Статья:

Рекомендательные системы в сфере туризма

Журнал: Научный журнал «Студенческий форум» выпуск №11(32)

Рубрика: Технические науки

Выходные данные
Тыжинов Т.А. Рекомендательные системы в сфере туризма // Студенческий форум: электрон. научн. журн. 2018. № 11(32). URL: https://nauchforum.ru/journal/stud/32/37628 (дата обращения: 04.06.2020).
Журнал опубликован
Мне нравится
на печатьскачать .pdfподелиться

Рекомендательные системы в сфере туризма

Тыжинов Тимур Анатольевич
магистрант Российского государственного социального университета РФ, г. Москва

 

Рекомендательные системы (РС) широко используются в качестве средства снижения информационной перегрузки и предоставления туристических рекомендаций туристам. Новые мобильные РС адаптируются к пользователям мобильных устройств и дают возможность существенно обогатить туристический опыт, рекомендуя богатый мультимедийный контент, контекстно-зависимые сервисы, мнения и рейтинги пользователей-сверстников и т. д. Новые разработки в области мобильных технологий, беспроводных сетей, веб-технологий и взаимодействие через социальные сети дают огромные возможности для предоставления высокоточных и эффективных рекомендаций для туристов, которые понимают личные предпочтения пользователей и учитывают пользовательские, личные, социальные и экологические контекстуальные параметры. В данной статье используется системный подход при рассмотрении состояния дел в области, предлагая классификацию мобильных туристических РС и предоставление информации о предлагаемых им услугах.

Бурный рост онлайн услуг сделал проблему поиска и выбора информации достаточно запутанной; пользователи онлайн приложений сталкиваются с параметрами, для которых у них может не хватить оценки времени или знаний. Рекомендательные системы оказались ценным инструментом для онлайн-пользователей, они помогают справиться с информационной перегрузкой. РС используют информацию о зарегистрированных пользовательских профайлах и привычках всего сообщества пользователей для сравнения доступных информационных элементов с контрольными характеристиками для представления рекомендаций по данному вопросу. Как правило, РС сравнивают профиль пользователя с некоторыми ссылочными атрибутами и стремится предсказать «рейтинг» или «предпочтение», которые пользователь предоставит тому элементу, который он еще не рассмотрел.

РС первоначально успешно интегрировались в веб-сайтах электронной коммерции, чтобы представить информацию о товарах и продуктах, которые могут представлять интерес для пользователя (например, фильмы, книги, новости, веб-страницы и т. д.). В последнее время они все чаще используются в области электронного туризма, предоставляя такие услуги, как консультация по поездкам, points of interests (POI), которые соответствуют предпочтениям пользователей, рекомендациям туристических пакетов и т. д. Существующие РС в электронном туризме обычно эмулируют услуги, предлагаемые туристическими агентами, где потенциальные туристы ссылаются на поиск советов для туристических направлений в определенные временные и бюджетные ограничения. При взаимодействии с РС, пользователь обычно заявляет о своих потребностях, интересах и ограничениях на основе выбранных параметров. Затем система сопоставляет выбор пользователей с каталогизированными адресами с использованием одного и того же вектора параметров.

Относительно недавнее увеличение развития электронного туризма заключается в использовании мобильных устройств в качестве основной платформы для доступа к информации. Уникальные характеристики мобильного туризма открывают новые возможности для развития инновационных персонализированных услуг, которые не нашли применения в области электронного туризма. Например, знание точного местоположения пользователя создаeт подходящую основу для предоставления услуг, основанных на местоположении.

Рекомендательные системы - это, по сути, системы фильтрации информации, направленные на прогнозирование «рейтинга» (то есть предпочтения), которое пользователь предоставит информационному элементу (например, музыкальному файлу, книге или любому другому продукту) или социальному элементу (например, людям или группам). РС рекомендуют те элементы, которые прогнозируются специальным алгоритмом, чтобы лучше соответствовать предпочтениям пользователя, тем самым уменьшая когнитивную и информационную перегрузку пользователя. Рекомендация делается либо неявно (например, путем показа списка всех информационных элементов или отображения транзитивной информации- «то, что вы купили этот продукт, также подойдет и этот») или явно (когда пользователь запрашивает рекомендацию). В настоящее время РС классифицируются по следующим критериям: основе их целевых функций, используемых знаний, способов формулирования рекомендаций и алгоритмов, которые они реализуют. Далее будут описаны шесть категорий рекомендательных систем.

