国庆假期想躲避人潮？那就去城市边缘“撒野”！无论是进山徒步，还是上岛露营，这几个长沙主城附近的户外景点，总有一处能让你度过一个安静悠闲的假期。

北山森林公园

这也是必须景点，一定记得提前在“湖南省博物馆”公众号预约，直接跑过去大概率是进不去了，开放时间是9：00-17：00，下午16：00以后就不让入园了，周一闭馆停止对外开放。

值得注意的是，针对统计类信息，可能需要进行一些平滑。例如针对历史CTR反馈，利用贝叶斯平滑来预处理。

门票价格：免费

增强知识图谱应用的灵活性；

沙湾公园

是世界上最大的内陆洲。

这里是长沙最早最大的公园，相比现在的洋湖湿地公园我个人更喜欢这里，烈士公园有多个门，随便哪个都可以进去，个人建议在参观完湖南博物馆后再来这里，两个地方挨得很近。

如果想吃湘菜，五一广场的笨萝卜被很多人推荐，如果你没有很早过去就别去了，根本没位置。如果真的想去，就坐车去涉外店吃吧！在黄兴步行街到文和友的途中，可以去公交新村的米粉店吃个午饭。

在长沙市，晚上最热闹的地方

这类研究关注的是旅游地点间的序列关系。Tsai和Chung考虑用户偏好和时间，为用户提供主题公园路线推荐。Zheng和Xie通过对用户历史GPS轨迹的挖掘为用户提供特定空间区域内景点及线路的推荐。

下降趋势方面，岳阳楼君山岛洞庭湖博物馆、株洲方特旅游区、东江湖旅游区、花明楼景区、张家界万福温泉度假村、大围山国家森林公园、长沙滨江文化园跌出TOP20名。

协同过滤是推荐系统中最经典的算法，相对于历史行为强相关策略，对用户兴趣、POI属性相当于是做了抽象和泛化。协同过滤算法主要分为ItemCF和UserCF两类，我们首先实现了ItemCF，主要原因是：

每类召回策略的结果都需要做过滤，过滤策略主要有几类：

用户画像为“亲子”的用户最近一个月购买的POI

携程在实践相应的模型中积累了一定的经验，无论是最常用的逻辑回归模型（Logistic Regression），树模型（GBDT，Random Forest）[16]，因子分解机（FactorizationMachine），以及近期提出的wdl模型。同时，我们认为即使在深度学习大行其道的今下，精细化的特征工程仍然是不可或缺的。

（3）教堂：

从用户等级经验值来看，对于“发表游记”、“发表笔记”、“发表攻略”等的经验值设置相对其他较高；然后进一步引导分享优质内容经验值会更高，促进用户活跃，进而转变为优质活跃用户。

首次来到马蜂窝的新用户，大多都是有出行计划或者想法但是不知道怎么玩的，所以用户要体验到产品的核心价值，就是制定出自己喜欢的旅行攻略（目的地、路线景点、交通、住宿等），那么用户可能的行为有：

在构造交叉特征的过程中，需要进行特征离散化；针对不同的特征类型，有不同的处理方式。

开发的重点片区

部分素材来源于网络

在喧嚣日甚的都市内

Hive ETL生产的数据：比如POI过滤需要用到的离线表（主门店等逻辑），另一大类是统计数据，比如：城市POI热销、线路游热销、用户对POI的浏览/购买行为。

    参考文献：

    可以钓鱼、烧烤、露营

    还可以骑着车在山间穿行，环湖而出

    花明楼旅游区为革命伟人

    这一类研究面向组合成套的旅游产品进行推荐，如旅游公司提供的包含多个旅游景点、旅游天数、价格及配套服务的旅游套餐产品。Ge等考虑用户的时间成本和经济成本，为用户推荐旅行套餐 。Xie等构建的CompRec-Trip系统也是在考虑用户时间成本和经济成本的基础上提供旅游套餐推荐服务。Yu等利用基于位置的社交网络构建用户和位置的模型，通过协作式过滤确定用户的偏好，同时考虑用户偏好和时空约束为用户推荐旅游套餐。

    白沙古井

    在酒店POI详情页会获取酒店POI的地理位置，推荐酒店附近的景点。对于异地用户浏览酒店时都会触发景点推荐，对于本地用户只有在浏览郊区酒店时会触发旅游推荐，这是假设本地用户在浏览市区酒店时旅游度假的意图可能不明显。

    分类场景召回策略
    本地需求浏览城市＝常驻城市（示例：北京人浏览北京）当地用户购买的热销POI（POI所在城市不一定等于浏览城市）
    异地需求浏览城市!＝常驻城市（示例：重庆人浏览北京）异地用户购买的热销POI（所有非北京人购买的热销POI）

    召回策略迭代

    还是崇尚青春奔放，

      湖南大学是一所历史悠久的大学，位于长沙市岳麓山脚下。这里有许多历史文化建筑和美丽的校园景观，是一个体验中国大学文化的好去处。

      因为推荐列表页跟筛选列表页类似，在Q2中期尝试直接接入筛选Rerank，但效果不太理想。随后基于推荐的数据样本重新进行了训练，并新增了一些特征，特征上大致分为以下几类：

      潮宗街因临城门潮

      直接存储在Tair中的数据。主要面向DataHub还不支持的两类场景，一是实时数据的存储落地，二是value直接存储对象，存储为对象的好处是从Tair读取出来的对象可直接供线上使用，无需自行序列化和赋值。实时数据无需定时调度，通过Spark直接写入Tair的数据通常需要依赖上游Hive表先Ready才能执行，所以通过公司统一的数据协同平台调度。

      吃完早饭，小王坐地铁去上班。地铁上无聊的小王打开了某音乐APP，系统已经为他选好了推荐的歌曲：

      发布笔记；

      收藏地点/内容；

      推荐系统的整体工程架构如下图，从下至上包括离线计算层、核心数据层、推荐服务层和应用场景层，另外是后台配置管理系统和数据调度服务。

      治愈系风景，马鞭草与紫娇花的紫色花海。

      导航位置：长沙市浏阳东门百合花海