王瀟慧

摘 ?要： 傳統(tǒng)旅游產(chǎn)品推薦系統(tǒng)能夠為用戶推薦簡單產(chǎn)品信息，但存在用戶瀏覽意愿不強、滿意度差、推薦商品購買率低的不足，提出并設(shè)計基于Web的旅游產(chǎn)品推薦系統(tǒng)。利用Web數(shù)據(jù)端對產(chǎn)品需求量進行數(shù)據(jù)采集;采用核心算法重新配置數(shù)據(jù)信息，通過SQL語言進行邏輯編輯，實現(xiàn)產(chǎn)品推薦模塊設(shè)計;服務(wù)器將上述模塊進行串聯(lián)，實現(xiàn)基于Web的旅游產(chǎn)品推薦系統(tǒng)的設(shè)計。通過仿真實驗結(jié)果表明，設(shè)計推薦系統(tǒng)具有較高的用戶滿意度，用戶瀏覽意愿提升，推薦產(chǎn)品購買率得到提高。

關(guān)鍵詞： Web; 旅游產(chǎn)品; SQL語言; 推薦系統(tǒng)設(shè)計; 購買率; 用戶滿意度

中圖分類號： TN911?34; TN913 ? ? ? ? ? ? ? ? 文獻標識碼： A ? ? ? ? ? ? ? ? ? ?文章編號： 1004?373X（2018）10?0097?03

Abstract： The traditional tourism product recommendation system can recommend simple product information for customers， but there exist some disadvantages of low customer browsing intention， poor customer satisfaction and low purchase rate of recommended products. Therefore， a tourism product recommendation system based on Web is proposed and designed. Data acquisition of product demand quantity is performed on the Web data terminal. The core algorithm is adopted to reconfigure data information. Logical edit is conducted using SQL language to realize the design of product recommendation module. The above modules are connected in series on the server to realize the design of tourism product recommendation system based on Web. The simulation experimental results show that the designed recommendation system has higher customer satisfaction， and has increased customer browsing intention and purchase rate of its recommended products.

Keywords： Web; tourism product; SQL language; recommendation system design; purchase rate; customer satisfaction

0 ?引 ?言

隨著互聯(lián)網(wǎng)技術(shù)的快速發(fā)展，利用網(wǎng)絡(luò)進行旅游產(chǎn)品推薦，逐步取代傳統(tǒng)推薦方法。傳統(tǒng)旅游推薦系統(tǒng)能夠為用戶推薦簡單的旅游產(chǎn)品信息，但與用戶無互動性，推薦服務(wù)體驗性差，存在用戶滿意度低、用戶瀏覽意愿不強、推薦商品購買率低的不足[1]。提出基于Web的旅游產(chǎn)品推薦系統(tǒng)設(shè)計和研究，引入Web促使旅游產(chǎn)品推薦系統(tǒng)模型的構(gòu)建，利用Web端、數(shù)據(jù)端和數(shù)據(jù)平臺，完善系統(tǒng)配置。通過推薦系統(tǒng)軟件和程序的執(zhí)行對產(chǎn)品信息進行錄入處理。為了驗證Web旅游產(chǎn)品推薦系統(tǒng)的有效性、滿意程度，選用傳統(tǒng)推薦系統(tǒng)和本文設(shè)計的推薦系統(tǒng)，進行對比仿真實驗。實驗結(jié)果表明，基于Web的旅游產(chǎn)品推薦系統(tǒng)在用戶瀏覽意愿中占有很高的比重，并且具有較高的用戶滿意度，推薦產(chǎn)品購買率也高于傳統(tǒng)推薦方法。

1 ?旅游產(chǎn)品推薦系統(tǒng)的設(shè)計

1.1 ?產(chǎn)品推薦模塊的構(gòu)建

旅游產(chǎn)品推薦模型主要由Web端、數(shù)據(jù)端和數(shù)據(jù)平臺構(gòu)成。Web端的主要作用是，分析結(jié)果以及交互作用，以此獲得用戶基本信息[2]，同時對用戶瀏覽行為的目的和以及用戶興趣偏好等基本信息進行采集。設(shè)計數(shù)據(jù)端的目的是對現(xiàn)有數(shù)據(jù)信息以及Web端更新的數(shù)據(jù)信息，進行數(shù)據(jù)整理與導入[3?4]。設(shè)計的旅游產(chǎn)品推薦模型包括：數(shù)據(jù)處理服務(wù)器、用戶相似行為計算單元、用戶瀏覽行為計算單元、用戶興趣統(tǒng)計計算單元、用戶綜合分析單元。設(shè)計的旅游產(chǎn)品推薦模型，通過對用戶進行個性分析以及數(shù)據(jù)采集，將不同年齡、不同教育階段、不同工作環(huán)境的用戶有針對性的錄入，綜合旅游產(chǎn)品信息，為推薦模塊進行數(shù)據(jù)準備[4]。本文設(shè)計的旅游產(chǎn)品推薦模塊框架圖，如圖1所示。

