1  绪论

   1.1  研究问题的提出

   随着信息技术和电子商务技术的飞速发展以及互联网的普及，电子商务网站层出不穷。由于旅游产品本身具有无形性、不可储藏和非物质性等特点，并且不存在物流配送问题，使得旅游电子商务更容易运作。例如，全球知名的Expedia 网站，以及我国的携程和艺龙旅行网等。有了面向旅游者的信息系统，可以更好地为游客提供查询相关信息和预定的服务，但是由于网站信息和服务缺乏个性。我们看到的大多数旅游机构的网站，通常是国内外其他旅游网站的翻版，缺乏鲜明的个性特色。虽然大多数旅游网站对旅游景点和酒店都有介绍，但内容不全面且更新缓慢，很难吸引客户的关注和兴趣。网站服务项目单一，例如旅游线路、景点介绍、游记作品似乎已经成为必不可少的板块，但这些内容仅限于浏览。自助旅游、虚拟实景旅游等能与客户产生良好互动的项目却较少涉及。让游客在选择时迷茫、耗时，导致客户预订的成功率较低，旅游电子商务发展受阻。

   如何帮助游客快速查询所需信息，将潜在游客变为购买者是旅游电子商务网站面临的挑战。做好客户关系管理，针对用户提供个性化推荐，成为电子商务运作和发展的方向。网站的访问者多种多样，存在着兴趣爱好、文化背景、年龄、职业及经济能力的差异，在旅游过程中的需求不一样，如旅游目的地的活动项目、旅游花费、旅游线路、交通、食宿、娱乐、当地风土人情、饮食习惯等。让每一位访问者都能在网站上找到自己感兴趣的信息，引起旅游购买欲望，是旅游电子商务个性化信息推荐的目标， 本文探讨以国内外发展现状为依据，从影响旅游电子商务消费者相关因素出发，分析旅游电子商务个性化推荐系统的主要功能和体系结构，进而模拟应用。帮助游客选择最佳旅游路线和旅游时间，做出合理的旅游决策，花最少的成本而获得最大的旅游消费乐趣，提高游客对网站的忠诚度，满足游客对个性化的需求，从而提高网站的竞争力。

   1.2  国内外旅游电子商务个性化推荐系统发展现状

   1.2.1  国内发展现状

   据国家旅游局统计,国内游人数占了全部旅游者的97%,其中92%是散客,散客市场对在线旅游服务的需求最大。休闲旅游目前正迅速成为思想活跃、收入中等以上的年轻人群的热衷的一种生活方式,这将成为一个潜力巨大的客户群。同时,网民阵容正在迅速扩大。2010年1月15日，中国互联网信息中心(CNNIC)公布的我国网民数量是3.84亿人,手机网民2.33亿可以说他们都是在线旅游服务的潜在使用者。[1]

   我国自1997年华夏旅游网创办以来，旅游电子商务的发展走过一段坎坷的历程，2000年开始,随着国内外风险战略投资的不断投入,新兴旅游电子商务网站如携程旅游网、游天下旅游网、青旅在线、意高神州等如雨后春笋,纷纷成立。从最初的风起云涌、欣欣向荣到2000年下半年的急转而下，许多曾经风光一时的旅游网站都难免昙花一现。在经历2000年下半年至2001年的遭遇困境与冷静回归后，中国旅游网站经过分化整合以及经营策略的再探索，逐渐走入一个成熟稳健的发展时期。携程、艺龙等旅游网站从中脱颖而出，并成为行业的风向标，展现了旅游电子商务本身所具有的蓬勃生命力。

   但是我国的旅游电子商务应用还主要停留在仅仅是建立了面对消费者的网上营业“门面”,在实际操作过程中效率低下、实时性差、运作成本高,大部分旅游电子商务公司对网下旅游产品资源的整合显得力不从心,从而使基于有效资源整合的个性化旅游产品提供也成了一句空洞的口号。

   1.2.2  国外发展现状

   1995年3月，卡内基•梅隆大学的Robert Armstrong等人在美国人工智能协会上提出了个性化导航系统Web Watcher;斯坦福大学的Marko Balabanovic等人在同一次会议上推出了个性化推荐系统LIRAo 8月，麻省理工学院的HenryLieberman在国际人工智能联合大会(IJCAI)上提出个性化导航智能体Letiziao这三个系统被公认为个性化服务发展初期最为经典的系统，标志着个性化服务的开始。

