一、引言
2017年1月22日，CNNIC发布第39次《中国互联网络发展状况统计报告》，截至2016年12月，在网上预订过机票、酒店、火车票或旅游度假产品的网民规模达到2.99亿，较2015年底增长3967万人，增长率为15.3%。可见，在线旅游发展迅速，但这对于旅游者并不一定是好的现象。因旅游者常被困在大量的信息和产品当中，无法做出选择。而旅游推荐系统则是解决信息过载现象的有效方法。它为用户推荐符合其需求和偏好的旅游产品，以帮助用户快速做出旅游决策。
笔者通过检索中国知网电子期刊全库，共收集到“旅游推荐系统”相关文献100多篇，经过筛选剩下69篇。国内最早出现关于旅游系统推荐的文献是在2006年，并正在成为当前的研究热点。从文献的学科属性来看，主要集中在计算机学科、地理学科、管理学科以及信息技术与旅游的交叉学科中。这主要是因为旅游推荐系统是推荐系统在旅游行业中的应用之一，而推荐系统最初也是来源于信息抽取技术及信息检索技术等与计算机紧密相关的领域，在实现这一系统时往往要用到这些与人工智能相关的理论与技术。国内学者对旅游推荐系统的研究主要集中在旅游推荐系统的研究与设计、旅游推荐系统的方法与技术、旅游推荐项目的研究等方面。
二、旅游推荐系统的研究与设计
推荐系统已经被广泛应用于推荐书、文章、电影、电视节目、新闻、音乐网页等。推荐系统最早的概念是利用电子商务网站向客户提供商品信息和建议，帮助用户决定应该购买什么产品，模拟销售人员帮助客户完成购买过程。1997年AT&T实验室提出了基于协同过滤算法的个性化推荐系统，在eBay、Youtube等大型电子商务网站等应用广泛。许多学者基于数据挖掘技术、LBSN（基于位置的社交网络）数据、上下文感知技术、约束、垂直搜索引擎、基于内容的推荐技术和混合推荐技术、加权关联规则、本体、3G手机、云计算、物联网等技术对旅游推？]系统进行研究和设计，向旅游者推荐满足其需求的旅游包、旅游产品、旅游线路、旅游景点推荐及行程路线等。
陈传敬的个性化的旅游推荐系统，根据移动用户的偏好自发的为游客做出个性化的推送服务，帮助用户找到最适合自己的酒店、景点、餐厅、娱乐场所、购物场所等。严杰的旅游电商个性化推荐系统，在大数据的精确分析基础上，再将推荐结果以服务的展示形式推送到旅游电商的各个营销环节，极大的推动了产品购买的转化率。麻风梅，高文的基于Internet平台的安康旅游景点在线推荐系统，不仅帮助游客做出旅游决策；还可以提供给旅游企业和相关管理部门，使其更好的管理安康的旅游资源。姚海涛的旅游信息推荐系统，为游客提供各种旅游信息的查询，使游客拥有一个准备充分的出游计划。
三、旅游推荐系统的方法与技术
1.基于内容的推荐
根据用户选择的产品，向用户推荐与该产品属性相似的其它产品。这种技术是利用用户的历史内容来产生用户描述文件的，新的项目将会用于匹配用户描述文件来发现最接近的项目。徐盼等认为应用数据挖掘技术的朴素贝叶斯方法可以为特定需求的用户提供个性化路线推荐。黄飞龙通过收集用户行为数据为用户实时推荐所需信息，使用户在有限时间内游玩景区内感兴趣的景点，为用户的游览路线提供建议。
2.基于协同过滤的推荐
根据用户对产品的偏好，将与该用户偏好相似的其他用户选择的产品推荐给该用户。协同过滤技术可以分为两个子类：一是根据用户的兴趣进行协同过滤，二是根据产品的共性进行协同过滤。张伟伟等、郑外辉、吴清霞等、麻风梅、杨晓飞根据用户兴趣为用户进行个性化的路线、景点或信息服务的推荐。侯新华等利用在线旅游网站上游客对旅游景点的评价数据，使用协同过滤算法为游客推荐旅游景点。李倩等利用互联网上用户口碑，为用户推荐个性化的旅游计划。曹阳考虑了用户评论和各个用户之间的回复关系及各个用户之间回复的时间关系，提出了一种基于游客信息的协同过滤帖推荐方法。方潇通过为目标用户建立邻近用户集来改进协同过滤的算法。史一帆等在协同过滤算法中引入景点标签，使得为用户推荐的景点更准确。
3.基于知识的推荐
这种方法通过对特定领域的知识指定规则进行基于约束的推荐和基于实例的推荐。王显飞等提出一种基于约束的旅游推荐系统的设计方案，系统以会话的方式逐步启发用户的偏好和需要，可以为用户提供更加准确、个性化的旅游推荐服务[8]。方潇、曾令伟等基于关联规则挖掘经典算法Apriori，为用户推荐相关服务。张华、陈志刚等基于关联规则的算法，从海量数据库中挖掘个性化信息，为旅游电子商务的用户提供智能推荐。刘小燕等提出了基于增强学习技术的旅行会话推荐系统，帮助用户进行互动式对话获得目标。虞娟基于本体CBR的旅游产品案例方法，为用户推荐相似的旅游产品。
