摘 要

随着信息技术和互联网的发展，各种新的电子商务交易模式层出不穷，O2O（Online To Offline）模式就是代表之一。与此同时，人们的生活水平提高，外出旅行率增加，普通酒店或不能满足旅客对于当地风土人情深入了解的需求。本文提出建立一个家庭酒店的查询和推荐网站，让用户能够通过网站更便捷地查询、预订房源，同时也可以发布家庭房源信息。

本系统采用B/S架构，基于MTV模式的Django框架开发。数据库使用免费开源的MySQL，前端框架使用bootstrap和jQuery，基础数据集使用Scrapy框架从互联网获取。系统完成了房源推荐、房源推荐、发布房源等基本功能。

本文主要工作如下：首先分析研究了当下几种主流推荐算法的优缺点及使用范围，结合本平台特点选取基于物品的协同过滤推荐算法实现。其次完成了对家庭酒店查询和推荐网站的系统需求分析、系统设计和系统实现，最后对其进行了系统测试，验证了平台稳定性。

关键词：家庭酒店、Python、Django、协同过滤

ABSTRACT

With the development of information technology and the Internet, various new e-commerce transaction modes emerge one after another. The O2O (Online To Offline) model is one of the representatives. At the same time, people's living standards have improved, travel rates have increased, and ordinary hotels have not been able to meet the needs of travelers for in-depth understanding of local customs. So a home hotel query and recommendation website is proposed, so that users can more easily query, book, and publish family hotel information through the website.

The website adopts B/S architecture, based on the Django framework of MTV model. MySQL is used for its open source, bootstrap and jQuery are used in the front pages, and the underlying dataset is obtained from the Internet using the Scrapy framework. Basic functions such as listing recommendation, listing recommendation, and publishing a listing are achieved.

The main work of this thesis is as follows: Firstly, the advantages and disadvantages of the current mainstream recommendation algorithms and their scope of application are analyzed and analyzed. Based on the characteristics of this platform, the item-based collaborative filtering recommendation algorithm is selected. Secondly, the system requirements analysis, system design and system implementation of the family hotel inquiry and recommendation website were completed. Finally, the system test was carried out to verify the stability of the platform.

KEY WORDS：Family Hotel; Python; Django; Collaborative filtering

目录

第1章 绪论 1

1.1 研究背景与意义 1

1.2 国内外研究现状 1

1.2.1 O2O研究现状 1

1.2.2 推荐算法研究现状 2

1.2.3 家庭酒店平台研究现状 2

1.3 研究内容 2

1.4 章节安排 3

第2章 推荐算法理论分析 4

2.1 推荐算法分类 4

2.1.1 基于内容的推荐算法 4

2.1.2 协同过滤的推荐算法 4

2.1.3 基于知识的推荐算法 5

2.1.4 组合推荐算法 5

2.2 家庭酒店推荐算法的选取 6

第3章 系统需求分析 7

3.1 业务需求分析 7

3.2 功能需求分析 7

3.2.1 普通用户功能需求分析 8

3.2.2 管理员功能需求分析 8

3.3 非功能需求分析 9

3.3.1 性能需求 9

3.3.2 质量属性 9

第4章 系统设计 10

4.1 系统架构设计 10

4.2 功能模块设计 11

4.2.1 用户信息模块设计 11

4.2.2 搜索房源模块设计 15

4.2.3 推荐房源模块设计 15

4.2.4 房源信息展示模块设计 16

4.2.5 订单管理模块设计 17

4.2.6 发布房源模块设计 17

4.3 数据库设计 19

4.3.1 E-R图设计 19

4.3.2 数据表设计 21

第5章 系统实现 23

5.1 网站架构 23

5.1.1 开发环境 23

5.1.2 项目创建流程 23

5.1.3 项目结构 24

5.1.4 URL分发 25

5.2 用户信息模块实现 26

5.2.1 登录、注册模块实现 26

5.2.2 修改密码模块实现 28

5.3 搜索房源模块实现 28

5.4 推荐房源模块实现 29

5.5 房源信息展示模块实现 30

5.6 订单管理模块实现 31

5.7 发布房源模块实现 32

第6章 系统测试 33

第7章 总结 36

参考文献 37

致谢 38

绪论

研究背景与意义

随着信息技术和互联网的发展，以O2O（Online To Offline）模式为代表的各种新的电子商务模式不断出现在大家的生活当中，这种模式将线下交易与互联网相结合，最终实现消费者在线上完成支付，再到线下去消费和享受。这种商务模式的出现，对于商家和消费者来说都提供了极大的便利，因此O2O电子商务的模式在近几年飞速发展。

但是问题也随之而来，用户常因商品数量太大而眼花缭乱，难以从中找到满意的商品，对信息的利用率反而下降了，因而过滤信息成为了重要的一环，推荐系统由此而生，个性化的推荐可以帮助用户更快地在大量的选择中找到更称心的商品，增强用户体验，同时提高用户忠诚度。由此可见推荐系统的引入十分有必要。

互联网的发展拉动了线上消费，中国经济随之得到了很大的提升，人们的生活水平也逐渐提高，越来越多的人有能力并且更倾向于通过旅游的方式释放生活压力，传统的酒店虽然能够满足外出旅行的基本需求，然而许多时候旅客或许更想贴近当地民族文化，了解当地的风土人情，如果可以寄宿到居民的家里，就能方便的与他们交流，更真切的体会到当地的生活文化。此时，家庭酒店对他们来说可能是更好的选择。

