第4期 匡海丽，等：上下文感知旅游推荐系统研究综述 ·617· 3)群组发现中需要考虑用户之间的社会化关 lection for FM-based context-aware recommendation sys- 系。随着社交媒体网站的兴起，用户之间的社会 tems[C]//Proceedings of 2017 IEEE International Symposi- 化关系将在基于上下文旅游推荐系统中起到越来 um on Multimedia(ISM).Taichung,China,2017 [4]李慧，马小平，胡云，等.融合上下文信息的社会网络推 越重要的作用。文献[24]虽然考虑了用户的社会 荐系统).智能系统学报，2015,10(2)：293-300 关系、地理位置等信息，但仍具有一定的局限性。 LI Hui,MA Xiaoping,HU Yun,et al.Social network re- 因此结合用户社会网络关系的上下文感知旅游推 commendaton system mixing contex information[J].CAAl 荐将成为未来旅游推荐中一个值得关注的问题。 transactions on intelligent systems,2015,10(2):293-300. 4)旅行出游是一个受多种因素影响的场景。 [5]MIAO Dongchen,LANG Fei.A recommendation system based on text mining[Cl//Proceedings of 2017 Internation- 不管是筹划旅行还是旅行过程中，用户都会受到 al Conference on Cyber-enabled Distributed Computing 许多因素的影响，如何协调各类因素的影响权重 and Knowledge Discovery.Nanjing,China,2017. 以及合理地选取哪些信息融入到推荐系统将是未 [6]FU Mingsheng,QU Hong,YI Zhang,et al.A novel deep 来旅游推荐中一个研究难点。 learning-based collaborative filtering model for recom- 另外，近年来国家出台了多项法律法规全力 mendation system[J].IEEE transactions on cybernetics, 2019,49(3):1084-1096 推动旅游产业的发展，旅游业整体行业欣欣向 [7]WANG Donghui,LIANG Yanchun,XU D,et al.A con 荣。同时随着网络资源的不断丰富，智慧旅游推 tent-based recommender system for computer science pub- 荐和服务能有效地提高推荐结果的质量并提高用 lications[J].Knowledge-based systems,2018,157:1-9. 户满意度。因此在未来旅游推荐中，如何构建推 [8]ZHANG Yongfeng,AI Qingyao,CHEN Xu,et al.Learn- 荐性能高且实用性强的旅游推荐系统将是一个研 ing over knowledge-base embeddings for recommendation 究重点。 [JJ.arXiv:1803.06540.2018. [9]ZHAO X W,GUO Yanwei,HE Yulan,et al.We know what 5结束语 you want to buy:a demographic-based system for product recommendation on microblogs[C]//Proceedings of the 为了解决信息过载问题，对于以推荐系统为 20th ACM SIGKDD International Conference on Know- ledge Discovery and Data Mining.New York.USA.2014. 代表的个性化技术的研究将越来越受研究者所重 [10]常亮，曹玉婷，孙文平，等.旅游推荐系统研究综述) 视。高效的推荐系统不仅有助于用户节省时间成 计算机科学，2017,44(10)：1-6. 本，也能在一定程度上帮助企业发现潜在的用 CHANG Liang,CAO Yuting,SUN Wenping,et al.Re- 户。随着经济的不断发展，旅游逐渐成为人们休 view on tourism recommendation system[J].Computer science,.2017,4410):1-6. 闲度假必不可少的生活方式。传统的旅游推荐技 [11]孟祥武，刘树栋，张玉洁，等.社会化推荐系统研究[U 术已不能应对当前旅游领域面临的各种复杂的问 软件学报，2015,26(6)：1356-1372 题，随着网络的发展及卫星定位技术的普及，上 MENG Xiangwu,LIU Shudong,ZHANG Yujie,et al. 下文信息在旅游推荐中的作用变得越来越明显。 Research on social recommender systems[J].Journal of 因此，本文对上下文感知旅游推荐系统的研究现 software,2015,26(6:1356-1372. [12]张玉洁，杜雨露，孟祥武.组推荐系统及其应用研究 状进行了较深入的探索与考察。不同的上下文信 计算机学报，2016,39(4)：745-764. 息的加入体现了不同的侧重点，如何获取并整合 ZHANG Yujie,DU Yulu,MENG Xiangwu.Research on 上下文信息来实现有效的利用对旅游推荐结果的 group recommender systems and their applications[J] 好坏起到直接的影响。