、活动、年龄、教育、性别和 的位置感知推荐系统相比，该推荐系统能有效地 收入等，然后使用协同过滤、人口统计和基于内 提高推荐性能。对于融入信息太多可能造成的信 容的混合方法给出单个用户偏好，并根据群体中 息过载问题，该系统加入了信息过滤操作来确保 的社会关系（如父母、朋友）计算群体中成员对于 融入信息的可靠有效性。 最终决策达成的影响力，用户“对景点T的评分 赵海燕等29基于时间和空间感知，结合用户 R(T),用户u的个人影响力评分ir(T): 的社会关系，利用位置信息、时间信息、社交信 ir,(T)=R(T)+∑(R,(T)-R(T》/w 息、活动信息的数据，构建用户、地点、时间、活 EG,≠ 动、朋友关系异构信息网络，通过随机游走方法 然后使用乘法融合策略生成最终的组推荐列表。 产生推荐。该方法综合利用时空信息和用户社交 总体来看，基于社会化关系上下文的旅游推 信息为用户提供个性化活动推荐，实验表明，该 荐系统，充分利用社会化网络中相关信息来评估 方法能获得较好的推荐效果。此外，利用构建的 用户间的信任度，以此可衡量用户相似度并实现 异构信息网络，该方法还可以实现朋友推荐等增 增强推荐2。在推荐系统中融入这些信息将进一 值服务。 步改进推荐系统的精度和用户满意度。 总体来看，理论上，做旅游推荐的时候，推荐 2.4基于多维上下文的旅游推荐 系统中考虑的上下文信息越丰富，推荐效果越 多维上下文通常指的是利用用户与系统交互 好。但在实际研究中，如何在多种信息中协调平 时产生的环境要素的集合，例如用户在选择户外 衡取舍对于研究者来说是个极大的考验。一方 游览景点时，景点流行度是静态稳定的信息，而 面，旅游景点本身存在着物理形态固定的位置信 天气条件会对用户决策产生重要的影响。旅游是 息与时间效应，随着时间的作用，景点被赋予流 一项受多种因素限制的活动，旅游推荐中可用信 行度影响因素，而时下最热门的景点通常存在游 息种类繁多，关键在于如何充分利用可获取的信息。 客高度聚集现象，这又会给游客带来不佳的旅游 Yao等2利用张量代替传统方法中的二维矩 体验。另一方面，用户本身也存在着丰富的信 阵来表示异构多维上下文信息，结合用户与位置 息，通过用户相关信息可以推断用户喜好，但在 之间的潜在联系来实现兴趣点推荐。实验结果表 目前的研究工作中，用户情绪信息还不能被有效 明，合理的融合多源信息有利于提高推荐系统的 利用。因此，由于上下文具有的范围动态性、偶 推荐准确率。 发性、不可观察等特征，基于多维上下文的旅游 任星怡等2针对用户在异地旅行的时候，签 推荐成为了一项极具挑战性的工作。 到行为具有高稀疏性为推荐带来了很大挑战的问 3上下文感知旅游推荐系统的主要 题，提出了一种联合概率生成模型(GTSCP),综合 应用类型 分析地理影响、时间效应、社会相关性、内容信息 和流行度影响等方面的因素，模拟用户签到行为 在实际应用环境下，用户对于推荐系统有着 的决策过程，实现本地推荐与异地推荐两种场景 不同的需求。例如，当用户规划短期旅行时，他 下的推荐，且同时支持离线推荐与在线推荐两种 们希望推荐系统能提供满足自身喜好的旅游景点 模式。利用社会相关性信息，该模型有效地克服 推荐或者旅游路线推荐；而当用户有一段较长时 了冷启动问题。通过融合多维度信息，该模型很 间的休闲时光时，根据给定的时间约束与消费条 大程度地缓解了数据稀疏问题。该模型具有高度 件，他们希望推荐系统能智能地结合天气因素等 的灵活性与适用性。但由于融入的信息繁多杂 其他上下文信息给出旅游套餐推荐。因此，根据 乱，该模型存在一定的特征缺失问题。 实际场景需求，上下文感知旅游推荐系统可以分 Meehan等2]针对上下文旅游系统严重依赖 为旅游景点推荐、旅游路线推荐与旅游套餐推术对这些点进行分组，同时将旅行规划中的问题 分解为不同子问题，以生成具有所访问城市/地区 最相关兴趣点的多个旅游计划，并使用一个现成 的域名独立的自动化计划器，找到更好的旅游计 划。该系统具有高度的自动化，有效地实现了个 性化旅行计划的推荐。 