摘 要

如今公众的精神需求日渐广泛，旅游逐渐成为更多人休闲娱乐方式的重要选择，整个旅游业呈现出向上增长的趋势。信息技术的飞速发展使旅游业日新月异，旅游与信息技术的结合将成为其势不可挡的未来。相较于其他国家，我国游客对团体旅游格外热衷，然而国内很多旅行社目前仍然以线下经营为主，并且门户网站往往功能简单、模式固定、缺乏竞争力。如何结合新的研究成果，在功能和理论方面对传统的旅游信息系统进行创新，从而开发出更符合游客和旅游从业者需求的新功能，这是一个值得思考的问题。

本文主要是针对团体旅游产品销售而开发的旅游信息系统。在对国内外旅游信息化的发展和国内各大旅行社的门户网站进行分析后，本文开发了一个集旅行包销售、推荐、统计等众多功能于一体的旅游系统。虽然旅游推荐系统发展迅猛，但国内旅行社却极少使用推荐技术来进行团体旅游产品的推荐。本文采用了交叉式混合策略，将基于协同过滤和基于内容的推荐结果，在用户交互界面进行了组合推荐。以此来解决基于产品的协同过滤技术存在的旅游产品冷启动和矩阵稀疏的问题。同时为了避免属性抽取过于粗糙，本文对传统的TF-IDF算法进行改进，结合Word2vec技术来挖掘旅游文本语义间的隐性关联，提高推荐的准确度。在完成Word2vec词向量训练后，本文爬取了携程网2020年四月份的团体旅游数据来进行测试，实验结果表明本文所提出的模型能有效提高旅游产品推荐的准确率。

在管理端的设计上，本系统同样也进行了创新，为了方便管理者及时了解旅行社的销售和经营状况，本文在管理端的前端实现了产品、用户、销售三方面数据的统计分析和可视化展示，从而帮助旅游管理者及时对旅游产品做出调整。与此同时，也对旅行社网站常见的功能，如预定、评价、信息管理等模块进行了优化。在完成需求分析和设计的基础上，运用.NET技术对系统进行了实现，并通过了系统测试。

关键词：旅游信息系统；Word2vec；协同过滤；推荐算法

Abstract

Nowadays, public's spiritual needs are becoming more and more extensive. For more people, tourism has gradually become the choice of leisure and entertainment. The entire tourism industry is showing an upward trend. The rapid development of information technology has made tourism different every day. The combination of tourism and information technology will become its future development trend. In China, group travel is a popular and unique way for traveling, but many domestic travel agencies still operate offline, and their websites are often with simple functions, fixed models which may lead to the lack of competitiveness. How to combine new research results to break through traditional tourism information systems and develop new functions better meet the needs of tourists is a question worthy of consideration.

This thesis is related to a tourism information system developed specially for group travel. After analyzing the development of tourism informatization and the websites of major domestic travel agencies, this thesis develops a tourism system that integrates group travel sales, recommendation, and statistics analysis functions. Although the tourism recommender system is developing rapidly, domestic travel agencies generally lack personalized recommendation function. Therefore, this thesis adopts a cross-hybrid strategy, and merges recommendations based on collaborative filtering and content-based recommendations, then the recommendation result will be shown on the traveler interface. And it’s supposed to solve the problems of cold start and matrix sparseness. Moreover, in order to optimize attribute extraction, we combine traditional TF-IDF algorithm with Word2vec to seek the implicit correlation between the texts of traveling products and improve the accuracy of recommendations. After completing Word2vec training, this thesis crawled the group travel data in ctrip.com for April 2020 to test the model. The results reveal that this model is able to recommend more suitable products to travelers.

This system also has innovations in the design of the management side. From the point view of management insight, in order to facilitate managers to understand the sales and operating status of travel agencies in time, this thesis realizes the statistics and data visualization of product, user and sales data on the front end to help travel managers make timely adjustments to their products. Besides, it also optimizes common functions of travel agencies, such as booking, rating, and information management modules. Finally, we implement the tourism system after analyzing travelers’ requirement.