   1996年，卡内基•梅隆大学的Dunja Mladenic在Web Watcher的基础上进行了改进，提出了个性化推荐系统Personal WgbWatchero 1996年，著名的网络公司Yahoo!推出了个性化入口My Yahoo ! ; 1997年，AT&T实验室提出了基于合作方式的个性化推荐系统PHOAKS和Referral Web;斯坦福大学的MarkoBalabanovic和Yoav Shoham推出了基于内容和合作方式的个性化推荐系统Fabo1997年3月，著名的杂志《Communications of the ACM》组织了一辑个性化推荐系统的专题报道，标志着个性化服务己经为技术界高度重视。

   1999年德国Dresden技术大学的’I\'anja Joerding实现了个性化电子商务原型系统TELLIM;麻省理工学院的Ffenry hieberman提出了基于合作方式的个性化导航系统lets brows。个性化服务开始向全球发展;

   2000年，NEC研究院的Kurt. D . F3ollacker等人为搜索引擎CiteSeer增加了个性化推荐功能，实现CiteSeer的个性化;2000年4月，以美国为主的多国个性化研究机构和网络公司成立了个性化协会，旨在推动个性化服务的发展，同时保护个性化服务中涉及的用户隐私。这一年，我国也开始了个性化服务的研究。清华大学的路海明等提出了基于多 Agent混合智能实现个性化推荐。

   近几年个性化服务逐渐从学术研究走向实际应用。到2001年，纽约大学的Gediminas Adoavicius和Alexander ”I’u zhi 1 i n实现7个性化电子商务网站的用户建模系统1:1Pro; IBM公司在其电子商务平台Web Sphere中增加了个性化功能，以利于商家开发个性化电子商务网站;NEC研究院的Eric Glove等人提出了个性化元搜索引擎原型系统Inquirus2。此时，我国也广泛开展了对个性化服务的研究，提出了一些原型系统。清华大学的冯翱等人提出了基于Agent的个性化信息过滤系统Open Bookmark;南京大学的潘金贵等人设计并实现了个性化信息搜集智能体。

   近几年，个性化服务逐渐从学术研究走向实际应用，成为业界的热点概念。很多公司纷纷推出个性化系统，提供个性化服务。很多网站，如Microsoft, AOL, CNN,  Lycos,  IBM等均推出了个性化功能;很多电子商务网站也注意到了个性化服务的巨大商机，开始提供个性化服务，如Amazon, Ebay, BestBuy,Expedia等。

   1.3  论文研究的主要内容和方法

   论文以我国旅游电子商务个性化推荐系统发展现状为研究背景，主要论述了影响旅游消费者决策的相关因素，分析这些因素对旅游电子商务个性化推荐系统的影响，在此基础上进行旅游电子商务个性化推荐系统的研究，通过系统的应用分析得出结论。研究的主要内容如下：

• 绪论，提出所要研究的问题，阐述研究问题的国内外研究现状和研究思路。

• 我国旅游电子商务环境下影响旅游消费者决策的因素，从经济因素和非经济因素两个方面分析影响旅游消费者的决策因素。

• 个性化推荐系统的研究，对旅游电子商务个性化推荐系统的主要功能和结构体系进行分析。

• 旅游电子商务个性化推荐系统应用及分析，

• 结论。

   2 我国旅游电子商务环境下影响旅游消费者决策的因素

   2.1  传统旅游电子商务和个性化推荐旅游电子商务的区别

   旅游电子商务,是指以网络为主体,以网站、旅游信息库、电子化商务银行为基础,利用最先进的电子化和网络化手段运作旅游业及其分销系统的商务体。它具有营运成本低、用户范围广、无时空限制以及能同用户直接交流等特点。[2]通过表2-1，我们可以清晰的看到传统旅游电子商务与个性化推荐电子商务的区别。

   传统旅游电子商务 个性化推荐电子商务以达成交易为关注、为中心。 以提供个性化客户服务为关注中心，将服务作为销售的前提。以交易效率为中心，将通过预定流程自动化提高效率视为开展电子商务的重要效益。 利用信息技术，旅游企业与旅游者展开一系列交流，设计符合个性的产品，提高利润；提供的信息限于旅游产品基本数据，对旅游产品描述过于简单。一些“信息密集型”的、复杂的旅游产品。如包价旅游、游船旅游、度假旅游产品等无法等到有效地描述，影响了游客对它们的预先感知。 对旅游产品、服务的特征描述详尽周全；多媒体技术得到应用，以更好形式展示旅游信息；旅游企业与客户的双向沟通更加方便。

