旅游微博个性化推荐技术和推荐效果研究
开篇：润墨网以专业的文秘视角，为您筛选了一篇旅游微博个性化推荐技术和推荐效果研究范文，如需获取更多写作素材，在线客服老师一对一协助。欢迎您的阅读与分享！
摘 要 文章探索了微博个性化推荐技术和推荐效果研究情况，并在此基础上，围绕系统表现、商业表现和用户态度现三个维度构建了旅游微博个性化推荐效果评价指标体系，并提出了旅游企业在分析推荐效果时的实施方案。
关键词 旅游微博；个性化推荐；效果评价体系
中图分类号：TP3 文献标识码：A 文章编号：1671-7597（2013）23-0072-02
1 研究背景
随着我国经济水平的提高，人们对于旅游的需求也越来越多，如何开发基于大众市场需求的新产品和服务来改善旅游服务的质量和推动旅游业的转型成为目前旅游业发展的重点。旅游业属于信息密集型产业，适合利用互联网和移动通信等新一代信息技术对其旧有的服务模式和产品进行新的创新，这也是旅游业成长的关键力量。微博是Web2.0技术在博客领域的新发展，是一种基于用户关系的信息分享、传播以及获取的平台。由于微博兼具即时聊天工具的个体性、即时性，博客空间的个人信息和分享性，社区论坛的话题讨论性，以及SNS社区的人际关系纽带性，这使其成为一个天然的口碑传播平台。也因为利用微博进行旅游营销具有展示个性化、传播互动化、信息延展化、传播移动化、内容微小化等诸多优势，因而，它成为旅游企业营销关注和挖掘的新领域。
微博让用户可以更方便、快捷地通过虚拟网络获取实时、海量的旅游信息，使旅游企业能接触到潜在用户、信息、与游客互动、推销旅游产品。然而，由于微博高速、海量的传递信息，内容更新极快，造成信息冗余，搜索起来比较困难，这导致信息过载现象的产生。目前主要使用信息搜索和信息推荐两种技术解决这一问题。但是，传统的信息搜索算法只能呈现给微博用户相同的排序结果，无法针对不同微博用户的兴趣爱好提供用户个性化的信息，最终导致用户很难找到符合自己个性化需求的信息。信息推荐则可以主动为用户提供满足用户需求的个性化信息。因此，帮助用户从海量、更新极快的微博信息中获取有价值的知识和最新信息，提高信息检索与推荐的智能化水平，满足各个用户不同的个性化需求，已经成为一个非常重要且极具现实意义的研究热点。从普通用户的角度看，微博个性化推荐的研究可将用户从无限的网络资源中解放出来，大大缩短用户信息检索的时间，提高信息服务的效率，有效解决信息过载的问题。从旅游企业的角度来看，精准的个性化推荐技术有助于它们找到目标人群，有针对性地开展相应的微博活动营销和提供个性化的服务，使其以较低的成本将产品与服务更有效、快捷地推向目标消费群体。
2 国内外研究现状
从文献调查中发现，围绕旅游围博平台的研究有不少，但主要研究的是旅游微博营销策略和应用等方面的内容，有少量对旅游微博信息的信度和效度进行了研究。对于旅游微博的个性化推荐效果方面的研究则基本没有。然而，国内外关于微博个性化推荐系统的关键技术研究成果有很多，如好友推荐、散列标签推荐或时事信息推荐等。胡大伟提出一种基于关联规则和标签的个性化好友推荐系统，推荐与目标用户最相似的微博用户为好友。孙明明研究了基于云计算环境下研究微博用户的协同过滤推荐，发现现有经典算法推荐精度较低，设计出一种新型的更适合于微博平台的EssCF推荐算法。有少量研究根据微博内容和用户位置进行了深入研究，如Horozov在移动端用户地理位置获取的基础上，增加了“便捷性”参数，以满足系统的可扩展性和低时延需求。此外，还有部分研究从微群和微博平台全网两方面来展开关系推荐的研究。到现在为止，现有研究大多侧重于微博个性化推荐算法和系统的构建及提高推荐精度的理论研究上，部分研究对其所提出的改进算法的有效性进行了一定的实验证明，但对于现有的微博个性化推荐技术的总结分析，尤其是推荐效果的对比分析则较少，也很少涉及到面向具体行业和细分市场的微博个性化推荐、推荐策略和推荐效果分析等实用性方面的研究。而在实践中，在不同的行业里，用户期待的推荐形式、内容和对推荐质量的预期不同。因此，对于旅游企业而言，它们需要的是一种具体化、符合行业和微博特性、实用性极强的微博营销策略，了解目前微博个性化推荐技术效果会有助于他们制定更有效的微博营销活动，而目前恰恰缺少这方面的研究成果。
3 旅游微博个性化推荐效果评价指标构建
微博个性化推荐效果决定用户是否会采纳推荐内容，也影响着企业微博营销的效果。自推荐系统的概念提出以来，推荐效果的评价指标主要是通过评估系统的准确性、多样性、新颖性和覆盖率来进行评估，这些评估指标属于基于数据本身的指标。在实际应用中，效果的好坏还和商业应用上的关键表现指标及用户真实态度有关，但这方面的研究则十分欠缺。因此，如何评价微博个性化推荐效果是一个很大的问题。已有的研究普遍以Davis（1989年）提出的TAM模型理论作为理论基础去解释用户采纳微博个性化推荐的过程和影响要素，并在此基础上增加情感性、社会化要素来扩展TAM模型，由此对微博个性化推荐的效果进行验证，也获得一定的研究成果。但以此验证的效果并不等于用户实际的采纳行为，用户行为化指标的欠缺使得现有研究成果难以得到广泛推广。同时，现有研究对于微博个性化推荐效果的影响因子探索较浅，未涉及用户心理变量因素。