在上述背景之下，本文讨论构建一个家庭酒店的查询和推荐网站，在其中进行有效的个性化推荐，最大程度的满足用户外出旅行时寻找家庭酒店的需求。

国内外研究现状

O2O研究现状

O2O的电商模式近年来发展势头迅猛，国内外对其的研究也逐渐增加。

国内的电商网站诸如赶集网、大众点评、美团、饿了么等近年来相继取得成功。在《O2O商业模式及发展前景研究》中，李金昂对我国O2O发展的现状进行了分析，并指出了制约O2O模式发展的瓶颈以及未来的发展前景^[1]。在《浅析本地生活服务O2O行业发展模式》中，肖頔茜通过对本地生活服务的深入探讨，提出了O2O商业模式的价值模型理论^[2]。在《O2O商业模式的创新导向:效率还是价值?——基于O2O创业失败样本的实证研究》中，江积海提出了正确认识效率性和价值性对于O2O模式商业创新的重要性^[3]。

国外对O2O领域的研究开始时间比国内早得多，但是真正大规模出现是在21世纪初。O2O的鼻祖Groupon在2008年才有了专营服务类团购。随后OpenTable、Airbnb以及Uber等企业相继开始使用O2O模式。在《Analyzing the trend of O2O commerce by bilingual text mining on social media》中，Chien-wen Shen 经过对模型的研究，通过对比在B2B、B2C两种模式影响下O2O模式的盈利，帮助电商企业更好的制定适合自身需求的方案^[4]。

推荐算法研究现状

简单来说，推荐算法就是通过采集用户的行为特征信息，结合相关数学公式与算法，实现从理论上推断、给出用户可能会喜欢的东西^[5]，推荐算法目前主要分为基于内容、基于协同、关联规则、基于效用、基于知识的以及组合推荐算法^[6]。

国外现在有许多机构正在研究个性化推荐这一块内容，其中具有代表性的有明尼苏达大学的GroupLens实验室基于Item-based CF recommendation的研究^[7]。而Amazon公司在这方面做得最为出色。与此同时，Facebook、Google、Twitter等知名公司，对个性化推荐的发展也提供了很大的助力。

国内在推荐算方面目前还没有太大的自主研发成果，主要还是依赖于国外已有的研究成果，许多知名企业如阿里巴巴、京东、今日头条等，都有着自己的个性化推荐功能，增强了用户体验，很大程度上提高了用户忠诚度。

家庭酒店平台研究现状

国内外已经有比较类似的相关应用平台了。国外的Airbnb可谓是发展的最好的民宿短租平台了。Airbnb盈利主要来自于租客6%-12%以及房东3%的手续费，这也是大部分O2O企业的盈利方式^[8]。国内的民宿短租平台经营的比较好的有途家网、蚂蚁短租等，上面都有比较不错的房源，但是这些平台的设计在个性化推荐方面并没有做到很好，他们虽然提高了房源与用户行为的关联度，但同时也忽略了许多优质房源的推荐与曝光，如何在提高推荐相似度的情况下，同时提高优质房源的曝光率是平台要解决的一个问题。

研究内容

通过上文对国内外O2O商业模式、推荐算法、家庭酒店平台研究现状的分析，结合相关调研，构建一个基于python的家庭酒店商务查询和推荐平台。平台开发过程中的具体工作如下：

1、对开发家庭酒店商务平台的关键技术进行了学习，主要学习了python 语言基础及Django 框架，初始数据源的获取是通过Scrapy框架爬取多个相关网站而来，同时还有前端相关知识的学习。

2、学习并比对当下主流的几种推荐算法，最终决定选用最适合本平台的基于物品的协同过滤算法，并将该推荐算法引入本平台的搭建当中。

3、对家庭酒店查询和推荐平台做系统需求分析，系统设计包括整体结构设计、数据库设计、各模块具体设计等。

4、完成各个功能模块的实现，主要包括用户信息管理、搜索房源、房源信息展示、推荐房源、发布房源、订单管理等。

5、通过系统测试验证该平台的稳定性。

章节安排

本文主要有七个章节，各章节的内容安排如下：

第1章：绪论。分析了家庭酒店查询和推荐网站开发的意义与可行性，简单介绍本文章节安排。

第2章：推荐算法的理论分析。介绍当下主流推荐算法，选取适用于本网站的算法。

第3章：系统需求分析。主要包括业务需求分析、功能需求分析、非功能需求分析等。

第4章：系统设计。给出平台的具体设计，包括项目架构设计、平台功能模块设计、数据库设计等。

第5章：系统实现。根据系统需求分析和系统设计给出具体的功能实现。

第6章：系统测试。对平台实现的功能进行测试，验证其稳定性。

第7章：总结。总结项目中遇到的问题、解决办法，记录心得体会，同时对于项目的不足之处提出改进建议。

推荐算法理论分析

推荐算法分类

基于内容的推荐算法

基于内容的推荐算法的主要依据是用户的浏览行为记录，其主要分为两种不同的方法：启发式方法和基于模型的方法。其中启发式就是通过用户行为得出经验公式，运用到用户的推荐中去，在运用过程中继续不断采集用户行为信息，更新公式，以求更加精确的推荐值。基于模型的推荐算法是根据前期获得的数据来学习得出一个数据模型。常用的启发式的方法是TF-IDF方法，首先计算数据集中出现频率较高的字段，用它作为这些数据的特征属性，同样的计算出待推荐选项中频率较高的字段，并将其作为被推荐项的特征属性，将两者中最接近的项相匹配，进行推荐。计算TF( i, j)的公式如下所示：

其中freq(i,j)是i在j中出现的频率，Other(i,j)是其它关键字集合^[9]。

以上是毕业论文大纲或资料介绍，该课题完整毕业论文、开题报告、任务书、程序设计、图纸设计等资料请添加微信获取，微信号：bysjorg。

相关图片展示：