因此，对于本文提到的研 Chinese journal of computers,2016,39(4):745-764. [13]VINH T D Q,PHAM T A N,CONG Gao,et al.Attention- 究重点与难点的解决，将有利于更好地提高推荐 based group recommendation[J].arXiv:1804.04327,2018. 系统的推荐性能，能使旅游推荐取得较好的效果。 [14]NOGUERA J M,BARRANCO M J,SEGURA R J,et al. A mobile 3D-GIS hybrid recommender system for tour- 参考文献： ism[J].Information sciences,2012,215:37-52 [15]彭菲菲，钱旭.基于用户关注度的个性化新闻推荐系统 [1]DE PESSEMIER T.DHONDT J.MARTENS L.Hybrid [).计算机应用研究，2012,29(3)：1005-1007 group recommendations for a travel service[J].Multime- PENG Feifei,QIAN Xu.Personalized recommendation dia tools and applications,2017,76(2):2787-2811. system for news based on user concern[J.Application re- [2]ZIMBA B.CHIBUTA S,CHISANGA D,et al.Point of in- search of computers,2012,29(3):1005-1007. terest recommendation methods in location based social [16]LI Xinyu,MI Zhongchun,ZHANG Zhenmei,et al.A loc- networks:traveling to a new geographical region[J].ar Xiv: ation-aware recommender system for tourism mobile 1711.09471,2017. commerce[C]//Proceedings of the 2nd International Con- [3]MAO Xueyu,MITRA S,SWAMINATHAN V.Feature se- ference on Information Science and Engineering.Hang-3) 群组发现中需要考虑用户之间的社会化关 系。随着社交媒体网站的兴起，用户之间的社会 化关系将在基于上下文旅游推荐系统中起到越来 越重要的作用。文献 [24] 虽然考虑了用户的社会 关系、地理位置等信息，但仍具有一定的局限性。 因此结合用户社会网络关系的上下文感知旅游推 荐将成为未来旅游推荐中一个值得关注的问题。 4) 旅行出游是一个受多种因素影响的场景。 不管是筹划旅行还是旅行过程中，用户都会受到 许多因素的影响，如何协调各类因素的影响权重 以及合理地选取哪些信息融入到推荐系统将是未 来旅游推荐中一个研究难点。 另外，近年来国家出台了多项法律法规全力 推动旅游产业的发展，旅游业整体行业欣欣向 荣。同时随着网络资源的不断丰富，智慧旅游推 荐和服务能有效地提高推荐结果的质量并提高用 户满意度。因此在未来旅游推荐中，如何构建推 荐性能高且实用性强的旅游推荐系统将是一个研 究重点。 5 结束语 为了解决信息过载问题，对于以推荐系统为 代表的个性化技术的研究将越来越受研究者所重 视。高效的推荐系统不仅有助于用户节省时间成 本，也能在一定程度上帮助企业发现潜在的用 户。随着经济的不断发展，旅游逐渐成为人们休 闲度假必不可少的生活方式。传统的旅游推荐技 术已不能应对当前旅游领域面临的各种复杂的问 题，随着网络的发展及卫星定位技术的普及，上 下文信息在旅游推荐中的作用变得越来越明显。 因此，本文对上下文感知旅游推荐系统的研究现 状进行了较深入的探索与考察。不同的上下文信 息的加入体现了不同的侧重点，如何获取并整合 上下文信息来实现有效的利用对旅游推荐结果的 好坏起到直接的影响。因此，对于本文提到的研 究重点与难点的解决，将有利于更好地提高推荐 系统的推荐性能，能使旅游推荐取得较好的效果。 参考文献： DE PESSEMIER T, DHONDT J, MARTENS L. Hybrid group recommendations for a travel service[J]. Multime￾dia tools and applications, 2017, 76(2): 2787–2811. [1] ZIMBA B, CHIBUTA S, CHISANGA D, et al. Point of in￾terest recommendation methods in location based social networks: traveling to a new geographical region[J]. arXiv: 1711.09471, 2017. [2] [3] MAO Xueyu, MITRA S, SWAMINATHAN V. Feature se￾lection for FM-based context-aware recommendation sys￾tems[C]//Proceedings of 2017 IEEE International Symposi￾um on Multimedia (ISM). Taichung, China, 2017. 李慧, 马小平, 胡云, 等. 融合上下文信息的社会网络推 荐系统 [J]. 