● 摘要
“智慧旅游”是当前中国旅游业信息化建设的主要任务和热点研究问题，其“智慧”体现在“旅游服务的智慧”、“旅游管理的智慧”和“旅游营销的智慧”三大方面[1]。旅游服务推荐是当今旅游行业比较推崇的营销策略，一直被广泛的研究，在某种程度上它是智慧的体现。如今旅游数据正变得日趋庞大，存储和处理这些数据变成了一个难题。同时，对于信息的检索，搜索引擎并不能满足用户多元化和个性化的需求，也不能有效的解决信息负载的问题。推荐引擎作为解决信息负载的另一个方法，不但可以通过推荐技术为用户找到了合适的或潜在需要的信息，而且能为用户带去更好的体验。但是面对大数据的挑战，需要有新的平台和合适有效的算法来应对。
Hadoop作为优秀的云计算平台，是目前研究大数据问题最好的工具之一，其MapReduce可以利用分布式计算对海量数据做快速的处理，而且它的HDFS在存储方面安全、稳定，有很高的容错性。通过在Hadoop平台编写算法，解决从海量旅游数据中获取有效信息是本文的一个尝试，本文将通过对经典的数据挖掘算法FP-Growth实现并行化，并应用在旅游服务推荐方面，进一步实现云环境下的旅游服务推荐系统。
通过对推荐算法和系统框架进行仔细的研究，本文将重点完成四大模块：第一，对海量旅游数据进行采集，为所有实验做好数据准备；第二，对旅游数据进行分析，本文将从旅游时空分布格局统计分析和基于社会网旅游流的核心景区分析两方面进行研究；第三，云平台下的旅游服务推荐算法的设计，通过认真深入研究Hadoop平台，学习MapReduce的运行机制和编程方法，对经典的FP-Growth算法实现并行化，最终完成推荐系统的核心算法部分；第四，完成整个推荐系统构架，实现对旅游六大要素的若干服务组合的推荐。
在大数据背景下，研究旅游信息服务，这既是对云环境下的算法研究，同时又是对实际应用的研究。本文对基于Hadoop云平台的旅游推荐系统的研究，在理论上，研究了云平台下旅游数据挖掘的算法模型。在实践上，对探索海量数据下旅游服务推荐系统的设计与实现进行了实验。