基于多维数据融合的个性化旅游信息推荐模型研究

为了更好地促进旅游信息个性化推荐效果的提升,需对用户行为信息进行深度挖掘。文中基于多维数据融合,构建并研究了个性化旅游信息推荐模型。首先,结合用户的历史浏览、检索、点赞及评论数据,分析用户对不同景区的兴趣度。其次,结合用户的旅行次数、旅行时间以及具体的旅行地点信息,分析用户的偏好选择对旅游大数据的影响力。接着,结合用户对景区兴趣度的分析结果,综合计算用户对景区所在地的偏好选择。最后,以地区偏好为范围,将对旅游大数据影响力较高用户的兴趣度TOP-N景区信息作为最终的推荐结果。测试结果表明,归一化折损累计增益NDCG随着推荐信息数量k的增加呈现出稳定提升的趋势,且相比对比模型,文中提出的模型得到的参数值始终处于较高水平,说明该模型具有可靠的推荐效果。

旅游者群体行为对旅游路径选择的影响

散客旅游日益增多,对于自由行游客目的地规划研究的重要性日益突出,如何让不同类型的旅游者群体规划最优旅游路径成为研究的热点。文章通过研究自由行中旅游者群体行为对旅游最优路线选择的影响,以旅游者个人偏好为自变量,旅游随行群体行为为调节变量,目的地景区兴趣度为中介变量,以实现因变量最佳路径的选择。研究得出:一是个人偏好会影响群体对目的地的兴趣度并最终影响最优路径的选择;二是群体行为偏好对个人偏好有显著的调节作用并最终影响最优路径的选择;三是群体中的正式或非正式领导对群体偏好有显著的影响作用。