塑造可持续的旅游体验：模拟推荐显著性（Recommendation Salience）的影响

《ACM Transactions on Recommender Systems》：Shaping Sustainable Tourist Experience: Simulating the Impact of Recommendation Salience

可持续旅游中推荐系统通过提升非个性化推荐的非拥挤景点显著性影响游客行为及体验质量，提出离线数据驱动评估方法，包含建模选择过程、推荐效应、确定体验质量指标及仿真，并以意大利维罗纳和布莱岑为案例验证。

　　

摘要

为了促进更加可持续的旅游业发展，例如鼓励游客参观较少有人流量和拥挤的旅游景点（POIs），推荐系统必须能够影响游客的偏好，并最终改变他们的行为习惯。这可以通过推荐那些要么是游客尚未知晓但具有价值的景点，要么是游客已知但描述得更加引人注目和有吸引力的景点来实现。在像我们研究关注的小型旅游城市这样的环境中，由于游客已经熟悉当地的旅游资源，推荐系统通常不会引入全新的景点。因此，影响游客行为的主要方法是提高被推荐景点的吸引力，而在我们的应用场景中，这些景点往往也是人流量较小的。虽然有多种技术可以提升推荐的吸引力（例如提供解释），但本文并未探讨具体的提升方法。相反，我们关注的问题是：某种程度的吸引力如何影响游客的行为及其体验质量？传统的训练-测试分割测试方法无法准确捕捉推荐与行为变化之间的因果关系；同时，在线A/B测试和用户研究也不总是可行或合适的。

本文提出了一种基于离线数据的评估方法，用于研究推荐吸引力的影响。具体而言，我们：（i）对游客的决策过程进行建模；（ii）分析推荐系统如何改变这一过程；（iii）确定一个能够反映体验质量的相关指标；（iv）模拟推荐吸引力对该指标的影响。为了验证该方法的有效性，我们在意大利的两座小城市——维罗纳和布里克森进行了两项案例研究。在每座城市中，我们模拟了非个性化且旨在推广人流量较少景点的推荐系统，对游客实际体验质量的影响。这些研究结果为希望在现场部署推荐系统的城市规划者提供了宝贵的参考。