   组合性旅游产品是预先设计好的，一般不能变动。 在低成本的前提下，旅游者可以通过网络自行组合旅游产品，能实现旅游线路个性化定制。针对大众的一般需求设计，或粗略划分的细分市场。 在市场细分上做得更细致，更精确。

   2.2  旅游者消费行为的影响因素

   2.2.1  经济因素

   在讨论经济因素限制下的旅游者消费行为描述时，我们把限制消费行为的非经济因素看作是已知的不变条件。有的研究表明，影响消费者行为的经济因素有收入、价格和利息率[8]。

   1.收入

   收入水平决定着一个潜在的旅游者能否实现旅游及其消费水平的高低。然而一个人或一个家庭的收入并非全部都可用于旅游，因此决定其能否实现旅游的家庭收入水平，实际上指的是其家庭的可随意支配收入的水平。许多相关研究表明，当一个家庭的收入不足以购买基本生活必需品时，该家庭很少会外出旅游。然而一旦这个家庭的收入水平超过这一临界点，该家庭用于旅游的消费便会迅速增加且增加比例超过收入比例。美国人口统计局、美国旅游资料中心以及许多市场调研公司的调查结果都表明，人们外出旅游与家庭收入水平有着直接的关系。有资料表明(R．w．Mc lntosh ＆C，R．Goeldner，1984)，在美国，年收入在15000美元以上的家庭外出旅游的可能性，比年收入低于这一水平的家庭大2倍；年收入在25000美元以上的家庭外出旅游者更多，相当于年收入在5000美元以下家庭外出旅游数量的5倍。此外，收入水平不仅影响着人们的旅游消费水平，而且会影响到人们的旅游消费构成。一般来说，较富有的家庭会在食、住、购、娱等方面花较多的钱，从而使交通费用在其全部旅游消费中所占的比例缩减；而经济条件次之的旅游者消费构成中，交通费用所占的比例则较前者为大，其原因在于食、住、购、娱等方面节省开支比较容易，而在交通方面省钱则比较困难。

   2.价格

   旅游产品的价格及其变化影响着旅游者的消费行为。经济学的需求规律同样也反映在人们对旅游产品的购买上。首先，旅游产品同其他某些产品和服务之间存在替代关系，旅游产品的价格同这些产品或服务价格的不同变化会导致人们对旅游产品需求量的变化。其次，由于人们的收入毕竟是有限的，因此当旅游产品的价格上升时，人们往往会减少对外出旅游的需求，这是由于价格变化所导致的收入效应。

   3.利息率

   利息率包括存款利息率和消费者贷款利息率。银行存款利息率的变化对于消费行为会产生较大的影响，会改变消费者在消费与储蓄之间的选择。近年来，我国银行利息率连续7次下调，存款利息税也已开始征收，其目的不外乎刺激消费。这些政策的实施与国内旅游大幅度升温之间是否存在相关，尚没有令人信服的研究，但已有为数不少的学者对此抱有非常乐观的态度。由于受害怕借债观念的影响，我国的多数消费者对于银行贷款利率反应迟钝。尽管银行贷款利率也一再下调，而且对人们在住房、耐用品方面的消费产生了较大的影响，但对旅游消费没有产生有效刺激。也许在不久的将来，有愈来愈多的接受了新的消费观念的旅游者会在这一全新领域作出有益的尝试。

   2.2.2  非经济因素

   根据前人的相关研究，我们认为这些因素包括动机、态度、个性特征、旅游者所处的团体、闲暇时间和信息。

   1.动机

   导致旅游消费行为的动机很多，这源于人们需要的复杂性和目标的多样性。一些相关研究证实了这一说法。田中喜一认为，旅游者的旅游动机产生于个人的兴趣，按需要和目标把旅游动机分为四类；麦金托什(R．Mclntosh)按照心理和身体的需求把人的基本旅游动机也分为四类；奥德曼(L．E．Audman)在此基础上进一步把旅游动机分为八个方面；托马斯(J．A．Thomas)倾向于以社会化需求划分为四大类共十八种主要的旅游动机；刘纯的旅游动机多源说则把产生旅游动机的需要归纳为六个方面。这些学者的研究从不同角度阐述了旅游行为的产生原因，部分地揭示了旅游者内在和外在的需求，对理论研究和实际工作具有一定的指导作用。

