从零读懂一篇 AI 旅游论文
AI 能猜到你下一站去哪儿吗？
它能从过去的签到中学到一些规律。但在这次独立重建中，复杂模型没有稳定胜过“推荐你常去的地方”。
先不用懂编程，也不用背公式。我们从一张“下一站推荐清单”开始，最后走到：你能用自己的话讲清这篇论文，并指出证据还缺在哪里。
滑动推荐数量。数字来自纽约或东京的真实测试结果，取完整模型 20 次训练的平均；只统计训练目录里已有的目标地点。这里的“命中”指下一次签到地点进入清单，不代表游客购买了产品或喜欢这条路线。
先把很长的论文题目，翻译成人话
你到了一个陌生城市。手机里有几千个地点，但你只有一个下午。你希望它先猜“我可能想去哪儿”，再排出“我真的走得完”的路线。论文研究的就是把这两件事连起来。
| 题目里的词 | 放到生活里是什么意思 |
|---|---|
| 旅游消费者行为预测 | 利用过去的记录，猜下一次可能去哪里。论文也讨论到访／预订分数，但签到本身没有真实购买标签。 |
| 个性化推荐 | 给不同的人排不同的推荐顺序，而不是所有人都看同一份热门榜。 |
| 深度学习 | 让多层计算模型从例子中调整内部数字，逐渐减少预测错误。 |
| 大数据 | 许多人、许多时间点积累的行为记录，以及处理这些记录的方法；记录多不等于证据一定好。 |
论文给整套方法起名 TourRec-Stack。可以把它理解为一条流水线：整理记录 → 学习出行规律 → 给地点排队 → 检查时间和预算。
一行数据，到底记录了什么？
签到可以理解为：某位用户在某个时间，留下“我来过这里”的记录。一个人连续留下的签到，才构成我们用来学习的活动顺序。它不是一张完整的旅游消费账单。
| 数据 | 规模 | 它能告诉我们什么 |
|---|---|---|
| 纽约签到 | 227,428 条；1,083 位用户 | 地点、类别、时间、位置；不是全部用户的完整出行轨迹。 |
| 东京签到 | 573,703 条；2,293 位用户 | 与纽约分别分析；两个城市的用户编号不能直接当成同一批人。 |
| 酒店预订 | 119,390 条 | 已有订单是否取消。它和签到没有可用的共同用户标识。 |
签到发生于 2012 年 4 月至 2013 年 2 月。两城合计 801,131 条，不是 801,131 个独立的人：同一个人可以留下很多行。数据也包含车站、办公室和住处，不能把每位签到者都当成游客。
理解 AI，只先抓住这三个想法
① 把经历变成数字，再记住顺序
计算机不能直接拿“咖啡店”三个字做比较。它先给地点配一串可以学习的数字，这叫。数字像一张压缩名片；每一格不一定能直接翻译成“喜欢咖啡”或“喜欢安静”。
然后把这些名片按时间交给一个会更新“记事本”的模型。本次重建使用 ：读一条新记录，就更新一次摘要。它要分清“刚离开车站去吃饭”和“吃完饭准备坐车”。
像复习时回看重点：预测下一站时，模型给可见的过去记录不同权重。但它不能偷看未来，也不意味着它真的懂一个人的心理。
想再深入：为什么时间和位置有用？
同一家咖啡店在上班前和深夜，可能有不同的意义。模型加入小时、星期、时间间隔和空间网格等信息，尝试把这些差别变成可学习的线索。是否真的有用，要看去掉它们之后的对照实验，不能只凭故事判断。
② 学习，就是猜错后小幅改答案规则
训练时先遮住下一站，让模型猜，再揭开真实签到。是一张“错了多少”的记分单；优化器根据它微调内部数字。重复很多轮后，希望模型对没看过的后续记录也能猜得更好。
本次重建同时做三种练习：在所有地点里找下一站；区分真实下一站和随机挑的非目标地点；尽量把真实目标排在随机地点前面。把几个任务一起练，叫多任务学习。
想再深入：CE、BCE、BPR 到底是什么？
CE：真实下一站的预测概率太低，就扣分。BCE：真实记录和随机非目标的二选一判断错了，就扣分。BPR：真实目标没有排在随机非目标前面，就扣分。本次总损失是 0.5×CE + 0.5×BCE + 0.1×BPR；这是明确写出的重建方案，不是找回的作者实现。随机负例可能是用户以前或以后会去的地方，不能理解为“讨厌的地方”。
图中每一点是一轮训练后的真实验证成绩，展示两城各一次固定运行。轮数增加不保证永远变好：背熟练习题，也可能做不好新题。
③ 学习、选方案和正式考试，要分开
像练习册、模拟考和正式考。本次把每个人的签到按时间排好：较早的 70% 用于学习，接着 10% 用于选训练轮次，最后 20% 才用于报告成绩。
“预测得好”不能只看一个大数字
想象 AI 给出十个地点，真实下一站排第三。我们可以问三件不同的事：有没有上榜？推荐的十个里有几个是本题的正确答案？正确答案排得靠不靠前？
| 指标 | 最简单的意思 | 本次如何计算 |
|---|---|---|
