摘要： 基于Hadoop的旅游推荐系统是基于大数据技术的推荐系统，旨在为用户提供个性化、精准的旅游推荐服务。该系统利用Hadoop平台对旅游相关数据进行存储、管理和处理，包括用户历史行为数据、地理位置数据、旅游产品信息等。同时，系统采用了协同过滤算法和基于内容的推荐算法，结合用户偏好、兴趣爱好等因素对用户进行个性化推荐。系统还实现了实时推荐功能，能够根据用户当前状态和位置信息，提供及时、精准的旅游推荐服务。实验结果表明，该系统的推荐准确性和效率都得到了有效提升，能够满足用户对旅游推荐的个性化需求。
本文设计了基于大数据的旅游网站后台分析系统，本系统的核心功能是通过爬取实海量旅游信息的原始数据，并通过大数据技术将原始数据存储、计算，并将分析的结果以可视化列表形式展示。
本论文的主要研究工作及取得的成果如下:
使用Django等软件开发技术,设计并成功开发出了一套基于大数据的旅游网站后台软件系统,本后台系统的旅游信息数据源于旅游网站上爬取的旅游信息。
使用基于Python语言的网络爬虫,爬取了旅游网站上的旅游信息。对爬取到的原始数据进行数据清洗后存储到本地机器上，然后使用Python词云运算编程模型对数据计算,最后将结果保存至MySQL中存储分析。
关键词：大数据；Python； 词云分析；旅游信息
Design and implementation of travel recommendation system based on hadoop
Abstract:The Hadoop-based travel recommendation system is a recommendation system based on big data technology, aiming to provide users with personalized and accurate travel recommendation services. The system uses Hadoop platform to store, manage and process travel-related data, including user historical behavior data, geographic location data, tourism product information, etc. At the same time, the system adopts collaborative filtering algorithm and content-based recommendation algorithm, combining user preferences, interests and other factors to make personalized recommendation to users. The system also implements the real-time recommendation function, which can provide timely and accurate travel recommendation services according to the user's current status and location information. The experimental results show that the system's recommendation accuracy and efficiency have been effectively improved, and can meet the personalized needs of users for travel recommendation.
This paper designs a back-end analysis system of tourism website based on big data. The core function of this system is to obtain the original data of massive tourism information by crawling, store and calculate the original data through big data technology, and display the analysis results in the form of a visual list.
The main research work and achievements of this paper are as follows:
