توسعه یک سیستم توصیه گر برای هدایت گردشگران در سفرهای کوتاه شهری

انتخاب مکان مناسب برای تفریح، گردش و ورزش سوال هر روزه و مهمی برای بسیاری از مردم است. سوالاتی مانند اینکه چه مراکز تفریحی و ورزشی متناسب با بودجه و زمان گروه های مختلف مردم است، همواره وجود دارد. سیستم های توصیه گر متنوعی برای پیشنهاد بهترین گزینه ها به کاربران وجود دارد.  در این تحقیق با استفاده الگوریتم های مختلف یادگیری ماشین سعی شده است تا بهترین پیشنهاد ها به کاربران توسط یک سیستم توصیه گر چند منظوره و با توجه به سلایق و سوابق آن ها ارائه گردد. در این پژوهش بر خلاف تحقیقات پیشین که سیستم های توصیه گر با توجه به برنامه های بلندمدت یا میان مدت چند روزه و هفتگی اقدام به ارائه پیشنهاد محل تفریحی می کردند؛ هدف، ارائه پیشنهاد هایی برای کاربران در بازه های کوتاه چند ساعته است. برای اینکه سیستم توصیه گر بتواند تشخیص دهد که به کاربر پیشنهاد محل تفریحی و ورزشی روباز یا سرپوشیده را بدهد، از الگوریتم ماشین های بردار پشتیبان و استفاده شده است. همچنین برای ارائه پیشنهادهایی متناسب با بودجه و زمان کاربر، روش خوشه بندی K میانگین به خدمت گرفته  شده است. در انتها پیش بینی میزان رضایت کلی کاربر نسبت به رضایت از محل پیشنهادی و نیز نسبت به مسیر پیشنهادی بررسی می شود. این سیستم توسط کاربران در محدوده مرکزی شهر تهران به خدمت گرفته شد و نتایج کمی نشان داد که به صورت کلی رضایت کاربران از مقصد پیشنهادی اهمیت بیشتری در رضایت کلی کاربران دارد (حدود ۲/۱ برابر) تا رضایت کاربران نسبت به مسیر پیشنهادی.

کلیدواژه ها:

سیستم توصیه گر ، گردشگری شهری ، نقاط مورد علاقه ، یادگیری ماشین