Key Words：Tourism System; Word2vec; Collaborative Filtering; Recommendation Algorithm

目 录

第一章 绪论 1

1.1 研究目的及意义 1

1.2 国内外研究现状 2

1.3 论文主要内容和结构安排 3

1.4 本章小结 4

第二章 相关研究基础和技术 5

2.1 B/S架构 5

2.2 WEB技术 5

2.3 WEB前端技术 6

2.4 推荐算法 6

2.4.1 基于内容的推荐 6

2.4.2 基于协同过滤的推荐 6

2.4.3 评价指标 8

2.5 Tableau软件 9

2.6 本章小结 9

第三章 需求分析与系统设计 10

3.1 系统需求分析 10

3.1.1 功能需求分析 10

3.1.2 可行性分析 10

3.2 系统设计 12

3.2.1 系统功能结构设计 12

3.2.2 各功能模块详细设计 13

3.3 数据库设计 17

3.3.1 数据库E-R图设计 17

3.3.2 数据库表设计 18

3.4 本章小结 20

第四章 基于旅游产品描述文本的推荐 21

4.1 词向量与语言模型 21

4.1.1 词向量简介 21

4.1.2 神经网络语言模型 21

4.1.3 Camp;W模型 22

4.1.4 Word2vec模型 23

4.2 基于TF-IDF和Word2vec推荐的实验 24

4.2.1 文本预处理 24

4.2.2 基于TF-IDF的旅游产品推荐 26

4.2.3 基于TF-IDF和word2vec的推荐模型 27

4.2.4 实验结果 29

4.3 本章小结 30

第五章 系统实现与测试 31

5.1 前台系统实现 31

5.1.1 前台主页 31

5.1.2 用户注册模块 32

5.1.3 用户登录模块 32

5.1.4 商品模块 33

5.1.5 我的行程模块 34

5.1.6 我的建议模块 36

5.1.7 个性化推荐模块 36

5.2 后台系统实现 37

5.2.1 管理员登录模块 37

5.2.2 信息管理模块 38

5.2.3 数据可视化模块 39

5.3 系统测试 42

5.3.1用例测试 42

5.4 本章小结 45

第六章 研究总结与展望 46

6.1 研究总结 46

6.2 研究展望 46

参考文献 48

致 谢 51

第一章 绪论

1.1 研究目的及意义

如今公众的精神需求日渐广泛，旅游逐渐成为更多人休闲娱乐方式的选择，整个旅游业呈现出蓬勃向上的长的趋势。旅游业因其对环境污染小而被称为一个国家的无烟产业。中国的旅行产业发展迅速，日渐成为我国经济的重要基石之一。计算机和信息技术等的迅速发展使旅游业也日新月异，旅游与信息技术的结合将成为旅游业发展势不可挡的未来。相比较传统旅游业，旅游信息系统可以提供更加丰富的服务信息，使得用户更方便快捷地获取所需要的信息，从而使得整个旅游业的运作效率得到明显提升。旅游信息系统的开发与实践应用能够使游客从多方面多角度掌握景点相关信息，更为重要的是，它还能帮助各个旅行社及时发布有关信息、管理业务、统计数据，并能通过数据分析来提供个性化的旅游产品，在满足客户需求的同时获得更大的利益。然而我们可以发现，目前的旅游管理系统在人员结构、信息更新等方面已经被时代所淘汰。功能更加完善、新颖的旅游推荐系统将为企业提供更大的竞争力。

近几年随着深度学习（Deep Learning）等信息技术的火爆，越来越多的领域引入了深度学习技术。旅游业的基础是服务，它的日常运营也依赖于技术，作为一个庞大的行业，它需要不断地更新技术，来提高业务流程效率并增加利润。深度学习可以被应用到需求预测、定价策略、个性化推荐、客户体验等方面。很明显，与医疗和银行等行业相比，旅游业对于相关技术的运用并不那么广泛。毫无疑问，深度学习等技术的应用充满着潜力和希望，可以从根本上改变旅游业的商业模式和运作方式。