Using Django and other software development technology, a set of backend software system of tourism website based on big data is designed and successfully developed. The tourism information data of this backend system is derived from the tourism information crawled from the tourism website.
The web crawler based on Python language was used to crawl the tourism information on the tourism website. After data cleaning, the original data extracted is stored on the local machine, and then the Python word cloud computing programming model is used to calculate the data, and finally the results are saved to MySQL for storage and analysis.
Key words: big data; Python；Word cloud analysis; Tourism information
1 绪论
1.1研究背景与现状
随着人们生活水平的提高，旅行已成为越来越多人休闲娱乐的选择。旅游推荐系统通过分析用户的需求，为用户提供个性化的旅游推荐，有助于提高用户满意度。
大数据技术：互联网技术的发展使得大量用户行为数据得以积累，通过大数据技术对这些数据进行分析，可以为旅游推荐系统提供有力支持。我国政府高度重视旅游业的发展，旅游推荐系统作为旅游业的重要组成部分，得到了政策的大力支持。
在如今的互联网时代下，景点旅游和个人游玩的也由传统的线下旅游会和校园旅游会转变为互联网旅游，目前市场上流行的旅游软件和网站种类繁多，旅游信息质量也参差不齐，相对比较知名且应用广泛的旅游信息发布平台有美团、连连周边游、58同城旅游等。在上述平台中每天都会发布海量的旅游信息和游玩的信息，然而由于网络信息存在一定的虛假性,这会给游玩的者带来一定的误导效果，导致网上游玩的过程的体验不佳。并且由于各平台之间的用户数据不互通，用户需要来回反复的进行注册登录操作，这一过程也会浪费大量时间和精力。
总而言之，从上述问题可以看出目前互联网旅游信息平台信息缺乏整合，用户在冗杂的旅游信息中难以筛选出有效的信息。本论文拟初步研究开发出一套完整的基于大数据平台的旅游平台信息分析系统，本系统主要用于对旅游信息和公司信息进行采集，通过大数据平台对数据进行存储和计算，将大数据分析结果以可视化形式给用户查询。这样，用户在使用本平台时只需一次注册操作，即可浏览各平台发布的旅游信息，并且可以根据用户的条件进行筛选，可极大的提高游玩的效率，给景点和游玩的者都带来一定的便利。
旅游业是全球经济活动中最重要的部分之一，也是世界上最大的行业之一。随着全球旅游市场的不断扩大和信息技术的快速发展，旅游数据呈现出爆炸式增长的趋势，旅游大数据应运而生。大数据技术可以从庞大的旅游数据中提取有价值的信息，为旅游行业提供更准确、更全面的决策支持。
目前，旅游推荐系统已成为旅游行业的研究热点。旅游推荐系统基于旅游大数据，通过分析用户历史行为、兴趣爱好、地理位置等多维度信息，为用户推荐个性化的旅游产品和服务，提高旅游体验和满意度。
在大数据旅游推荐系统的研究方面，国内外都有一定的进展。例如，在旅游景区推荐方面，研究者通过分析景区的历史游客数据、用户评价数据等，构建了基于用户偏好的景区推荐模型；在酒店推荐方面，研究者通过分析用户的住宿偏好、预算水平等，构建了个性化的酒店推荐系统。
同时，随着人工智能和深度学习技术的发展，旅游推荐系统也朝着更加智能化和精细化的方向发展。例如，结合语音识别、图像识别等技术，可以实现更加自然、便捷的旅游体验；利用深度学习技术，可以构建更加准确、高效的旅游推荐模型。
总之，大数据旅游推荐系统具有广阔的应用前景和研究价值。在未来，旅游行业将会越来越依赖大数据技术和旅游推荐系统，以提升旅游服务质量和用户满意度，推动旅游经济的可持续发展。
1.2 国内外研究现状
旅游推荐系统是一个涉及计算机科学、旅游管理、人工智能等多个领域的交叉研究领域，吸引了众多学者的关注。以下是旅游推荐系统在国内外研究现状的一些关键方面：
数据源和特征提取：国内外的研究者使用各种数据源来构建旅游推荐系统，包括用户历史行为数据、社交媒体数据、地理位置数据等。在特征提取方面，研究者通常将用户偏好、兴趣爱好、出行目的等作为重要特征进行分析。
推荐算法和模型：研究者在推荐算法和模型方面进行了大量的尝试和探索。传统的算法包括基于内容的推荐、协同过滤推荐等，而近年来，深度学习和强化学习等技术也被应用于旅游推荐系统中，例如使用神经网络模型进行推荐。
