1. 研究目的与意义
计算机技术的飞速发展使得旅游市场充斥着海量旅游信息，大大增加了游客从中找出所需信息的难度，此外，游客对旅游个性化的要求与日俱增。
而旅游场景中的用户兴趣很难确定，而且会随着季节、天气、用户属性等变化而变，这些特点导致传统的信息检索并不能很好的满足用户需求，我们需要建设个性化的旅游推荐系统。
当今市面上的旅游网站都可以使旅客找到符合自己兴趣爱好的景点、特色小街、美食等。
2. 研究内容和预期目标
游客到一个地方进行旅行时通常面临以下两个问题：首先是决定访问哪些景点，从而使自己的旅行变得更加有趣；其次是确定每个旅行日的路线， 即确定对每个景点的访问顺序。这个过程需要考虑到多个参数和约束，如门票价格、天气条件等。
本推荐系统主要使用网络爬虫获取最新景点信息，利用游客旅游的时间、地点、价位等需求推荐旅游景点，根据相似用户的旅游路线、评论、天气、路况等信息确定旅游路线。
论文写作提纲如下：
3. 国内外研究现状
目前我国的推荐理论和技术研究较多，大约有400家专业的旅游网站，如去哪儿、携程、途牛，推荐算法也在不断进步。再完美的个性化推荐系统都逃不过“信息茧房”的桎梏，因为人的兴趣会随着时间的变化而改变，甚至自己都无法意识到自己感兴趣的话题和领域有哪些，在何时悄然发生变化，推荐系统更是无法精准“揣度”人的心思，这导致仅凭推荐算法已无法满足用户越来越高的要求。基于推荐算法，结合知识图谱、深度学习、AutoML 、数据挖掘等技术的新方法随之诞生，让推荐系统变得更加可信赖。主要有以下几个特点：
1、为了缓解用户-物品矩阵的数据稀疏以及冷启动问题,引入更多附加信息。比如社交信息、文本评论信息、上下文信息等。
2、为了更细粒度的抽取用户、物品的特征,引入深度学习技术。比如利用CNN来处理文本信息来更好的建模物品属性、利用GE来处理社交网络信息来更好的建模用户偏好等。
4. 计划与进度安排
毕设研究计划：
1、首先对国内外旅游推荐系统研究进行深入研究，分析系统可行性
2、使用网络爬虫获取最新景点信息，进行数据预处理与模式分解。
5. 参考文献
[1]成晓妮. CF-MAS推荐系统中协作机制的研究与应用[D].西安理工大学,2020.
[2]YOCHUM Phatpicha,常亮,古天龙,祝曼丽.基于位置和开放链接数据的旅游推荐系统综述[J].智能系统学报,2020,15(01):25-32.
[3]魏涵硕. 基于LBSN的景点推荐及路线规划系统研究[D].中央民族大学,2020.
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。