Christensen 等 [24] 首先对用户的偏好进行建 模，包括价格、局限性、活动、年龄、教育、性别和 收入等，然后使用协同过滤、人口统计和基于内 容的混合方法给出单个用户偏好，并根据群体中 的社会关系 (如父母、朋友) 计算群体中成员对于 最终决策达成的影响力，用户 u 对景点 Ti 的评分 Ru (Ti )，用户 u 的个人影响力评分 iiru (Ti )： iiru (Ti) = Ru (Ti)+ ∑ v∈G,v,u (Rv (Ti)−Ru (Ti)) /wu,v 然后使用乘法融合策略生成最终的组推荐列表。 总体来看，基于社会化关系上下文的旅游推 荐系统，充分利用社会化网络中相关信息来评估 用户间的信任度，以此可衡量用户相似度并实现 增强推荐[25]。在推荐系统中融入这些信息将进一 步改进推荐系统的精度和用户满意度。 2.4 基于多维上下文的旅游推荐 多维上下文通常指的是利用用户与系统交互 时产生的环境要素的集合，例如用户在选择户外 游览景点时，景点流行度是静态稳定的信息，而 天气条件会对用户决策产生重要的影响。旅游是 一项受多种因素限制的活动，旅游推荐中可用信 息种类繁多，关键在于如何充分利用可获取的信息。 Yao 等 [26] 利用张量代替传统方法中的二维矩 阵来表示异构多维上下文信息，结合用户与位置 之间的潜在联系来实现兴趣点推荐。实验结果表 明，合理的融合多源信息有利于提高推荐系统的 推荐准确率。 任星怡等[27] 针对用户在异地旅行的时候，签 到行为具有高稀疏性为推荐带来了很大挑战的问 题，提出了一种联合概率生成模型 (GTSCP)，综合 分析地理影响、时间效应、社会相关性、内容信息 和流行度影响等方面的因素，模拟用户签到行为 的决策过程，实现本地推荐与异地推荐两种场景 下的推荐，且同时支持离线推荐与在线推荐两种 模式。利用社会相关性信息，该模型有效地克服 了冷启动问题。通过融合多维度信息，该模型很 大程度地缓解了数据稀疏问题。该模型具有高度 的灵活性与适用性。但由于融入的信息繁多杂 乱，该模型存在一定的特征缺失问题。 Meehan 等 [28] 针对上下文旅游系统严重依赖 位置而忽略其他上下文信息的现象, 提出了一个 智能上下文感知推荐系统。在该推荐系统中，环 境上下文中包含的旅游景点天气信息，时间上下 文中包含的季节效应、社会上下文中包含的景点 流行度影响与位置数据及用户上下文融合在一 起，从而可获得更全面丰富且相对更贴近生活现 实的上下文信息，实验证明，与仅依靠位置信息 的位置感知推荐系统相比，该推荐系统能有效地 提高推荐性能。对于融入信息太多可能造成的信 息过载问题，该系统加入了信息过滤操作来确保 融入信息的可靠有效性。 赵海燕等[29] 基于时间和空间感知，结合用户 的社会关系，利用位置信息、时间信息、社交信 息、活动信息的数据，构建用户、地点、时间、活 动、朋友关系异构信息网络，通过随机游走方法 产生推荐。该方法综合利用时空信息和用户社交 信息为用户提供个性化活动推荐，实验表明，该 方法能获得较好的推荐效果。此外，利用构建的 异构信息网络，该方法还可以实现朋友推荐等增 值服务。 总体来看，理论上，做旅游推荐的时候，推荐 系统中考虑的上下文信息越丰富，推荐效果越 好。但在实际研究中，如何在多种信息中协调平 衡取舍对于研究者来说是个极大的考验。一方 面，旅游景点本身存在着物理形态固定的位置信 息与时间效应，随着时间的作用，景点被赋予流 行度影响因素，而时下最热门的景点通常存在游 客高度聚集现象，这又会给游客带来不佳的旅游 体验。另一方面，用户本身也存在着丰富的信 息，通过用户相关信息可以推断用户喜好，但在 目前的研究工作中，用户情绪信息还不能被有效 利用。因此，由于上下文具有的范围动态性、偶 发性、不可观察等特征，基于多维上下文的旅游 推荐成为了一项极具挑战性的工作。 3 上下文感知旅游推荐系统的主要 应用类型 在实际应用环境下，用户对于推荐系统有着 不同的需求。例如，当用户规划短期旅行时，他 们希望推荐系统能提供满足自身喜好的旅游景点 推荐或者旅游路线推荐；而当用户有一段较长时 间的休闲时光时，根据给定的时间约束与消费条 件，他们希望推荐系统能智能地结合天气因素等 其他上下文信息给出旅游套餐推荐。因此，根据 实际场景需求，上下文感知旅游推荐系统可以分 为旅游景点推荐、旅游路线推荐与旅游套餐推 第 4 期 匡海丽，等：上下文感知旅游推荐系统研究综述 ·615·