   2.态度

   态度对旅游消费行为的限制主要表现为对旅游决策的影响。心理学研究表明，个体态度一旦形成，就会导致某种偏爱或某种方式的行为倾向，并进一步影响旅游决策，这一观点对旅游经营者的启发作用在于：要想通过改变旅游者的态度影响其旅游决策，就必须设法使消费者意识到旅游经营者所提供的具体服务项目和内容，并设法使消费者相信这些项目和服务是可以得到的。这样，消费者在进行旅游决策时就会把它们作为解决旅游问题的可行性选择。旅游者态度的转变也影响着旅游消费行为。实际工作中，可以从改变旅游产品的形象和旅游者个体的状况两方面入手，促使个体的态度转变方向和强度。

   3.个性特征

   个人身上经常表现出来的本质的、稳定的心理特征即个性特征，主要包括能力、气质、性格等，其中以性格为核心。这些特征影响着个体的举止言行，反映出一个人的基本精神面貌和意识倾向，集中地体现了人的心理活动的独特性。那么个性或人格究竟由哪些特质构成？目前在心理学界尚无统一的说法。阿尔波特(G．T．Al1port，1929)的人格特质理论、埃里克森(E．H．Erikson，1950)的人格发展阶段理论、艾森克(H．J．Eysenck，1952)的特质理论和EPQ问卷以及卡特尔(J．M．Cattell)的16PF理论等分别提出了人格特质所包含的维度并进行了大量的实证研究。在心理学研究的基础上，加拿大政府旅游局为了揭示不同的个性品质与旅游行为的关系，用统计方法进行调查研究，结果表明：两者之间在交通工具、旅游目的地、旅游活动内容以及季节等项目上存在着高度相关。这项研究不仅验证了个性品质确实影响着旅游者的旅游行为,而且回答了为什么在同一旅游环境下人们采用的行为方式是不同的问题。

   4.所处的团体消费者属于什么样的团体，他的消费行为也会体现出这个团体的特征，遵从所属团体的诸多行为规范。一个特定的团体所具有的价值准则或行为惯例以各种方式影响着成员的行为，在旅游情景中具体表现为属于某一特定团体的人们寻求他们所属群体惯常的利益。旅游经营者应了解旅游者所属的特定团体，了解这些团体之间的各种差异，了解他们的习惯和需求，使销售和服务工作适合于不同类型团体的需要。应当指出的是，由于划分的角度不同，团体的性质也存在差异。有按经济收入来划分的团体；有按受教育水平来划分的团体；有按职业来划分的团体；有按社会阶层来划分的团体；有按文化群体来划分的团体。鉴于这些不同角度的划分方式，同一个人可以归入不同性质的团体。许多的研究 [9] [10]从不同的侧面解释了不同的团体对旅游行的影响。

   5.闲暇时间

   人们在日常工作、学习、生活及其他必需时间之外，可以自由支配的时间即为闲暇，它是实现旅游消费行为不可缺少的重要因素。闲暇时间大体上包括每日闲暇、每周闲暇、公共假日和带薪假期，其中除了每日闲暇时间因为很零散不可用于旅游之外，其他三类均为旅游消费行为提供了便利条件。虽然并非所有的闲暇时间都一定用于旅游，但对从业人员而言，一定数量而且比较集中的时间才有可能实现外出旅游，完成消费行为。

   6.信息

   信息对消费行为的限制体现在信息量与选择的余地上，旅游经营者与旅游消费者信息的不对称使旅游者在决策上产生困难。信息主要来自两个渠道：商业环境和社会环境。商业环境包括广告和推销。旅游经营者应通过具有吸引力的信息传递方式增强消费者原有的动机，促使他们接受并赞成这些信息，从而作出计划外的瞬时决策；也可以通过劝说消费者改变决策方法来影响他们的旅游决策。旅游消费者的社会环境，主要包括家庭成员、亲属和朋友，这是个体获得信息的重要来源。与商业环境的信息相比，旅游消费者更愿意相信来自亲友的信息，因为他们用自己的亲身经历和第一手资料，向消费者宣传、介绍、推荐，在很大程度上影响了消费者的旅游选择，这对缺乏经验的消费者尤为重要。

   3  个性化推荐系统的研究

   3.1  可行性分析

   1999年的中国旅游资讯网和华夏旅游网的成立标志着旅游电子商务时代的到来。互联网技术在旅游上的应用使得旅游业的经营模式发生了翻天覆地的变化。旅游网站遍地开花，各大旅游企业纷纷建立起了属于自己的网站。

   旅游电子商务在中国发展至今已有近20年的历史，初步形成了类型齐全、涵盖旅游业各个方面的网上旅游产业体系。旅游产品的在线宣传和销售正影响着越来越多的旅游者，更有部分旅游消费者已把网上交易当成了一种消费习惯。