智能系统学报, 2015, 10(2): 293–300. LI Hui, MA Xiaoping, HU Yun, et al. Social network re￾commendaton system mixing contex information[J]. CAAI transactions on intelligent systems, 2015, 10(2): 293–300. [4] MIAO Dongchen, LANG Fei. A recommendation system based on text mining[C]//Proceedings of 2017 Internation￾al Conference on Cyber-enabled Distributed Computing and Knowledge Discovery. Nanjing, China, 2017. [5] FU Mingsheng, QU Hong, YI Zhang, et al. A novel deep learning-based collaborative filtering model for recom￾mendation system[J]. IEEE transactions on cybernetics, 2019, 49(3): 1084–1096. [6] WANG Donghui, LIANG Yanchun, XU D, et al. A con￾tent-based recommender system for computer science pub￾lications[J]. Knowledge-based systems, 2018, 157: 1–9. [7] ZHANG Yongfeng, AI Qingyao, CHEN Xu, et al. Learn￾ing over knowledge-base embeddings for recommendation [J]. arXiv: 1803.06540, 2018. [8] ZHAO X W, GUO Yanwei, HE Yulan, et al. We know what you want to buy: a demographic-based system for product recommendation on microblogs[C]//Proceedings of the 20th ACM SIGKDD International Conference on Know￾ledge Discovery and Data Mining. New York, USA, 2014. [9] 常亮, 曹玉婷, 孙文平, 等. 旅游推荐系统研究综述 [J]. 计算机科学, 2017, 44(10): 1–6. CHANG Liang, CAO Yuting, SUN Wenping, et al. Re￾view on tourism recommendation system[J]. Computer science, 2017, 44(10): 1–6. [10] 孟祥武, 刘树栋, 张玉洁, 等. 社会化推荐系统研究 [J]. 软件学报, 2015, 26(6): 1356–1372. MENG Xiangwu, LIU Shudong, ZHANG Yujie, et al. Research on social recommender systems[J]. Journal of software, 2015, 26(6): 1356–1372. [11] 张玉洁, 杜雨露, 孟祥武. 组推荐系统及其应用研究 [J]. 计算机学报, 2016, 39(4): 745–764. ZHANG Yujie, DU Yulu, MENG Xiangwu. Research on group recommender systems and their applications[J]. Chinese journal of computers, 2016, 39(4): 745–764. [12] VINH T D Q, PHAM T A N, CONG Gao, et al. Attention￾based group recommendation[J]. arXiv: 1804.04327, 2018. [13] NOGUERA J M, BARRANCO M J, SEGURA R J, et al. A mobile 3D-GIS hybrid recommender system for tour￾ism[J]. Information sciences, 2012, 215: 37–52. [14] 彭菲菲, 钱旭. 基于用户关注度的个性化新闻推荐系统 [J]. 计算机应用研究, 2012, 29(3): 1005–1007. PENG Feifei, QIAN Xu. Personalized recommendation system for news based on user concern[J]. Application re￾search of computers, 2012, 29(3): 1005–1007. [15] LI Xinyu, MI Zhongchun, ZHANG Zhenmei, et al. A loc￾ation-aware recommender system for tourism mobile commerce[C]//Proceedings of the 2nd International Con￾ference on Information Science and Engineering. Hang- [16] 第 4 期 匡海丽，等：上下文感知旅游推荐系统研究综述 ·617·