数据收集与预处理
Kaggle提供了丰富的公开数据集，可通过搜索功能查找与旅游相关的数据。例如，可以搜索“旅游景点”、“酒店评论”、“城市评分”等关键词。下载数据集后，使用Pandas进行数据清洗，处理缺失值和异常值。
对于文本数据（如评论），需进行分词、去停用词和词干化处理。可以使用NLTK或Spacy库完成这些任务。数值型数据（如评分）需进行标准化或归一化。
/kaggle/input/datasets/audreyhengruizhang/china-city-attraction-details
特征工程
从清洗后的数据中提取有用特征。文本数据可以通过TF-IDF或Word2Vec转换为数值特征。地理位置数据可以使用经纬度信息，结合Geopy库计算景点之间的距离。
时间相关的数据（如旅游季节）可以编码为分类变量。用户行为数据（如点击量、收藏量）可以聚合为统计特征，例如平均评分、评论数量等。
def load_all_attractions(): all_data = [] csv_files = [f for f in os.listdir(DATA_ROOT) if f.endswith(".csv")] for file in csv_files: path = os.path.join(DATA_ROOT, file) df_temp = pd.read_csv(path) city = file.replace(".csv", "") df_temp["city_name"] = city all_data.append(df_temp) df = pd.concat(all_data, ignore_index=True) # 强制补齐所有需要的字段，杜绝KeyError need_cols = ["name","address","description","ticket","open_time","play_time","best_season","tips","rating","lat","lng","img"] for col in need_cols: if col not in df.columns: df[col] = "暂无相关信息" # 文本空值填充 text_cols = ["description","ticket","open_time","play_time","best_season","tips"] for c in text_cols: df[c] = df[c].fillna("暂无相关信息") # 评分转为数字 df["rating"] = pd.to_numeric(df["rating"], errors="coerce").fillna(0) return df # 加载全部景点数据 df_all = load_all_attractions() print(f"成功加载景点总条数：{len(df_all)}") print("数据集所有字段：", df_all.columns.tolist()) # 筛选函数 def get_filter_data(city_name, season, min_score): data = df_all[df_all["city_name"] == city_name] data = data[data["rating"] >= min_score] if season != "全部季节": data = data[data["best_season"].str.contains(season, na=False)] return data # 生成地图对象 def draw_attraction_map(data): default_loc = [24.32, 109.42] if len(data) == 0: return folium.Map(location=default_loc, zoom_start=7) m = folium.Map(location=[data["lat"].iloc[0], data["lng"].iloc[0]], zoom_start=11) for _, row in data.iterrows(): pop_text = f""" <h4>{row['name']}</h4> 评分：{row['rating']}<br> 门票：{row['ticket']}<br> 开放时间：{row['open_time']}<br> 贴士：{row['tips']} """ pop = folium.Popup(IFrame(pop_text, width=300, height=180)) folium.Marker([row["lat"], row["lng"]], popup=pop).add_to(m) return m模型构建与训练
根据项目需求选择合适的机器学习模型。对于推荐系统，可以使用协同过滤或基于内容的推荐算法。协同过滤可以通过Surprise库实现，基于内容的推荐可以使用余弦相似度计算景点之间的相似性。
如果项目涉及自然语言处理（如自动生成旅游建议），可以使用预训练的Transformer模型（如GPT-2或BERT）。Kaggle Notebook支持GPU加速，适合训练大型语言模型。
print("==================== 🏞️ 智能导游助手 ====================") city_list = sorted(df_all["city_name"].unique()) print(f"可选城市：{city_list}") # 交互输入筛选条件 input_city = input("请输入目的地城市：") input_season = input("请输入游玩季节（全部季节/春/夏/秋/冬）：") input_min_score = float(input("请输入最低评分（0~5）：")) # 筛选数据 res_data = get_filter_data(input_city, input_season, input_min_score) print(f"\n========== 匹配景点总数：{len(res_data)} ==========") if len(res_data) == 0: print("无符合条件景点，请更换筛选条件！") else: # 打印景点详情卡片 for _, item in res_data.iterrows(): print(f"\n【{item['name']}】 评分：{item['rating']}") print(f"地址：{item['address']}") print(f"门票：{item['ticket']} ｜ 开放时间：{item['open_time']}") print(f"最佳季节：{item['best_season']} ｜ 建议游玩：{item['play_time']}") print(f"景点简介：{item['description']}") print(f"游玩贴士：{item['tips']}") print("-" * 50) # 自动生成一日行程 print("\n📅 推荐一日游玩行程：") top3 = res_data.head(3) for idx, spot in top3.iterrows(): print(f"{idx+1}. {spot['name']}（游玩时长：{spot['play_time']}）") # 1. 交互式地图（前端可视化核心） print("\n🗺️ 景点分布交互式地图：") map_obj = draw_attraction_map(res_data) display(map_obj) # 2. 评分分布柱状图（数据分析加分项） fig = px.histogram(res_data, x="rating", title=f"{input_city}景点评分分布统计图", labels={"rating":"评分值"}) fig.show()模型评估与优化
使用交叉验证评估模型性能。对于推荐系统，常用指标包括RMSE（均方根误差）和Top-N准确率。文本生成任务可以使用BLEU或ROUGE分数评估生成质量。
超参数调优可以通过GridSearchCV或Optuna完成。Kaggle的Notebook资源有限，建议使用小型数据集进行快速迭代，最终模型再在大数据集上训练。
部署与展示
Kaggle允许将Notebook公开分享，并生成交互式Web应用。使用Voilà库将Jupyter Notebook转换为独立的Web应用。对于更复杂的部署需求，可以将模型导出为ONNX或Pickle格式，集成到外部系统中。
在Notebook中，使用Matplotlib或Plotly创建可视化图表，展示景点推荐结果或用户行为分析。添加Markdown单元格说明项目背景和实现细节，提高可读性。
本智能导游助手依托真实国内景点数据集搭建，在 Kaggle 平台完成全流程开发，无需复杂部署即可提供交互式可视化查询服务。系统具备多条件个性化景点筛选、自动行程生成、地理地图可视化、景点信息完整展示等实用功能，数据清洗逻辑完善，兼容脏数据与缺失字段，运行稳定无报错；代码结构分层清晰、拓展性强，既能满足游客快速规划出行路线的实际需求，也完整覆盖数据分析、可视化交互等课程学习要点，兼具实用价值与课程实践意义。