1. 研究目的与意义
最近几年，随着云计算、物联网、移动互联网、人工智能等技术的迅速发展为人们的日常工作和生活带来了很多便利。在旅游休闲方面，可以方便地通过网络来搜索旅游信息，并对旅游产品和服务进行选购，享受信息化技术带来的便利。然而，当面对爆炸式增长的网络信息时，面对网络上大量的旅游信息用户往往难以对旅游信息进行有效的选择。因此我们有必要研究旅游推荐系统来解决旅游信息超载问题。
本课题拟完成基于机器学习聚类算法的旅游景点推荐系统，根据用户不同的需求，如景点类型、地点等等，对旅游景点进行个性化地推荐。同时根据用户以往的浏览记录智能化地推荐给用户相似的旅游景点的平台。该算法有如下几点好处：1.通过推荐算法可以大幅节约用户的时间，用户可以快速找到自己喜爱的景点。 2.通过推荐算法可以准确的确定用户的喜好。
2. 课题关键问题和重难点
基于机器学习聚类算法的旅游景点推荐系统分为三个模块：基于机器学习聚类算法个性推荐模块、旅游游景点推荐系统后台（用户模块、管理员模块）、旅游游景点推荐系统前端。本课题拟完成基于机器学习聚类算法的旅游景点推荐系统。
本课题的关键：
3. 国内外研究现状（文献综述）
2021年6月，国家文化和旅游部在介绍《“十四五”文化和旅游发展规划》关于“完善现代旅游业体系”时指出，旅游业是幸福产业，是人民生活水平提高的重要标志，旅游业己发展成为传承弘扬中华文化的重要载体，对稳增长、稳投资、稳就业、促消费、调结构等方面的综合带动作用日益凸显[1]。然而，随着旅游产业的不断发展，人们愈加难选择外出旅游的地点、方式等等。那么在这种情况下，引入互联网相关的技术，利用互联网便捷的优势无疑是一种正确的选择。
互联网的发展使得线上交易与互动渐渐取代了线下部分商业活动。随着社会经济水平和人民生活水平高速增长,旅游行业规模持续扩大,旅游业蓬勃发展,国民旅游消费需求持续旺盛。旅游服务提供商基于互联网提供各种旅游产品及服务',旅游消费者通过互联网的方式完成交易，包括交易成功后旅游消费者的经验分享及售后评价。如出行前信息搜集、酒店、机票预定等产品或服务、出行时的餐饮、景区门票、交通等服务,出行后的经验分享、评价等一系列旅游服务[2]。有了一个功能较为全面的旅游网站之后，我们广大的旅游群体便可以在较短的时间内选择出旅游的方案。当然一个有较为完善功能的旅游网站还不够，我们应当在面对一些用户的需求的时候运用一些推荐算法来使用户可以更加准确的搜索到一些他们感兴趣的内容。
聚类是数据挖掘中最重要的技术之一,已被广泛应用于机器视觉﹑信息检索﹑图像处理等领域。它是一种无监督的学习方法,其过程是将数据集划分成若干个簇,使得同一簇中的数据信息尽可能的相似,不同簇中的数据信息差异尽可能大。聚类算法发展到今天已经有很多分支﹐按照算法的性能主要分为基于划分的聚类﹑基于层次的聚类、基于网格的聚类、基于密度的聚类等[3]。通过聚类算法我们可以将数据进行分类，从而达到相似的群体。在旅游系统中我们可以通过聚类算法，获取用户感兴趣的内容，从而在用户搜索时可以进行推荐。在聚类算法宋我们可以考虑使用K-means算法，其过程是随机选取k个质心，然后对其他的项根据距离进行分配，并重新求出质心，不断重复过程直至结束。K-means的主要优点是速度快，这对于大数据下的操作比较适用[4]。
4. 研究方案
1.系统功能结构
系统总体功能结构如图1所示
5. 工作计划
2022-2023-1学期：
第15-16周：完成选题，查阅相关中英文资料。
第17周：与导师沟通进行课题总体规划。
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。
