基于Web的旅游产品推荐系统设计与研究

2018-05-15 06:43:02 现代电子技术2018年10期

王潇慧

摘  要: 传统旅游产品推荐系统能够为用户推荐简单产品信息,但存在用户浏览意愿不强、满意度差、推荐商品购买率低的不足,提出并设计基于Web的旅游产品推荐系统。利用Web数据端对产品需求量进行数据采集;采用核心算法重新配置数据信息,通过SQL语言进行逻辑编辑,实现产品推荐模块设计;服务器将上述模块进行串联,实现基于Web的旅游产品推荐系统的设计。通过仿真实验结果表明,设计推荐系统具有较高的用户满意度,用户浏览意愿提升,推荐产品购买率得到提高。

关键词: Web; 旅游产品; SQL语言; 推荐系统设计; 购买率; 用户满意度

中图分类号: TN911?34; TN913                 文献标识码: A                    文章编号: 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

隨着互联网技术的快速发展,利用网络进行旅游产品推荐,逐步取代传统推荐方法。传统旅游推荐系统能够为用户推荐简单的旅游产品信息,但与用户无互动性,推荐服务体验性差,存在用户满意度低、用户浏览意愿不强、推荐商品购买率低的不足[1]。提出基于Web的旅游产品推荐系统设计和研究,引入Web促使旅游产品推荐系统模型的构建,利用Web端、数据端和数据平台,完善系统配置。通过推荐系统软件和程序的执行对产品信息进行录入处理。为了验证Web旅游产品推荐系统的有效性、满意程度,选用传统推荐系统和本文设计的推荐系统,进行对比仿真实验。实验结果表明,基于Web的旅游产品推荐系统在用户浏览意愿中占有很高的比重,并且具有较高的用户满意度,推荐产品购买率也高于传统推荐方法。

1  旅游产品推荐系统的设计

1.1  产品推荐模块的构建

旅游产品推荐模型主要由Web端、数据端和数据平台构成。Web端的主要作用是,分析结果以及交互作用,以此获得用户基本信息[2],同时对用户浏览行为的目的和以及用户兴趣偏好等基本信息进行采集。设计数据端的目的是对现有数据信息以及Web端更新的数据信息,进行数据整理与导入[3?4]。设计的旅游产品推荐模型包括:数据处理服务器、用户相似行为计算单元、用户浏览行为计算单元、用户兴趣统计计算单元、用户综合分析单元。设计的旅游产品推荐模型,通过对用户进行个性分析以及数据采集,将不同年龄、不同教育阶段、不同工作环境的用户有针对性的录入,综合旅游产品信息,为推荐模块进行数据准备[4]。本文设计的旅游产品推荐模块框架图,如图1所示。

Web技术下的用户信息获取,依托数据平台的精确统计计算与分析[5],完成对用户的基本购买需求的信息采集,解决了传统旅游产品推荐系统用户意图不清的问题。

1.2  产品推荐模块设计

产品库推荐模块设计,首先进行模块的核心算法设计,计算前要对用户信息数据进行重新配置[6]。定义推荐系统的字段名称、类型等信息,如表1所示。

通过产品库推荐模块的字段类型重新定义,使用SQL语言进行逻辑重设,对量化指标进行统计计算。通过对不同分类、不同量化数值的用户,进行有针对性、有特点的推荐[7]。用户系数统计计算公式如下:

推荐产品的信息录入记录在系统数据库中,系统数据库主要包括推荐产品信息以及用户对产品的匹配度[9?10]。系统数据库的主要作用是,对录入的推荐信息进行存储处理,完善推荐产品信息与用户的匹配度,为用户提供产品的詳细信息。