3.1 旅游微博个性化推荐效果评价体系
态度是个人对环境中某一事物的评价和心理倾向，是一种内在的心理结构和行为倾向，对个人的行为具有重要的影响意义。用户对主动获得的旅游微博个性化推荐内容的态度影响着他们是否接受推荐，因此，用户的态度表现是我们构建评价体系的一个主要指标。
传递旅游地信息和推动旅游营销活动是大部分旅游企业运营微博的目的，其商业潜力的大小决定旅游企业在微博的资金投入比例。旅游微博个性化推荐效果的好坏对商业潜力有极大的影响，所以在评估旅游微博个性化推荐效果时，我们将商业表现作为评价体系中的主要指标。
基于此，我们构建的旅游微博个性化推荐效果评价指标体系如下。
旅游微博个性化推荐效果评价指标 一级指标 二级指标
系统表现 准确性
多样性
新颖性
覆盖率
商业表现 转化率
购买率
浏览量
转发量
收益率
购买品种数
客单价
态度表现 认知
情感
意向
表1 旅游微博个性化推荐效果评价指标体系
态度表现指的是用户个人对个性化推荐内容的态度。由于个人态度的心理结构主要包括认知因素、情感因素和意向因素，所以我们将这三个因素作为二级指标来评估个人的实际态度。认知指标主要指用户对推荐结果的认知，如推荐有用和易用，推荐内容的赞成或反对，情感指标则检验指用户对推荐内容的喜欢或厌恶，意向指标评估用户对推荐结果是反应倾向。
3.2 旅游微博个性化推荐效果分析建议
在对旅游微博的个性化推荐效果进行分析时，可使用在线评测和离线评测两种方式，按照以上所构建的个性化推荐指标体系从系统本身、商业潜力和用户态度三个方面进行全面的调查分析，旅游企业即可获得一个比较全面的微博个性化推荐效果报表。在线评测主要是设计在线用户实验，根据用户在线实时反馈或时候问卷调查等结果来衡量微博个性化推荐系统的表现。离线测评即根据收集到的实验数据，根据评价指标来衡量其质量。随后通过分析微博的点击流数据，获取如转化率、购买率等商业指标，分析其商业潜力。最后利用调查问卷方式调查旅游微博用户对目前系统的心理态度，接受情况。
为了进一步改善个性化推荐效果，旅游企业还要采用问卷调查、深入访谈等方式收集信息了解微博用户关注旅游微博的主要目的有哪些，根据用户对旅游微博的实际需求撰写符合其需求的微博内容。
4 总结
本文对微博个性化推荐技术及其效果分析的研究进行了全面的整理和分析，在分析的基础上，构建了一个较为全面的旅游微博个性化推荐效果评估体系，为旅游企业的微博营销工作提供理论依据。不足之处是未进行进一步的实验验证该评估体系的全面性、准确性和可靠性，这是我们在下一步需要完成的工作。
参考文献
[1]倪琳.微博的传播特性及影响力研究[J].上海商学院学报，2011，12（2）：39-43.
[2]刘宏盈，唐羽佳.旅游产品微博营销策略研究[J].商业研究，2013（2）：212-216.
[3]张树萍，王西荣，孙贤斌.微博营销：数字时代旅游景区（点）营销的新途径[J].皖西学院学报，2011，27（5）：108-111.
[4]韩朝阳，张仁军.面向旅游应用的微博信息信度和效度评价[J].重庆理工大学学报.2011，25（10）：37-40.
[5]郑志娴.微博个性化内容推荐算法研究[J].电脑开发与应用，2012，25（12）：23-25.
[6]胡大伟.基于标签协同过滤算法在微博推荐中的研究[D].包头：内蒙古科技大学，2012.
[7]孙明明.基于云计算的微博推荐系统[D].南京：南京理工大学，2012.
[8]T Horozov， N Narasimhan&V Vasudevan. Using Location for Personalized POI Recommendations in Mobile Environments[C]//Proceedings of the International Symposium on Applications Internet，2006.
[9]张琳.我国微博的发展研究：以新浪微博为例[D].南昌：江西财经大学，2012.
[10]Crespo A.H.，Rodrigues I.Explainning B2C E-commerce Acceptance： An Integrative Model based on The Framework by Gatignon and Robertson[J]. Interacting with Computers， 2008，20：212-224.