基于NLP与机器学习的旅游景点智能推荐系统实战-AI智能范式网

基于NLP与机器学习的旅游景点智能推荐系统实战

徐卓菲·2026-09-02·阅读 22 GEO检测（免费）

推荐系统NLP机器学习

|难度：普通|阅读约 20 分钟

1. 项目概述

这个旅游景点推荐系统是我最近完成的一个实战项目，核心思路是通过分析海量用户评论数据，挖掘出游客真实关注点和情感倾向，为景点推荐提供数据支撑。不同于传统基于评分或简单标签的推荐方式，我们深入文本内容，用NLP技术提取主题特征，再结合机器学习算法实现个性化推荐。

系统采用B/S架构，前端用Vue.js实现响应式界面，后端基于Django框架开发，数据存储在MySQL关系型数据库。整个系统分为用户端和管理端两大模块，完整实现了从数据采集、清洗分析到智能推荐的全流程。

提示：在实际开发中发现，旅游评论数据的质量直接影响推荐效果。我们特别加强了数据清洗环节，包括去重、去噪、分词等预处理步骤，确保后续分析的准确性。

需要模型API调用？免费领10W Token，多模型网关一键接入 Claude、DeepSeek 等主流模型。

2. 系统架构设计

2.1 技术选型与整体架构

系统采用典型的三层架构：

前端：Vue.js 2.x + Element UI
后端：Django 3.2 + Django REST framework
数据库：MySQL 5.7

选择这套技术栈主要基于以下考虑：

Django自带强大的ORM和Admin后台，能快速构建数据管理功能
Vue.js的组件化开发适合构建复杂的单页应用
MySQL在中小规模数据场景下性能稳定，且与Python生态兼容性好

系统架构图如下（示意）：

code复制[用户浏览器] 
    ↑↓ HTTP/HTTPS 
[Vue前端] ←→ [Django REST API] 
                    ↑↓ 
                [MySQL数据库]
                    ↑↓ 
            [爬虫服务/数据分析服务]

2.2 核心模块划分

系统主要包含以下功能模块：

用户端功能：
- 景点浏览与搜索
- 评论发布与管理
- 个性化推荐
- 旅游资讯浏览
- 反馈与举报
管理端功能：
- 用户与权限管理
- 景点数据维护
- 评论审核
- 热度分析看板
- 系统监控
数据分析服务：
- 评论爬取与清洗
- LDA主题建模
- 情感分析
- 推荐算法引擎

3. 数据采集与处理

3.1 评论数据获取

我们开发了分布式爬虫系统，从多个主流旅游平台采集评论数据。关键技术点包括：

反爬策略应对：
- 动态User-Agent轮换
- IP代理池（自建）
- 请求频率控制（2-3秒/次）
- 验证码识别（使用Tesseract OCR）
数据字段设计：

python复制class Comment(models.Model):
    content = models.TextField()  # 评论内容
    rating = models.FloatField()  # 评分(1-5)
    user_id = models.CharField(max_length=64)  # 用户ID
    spot_id = models.CharField(max_length=64)  # 景点ID
    platform = models.CharField(max_length=32)  # 来源平台
    publish_time = models.DateTimeField()  # 发布时间
    # 其他元数据字段...

3.2 数据清洗流程

原始评论数据需要经过严格清洗：

去重：基于用户ID+内容MD5值判重
去噪：
- 过滤广告（包含联系方式、链接等）
- 剔除无意义内容（如纯表情符号）
- 识别并删除机器生成内容
分词：使用jieba分词，加载旅游领域自定义词典
停用词过滤：扩展了中文常用停用词表

清洗后的数据存储结构示例：

json复制{
  "comment_id": "C_10086",
  "clean_text": "西湖 风景 优美 适合 拍照 但 人 太多",
  "words": ["西湖", "风景", "优美", "适合", "拍照", "人", "太多"],
  "tags": ["风景", "拥挤"]
}

4. 主题挖掘与情感分析

4.1 LDA主题模型实现

使用gensim库实现LDA主题挖掘：

python复制from gensim import corpora, models

# 构建词典和语料
dictionary = corpora.Dictionary(processed_docs)
corpus = [dictionary.doc2bow(doc) for doc in processed_docs]

# 训练LDA模型
lda_model = models.LdaModel(
    corpus=corpus,
    id2word=dictionary,
    num_topics=10,  # 根据困惑度评估确定
    passes=15,
    alpha='auto'
)

# 可视化主题
import pyLDAvis.gensim
pyLDAvis.enable_notebook()
vis = pyLDAvis.gensim.prepare(lda_model, corpus, dictionary)
vis

典型输出主题示例：

Topic 1: 风景/拍照/美丽/自然 (35%)
Topic 2: 交通/便利/位置/地铁 (22%)
Topic 3: 门票/价格/性价比/收费 (18%)
Topic 4: 服务/工作人员/态度/帮助 (15%)
Topic 5: 拥挤/排队/人多/等待 (10%)

4.2 情感分析实现

结合情感词典和机器学习方法：

基于词典的方法：
- 使用BosonNLP情感词典
- 计算情感极性得分：
```
code复制情感得分 = (积极词数量 - 消极词数量) / 总词数
```
机器学习方法：

python复制from sklearn.feature_extraction.text import TfidfVectorizer
from sklearn.svm import LinearSVC