Web技術(shù)下的用戶信息獲取，依托數(shù)據(jù)平臺的精確統(tǒng)計計算與分析[5]，完成對用戶的基本購買需求的信息采集，解決了傳統(tǒng)旅游產(chǎn)品推薦系統(tǒng)用戶意圖不清的問題。

1.2 ?產(chǎn)品推薦模塊設(shè)計

產(chǎn)品庫推薦模塊設(shè)計，首先進行模塊的核心算法設(shè)計，計算前要對用戶信息數(shù)據(jù)進行重新配置[6]。定義推薦系統(tǒng)的字段名稱、類型等信息，如表1所示。

通過產(chǎn)品庫推薦模塊的字段類型重新定義，使用SQL語言進行邏輯重設(shè)，對量化指標進行統(tǒng)計計算。通過對不同分類、不同量化數(shù)值的用戶，進行有針對性、有特點的推薦[7]。用戶系數(shù)統(tǒng)計計算公式如下：

推薦產(chǎn)品的信息錄入記錄在系統(tǒng)數(shù)據(jù)庫中，系統(tǒng)數(shù)據(jù)庫主要包括推薦產(chǎn)品信息以及用戶對產(chǎn)品的匹配度[9?10]。系統(tǒng)數(shù)據(jù)庫的主要作用是，對錄入的推薦信息進行存儲處理，完善推薦產(chǎn)品信息與用戶的匹配度，為用戶提供產(chǎn)品的詳細信息。

2 ?旅游產(chǎn)品推薦系統(tǒng)的實現(xiàn)

旅游產(chǎn)品推薦系統(tǒng)，將連接網(wǎng)絡(luò)、存儲數(shù)據(jù)、搭建網(wǎng)頁服務(wù)進行串聯(lián)，把可共享資源進行匹配計算，通過反饋的形式進行產(chǎn)品的推薦。其旅游產(chǎn)品推薦流程圖如圖2所示。

利用本文設(shè)計的旅游產(chǎn)品推薦系統(tǒng)完成對旅游產(chǎn)品推薦。

3 ?仿真實驗與測試

3.1 ?實驗參數(shù)設(shè)置

為了驗證Web的旅游產(chǎn)品推薦系統(tǒng)的用戶瀏覽意愿、滿意程度以及購買率，將從三個層次上進行實驗，首先通過實驗驗證，用戶對旅游產(chǎn)品推薦信息是否原意繼續(xù)進行瀏覽。再驗證用戶對產(chǎn)品推薦信息是否滿意以及滿意程度。通過控制變量參數(shù)，分別進行傳統(tǒng)推薦系統(tǒng)與Web推薦系統(tǒng)對比分析，具體實驗參數(shù)見表2。

基于大數(shù)據(jù)平臺，通過對不同規(guī)模數(shù)據(jù)進行統(tǒng)計與分析，其具體實驗如下。

3.2 ?推薦系統(tǒng)瀏覽意愿實驗

為了驗證用戶對旅游產(chǎn)品推薦信息是否原意繼續(xù)瀏覽，進行推薦系統(tǒng)瀏覽意愿實驗。采用表2參數(shù)控制其變量，對不同年齡階段人群，使用不同旅游產(chǎn)品推薦系統(tǒng)進行大數(shù)據(jù)分析，其產(chǎn)品推薦繼瀏覽意愿曲線見圖3。

根據(jù)產(chǎn)品推薦瀏覽意愿曲線得出，本文設(shè)計的旅游產(chǎn)品推薦系統(tǒng)的繼續(xù)瀏覽意愿，明顯高于傳統(tǒng)旅游推薦系統(tǒng)。傳統(tǒng)旅游產(chǎn)品推薦系統(tǒng)，42歲到達瀏覽意愿最高值為50%，平均繼續(xù)瀏覽意愿為42.5%，27歲和50歲達到谷底值為25%，說明傳統(tǒng)旅游推薦產(chǎn)品不受年輕人和中老年人喜歡。改進推薦系統(tǒng)，在25～35歲用戶以及45～55歲用戶達到最高值80%，平均繼續(xù)瀏覽意愿為83.1%，57歲達到谷底值為75%。

3.3 ?推薦系統(tǒng)滿意度實驗

為驗證用戶對產(chǎn)品推薦信息的滿意程度，進行推薦系統(tǒng)滿意度實驗，采用表2參數(shù)控制其變量，對不同年齡階段人群，使用不同旅游產(chǎn)品推薦系統(tǒng)進行大數(shù)據(jù)分析，其產(chǎn)品推薦滿意度曲線如圖4所示。