Совместная фильтрация. Этот тип наиболее широко используется в электронной коммерции и социальных сетях. Целевым пользователям рекомендуются элементы, похожие на те, которые выбраны другими пользователями с аналогичными предпочтениями, поэтому пользователи «коррелируют» друг с другом. Пара пользователей «коррелирует» на основе того, насколько распространены их индивидуальные прошлые выборы/рейтинги.

Фильтрация на основе контента. Рекомендации этих систем зависят от элементов контента, которые целевой пользователь выбрал в предыдущих взаимодействиях. В частности, различные элементы-кандидаты сравниваются с позициями, которые ранее были оценены пользователем, и рекомендуется использовать наиболее подходящие элементы.

Фильтрация основанная на знаниях. Эти системы используют основанный на знаниях подход для получения рекомендации, оперируя тем, какие элементы соответствуют требованиям пользователя (например, рекомендация для автомобиля будет зависеть от того, будут ли экономия топлива или комфорт более важны для целевого пользователя). Знания создаются путем записи пользовательских предпочтений/выборов или путем запроса пользователей предоставить информацию об актуальности и верности выбора. Функция правдоподобия представляет собой оценку степени, в которой пользователь нуждается в корреляции с доступными параметрами элементов контента; значение функции сходства обычно показано для иллюстрации полезности каждой рекомендации.

Демографическая фильтрация. Эти системы в основном используются в маркетинге, рекомендуя элементы, основанные на демографическом профиле пользователя. Профиль пользователя формируется на основе демографических данных, например, количество просмотров пользователем информации определенного контента в зависимости от его страны, языка, возраста или пола.

Матрица-факторизации. Этот тип РС включает вариацию совместной фильтрации, используя параметры «базового уровня» для каждого пользователя и элемента. Базовые уровни - это дополнительные параметры модели, введенные для каждого пользователя и элемента. Они указывают на общее отклонение рейтинга пользователя или элемента от глобального среднего. Например, пользовательский базовый уровень для пользователя, который имеет тенденцию превышать среднюю численность пользователей, будет положительным.

Наиболее заметным результатом недавних исследований в области мобильного туризма стало значительное увеличение мобильных электронных систем, которые часто были в центре внимания в течение последних нескольких лет. Большинство из этих систем предоставляют гораздо больше услуг, чем традиционные версии печатных туристических руководств, поскольку они включают в себя функции персонализации и в полной мере используют возможности современных мобильных устройств для определения контекстной информации о пользователе, социальной и окружающей среде, чтобы обеспечить расширенный набор контекстно-зависимых услуг.

Вместе с увеличением функциональности РС возникает проблема запутанности всей системы. Например, если в длинной цепочке характеристик будущего тура (бронирование авиа-билетов, наличие номеров в гостинице, близость к достопримечательностям, подходящие климатические условия, возможность путешествия в группе, наличие знакомых в данном городе) нарушится целостность, и тур не будет рекомендован - у пользователя может сложится негативное впечатление, и он вовсе откажется от пользования РС. Также такие системы должны персонифицировать и внедрять контекстно-зависимую фильтрацию информации, прежде чем предоставлять ее туристу.

Выводы

Рекомендательная система, использующая мобильные технологии для персонализации пользователей, является актуальной темой для исследования. Отсутствие универсальных решений и недостаточно изученные алгоритмы РС использующих мобильную информацию пользователя говорят в пользу актуальности темы исследования. Основная проблема применения РС на практике - проблема взаимодействия пользователя с приложением. Задуманная облегчать выбор туриста рекомендательная система часто становится избыточной и трудной для восприятия. Безусловно, конкретная классификация этих систем необходима для понимания их характеристик и сопоставления их соответствующих преимуществ и ограничений.

 

Список литературы:
1. Adomavicius G., Tuzhilin A. Context-aware recommender systems //Recommender systems handbook. – Springer, Boston, MA, 2015. – С. 191-226.
2. Canadi M., Höpken W., Fuchs M. Application of QR codes in online travel distribution //Information and Communication Technologies in Tourism 2010. – 2010. – С. 137-148.
3. Gavalas D., Kenteris M. A web-based pervasive recommendation system for mobile tourist guides //Personal and Ubiquitous Computing. – 2011. – Т. 15. – №. 7. – С. 759-770.
4. Kabassi K. Personalizing recommendations for tourists //Telematics and Informatics. – 2010. – Т. 27. – №. 1. – С. 51-66.