| HR@10 / Recall@10 | 十个推荐里有没有猜中？ | 每条测试只有一个真实下一站：猜中记 1，没中记 0，再求平均。 |
| Precision@10 | 十个推荐里，本题答对了几个？ | 一次最多 1 个正确答案，所以最多 1÷10＝0.1。 |
| NDCG@10 | 猜中的同时，能不能排在前面？ | 第 1 名得 1；越往后分越低；第 10 名以外得 0。 |
这里只需记住：奖励“把正确答案放在前面”。0.34 不是“34% 的人满意”，也不是“34% 的地点猜对了”。
选择题只有 5 个选项，当然比几千个选项容易
上图使用两城第一个固定种子的实测 NDCG@5。完整目录有纽约 7,384、东京 11,233 个地点；另一个协议只留真实目标和 4 个随机非目标。只剩 5 个候选时，“前五名里有答案”必然成立，不能拿 Recall@5＝1 证明模型优秀。
实验真正告诉了我们什么？
复杂模型学到了规律，但没有稳定赢过简单办法
就是先放一个简单办法来比较。“热门地点”给每个人相同的榜单；“个人历史频次”优先推荐这个人过去常去的地方。复杂模型只有在公平比较中更好，复杂性才有证据支持。
完整模型每城训练 20 次。其他神经对照及每种消融每城只训练 1 次；传统基线不需要这种神经网络训练。主表的 NDCG 只评价训练目录里已有的目标，不能当作对所有新地点都有效。
只报“熟悉的地点”，成绩会显得更好
如果下一站从来没进入训练地点目录，这个模型就无法把它推荐出来。这是地点问题。纽约只有 63.46% 的测试目标在目录内，东京为 77.89%。把其余目标也作为失败计入，完整模型的平均 HR@10 从 50.49% 降为 32.04%（纽约），从 52.34% 降为 40.76%（东京）。
它更擅长猜“回到老地方”，不擅长猜“第一次去哪儿”
两组目标都已进入训练目录。“没去过”只表示该用户在训练记录里没到访过，并不是平台也没见过。纽约完整模型在这类目标上的 HR@10 约 1.66%，东京约 6.87%。因此，推荐习惯性地点和帮助游客发现新景点，是难度不同的事。
成绩是真的吗？又有多稳？
神经网络的起点和训练采样会带一点随机性。改变重新训练，像让同一个学生从不同的练习顺序开始。我们每城重练 20 次，不只挑最漂亮的一次。它仍然是同一份数据，不等于做了 20 个独立城市实验。
纽约 NDCG@10 为 0.3261 ± 0.0072，东京为 0.3436 ± 0.0021。“±”是这 20 次之间的，表示重练后的波动大小；它不是成绩的最大误差，也不是原论文数值的误差范围。图中短横线是中位数，和这里报告的平均数不是同一个量。
我们还用问：“如果测试的人群换一批，和简单办法的差距会怎样？”纽约复杂模型减去个人频次的 NDCG 差约 −0.0621，区间为 [−0.0689, −0.0553]；东京差约 −0.0006，区间为 [−0.0063, +0.0058]。本协议下，纽约明显落后；东京差距很小，区间跨过零，不能声称已证明更好。
就是拆掉一个零件再比较：去掉上下文、注意力或某个训练任务。如果成绩下降，可以提示零件有帮助；但还要确认训练设置可比，并多试几次。本次有些精简版本反而更好，不能说“每个模块都必不可少”。
猜出喜欢什么，还要排出走得完的路线
假设你很喜欢三个地方，但它们分散在城市两端。把喜欢程度最高的地方排在最前，不一定能在一个下午走完。行程规划多问了一句：“钱够吗？时间够吗？路程合理吗？”
贪心法：按喜欢程度依次尝试，能放下就加入。组合优化：比较候选地点的不同组合和顺序，选择总分最高且不超限制的方案。本次优化只在给定的 12 个候选中进行，不保证全城市最优；同分时也不保证路线最短。
酒店数据为什么单独做？
酒店数据问的是“已经订了，会不会取消”。它不是“会不会购买”，也不是“下一站去哪儿”。两份数据不能按编号硬拼成同一个人的记录。我们单独做了取消预测：随机森林 20 次的平均 AUC 为 0.7795 ± 0.0042。
可以理解为：随机抽一笔取消订单和一笔未取消订单，模型把取消订单排得更高的能力。0.7795 不是“77.95% 的订单判断正确”，也不代表这个模型会推荐酒店。
现在带着问题，回到原论文
第一次读论文不用从头硬啃。按下面的顺序，每次只找一个答案。先尝试回答，再展开提示。页码以原 PDF 的 31 页为准。
第一站｜第 1 页摘要：作者承诺解决什么？
找出四件事：学习时空顺序、预测行为、个性化排序、带约束的行程。再给“作者报告效果更好”画一道线——这是待检查的结论，不是看完摘要就已经证明的事实。
第二站｜第 3.1 节与图 1–2：输入究竟有没有？
逐一核对地点、类别、时间、位置、价格和行为类型。公开签到能支持前四类信息；与同一用户关联的真实价格、点击、加购和购买标签没有找回。图上画了某个输入，不代表公开数据里就有。