个性化推荐：个性化推荐是旅游推荐系统的核心目标之一。国内外的研究者都致力于提高个性化推荐的准确性和精度。一些研究者提出了基于用户偏好的推荐模型，例如通过分析用户历史行为和兴趣爱好，为用户推荐符合其个性化需求的旅游产品和服务。
实时推荐与在线学习：实时推荐是旅游推荐系统的发展方向之一。研究者积极探索如何利用实时数据来提供及时、个性化的推荐。此外，一些研究者还尝试将在线学习技术应用于旅游推荐系统中，以实现系统的自适应学习和优化。
用户体验和可解释性：除了推荐准确性，研究者也关注提高用户体验和可解释性。例如，一些研究者试图通过增加推荐结果的多样性和生动性，提高用户满意度。同时，也有一些工作着重于解释推荐结果的原因和依据，以增强用户对推荐系统的信任。
总体而言，国内外的研究者在旅游推荐系统领域取得了一定的进展，但仍面临一些挑战，如数据稀疏性、冷启动问题、推荐解释等。未来，旅游推荐系统研究将继续关注这些问题，并结合最新的技术发展，力求提供更准确、个性化、可解释的推荐服务。
1.3论文主要研究工作
为了实时了解各行业最新最热的技术、最火热的景点、门票最高的景点光靠人工收集并采用普通的方式进行分析十分浪费人力物力，并且效率和体验都不好，因此开发一套基于大数据的旅游数据分析系统显得尤为重要。本论文所设计的基于大数据平台的旅游信息分析系统的最核心功能是对海量旅游信息的列表展示，并将大数据计算分析的结果以科技大屏可视化形式展出，使得用户能够非常直观的获取到当下的行业旅游信息。
本系统首先需要提供给客户管理和使用的数据。本文使用基于Python语言的Scrapy框架的网络爬虫技术爬取用户使用率较高的旅游网站上实时的旅游信息以及公司信息作为数据来源，以此作为大数据分析的关键数据支撑。然后使用本地机器,生态圈中分布式运算模型词云框架对海量的旅游信息数据进行数据清洗，数据融合，计算，分析等流程，数据通过处理后持久化到MySQL数据库中存储。在计算出分析结果数据后，使用Flask等软件开发技术等框架完成基于大数据分析平台系统的后台的开发。
本文开发一套Web系统将市面上的旅游信息通过大数据技术进行存储、计算与智能化分析,将会给应聘人员提供巨大的好处。在提供旅游信息列表展示以及筛选功能的同时，还为用户提供个人信息管理，注册修改等功能，这样做便使得该系统成为功能相对完整，业务逻辑清晰，可大幅度提高游玩的和旅游的效率。
2 技术总述
2.1 基于Scrapy的网络爬虫技术
Scrapy是目前较为成熟的爬虫技术框架，一般采用Python语言开发程序，Scrapy用途广泛，可以用于数据挖掘、监测和自动化测试。
在本设计中，由于需要使用到旅游网站的原始数据，因此需要开发相应的网
络爬虫程序完成对旅游原始数据的采集，图2-1为爬取旅游网站网站的旅游
数据的原理流程图。
图2-1 旅游网站网站爬虫原理流程图
2.2 词云技术
词云是一个简单但功能强大的可视化表示对象，用于文本处理，它以更大，更粗的字母和不同的颜色显示最常用的词，单词的大小越小，重要性就越小。
1.社交媒体上的热门标签（Instagram，Twitter）：全世界的社交媒体都在寻找最新的趋势，因此，我们可以获取人们在其帖子中使用最多的标签来探索最新的趋势。
2.媒体中的热门话题：分析新闻报道，我们可以在头条新闻中找到关键字，并提取出前n个需求较高的主题，来获得所需的结果，即前n个热门媒体主题。
3.电子商务中的搜索词：在电子商务购物网站中，网站所有者可以制作被搜索次数最多的购物商品的词云，这样，他就可以了解在特定时期内哪些商品需求量最大。
首先，我们需要在jupyter notebook中安装所有库。
在python中，我们将安装一个内置库wordcloud。在Anaconda命令提示符下，输入以下代码：
pip install wordcloud
如果你的anaconda环境支持conda，请输入：
conda install wordcloud
这可以直接在notebook中实现，只需在代码的开头添加“!”即可。
像这样：
!pip install wordcloud
但现在我想生成拥有任何主题的维基百科文本的词云，因此，我将需要一个Wikipedia库来访问Wikipedia API，可以通过在anaconda命令提示符下安装Wikipedia来完成，如下所示：
pip install wikipedia
现在我们还需要其他一些库，它们是numpy，matplotlib和pandas。
截至目前，我们需要的库就安装好了。
图2-1 词云技术分析
通过查看上图，我们可以看到机器学习是最常用的词，还有一些其他经常使用的词是模型，任务，训练和数据，因此，我们可以得出结论，机器学习是训练数据模型的任务。
我们还可以在这里通过背景颜色方法更改背景颜色，并通过colormap方法更改字体颜色，还可以在背景颜色中添加颜色的哈希码，但是mapcolor带有内置的特定颜色。
