Un modelo de recomendación de viaje personalizado orientado a la serendipia
Autores: Abbas, Rizwan; Hassan, Ghassan Muslim; Al-Razgan, Muna; Zhang, Mingwei; Amran, Gehad Abdullah; Al Bakhrani, Ali Ahmed; Alfakih, Taha; Al-Sanabani, Hussein; Rahman, Sk Md Mizanur
Idioma: Inglés
Editor: MDPI
Año: 2022
Acceso abierto
Artículo científico
2022
Un modelo de recomendación de viaje personalizado orientado a la serendipia
Categoría
Ingeniería y Tecnología
Subcategoría
Ingeniería Eléctrica y Electrónica
Palabras clave
Recomendación de viaje personalizada orientada a la sorpresa y la satisfacción del usuario
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 31
Citaciones: Sin citaciones
La recomendación personalizada de viajes intenta recomendar una secuencia de Puntos de Interés (POIs) a un usuario. Comparado con una recomendación de un solo POI, la recomendación de secuencia de POIs es desafiante. Solo hay un par de estudios que se centran en recomendaciones de secuencias de POIs. Es un desafío generar una secuencia confiable de POIs. Los dos POIs consecutivos no deben ser similares o de la misma categoría. Al desarrollar la secuencia de POIs, es necesario considerar las categorías de los POIs consecutivos. El usuario sin historial registrado también es un desafío para abordar en las recomendaciones de viaje. Otro problema es que recomendar la ubicación exacta y precisa aburre a los usuarios. Mirar el mismo tipo de POIs una y otra vez a veces es irritante y tedioso. Para abordar estos problemas en la recomendación yace en la búsqueda de Puntos de Interés (POIs) secuenciales, relevantes, novedosos e inesperados (con alta satisfacción) para planificar un viaje personalizado. Para generar POIs secuenciales, consideraremos la similitud de los POIs y las diferencias de categoría entre POIs consecutivos. Utilizaremos la serendipia en nuestra recomendación de viaje. Para hacer frente a los desafíos de descubrir y evaluar la satisfacción del usuario, propusimos una Recomendación de Viaje Personalizada Orientada a la Serendipia (SOTR). Un algoritmo de recomendación convincente no solo debe prescribir lo que probablemente apreciaremos, sino también recomendar elementos aleatorios pero objetivos para ayudar a mantener una ventana abierta a diferentes mundos y descubrimientos. Evaluamos nuestro algoritmo utilizando información adquirida de un conjunto de datos de la vida real e historiales de viaje de usuarios extraídos de un conjunto de datos de Foursquare. Se ha confirmado de manera observacional que la serendipia impacta y aumenta la satisfacción del usuario y los objetivos sociales. Basado en eso, SOTR recomienda un viaje con alta satisfacción del usuario para maximizar la experiencia del usuario. Mostramos que nuestro algoritmo supera a varios métodos de recomendación al satisfacer los intereses del usuario en el viaje.
Descripción
La recomendación personalizada de viajes intenta recomendar una secuencia de Puntos de Interés (POIs) a un usuario. Comparado con una recomendación de un solo POI, la recomendación de secuencia de POIs es desafiante. Solo hay un par de estudios que se centran en recomendaciones de secuencias de POIs. Es un desafío generar una secuencia confiable de POIs. Los dos POIs consecutivos no deben ser similares o de la misma categoría. Al desarrollar la secuencia de POIs, es necesario considerar las categorías de los POIs consecutivos. El usuario sin historial registrado también es un desafío para abordar en las recomendaciones de viaje. Otro problema es que recomendar la ubicación exacta y precisa aburre a los usuarios. Mirar el mismo tipo de POIs una y otra vez a veces es irritante y tedioso. Para abordar estos problemas en la recomendación yace en la búsqueda de Puntos de Interés (POIs) secuenciales, relevantes, novedosos e inesperados (con alta satisfacción) para planificar un viaje personalizado. Para generar POIs secuenciales, consideraremos la similitud de los POIs y las diferencias de categoría entre POIs consecutivos. Utilizaremos la serendipia en nuestra recomendación de viaje. Para hacer frente a los desafíos de descubrir y evaluar la satisfacción del usuario, propusimos una Recomendación de Viaje Personalizada Orientada a la Serendipia (SOTR). Un algoritmo de recomendación convincente no solo debe prescribir lo que probablemente apreciaremos, sino también recomendar elementos aleatorios pero objetivos para ayudar a mantener una ventana abierta a diferentes mundos y descubrimientos. Evaluamos nuestro algoritmo utilizando información adquirida de un conjunto de datos de la vida real e historiales de viaje de usuarios extraídos de un conjunto de datos de Foursquare. Se ha confirmado de manera observacional que la serendipia impacta y aumenta la satisfacción del usuario y los objetivos sociales. Basado en eso, SOTR recomienda un viaje con alta satisfacción del usuario para maximizar la experiencia del usuario. Mostramos que nuestro algoritmo supera a varios métodos de recomendación al satisfacer los intereses del usuario en el viaje.