   传统经营模式上旅游产品的购买有中间商的介入使得旅游者得不到价格上的优惠。旅游公司与中间商的扯皮往往使得旅游者的利益受到损害。而旅游网络营销模式使得旅游者可以直接与旅游地的旅游公司接触,购买合适的旅游产品,并且旅游公司可以根据旅游者的特殊要求实现旅游产品的定制。旅游电子商务在价格和个性化可行性这两方面强大的优势是传统经营模式完全不可比拟的。这种对旅游公司和旅游者和单项旅游产品生产者三方都有利的模式决定了旅游网站的生存和发展具有强劲的生命力。

   旅游电子商务发展至今，最初旅游网站上单调、一成不变的旅游线路行程已不能满足旅游消费者日益多变的需求了。在这个自助游逐渐成为主流出游方式的时代，个性化成为时下旅游消费者对行程的第一要求。于是，拥有灵活多变的自助游程定制系统的旅游网站应运而生。在个性推荐旅程页面，旅游者可以自行选择想要去的目的地、出发地、出游天数、入住酒店、交通工具等信息，推荐系统会智能自动生成旅游行程安排表。这是一张单独针对某个旅游消费者的个性化行程表，旅游者亲自为自己设计的行程表。如果你觉得行程中还需要加入的别的活动，可以直接咨询平台上的各旅游公司的行程设计者。个性旅程推荐系统还有一个好处，那就是：不管你的个性化行程需要联系多少个旅游服务商，系统都为旅游者提供线下服务，免去了旅游者亲自定制时需与多家旅游公司联系和把费用打到多家公司账户的繁琐过程。

   同时，随着旅游出行在大众中的普及，中低收入的旅游者是旅游网站需要重视的消费群体。为他们量身定做旅游产品，为他们提供吃、住、行、游、购、娱等方面的优惠，激发他们的旅游消费意识，是旅游电子商务营销上需要做好的一个重点工作。

   3.2  个性化推荐系统的主要功能

   旅游电子商务系统的个性化推荐系统主要是给客户提供符合于他们习惯的检索机制，帮助客户快速准备定位所需要的信息；同时还可以给客户推荐他们可能感兴趣的信息，帮助客户参考，做出更好的决策；另外系统还应提供多渠道的信息链接接口， 给客户提供全方位的信息服务；除此之外，客户还可以按照自己的想法利用系统提供的旅游产品定制功能进行个性化设计，增强了客户对网站的信心和忠诚度。

   推荐系统的个性化功能主要通过以下4个方面来设计：

   1) 个性化智能检索

   采用智能代理(Agent)技术来实现快速有效地获取信息。智能Agent是一个独立的主体，能主动学习、记忆用户的兴趣、爱好、习惯等并直接转化为内部表示，存放在知识库中，建立用户模型来指导决策。由于智能Agent还具有对相关知识进行推理或智能计算的特性，可以克服搜索引擎技术和在线浏览的缺陷，提高了信息检索的效率和质量[7]，非常适合个性化信息服务。

   2) 个性化旅游产品的定制

   根据用户要求设计旅游产品。旅游者可以自行在旅游电子商务系统上选择旅游产品并自由组合，系统能自动根据用户选择结果生成多个有关吃、住、行、娱、购、游的不同方案供用户选择。此项功能为自助旅游者和散客提供了最大的方便并能吸引其消费。

   3) 个性化服务信息的推荐

   采用web挖掘技术，将访问者区分为不同的个体或隶属于不同的类，收集客户兴趣，并进行分析，建立客户模型，根据已有模型生成适合用户个性的Web页面，页面内容主要来源于模式库，而模式库抽取的是用户访问日志中的有用信息(反映客户的兴趣)，对用户来说，是完全透明的。另外，为了增加系统的交互性和灵活性，系统也允许用户主动提供自己的兴趣爱好，并且在筛选模式时优先考虑[3]。如当某顾客登录到该站点时，站点应该根据模式库中的已有知识，判断该顾客的习惯和兴趣，再进一步结合站点的链接结构，显示相应的内容。在网站首页上设置访客或注册用户选择框，分3种情况为用户生成个性化推荐页面：如果是注册客户且首次访问，则先按普通页面显示，这时用户也可以通过提供兴趣爱好，系统自动为其生成个性化页面，同时将这些信息添加到模式库中，可信度置为100％，以便用户下次登录时，系统进行参考，为其推荐感兴趣的信息；如果以GUEST方式访问，则调用模式库中访问率最高的知识生成页面；如果是注册用户非首次访问，则直接调用模式库中的用户模式，直接进入其个性化页面。