# 特征提取
vectorizer = TfidfVectorizer(max_features=5000)
X = vectorizer.fit_transform(comments)

# 训练情感分类器
clf = LinearSVC()
clf.fit(X_train, y_train)  # y_train为人工标注的情感标签

# 预测新评论
def predict_sentiment(text):
    vec = vectorizer.transform([text])
    return clf.predict(vec)[0]

实际应用中，我们融合两种方法的结果，准确率达到89.7%（10折交叉验证）。

5. 推荐算法实现

5.1 随机森林回归算法

用于预测用户对景点的评分：

python复制from sklearn.ensemble import RandomForestRegressor
from sklearn.model_selection import train_test_split

# 特征工程
features = ['topic1', 'topic2', ..., 'sentiment', 'user_avg_rating']
X = df[features]
y = df['actual_rating']

# 训练模型
rf = RandomForestRegressor(
    n_estimators=200,
    max_depth=10,
    random_state=42
)
rf.fit(X_train, y_train)

# 评估
print("R^2 score:", rf.score(X_test, y_test))

关键参数调优过程：

使用GridSearchCV寻找最优参数组合

特征重要性分析：

code复制1. sentiment (0.32)
2. topic3_price (0.25) 
3. user_avg_rating (0.18)

5.2 协同过滤改进

传统协同过滤的冷启动问题解决方案：

混合推荐策略：

python复制def hybrid_recommend(user_id, spot_id):
    # 内容相似度
    content_score = content_model.predict(user_id, spot_id)
    
    # 协同过滤得分
    if user_has_history(user_id):
        cf_score = cf_model.predict(user_id, spot_id)
    else:
        cf_score = global_avg_rating
        
    # 融合权重
    return 0.6*content_score + 0.4*cf_score

新用户处理流程：
- 首次登录时填写兴趣问卷
- 结合地理位置推荐附近热门景点
- 随着交互增加逐步优化推荐

6. 系统实现细节

6.1 核心API设计

景点推荐接口示例：

python复制# views.py
class SpotRecommendView(APIView):
    def get(self, request):
        user_id = request.user.id
        page = int(request.GET.get('page', 1))
        
        # 获取推荐结果
        recommender = HybridRecommender()
        spots = recommender.recommend(user_id)
        
        # 分页处理
        paginator = Paginator(spots, 10)
        page_spots = paginator.page(page)
        
        # 序列化
        serializer = SpotSerializer(page_spots, many=True)
        return Response(serializer.data)

6.2 数据库优化

索引设计：

sql复制CREATE INDEX idx_comment_spot ON comment(spot_id);
CREATE INDEX idx_comment_user ON comment(user_id);
CREATE INDEX idx_rating ON comment(rating);

查询优化：
- 使用select_related/prefetch_related减少查询次数
- 热点数据Redis缓存
- 定期归档历史数据

6.3 前端关键实现

推荐结果可视化组件：

vue复制<template>
  <div class="recommend-spots">
    <h3>为您推荐的景点</h3>
    <el-row :gutter="20">
      <el-col 
        v-for="spot in spots" 
        :key="spot.id"
        :xs="24" :sm="12" :md="8">
        <spot-card :data="spot"/>
      </el-col>
    </el-row>
  </div>
</template>

<script>
export default {
  data() {
    return {
      spots: []
    }
  },
  async mounted() {
    const res = await this.$http.get('/api/recommend/')
    this.spots = res.data.results
  }
}
</script>

7. 部署与性能优化

7.1 生产环境部署

使用Docker-compose编排服务：

yaml复制version: '3'

services:
  web:
    build: .
    command: gunicorn config.wsgi:application --bind 0.0.0.0:8000
    volumes:
      - .:/code
    ports:
      - "8000:8000"
    depends_on:
      - redis
      - db

  db:
    image: mysql:5.7
    environment:
      MYSQL_DATABASE: 'travel'
      MYSQL_USER: 'user'
      MYSQL_PASSWORD: 'password'
      MYSQL_ROOT_PASSWORD: 'root'
    ports:
      - "3306:3306"
    volumes:
      - db_data:/var/lib/mysql

  redis:
    image: redis:alpine
    ports:
      - "6379:6379"

volumes:
  db_data:

7.2 性能优化措施

缓存策略：
- 使用Redis缓存热门景点数据
- 实现HTTP缓存头（ETag、Last-Modified）
- 前端静态资源CDN加速
异步任务：

python复制# tasks.py
@shared_task
def update_recommendations(user_id):
    # 耗时推荐计算
    spots = Recommender().compute_for_user(user_id)
    cache.set(f'rec_{user_id}', spots, timeout=3600)

数据库读写分离：
- 主库负责写操作
- 从库处理读请求
- 使用Django-routers实现自动路由

8. 实际应用效果

8.1 推荐质量评估

使用A/B测试对比传统方法和我们的系统：

指标	传统方法	本系统	提升
CTR (点击率)	12.3%	18.7%	+52%
平均停留时长	2.1min	3.4min	+62%
用户满意度评分	3.8/5	4.5/5	+18%

8.2 典型用户场景

旅游规划阶段：
- 系统根据用户历史偏好推荐主题相关景点
- 显示"喜欢A景点的用户也喜欢B"的关联推荐
- 提供基于情感分析的真实评价摘要
景区管理视角：
- 实时监控游客反馈热点
- 识别服务短板（如排队时间长）
- 评估营销活动效果

9. 遇到的问题与解决方案

9.1 数据稀疏性问题

问题表现：

新景点缺乏足够评论数据
部分用户交互行为稀少

解决方案：

引入迁移学习，复用其他领域训练好的模型
设计混合推荐策略，结合内容特征和协同过滤
使用基于图的推荐算法挖掘潜在关联

9.2 实时性挑战