2.3 Django技术
Django是一个开放源代码的Web应用框架，由Python写成。采用了MTV的框架模式，即模型M，视图V和模版T。它最初是被开发来用于管理劳伦斯出版集团旗下的一些以新闻内容为主的网站的，即是CMS（内容管理系统）软件。并于2005年7月在BSD许可证下发布。这套框架是以比利时的吉普赛爵士吉他手Django Reinhardt来命名的。2019年12月2日，Django 3. 0发布 。
Django是高水准的Python编程语言驱动的一个开源模型．视图，控制器风格的Web应用程序框架，它起源于开源社区。使用这种架构，程序员可以方便、快捷地创建高品质、易维护、数据库驱动的应用程序。这也正是OpenStack的Horizon组件采用这种架构进行设计的主要原因。另外，在Dj ango框架中，还包含许多功能强大的第三方插件，使得Django具有较强的可扩展性 [2] 。Django 项目源自一个在线新闻 Web 站点，于 2005 年以开源的形式被释放出来。其工作流程主要可划分为以下几步：
1.用manage .py runserver 启动Django服务器时就载入了在同一目录下的settings .py。该文件包含了项目中的配置信息，如前面讲的URLConf等，其中最重要的配置就是ROOT_URLCONF，它告诉Django哪个Python模块应该用作本站的URLConf，默认的是urls .py
2.当访问url的时候，Django会根据ROOT_URLCONF的设置来装载URLConf。
3.然后按顺序逐个匹配URLConf里的URLpatterns。如果找到则会调用相关联的视图函数，并把HttpRequest对象作为第一个参数(通常是request)
4.最后该view函数负责返回一个HttpResponse对象。
2.4 本章小结
本章主要分析了系统开发过程中使用到的技术点和框架，通过研究这些技术的原理后，在本设计中加以应用，包括旅游信息采集的爬虫技术，数据持久化存储技术，以及基于Django框架的系统后台技术，通过预研上述技术点并加以应用从而开发出基于大数据分析平台的旅游数据分析系统。
3 旅游推荐系统设计
3.1系统功能
通过前面的功能分析可以将基于大数据的旅游推荐系统的研究与实现的功能主要包括用户登录、旅游信息管理、数据分析等内容。后台管理是针对已登录的用户看到满意的旅游数据分析而设计的。
3.2可行性研究
通过对系统研究目标及内容的分析审察后，提出可行性方案，并对其进行论述。主要从技术可行性出发，再进一步分析经济可行性和操作可行性等方面。
开发系统所涉及到的资料，一般是在图书馆查阅，或是在网上进行查找收集。所需要的一些应用软件也都是在网上可以免费下载的，因此，开发成本是几乎为零。但是开发出来的系统，还是具有高效率，低成本，较高质量的。所以，从经济可行性的角度，该系统符合标准。
技术可行性是考虑在现有的技术条件下，能否顺利完成开发任务。以及判断现有的软硬件配置是否能满足开发的需求。而本系统采用的是本地机器开发框架，并非十分困难，所以在技术上是绝对可行的。此外，计算机硬件配置是完全符合发展的需要。
当前计算机信息化的知识已经十分普及了，现在的操作人员也都是对系统环境有很强的适应性，各类操作人员大都是有过培训补充的，因此完全不影响组织结构，所以在运行上也是可行的。
从时间上看，在大四的最后一个学期，在实习工作与完成毕设两件大事相交叉的时间里，结合之前学习的相关知识，并开发系统，时间上是有点紧，但是也不是完全没可能实现，通过这段时间的努力功能基本实现。
3.3 系统实现流程
(1)明确目的
在设计旅游信息大数据分析平台初期需要了解如何获取旅游信息原始数据
是非常基础也是关键的一步。要了解大数据分析平台期望达到什么样的运营效
果，从而在标签体系构建时对数据深度、广度及时效性方面作出规划，确保底层
设计科学合理。
(2)数据采集
只有建立在客观真实的数据基础上，大数据计算分析的结果才有效。在采集
数据时，需要考虑多种维度，比如不同行业旅游数据、各行业门票水平数据、行
业就业情况数据、行业旅游景点等等，还可以通过行业调研、用户访谈、用户信
息填写及问卷、平台前台后台数据收集等方式获得。
(3)数据清洗
就对于各大旅游网站或者APP平台采集到的数据而言，可能存在非目标数据、
无效数据及虛假数据，因而需要过滤原始数据，去除一些无用的信息以及脏数据,
便于后续的处理。
(4)特征工程
特征工程能够将原始数据转化为特征，是--些转化与结构化的工作。在这个
步骤中，需要剔除数据中的异常值并将数据标准化。
(5)数据计算
在这一步我们将得到的数据存储到大数据分析平台，通过开发词云,
程序对原始数据进行计算，将不同维度的结果存储到Mysql中。
(6)数据展示
分析结果可以通过大数据后台展示到前端界面，对于普通用户而言，只需.