   4) 个性化信息的定制

   为了给顾客提供获取信息的多渠道，吸引顾客，提高顾客对网站的忠诚度和购买旅游产品的欲望。系统除了提供检索功能之外，还采用在线咨询、电子邮件、手机短信、客服电话、服务软件(天气软件、新闻软件等)等方式为用户提供服务。另外，系统还可以根据客户反馈的信息和要求，为客户提供一些特别的信息服务，例如向客户提供多媒体信息，如旅游产品的影像资料、文字说明、图片等多媒体信息[6]。

   3.3  个性化推荐系统的体系结构

   旅游电子商务系统的体系结构，如图3-3所示。客户通过使用Web服务器提供的浏览检索功能来获得旅游相关信息，通过预定支付等功能实现旅游产品的购买。客户在访问网站的过程中，个性化服务模块会记录客户的访问行为，如查询、浏览页面和文章、停留时间、访问次数、前进和后退、保存收藏、反馈信息等，这些动作在一定程度上反映了客户的兴趣。然后将收集到的用户行为信息交给Web挖掘模块进行分析，建立客户模型，为客户提供个性化推荐。

   4  旅游电子商务个性化推荐系统应用及分析

   4.1  旅游电子商务的用户分析

   对于每个上网浏览(购物)的用户，都可以构建一个用户档案，其形式如下：

   W = {S,B,P}

   其中，S表示用户注册的自身属性，B为用户浏览属性，P为用户购买属性。

   S = s1, s2…,sn

   B = {(url1, t1),(url2,t2)…,(urln ,tn)}

   P ={(uk1, m1),(uk2,m2)…,(ukn ,mn)}

   其中，s i表示第i个用户属性，url i表示浏览的第i个页面，ti是在第i个页面上停留时间，uki表示第i个产品分类，m i表示用户在该uk i上的平均购买额。由于用户购买属性是最有可能进行第二次购买的，而用户注册的自身属性数据可信度较差。所以三者的优先级是P>B>S。

   通过建立档案，可以将用户分成以下几个类别：

   (1)第一次浏览的用户(无任何信息)：K1= {Φ,Φ,Φ}

   对于这类用户，推荐一些热销产品；然后根据用户浏览页面的情况，把与浏览页面关联性强的其他页面予以推荐。

   (2)只有浏览历史而没有注册信息、购物信息的用户：K2 = {Φ,B,Φ}

   给这类用户推荐的是跟其浏览页面关联性最大的页面(产品)。

   (3)注册了有用户属性，无浏览，也没发生过购买的用户：K3 = {S,Φ,Φ}

   这类用户，根据用户属性，查找其相似的用户群，将那些用户常购买(浏览)的产品予以推荐。

   (4)注册了有用户属性，有浏览历史，没发生过购买的用户：K4 = {S,B,Φ}

   这类用户，除了根据浏览历史的关联推荐外，还可以根据用户属性，查找其相似的用户群将那些用户常购买(浏览)的产品予以推荐。

   (5)没有填写用户属性或用户属性不全的，发生过购买的用户(先得浏览页面才能购买所以有购买记录的肯定就有浏览记录)：K5 = {Φ,B,P}

   这类用户，根据用户购买属性，推荐他喜欢的类中的产品。

   (6)全部信息都有的，既有浏览也有购买的用户：K6 = {S,B,P}

   这类用户，以用户购买属性为主，推荐他喜欢的类中的产品。也可以将其它两类的推荐放在次要推荐的地方。对于新用户，可以看出，随着用户浏览记录的增加，推荐效果将会变好；另外对于协同过滤的新产品问题，可以将新产品归于某一类产品中，而那些对该类很感兴趣的用户，则是它的潜在消费者，可以把产品按这种方式推荐给他们。

