旅游线路推荐系统的设计与实现 6。- 34 -
6。2。1 获取用户历史旅游信息列表 6。- 34 -
6。2。2 获得热门和最新旅游线路集合 6。- 34 -
6。3 本章小结 6。- 35 -
第7章 性能对比与分析 7。- 36 -
第8章 结论 8。- 39 -
第9章 参考文献 9。- 40 -
第10章 致谢 10。- 41 -
第1章 绪论
本章介绍基于大数据的网上旅游线路推荐系统的研究背景与研究意义,分析时下推荐系统在各个领域的应用热度,以及基于大数据的推荐系统在旅游行业的应用水平。其次本章就国内外各大旅游网站应用基于大数据的推荐系统的现状作对比分析,然后表述了本次论文研究推荐系统的主要内容结构和创新方法。
1。1研究背景与意义
人们生活方式以及消费观念的改变,使得旅游业领跑中国经济。而计算机融入人们生活的大趋势,激起了网上旅游的时代热潮,各大旅游网站随之兴起。大量的旅游信息并未得到充分利用而造成信息资源浪费,使得用户在选择网上旅游线路时候感觉浪费精力,而网站推荐的旅游线路与自己预期相差较大。传统的旅游线路推荐需要用户输入完整的旅游目的需求信息,然后根据输入的关键字匹配原则进行搜索,由于用户对网站的关联规则并不了解,必将造成搜索结果并非预期结果。另一方面,传统的关键字匹配规则简陋,即使用户选择输入不同的旅游目的关键字,很可能出现相同的旅游线路推荐结果,最终会造成极差的用户体验。
基于大数据的推荐系统在各个领域应用较为活跃,比如电商平台的商品推荐,影音平台的影音推荐,阅读平台的个性化阅读推荐等,在新技术革新后都能帮助人们根据自己的需求快速找到自己的目标。但是在旅游行业的推荐系统正处于旧转新的时代,发展并不成熟,这样就出现就推荐路线单一,推荐线路非预期,以及无法做出推荐线路等问题。
旅游网站每时每刻都在产生大量的用户行为数据,而这些数据不加以利用,造成大量宝贵信息流失是急需解决的问题。面对海量的数据,传统的推荐系统在存储与计算方面遭遇前所唯有的瓶颈,因此新的推荐系统研究迫在眉睫。新的推荐系统就是采用Hadoop生态框架,用分布式文件系统(HDFS)存储海量数据,用MapReduce对海量的数据进行并行化计算,不仅达到对用户的历史行为信息数据充分利用,而且能高效地为用户作精确的旅游线路推荐。所以研究新型的个性化推荐系统具有非常大的现实意义。
1。2国内外研究水平
1。3内容与结构
对比了国内外旅游领域的基于大数据的推荐系统,分析国内各大旅游网站数据多而杂的数据特征,设计了一种解决海量用户数据的办法,参考其他领域的推荐系统的设计,设计了一种基于内容和项目协同过滤的呼喝推荐系统。本文章节结构如下:论文网
第一章绪论,主要介绍基于大数据的旅游线路推荐系统的研究背景和研究意义。对比分析国内外旅游推荐领域的推荐系统研究现状,制定了本文拟的主要研究目标和步骤。
HADOOP基于大数据的网上旅游线路推荐模型构建(3):http://www.youerw.com/jisuanji/lunwen_92388.html