2  旅游产品推荐系统的实现

旅游产品推荐系统,将连接网络、存储数据、搭建网页服务进行串联,把可共享资源进行匹配计算,通过反馈的形式进行产品的推荐。其旅游产品推荐流程图如图2所示。

利用本文设计的旅游产品推荐系统完成对旅游产品推荐。

3  仿真实验与测试

3.1  实验参数设置

为了验证Web的旅游产品推荐系统的用户浏览意愿、满意程度以及购买率,将从三个层次上进行实验,首先通过实验验证,用户对旅游产品推荐信息是否原意继续进行浏览。再验证用户对产品推荐信息是否满意以及满意程度。通过控制变量参数,分别进行传统推荐系统与Web推荐系统对比分析,具体实验参数见表2。

基于大数据平台,通过对不同规模数据进行统计与分析,其具体实验如下。

3.2  推荐系统浏览意愿实验

为了验证用户对旅游产品推荐信息是否原意继续浏览,进行推荐系统浏览意愿实验。采用表2参数控制其变量,对不同年龄阶段人群,使用不同旅游产品推荐系统进行大数据分析,其产品推荐继浏览意愿曲线见图3。

根据产品推荐浏览意愿曲线得出,本文设计的旅游产品推荐系统的继续浏览意愿,明显高于传统旅游推荐系统。传统旅游产品推荐系统,42岁到达浏览意愿最高值为50%,平均继续浏览意愿为42.5%,27岁和50岁达到谷底值为25%,说明传统旅游推荐产品不受年轻人和中老年人喜欢。改进推荐系统,在25~35岁用户以及45~55岁用户达到最高值80%,平均继续浏览意愿为83.1%,57岁达到谷底值为75%。

3.3  推荐系统满意度实验

为验证用户对产品推荐信息的满意程度,进行推荐系统满意度实验,采用表2参数控制其变量,对不同年龄阶段人群,使用不同旅游产品推荐系统进行大数据分析,其产品推荐满意度曲线如图4所示。

由图4可知,传统旅游推荐系统用户整体满意度低于本文设计的系统。传统旅游推荐系统,35~45岁以及55~60岁用户满意度最低,其中40岁用户满意度只有40%,60岁用户满意度30%,中年人与老年人对传统旅游产品推荐系统满意度较差,平均满意度50%。本文设计Web旅游产品推荐系统,20~50岁平均满意度高达84.3%,其中40岁满意度达到95%,整体满意度达到78.5%,改进推荐系统改善整体满意度,对30~40岁及55~60岁中老年用户满意度提升最为明显。

4  总  结

通过旅游产品推荐系统模型的构建,以及软件的建设,实现基于Web的旅游产品推荐系统设计。通过推荐系统浏览意愿实验、推荐系统满意度实验、推荐产品购买率实验三个层次实验。结果表明,基于Web的旅游产品推荐系统用户继续浏览意愿提升,用户满意度增加,推荐产品购买率提升,且实现基于不同用户个性化推荐。

参考文献

[1] 郝海涛,马元元.基于加权关联规则挖掘算法的电子商务商品推荐系统研究[J].现代电子技术,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] 李建荣.基于数据挖掘的移动用户个性化推荐系统研究与设计[J].现代电子技术,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] 冯锦海,杨连贺,蒋鑫龙.基于多模式的室内兴趣点推荐系统设计与实现[J].计算机工程,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] 罗亚.基于决策过程的个性化推荐系统设计[J].计算机工程与应用,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,张玉峰,左晖,等.基于情境语义推理的O2O移动推荐系统研究[J].情报杂志,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.基于新颖性和多样性的旅游推荐模型研究[J].计算机工程与应用,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] 陆国锋,黄晓燕,吕绍和,等.基于互联网信息的多约束多目标旅游路线推荐[J].计算机工程與科学,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,范贵生,等.基于随机森林算法的推荐系统的设计与实现[J].计算机科学,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] 何灿群,李娇,唐晓敏,等.基于文化特征的无锡个性化旅游产品设计研究[J].包装工程,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,李播阳.基于品牌融合的客家文化旅游产品设计与创新[J].企业经济,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.