要登录到该后台系统，就可以获取到旅游数据分析后的计算结果，从而了解行业
的旅游情况，对于游玩的者而言可以极大地提高效率。
3.4系统平台架构
在任何信息系统当中有价值的数据都是必不可少的重要部分，如何通过手上
的资源获取得到有价值的数据便是开发系统。首先需要考虑的问题根据系统的功
能设计数据获取和处理的流程以及其实现方法都已经基本上确定获取和处理流
程。
3.5 旅游数据爬虫设计
这个项目我们的主要目的是爬取旅游网站网的旅游数据信息，包括旅游岗
位、景点名称和景点描述和规模等具体详情信息，下面描述本文爬虫工程主要设
计步骤。
(1)创建项目
打开一个终端输入:scrapy startproiect python_ city _data，Scrapy框架将会在指定目录下生成整个工程框架。系统生成的目录如下图3-2所示:
图3-2爬虫框架目录结构
(2)修改setting文件
如图3-1所示为修改后的setting文件主要内容,本设计主要修改三项内容，
第一个是不遵循机器人协议，第二个是下载间隙，由于下面的程序要下载多个页
面，所以需要给一个间隙(不给也可以，只是很容易被侦测到)，第三个是请求
头，添加一个User-Agent。
表3-1 爬虫setting文件主要配置
| BOT_NAME = 'python_city_data' |
(3)确认要提取的数据，item 项
item定义你要提取的内容(定义数据结构)，比如我提取的内容为旅游信息的所在城市和景点旅游详情，于是需要在items类中新建对应的实体类，并需要设置相应的字段取出对应的数据。Field 方法实际上的做法是创建一个字典，给字典添加一个建，暂时不赋值，等待提取数据后再赋值。
(4)开发爬虫程序，访问下载网页，使用Xpath语法提取内容
3.6 数据库模型程序设计
原始的旅游信息数据一般信息较为冗杂，且很难看出规律，因此我们需要将
数据存储在HDFS上，数据在多台机器上保存了n份，保证了原始数据的高可用。
然后通过词云框架开发程序，将海量的原始数据计算过程分成一个个的
job提交到yarn上管理执行。
表3-2 数据库模型类
| class Case_item(models.Model): shiqu = models.CharField(verbose_name='城市',max_length=124) title = models.CharField(verbose_name='景点',max_length=124) details = models.CharField(verbose_name='详情页链接',max_length=424) pingfen = models.FloatField(verbose_name='评分') city = models.CharField(verbose_name='详细地址',max_length=424) heatdegree = models.FloatField(verbose_name='热度') img = models.CharField(verbose_name='图片链接',max_length=424) content = models.TextField(verbose_name='简介') openinghours = models.CharField(verbose_name='开放时间',max_length=424) count = models.FloatField(verbose_name='评论数量') def __str__(self): return self.title class Meta: verbose_name = u"数据表" verbose_name_plural = verbose_name class PingLun(models.Model): case_item_id = models.ForeignKey(Case_item,on_delete=models.CASCADE) text = models.TextField(verbose_name='评论内容') class Meta: verbose_name = u"评论表" verbose_name_plural = verbose_name class DianZhan(models.Model): case_item_id = models.ForeignKey(Case_item,on_delete=models.CASCADE) user_id = models.ForeignKey(Users,on_delete=models.CASCADE) class Meta: verbose_name = u"点赞表" verbose_name_plural = verbose_name class JingDian(models.Model): name = models.CharField(verbose_name='景区名称', max_length=124) auth = models.CharField(verbose_name='评论者', max_length=124) pingfen = models.CharField(verbose_name='评分', max_length=124) text = models.TextField(verbose_name='评价文字') shijian = models.CharField(verbose_name='时间', max_length=124) laiyuan = models.CharField(verbose_name='数据来源', max_length=124) class Meta: verbose_name = u"景点表" verbose_name_plural = verbose_name class SC_food(models.Model): 景区id = models.CharField(verbose_name='景区id', max_length=524) 景区名称 = models.CharField(verbose_name='景区名称', max_length=524) 地区 = models.CharField(verbose_name='地区', max_length=524) 评分 = models.CharField(verbose_name='评分', max_length=524) 类型 = models.CharField(verbose_name='类型', max_length=524) 景区url = models.CharField(verbose_name='景区url', max_length=524) 景区imgUrl = models.CharField(verbose_name='景区imgUrl', max_length=524) 评论条数 = models.CharField(verbose_name='评论条数', max_length=524) 数据来源 = models.CharField(verbose_name='数据来源', max_length=524) |
任务主类编写成功后，将其打成jar包，并提交到本地机器环境上，通过本地机器 fs命令执行该词云作业。并可通过本地机器的管理web页面查看作业的执行的具体情况和时长等信息，下图3-4是统计旅游信息所属行业的任务运行在本地机器管理页面的执行情况。
| if __name__ == "__main__": os.environ.setdefault("DJANGO_SETTINGS_MODULE", "LvYou.settings") try: from django.core.management import execute_from_command_line except ImportError: # The above import may fail for some other reason. Ensure that the # issue is really that Django is missing to avoid masking other # exceptions on Python 2. try: import django except ImportError: raise ImportError( "Couldn't import Django. Are you sure it's installed and " "available on your PYTHONPATH environment variable? Did you " "forget to activate a virtual environment?" ) raise execute_from_command_line(sys.argv) |
图3-4 词云的作业运行详情
4 后台系统实现
基于大数据的旅游推荐系统的基本业务功能是采用Django框架实现的， 前端 JS采用jQuery框架，页面样式采用HTML框架，页面展示使用css,js技术，权限管理，日志管理应用Log4j 框架实现，数据 存储采用关系型数据库Mysql。在本文的第四章将详细介绍后台系统的实现部分，包括详细阐述了系统功能模块的具体实现，并展示说明了部分模块的功能界面。
4.1 开发环境与配置
本系统设计基于B/S架构，其中服务器包括应用服务器和数据库服务器。这种架构模式，使用户只需要在有网络的地方即可通过浏览器访问，而不需要再安装客户端软件，交互性更强。基于大数据的旅游推荐系统使用Pycharm集成开发工具。而系统运行配置时，选择应用Tomcat来部署Web服务器来保障平台的正常运行，Tomcat 是Apache的核心项目，其技术先进、性能稳定并且开源免费，因而被普遍应用。本系统的主要开发环境以及开发工具如表4-1所示。
表4-1 系统开发环境和工具
| 项目 | 系统环境及版本 |
| 硬件环境 | Windows 64 位操作系统 |
| 开发语言 | Python |
| Web服务器 | 本地 |
| 数据库 | MySql |
| 开发工具 | Pycharm |
| 项目架构 | Django+Scrapy |
本系统使用集成开发工具Pycharm 进行开发，由于 Pycharm 中Tomcat配置详细资料有很多，不做详细赘述， 本文主要介绍 Django框架及大数据环境框架的配置。首先需要在项目中中引入各框架以及数据库连接。
4.1.3 部署HDFS