第三站｜第 3.2 节与图 3：一个人的经历怎样变成预测？
用自己的话讲“数字表示→顺序记忆→注意力→预测头”。再问：到访或预订预测头的正确答案是什么？如果只有随机负例，输出就不能直接解释成现实预订概率。
第四站｜第 3.3 节与图 4：为什么排名不等于行程？
检查评分之外还有哪些限制，尤其是移动时间是否算进总时间。本次重建始终把旅行时间加进去；否则“每个景点都来得及”并不等于整条路来得及。
第五站｜第 4 节、表 5：高分是否用同一种方法算？
核对人数、地点数、分割方式、候选数、每条样本的正确答案个数、Precision/Recall/NDCG 定义和基线。缺其中任何一项，“谁高谁好”都可能比较错对象。
第六站｜图 13–15 与结论：证据够支持多大的话？
把多次运行、相关性、问卷满意度分开。图上的均值和误差条不能反推出唯一的逐次结果或逐人问卷。我们保存了能读取的发表数值，但没有把它们伪装成新收集的数据。
阅读原论文，或查看出版页面。题名：Tourism consumer behavior prediction and personalized product recommendation based on deep learning and big data；发表于 Discover Artificial Intelligence，2026。
数据怎样一步步变成图表？
1｜留住原件，再清理
先核对两种来源的记录。清除完全重复签到后剩 800,304 条。去重前后人数和事件数要分开记录，不能悄悄更改。
2｜按时间切开，再学习地点目录
先按每人过去→未来划分。地点目录与特征映射只根据训练部分建立；不提前从未来数据搜集答案。
3｜训练、选轮次、封存测试答案
训练集改模型，验证集选轮次。到正式测试才记录真实目标排第几；每个目标只评一次。
4｜从排名算指标，再与基线比较
先看每条目标有没有进前十、排第几，再对目标求平均。把 20 次模型结果画成点，计算均值与波动，并同时展示冷启动和简单基线。
哪些可以说，哪些还不能说？
| 可以说 | 还不能说 |
|---|---|
| 公开签到数据已找回，独立实验可以重新计算。 | 作者原始实验、私有数据和问卷已经完整恢复。 |
| 重建模型能学到部分出行规律；简单基线很强。 | TourRec-Stack 已在同等条件下被证实优于所有方法，或被此次结果彻底否定。 |
| 在明确假设下可以生成不超预算和时间的路线。 | 路线可以直接上线，或已经提升真实游客满意度。 |
复原一张图，和复原一次实验，是两件事。图中的 20 次均值不能告诉你每一次是多少；1000 人平均满意度不能告诉你每个人填了什么。可以用有标记的估读点重画曲线，但不能编出一份“原始数据”。
下一次研究，先补哪几块？
- 先拿到作者的处理后数据说明、标签定义和评测方法，再谈与原论文同条件比较。
- 区分通勤者和游客，并单独测试“推荐没去过的景点”这一真正的新地点发现任务。
- 用统一日历截止日做更接近上线的未来测试；让主要对照方法也重复训练。
- 接入真实路网、营业时间和费用；要研究满意度，就设计真实用户测试并记录原始回答。
你能把这个研究讲给同学听了吗？
不用背术语。先遮住页面，用下面四句话说一遍：我们想解决……；我们用的数据是……；我们怎样公平考试……；我们发现……但还不能说……。
参考讲法｜读完后，再用你自己的话改写
这个项目想根据过去的签到猜下一站，再把候选地点排成时间和预算允许的路线。我们找回了纽约、东京的公开签到，按每个人的先后顺序分成学习、选方案和考试三部分。重建模型能够学到一些习惯，但没有稳定超过推荐常去地点的简单办法，而且对用户没去过的地点比较弱。因为作者完整数据和评测实现缺失，我们还不能说恢复了原始实验，也不能说这些路线已经让游客更满意。
练习答辩：遇到这四个问题，不要绕开
你做的是原创模型，还是复现？
本项目是在找回的公开源数据上独立重建论文思路。补足的实现细节明确说明；不能把新写的代码叫作作者原始代码。
为什么分数和论文差这么大？
目前不能归结为单一原因。用户规模、处理流程、候选集、正确答案定义和模型实现都可能不同。先把这些对齐，才有同条件比较。
为什么一定要有简单基线？
否则不知道复杂模型学到了额外规律，还是只是利用了大家反复去同一个地方的习惯。
你下一步最想补什么证据？
先取得可核对的数据来源和评测定义。如果目标是旅游推荐，就再验证新景点发现、真实路线可行性和游客反馈。
遇到陌生词，随时回来查
正文带虚线的词可以悬停或点击。下面是同一份词典，不需要一次背完。
这页的数字从哪里来？
实测图表取自本次已完成的独立复现实验；图上每个训练点都对应一次实际运行。排名滑块中的公式示例、时间线示意明确标为教学演示；行程的时间和费用明确标为假设。页面由 AI 辅助编写，不能代替学生自己阅读、理解和核对原论文。