   4.1  旅游产品分析

   对旅游电子商务个性化推荐系统的产品构建产品档案，其形式如下：

   M = {K,C,X,P}

   其中，K 表示产品关键词，C 表示产品类别，X表示近几日的销售量，P 表示产品促销价格。

• K = { k1, k2,…,kn}

• C = {c1, c2,…,cn}

• X = x1, x2,…xn

   其中，k i表示产品第i个关键词，c i表示产品属于第i种类别，xi表示第i种(每一种代表近几天的销量)销售量。

   通过建立档案，可以将产品分为以下几类：

   (1)刚进货的新产品,未分类、未定促销价、未输入关键词：

• M1= {Φ,Φ,Φ,Φ}

   (2)未被销售(评论过)的产品：

• M2 = {K,Φ,Φ,Φ}

• M3 = {K,C,Φ,Φ}

• M4 = {K,C,Φ,P}

   其中M2是只被设定了关键词的、还没有定好促销价格及分类的产品；M3是关键词以及产品类别都被设定好了，未定促销价的产品；M4是已有关键词、已分类、已定促销价仍未有销售的产品。

   (3)有销售过的产品：

• M5 = {K,C,X,P}

   对这5种产品进行分析，可以看出，对于M1产品来说，由于对它信息几乎不了解，因此不可能被推荐；

   对于M2产品，可以按关键词方式予以推荐，M3产品可以以关键词或产品所属类别进行推荐；M4产品则可以按一定促销价格推荐；M5产品则是可以用前几种的所有方式，并且还可以按近几日热门销售产品予以推荐或者按(用户—产品)的协同过滤方式推荐。

   4.3  推荐分析

   对用户、产品都进行分析后，接下来就是在用户购物或浏览的过程中，对上面的介绍的6种类别的用户进行产品的推荐。在这里主要按三个阶段进行推荐，即：用户进入网站时、用户浏览网页(购物)过程中以及用户离开网站后的推荐。分析的结果如下：

   (1)K1用户：由于用户是首次来到网站购物，几乎没有任何该用户的信息，因此刚进入首页时，可以推荐一些近日热销品或者促销价格的产品；用户浏览过程中，可以推荐与与浏览页面关联强的产品页；购买时则推荐与购物车里产品有关联的其它产品；用户离开后，如果没有留下e m a i l等联系方式的，则运用C o ok i e s标识该用户以便下次进站时身份识别；留下联系方式的，则可以email或电话推荐。

   (2)K2用户：有浏览历史的，则表明用户已对网站进行了多次访问。进入网站时，主要运用C o o k i e s技术，识别出用户前几次浏览情况(以最近的那次浏览记录为主)，然后根据浏览历史，进行数据挖掘最后推荐结果。

   (3)K3用户：对于注册了用户属性的用户，用户进入网站首页时，如登录则按注册账号来识别用户，否则按C o o k i e s识别，可以根据用户属性聚类的结果来进行推荐，推荐同类的其他用户喜爱的产品；浏览(购买)时，则以浏览记录为主源数据进行推荐；离开网站后，则可以进行email之类的广告营销。

   (4)K4用户：该种用户只是未发生购买。进入网站时，先识别用户，然后以用户浏览数据作为数据源，如果没有相匹配的推荐结果，则以用户属性数据作聚类参考，得到推荐结果；浏览网站及最后离开网站后，处理同K3。

   (5)K5用户：对于有过购买经历的用户，以购物历史数据作为主数据源，计算推荐结果，如果没有相符的推荐，则以浏览继续统计。进入网站时，根据(用户—产品)矩阵计算的结果予以推荐；浏览时，除推荐与浏览产品相关性强的产品外，还可以推荐与用户以前购买相关的产品；离开网站后，可以继续将用户可能喜爱的产品 email、邮件或手机短信进行推荐。

   (6)K6用户：对于所有信息比较完备的用户来说，推荐效果也是最好的。主要推荐方式以K5为主，然后再以浏览为基础，数据统计的结果为次，最后再以用户按属性聚类的推荐结果为备选。当然，所有单品页面上都可以推荐与该产品关联性较强的产品以及用户平均评价与评论，一些热门销售及促销品推荐。这种主要以产品为中心的推荐，也是对以用户为中心的推荐的很好补充。

   5  结论

   5.1  论文结论

   推荐系统已成为电子商务网站不可缺少的组成部分，及时、准确、个性化的推荐技术能够为用户提供有价值的购物参考，是网络营销的重要工具。如何从大量的数据和信息中挖掘出有用的知识是众多电子商务推荐技术研究者们共同关注的问题。本文提出的基于用户兴趣与合作的推荐机制部分地解决了现有推荐系统存在的难题，合理地对有关用户和产品的多种信息加以整合利用，快速地为用户提供更加准确的个性化推荐结果。

   本文的创新工作及结论如下：

   1. 分析了传统的信息过滤推荐技术的优点和不足，说明恰当地结合内容过滤与合作过滤技术对于推荐工作有很大帮助。在用户之间合作进行推荐的过程中，合理地分析产品的属性特征可以更细致地对用户的兴趣进行量化表示，有利于为目标用户匹配兴趣更相似的用户子集，进而改善推荐的质量。