4.基于社会媒体的推荐
这种方法是利用集体智慧，将社会媒体中用户间的社会关系或其它媒体数据运用于推荐中。AbdulMajid、刘义海、卢昕根据社会化媒体网站上（如Flikr网站）用户上传的带有地理标签和时间信息的照片，和用户的需求、兴趣为用户提供个性化的旅游路线、旅游信息和旅行计划。刘艳等、胥皇等基于位置的社交网络上关于位置和活动的信息，建立地点和用户偏好模型，根据用户需求为用户提供个性化的旅游景点、旅游包。四、旅游推荐项目的研究
推荐系统应用到旅游领域中，包括对旅游景点、酒店、餐馆等单个旅游产品的推荐，也包括对旅游活动、旅游包、旅游目的地、旅游线路和旅游信息服务等涵盖多产品、多项目的推荐。
1.单个旅游推荐项目
从搜集到的文献中的内容来看，单个旅游项目的推荐主要是对旅游景点、酒店的推荐，文献并不多。胡乔楠、麻风梅等、侯新华等、史一帆等、刘艳等、于蓓佳这些学者利用不同的技术和算法，为用户推荐符合其要求和兴趣的旅游景点。它考虑了用户兴趣偏好和景点流行度的CIAP通过设置相似用户的景点推荐权值和景点流行度权值，得到最优推荐结果。
2.组合旅游推荐项目
胡纳纳等根据用户的兴趣推荐用户喜欢的旅游活动包括运动、景区、交通工具等。胥皇等通过交互地获取用户旅游意向，实时生成多个旅游包供用户选择。杨晓飞根据旅游者不同阶段的兴趣特征，向旅游者推荐目的地。方潇依据用户的历史行为其推荐旅游行程，并能将推荐后的行程进行地图可视化表达。
对于旅游路线的推荐，黄飞龙、曾令伟等、张华、吴春阳、吕红亮等学者根据用户数据和信息为用户推荐满足其个性化需求的旅游线路。郑外辉考虑了游玩景点时影响旅客旅游体验因素及旅游线路中影响游客旅游体验因素，为游客推荐符合其口味的景点旅游路线。卢昕利用含有地理位置信息的照片以及游记所涵盖的旅游信息，根据用户的需求为用户提供个性化的旅游路线规划。尹华罡利用互联网用户分享的海量图片数据通过挖掘用户信息和行为为用户提供个性化的路线推荐服务。
赫磊基于云平？_构建了一个快捷、智能、实时地旅游信息推送系统。张晗的旅游服务智能推荐系统，能够根据用户所提出的需求，结合用户的注册信息和浏览记录，智能地推荐旅游信息服务。许文雕利用云计算、物联网技术，对景区进行智能管理。郁娇娇将云模型的短时交通流预测模型以及交叉口信号优化的模型应用智能旅游系统中，为游客推荐行驶的最佳路线，减少出行时间，缩减出行费用。佘新伟在J2EE平台实现旅游服务推荐系统为游客提供旅游景点推荐、旅游行程规划、旅游线路推荐等服务及旅游相关信息查询服务。
五、旅游推荐系统研究的展望
1.旅游推荐系统的实时性
因为用户兴趣偏好以及对旅游需求会随着时间、地点、身体状况以及心情等的变化而变化，目前的推荐技术还没有考虑到这一点，所以下一步的研究就是随时跟踪捕捉到用户兴趣偏好和旅游需求的变化，根据其变化实时的向用户推荐旅游相关内容。
2.旅游推荐系统的针对性
大部分的推荐方法是基于一些对用户和项目的描述文件的理解来生成评价，而没有充分地利用用户的交互历史和其他可获取的信息。而且现在推荐技术因为缺乏基本的见解而没有能力模仿人的意见与用户进行交互。因此充分利用用户的历史信息和增强与用户交互的能力进而提高旅游推荐服务的的针对性是下一步研究的方向。
3.旅游推荐系统的多元性
传统的推荐系统仅仅是根据用户和产品的信息，而没有考虑其他的上下文信息，这些信息可能对旅游推荐是非常关键的。推荐系统在产品推荐中必须考虑时间、地点、用户的同伴等，如推荐一个旅游包，应该考虑时间、地点、用户跟谁一起去旅行、旅行条件和限制以及其他上下文信息等。规划最合适的旅行计划必须同时考虑几个因素，如景点的访问、当地酒店的选择、旅游预算的计算等。因此，旅游推荐系统从单一性向多元性发展是下一步的研究重点。
六、结论
因为网络信息的爆炸式增长使得旅游者无法做出选择。而旅游推荐系统从纷繁复杂的旅游数据中分析和挖掘出有用的信息，方便快捷的将最大程度满足用户需求和偏好的旅游产品推荐给用户，使用户快速做出正确的旅游决策。本文从旅游推荐系统的研究设计、方法与技术、推荐项目以及研究展望四个方面对国内外旅游推荐系统做了综述和分析。从整体来看，国内关于旅游推荐系统的研究起步较晚，来自旅游专业的文献并不多。随着旅游业和信息技术的发展，旅游者的需求多种多样，旅游推荐系统未来面临的挑战也更大，急需旅游界、信息技术界等更多学者的关注和探讨。