由圖4可知，傳統(tǒng)旅游推薦系統(tǒng)用戶整體滿意度低于本文設(shè)計的系統(tǒng)。傳統(tǒng)旅游推薦系統(tǒng)，35～45歲以及55～60歲用戶滿意度最低，其中40歲用戶滿意度只有40%，60歲用戶滿意度30%，中年人與老年人對傳統(tǒng)旅游產(chǎn)品推薦系統(tǒng)滿意度較差，平均滿意度50%。本文設(shè)計Web旅游產(chǎn)品推薦系統(tǒng)，20～50歲平均滿意度高達84.3%，其中40歲滿意度達到95%，整體滿意度達到78.5%，改進推薦系統(tǒng)改善整體滿意度，對30～40歲及55～60歲中老年用戶滿意度提升最為明顯。

4 ?總 ?結(jié)

通過旅游產(chǎn)品推薦系統(tǒng)模型的構(gòu)建，以及軟件的建設(shè)，實現(xiàn)基于Web的旅游產(chǎn)品推薦系統(tǒng)設(shè)計。通過推薦系統(tǒng)瀏覽意愿實驗、推薦系統(tǒng)滿意度實驗、推薦產(chǎn)品購買率實驗三個層次實驗。結(jié)果表明，基于Web的旅游產(chǎn)品推薦系統(tǒng)用戶繼續(xù)瀏覽意愿提升，用戶滿意度增加，推薦產(chǎn)品購買率提升，且實現(xiàn)基于不同用戶個性化推薦。

參考文獻

[1] 郝海濤，馬元元.基于加權(quán)關(guān)聯(lián)規(guī)則挖掘算法的電子商務(wù)商品推薦系統(tǒng)研究[J].現(xiàn)代電子技術(shù)，2016，39（15）：133?136.

HAO Haitao， MA Yuanyuan. Research on e?commerce commodity recommendation system based on mining algorithm of weighted association rules [J]. Modern electronics technique， 2016， 39（15）： 133?136.

[2] 李建榮.基于數(shù)據(jù)挖掘的移動用戶個性化推薦系統(tǒng)研究與設(shè)計[J].現(xiàn)代電子技術(shù)，2016，39（22）：59?63.

LI Jianrong. Research and design of mobile user personalized recommendation system based on data mining [J]. Modern electronics technique， 2016， 39（22）： 59?63.

[3] 馮錦海，楊連賀，蔣鑫龍.基于多模式的室內(nèi)興趣點推薦系統(tǒng)設(shè)計與實現(xiàn)[J].計算機工程，2015，41（8）：273?278.

FENG Jinhai， YANG Lianhe， JIANG Xinlong. Design and implementation of indoor point of interest recommended system based on multi?mode [J]. Computer engineering， 2015， 41（8）： 273?278.

[4] 羅亞.基于決策過程的個性化推薦系統(tǒng)設(shè)計[J].計算機工程與應(yīng)用，2017，53（14）：105?110.

LUO Ya. Personalized recommendation system design based on decision making process [J]. Computer engineering and applications， 2017， 53（14）： 105?110.

[5] 艾丹祥，張玉峰，左暉，等.基于情境語義推理的O2O移動推薦系統(tǒng)研究[J].情報雜志，2015，34（8）：182?189.

AI Danxiang， ZHANG Yufeng， ZUO Hui， et al. Study on O2O mobile recommendation system based on contextual semantics inference [J]. Journal of intelligence， 2015， 34（8）： 182?189.

[6] 王斌，曹菡.基于新穎性和多樣性的旅游推薦模型研究[J].計算機工程與應(yīng)用，2016，52（6）：219?222.

WANG Bin， CAO Han. Research on tourism recommendation model based on novelty and diversity [J]. Computer engineering and application， 2016， 52（6）： 219?222.

[7] 陸國鋒，黃曉燕，呂紹和，等.基于互聯(lián)網(wǎng)信息的多約束多目標旅游路線推薦[J].計算機工程與科學，2016，38（1）：163?170.

LU Guofeng， HUANG Xiaoyan， L? Shaohe， et al. Multi?constraint and multi?objective trip recommendation based on Internet information [J]. Computer engineering and science， 2016， 38（1）： 163?170.

[8] 沈晶磊，虞慧群，范貴生，等.基于隨機森林算法的推薦系統(tǒng)的設(shè)計與實現(xiàn)[J].計算機科學，2017，44（11）：164?167.

SHEN Jinglei， YU Huiqun， FAN Guisheng， et al. Design and implementation of recommender system based on random forest algorithm [J]. Computer Science， 2017， 44（11）： 164?167.

[9] 何燦群，李嬌，唐曉敏，等.基于文化特征的無錫個性化旅游產(chǎn)品設(shè)計研究[J].包裝工程，2016，37（10）：118?121.

HE Canqun， LI Jiao， TANG Xiaomin， et al. Wuxi personalized tourism product design based on culture characteristics [J]. Packaging engineering， 2016， 37（10）： 118?121.

[10] 袁晶，李播陽.基于品牌融合的客家文化旅游產(chǎn)品設(shè)計與創(chuàng)新[J].企業(yè)經(jīng)濟，2017（7）：41?45.

YUAN Jing， LI Boyang. Design and innovation of Hakka cultural tourism products based on brand fusion [J]. Enterprise economy， 2017（7）： 41?45.