1. 研究目的与意义
自二十一世纪以来，我国的第三产业获得了空前未有的发展，随着人们生活水平的提高，作为第三产业的支柱产业——旅游业——也取得了蓬勃的发展。相较于传统的跟团旅游，越来越对的人更倾向于个性化的自助游、自驾游等自由旅游方式。为了在出行前安排好旅游行程，游客常常需要利用网络进行旅游信息的搜索和获取。然而，这种方式获取的旅游信息比较粗略，不够直观。而且，网络上大量的旅游相关信息往往带给用户信息超载的问题，使得用户无法有效的、准确的获取到自己感兴趣的旅游信息，制定旅游计划。
若是将推荐系统应用于旅游行业，通过建立旅游推荐系统，可以有效的帮助游客进行旅游目的地选择决策和旅游行程规划，简化游客的旅游准备工作。然而由于旅游的特殊性和复杂性，传统的推荐技术往往无法完全满足游客的个性化的需求。随着人工智能时代的到来，深度学习近几年来发展迅猛，尤其在图像与文本处理方面取得了跨时代的进展。若是把协同话题回归（CRT）模型和深度学习（SDAE）模型集合起来，形成一个多层贝叶斯模型——协同深度学习（CDL）并将其运用到旅游业中进行旅游服务推荐是十分具有意义的。
2. 研究内容和预期目标
在前文中对旅游相关推荐以及深度学习在推荐系统中的应用做了一定的阐述。本文研究的是基于协同深度学习的旅游服务推荐。旅游服务包括吃，住，游等方面。为了缓解推荐系统中数据稀疏性和冷启动问题，本文通过协同深度学习技术，利用了评论信息，并结合词嵌入和因子分解机技术，提出了一种将其他信息特征与评论信息特征相结合的新方法，该方法不仅可以挖掘评论信息和对其它信息的特征做更深层次的表达，而且评论文本通过预先转化为词嵌入向量的设计，使得模型可以充分地考虑评论文本的语义相似性，更重要的是通过因子分解机它还可以学习这些特征之间深层次的相互作用，从而最大程度上提高预测的准确性，缓解数据稀疏带来的问题，满足个性化的旅游服务推荐需求。这里对文章主要的研究内容做以简单介绍:
1. 对当前主流推荐算法及相关原理进行深入地研究与学习，并分析各个算法的特点与不足。
2. 研究协同深度学习技术，主要包括协同深度学习模型的基本原理和算法流程等。
3. 国内外研究现状
迄今为止，国内外已有很多旅游相关的推荐研究。Gavalas对移动旅游推荐系统做出了阐述。Kofler 等利用 Flikr 平台上分享的 34,206 张旅游照片以及图片的标签 进行景点推荐。Fenza 等采用一个上下文感知系统去计算用户对景点的偏好度，然后为用户进行景点推荐，这些偏好度是通过利用上下文信息去对生成的关联规则进行 匹配求得的，该系统是基于协同过滤的。Hsu 等通过构建一个旅游景点决策支持系统（ITAS）来使用贝叶斯网络为用户计算其对景点的偏好去进行推荐，该系统采用的 原理是基于模型的协同过滤方法。 Nilashi 等提出了一种多标准协同过滤的推荐方法并应用在酒店推荐中，该方法采用自适应的神经模糊推理系统，高斯混合聚类算法以及分析降维技术，克服了多标准协同过滤时数据的多线性问题，提高了推荐的准确 度。Wang等人提出的系统使用了人口统计信息来进行旅游景点推荐，通过使用贝叶斯方法和支持向量机对用户进行分类，并假设同一类的用户具有相似的兴趣偏好，通过推荐同类中的其它用户感兴趣的景点来解决冷启动问题，具有一定的效果。 Alptekin 等通过使用案例来进行旅游服务推荐，他们将用户的历史数据整理组织成案例形式并存储起来，当用户有需求时，系统会通过相似度计算的方法，在案例进行搜索，找出与用户需求接近的案例，然后再根据用户具体地需求对案例进行调整，产生推荐的方案。Hassan 等提出了一个混合模型进行旅游推荐，该模型采用了基于本体的语义相似度，通过用户的显示和隐式信息来建立关联规则组合，其为用户推荐的方法是，采用混合协同过滤技术，利用本体间计算出的的相似度进行。Ravi 等，为用户进行画像，找出用户的评分与兴趣点等信息，并且通过相似度计算，将相似用户组成团体进行推荐。然后再整合地理位置信息，通过提出了信步算法以及推荐机制对用户进行推荐。Borras 等为旅游推荐设计了一个智能系统，该系统移动端充分利用了情景感知信息，为游人实时提供天气，景点开放时间等信息，并且还可以通过人工智能的方法为游人进行旅游方案的推荐。
虽然协同过滤方法在一些应用中表现出了很好的效果，但是数据稀疏性问题一直是一个很大的挑战。为了应对数据缺乏的问题，使用用户对项目的评论信息是一个不错的方法。在一些实际应用中，用户不仅可以对项目打分，而且可以发表一些对项目的评论。这些评论一般都包含了对相应评分的解释。现在的大多数推荐系统，只考虑了数字评分进行建模，而忽视了隐藏在评论信息里的大量数据。目前，一些工作，表明了，使用评论信息，能够很好的提升推荐的准确性。尤其是对于那些具 有很少评分的项目和用户。
4. 计划与进度安排
论文基于研究内容一共可分为五章，每章的主要安排如下：
第一章为绪论。本章首先对课题的研究背景与意义进行了阐述，介绍了什么是旅游服务推荐。其次说明当今推荐算法和深度学习的研究现状，指出存在问题。最后总结研究内容和工作，并对各章内容进行大致阐述。
第二章为相关理论与技术综述。本章是论文研究的基础性支撑部分，主要介绍论文涉及到的相关理论与技术原理。相关的理论与技术主要从两个方面介绍，一方面是推荐系统的理论知识和相关技术介绍，另一方面是协同深度学习相关的理论和技术介绍。
5. 参考文献
[1]常亮，曹玉婷，孙文平，张伟涛，陈君同.旅游推荐系统研究综述[J];计算机科学;2017年10期
[2]王月星.国内旅游推荐系统研究进展[J];商场现代化;2017年10期
[3] 乔向杰,张凌云.近十年国外旅游推荐系统的应用研究[J];旅游学刊;2014年08期
以上是毕业论文开题报告，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