   2. 提出基于兴趣度向量模型的用户合作的推荐方法。基于用户兴趣模型的推荐机制结合了内容过滤与合作过滤两种思想，在项目特征文件的基础上利用用户对产品的评价信息计算得到用户兴趣多维向量模型，以向量的夹角判断用户偏好的差异，并利用兴趣相似的用户群的相互合作产生推荐产品列表。在以电影网站为实例的推荐实验中，这种方法比传统的合作过滤推荐有更好的表现。

   3. 分析了被较少采用的人口统计信息对推荐过程的参考价值。在基于兴趣度模型的推荐过程的基础上，合理地加入了用户之间人口统计信息的联系，是对最近邻居模型的扩展，对比实验很好地说明了引入这种信息以后对推荐质量的改善。引入人口统计相关性的研究还可以在一定程度上解决电子商务网站的新用户问题。面对没有任何评价和购买信息的网站新客户，为其寻找到人口统计信息相似的邻居群，参考他们的偏好可以产生具有意义的产品推荐。

   4. 本文提出的基于用户兴趣与合作的推荐方法有效地克服了现有推荐系统普遍存在的对数据稀疏性的敏感以及实时性不够好的障碍，将用户对产品的整体评价延伸到其对产品各个属性的兴趣表达上，使得原本稀疏的评价信息得到扩充。用户兴趣相对比较固定，所以可以将建立用户兴趣模型和搜索目标用户邻居集合的过程离线进行，节省在线推荐的时间。

   5. 旅游电子商务个性化推荐系统适合于不易准确描述内容的文化类产品领域的推荐活动，可以作为大型推荐系统的子系统运行。

   总之，本文的研究工作紧密围绕用户之间合作筛选信息这一出发点，巧妙地结合产品的内容特征及用户的人口统计特征，较好地克服了现有推荐系统存在的对评分信息稀疏程度的敏感性、推荐的实时性和新用户问题。基于用户兴趣与合作的推荐系统对于电影、音像制品、新闻等不容易完全分析内容的项目进行推荐，可以作为大型电子商务推荐系统的一个工具。对于产品种类多而复杂的大型的电子商务营销系统，需要有基于不同技术、使用不同信息的推荐方法模块，针对不同的产品、不同的场合进行灵活的推荐，这需要一个先进的信息共用的平台，将各种不同的推荐技术结合使用对各种信息进行综合管理与挖掘，更好地发挥推荐系统的作用。

   全面真实可*的信息,并确保信息的直观性、细致性、准确性、时效性、动态性,形成完整、全面、方便的旅游电子商务网络

   6  参考文献

   [1] 中国互联网络信息中心(CNNIC). 《第25次中国互联网络发展状况统计报告》[R].2010.1.

   [2] 王京传,刘以慧.我国旅游电子商务发展战略[J/OL].光明网,2004.7.

   [3] 尚博．WEB挖掘在个性化服务系统中的应用研究［J］．中国科技博览，2008(20)：35－45．

   [4] 何典．电子商务的Web个性化服务和Web挖掘研究［J］．福建电脑，2008(5)：9－10，20．

   [5] 卢文芳．旅游电子商务系统的设计和实现［J］．福建电脑，2008(1)：138－139．

   [6] 薛云．浅谈电子商务环境下的个性化服务［J］．商场现代化，2009(7)：163－164．

   [7] 傅晓岚．基于Agent个性化智能检索技术［J］．农业网络信息化，2008(11)：76－77．

   [8] 王小彬,程鹏.消费心理学[M].北京:学术书刊出版社,1989: 32—4_4.

   [9] 屠如骥．旅游心理学[M]．天津：南开大学出版社，1986.

   [10] 甘朝有，齐善鸿．旅游心理学[M]．天津：南开大学出版社，1995.

建议继续学习：

1. 【转】基于lucene实现自己的推荐引擎    (阅读：3504)
2. 协同过滤推荐系统的那些不足点    (阅读：2647)
3. 基于用户的协同过滤和皮尔逊相关系数    (阅读：2537)
4. 推荐系统应用研究：网上书店    (阅读：2405)
5. 推荐系统应用研究：音乐电台    (阅读：2220)
6. 微博的推荐系统    (阅读：2200)
7. 基于增强学习的旅行计划推荐系统    (阅读：1931)