(1)在master服务器上确定存在hadoop安装目录
[root@master ~]# ls /usr/cstor/hadoop
(2)设置JDK安装目录
编辑文件“/usr/cstor/hadoop/etc/hadoop/hadoop-env.sh”，找到如下一行：
export JAVA_HOME=${JAVA_HOME}
将这行内容修改为：
export JAVA_HOME=/usr/local/jdk1.7.0_79/
(3) 指定HDFS主节点
编辑文件“/usr/cstor/hadoop/etc/hadoop/core-site.xml”，将如下内容嵌入此文件里最后两行的<configuration></configuration>标签之间：
<property>
<name>hadoop.tmp.dir</name>
<value>/usr/cstor/hadoop/cloud</value>
</property>
<property>
<name>fs.defaultFS</name>
<value>hdfs：//master：8020</value>
</property>
(4) 在master服务器上格式化主节点：
[root@master ~]# hdfs namenode -format
统一启动HDFS：
[root@master ~]#cd /usr/cstor/hadoop
[root@master hadoop]# sbin/start-dfs.sh
(5) 通过查看进程的方式验证HDFS启动成功
[root@master sbin]# jps #jps查看java进程
若启动成功，会看到类似的如下信息：
6208 NameNode
6862 Jps
6462 SecondaryNameNode
图4-1 Hadoop启动成功效果图
4.2 数据库的设计
数据库设计是系统设计中特别重要的一部分。数据库的好坏决定着整个系统的好坏，并且，在之后对数据库的系统维护、更新等功能中，数据库的设计对整个程序有着很大的影响。
根据功能模块的划分结果可知，本系统的用户由于使用账号和密码进行登录，因此在本系统中需要分别进行数据记录。首先根据如下6个数据实体:用户、旅游信息等数据库表。
用户的属性包括用户编号、用户名、密码和性别、注册账号的时间。用户实体属性图如图4-2所示：
图4-2 用户实体属性图
根据以上分析，各个实体之间有一定的关系，使实体与实体可以联系起来，建立成整个系统的逻辑结构，本系统中，普通用户通过对旅游信息的管理，使旅游信息与用户实体存在对应关系。
4.3 系统功能模块实现
用户登录时需要在登录界面输入用户名、密码进行身份认证，要求必须是表单认证、校验。其配置文件中配置了相应的Realm 类，当用户登录系统进行身份认证和权限控制时，Shiro会在该类中从数据库获取到用户信息及其具有的权限信息，并 且比较用户输入的账号是否存在或者输入的密码与数据源中的密码是否匹配。旅游推荐系统的用户登录界面如下图所4-3所示：
图4-3用户登录界面
登陆成功后，系统会成功跳转至首页，在首页中，位于上方的横栏是对本系统的基本信息的描述和欢迎登录效果，另外登录用户的用户名也会显示在首页中，可直接表明用户己成功登录。左侧则是本系统的导航菜单，可折叠展示，较为方便，右方则为欢迎页效果。旅游推荐系统的景点分析界面如下图所4-4所示,有景点分析，景点推荐等功能:
图4-4旅游景点管理界面
4.3.2旅游信息管理功能
旅游信息管理功能是对旅游信息进行查询，删除等操作的功能集合，旅游信
息管理功能使用到了旅游信息表t_ lvyou ，旅游信息表t_lvyou 的主要数据字段，结构，类型及描述如下表4-2所示。
表4-2 旅游信息表字段
| 字段名称 | 数据类型 | 是否允许为空 | 描述 |
| id | int | 不允许 | 自增主键，唯一ID |
| cityname | String | 允许 | 城市名称 |
| company | String | 允许 | 景点名称 |
| company_size | String | 允许 | 景点规模 |
| education | String | 允许 | 星级 |
| experience | String | 允许 | 评分 |
| industry | String | 允许 | 所属城市 |
| recruiter | String | 允许 | 所属省份 |
| salary | String | 允许 | 门票范围 |
旅游推荐系统的旅游信息管理功能界面如下图所4-5所示:
图4-5旅游信息统计菜单界面
旅游信息
统计功能流程功能图如图3-6所示：
图4-6 旅游信息管理功能流程图
通过“旅游信息管理”按钮，进入旅游信息管理界面，用户可以看到旅游信息列表，例如：景点名称、所在城市、数量、旅游要求、门票待遇、旅游时间的详细信息。通过此界面，用户可以对旅游信息进行删除管理操作。
4.3.3旅游信息大数据看板功能
数据可视化模块就是对我们采集和计算的分析结果的展示。数据分析模块的
数据进行一个精美而又直接的展示，我们采用大屏的方式进行展示，展示数据结
构分明，背景具有科技感，把相对复杂的、抽象的数据通过可视的、交互的方式
进行展示，从而形象直观地表达数据蕴含的信息和规律。旅游信息大数据看板界面如图4-7所示。
图4-7旅游景点大数据看板界面
旅游信息大数据分析可视化开发的难点并不在于图表类型的多样化，而在于如何能在简单的一页之内让用户读懂旅游数据之间的层次与关联，这就关系到布局、色彩、图表、动效的综合运用。如排版布局应服务于业务，避免为展示而展示；配色一般以深色调为主，注重整体背景和单个视觉元素背景的一致性。本文使用Echarts中地图、线条等组件，将分析结果较为直观的展示给平台用户，使得用户能够简便的获取有效的信息。
4.4 本章小结
本章主要分析了基于大数据的旅游信息分析系统开发过程中使用到的技术和具体的实现步骤，这其中主要介绍了基于Django框架的旅游推荐系统的搭建环境和开发步骤，包括程序中的一些数据库配置等。前端页面采用的是Echarts和HTML实现。
5 总结与展望
5.1 系统开发遇到的问题
由于基于大数据旅游推荐系统是由本人独立开发，因此在系统设计和业务逻辑方面更多地借鉴了目前市场上较为流行的框架和技术点，包括大数据技术，很多是不熟悉没接触过的，在开发过程中不断学习新知识。另外由于本人的时间和精力的原因，在系统开发过程中有很多地方可能并不能够完全尽如人意，还有许多需要补充的功能与模块。
5.2 总结与展望
大数据旅游推荐系统是在对相关管理范畴进行详细调研后，确定了系统涉及的领域，包括数据库设计、界面设计等，是一个具有实际应用意义的管理系统。根据本毕业设计要求，经过四个多月的设计与开发，大数据旅游推荐系统基本开发完毕。其功能基本符合用户的需求。
为保证有足够的技术能力去开发本系统，首先本人对开发过程中所用到的工
具和技术进行了认真地学习和研究，详细地钻研了基于Python的网络爬虫技术
以及Echarts, CSS, HTML等前端开发技术，同时还研究了大数据、词云等。
从旅游数据大数据分析平台需求分析开始，到整体框架的设计以及各个详细功能的设计具体实现，最后基于大数据平台的旅游信息分析系统的基础架构和详细功能已经大致开发完毕，并将其部署在本地服务器当中运行，用户可以登录使用该系统进行旅游信息的筛选，同时查询大数据的分析结果。
参考文献
[1]王茸,李强,何颖等.个性化旅游推荐系统的设计与实现[J].福建电脑,2023,39(09):95-99.DOI:10.16707/j.cnki.fjpc.2023.09.020
[2]李伟.基于大数据挖掘技术的智慧旅游推荐系统的设计研究[J].现代计算机,2021,27(32):117-120.
[3]Yang S ,Yingwei H .Toward an intelligent tourism recommendation system based on artificial intelligence and IoT using Apriori algorithm[J].Soft Computing,2023,27(24):19159-19177.
[4]李凤莲,郑洪宾,李彦民等.Hadoop大数据技术应用实践[M].北京师范大学出版社:202003.312.
[5]林子雨.大数据技术原理与应用[M].人民邮电出版社:202101.343.
[6]邱灵峰,黄荣.大数据审计平台体系建设构想[J].中国管理信息化,2021,24(17):97-98.
邓宇杰,郑和震,陈英健.长江大保护时空大数据云平台建设需求分析[J].水利规划与设计,2021(09):12-15.
[7]孙也.生产制造景点大数据分析平台技术[J].电子技术与软件工程,2021(16):178-179.
张晓伟.基于云平台的大数据信息安全保护策略分析[J].信息记录材料,2021,22(08):185-187.
[8]李军,王涛.基于大数据分析技术的网络运维平台应用与开发[J].电脑编程技巧与维护,2021(07):112-114.
[9]Chi Dianwei,Tang Chunhua,Yin Chen. Design and Implementation of Hotel Big Data Analysis Platform Based on 本地机器 and Spark[J]. Journal of Physics: Conference Series,2021,2010(1):
[10]Costa Rogério Luís de C.,Moreira José,Pintor Paulo,dos Santos Veronica,Lifschitz Sérgio. A Survey on Data-driven Performance Tuning for Big Data Analytics Platforms[J]. Big Data Research,2021,25(prepublish):
时光飞逝，四年的本科生生涯即将结束。在这四年的时光里，有遇到难题时的手足无措，有获得专业进步时的开心。经历了许多的事情，自己也在不知不觉中成长了很多，心中充盈最多的仍是感激。
首先感谢我的导师,她严谨的治学态度深深地影响每位同学。我要感谢我的父母，他们总是默默的付出，在生活上给与我最大的帮助，在学习上也给我很多建议。
最后，由衷的感谢各位评审老师在百忙之中抽出时间来参与我的论文评审和答辨。
798
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
