بافت مکانی - زمانی در سیستم های توصیه گر گردشگری مبتنی بر مکانیسم های توجه: مروری بر روش ها و چالش ها

سیستم های توصیه گر گردشگری باهدف ارائه پیشنهادهای شخصی سازی شده از نقاط موردعلاقه ، مسیرهای سفر و برنامه های بازدید، ناگزیر به مدل سازی دقیق رفتار کاربران در بسترهای پویا و وابسته به زمینه هستند. در این میان، بافت مکانی - زمانی به عنوان یکی از مولفه های کلیدی، نقش تعیین کننده ای در فرایند تصمیم گیری کاربران ایفا می کند؛ به گونه ای که انتخاب مقاصد گردشگری تحت تاثیر عواملی نظیر موقعیت جغرافیایی، فاصله مکانی، زمان بازدید، الگوهای فصلی و توالی تعاملات پیشین قرار دارد. باوجود پیشرفت های حاصل شده در روش های کلاسیک و مدل های مبتنی بر داده های ترتیبی، این رویکردها همچنان در بازنمایی هم زمان و یکپارچه تعاملات پیچیده میان کاربر، مکان و زمان با محدودیت هایی مواجه اند.در سال های اخیر، مکانیسم های توجه با فراهم سازی امکان وزن دهی تطبیقی به تعاملات تاریخی، همسایگی های مکانی و وابستگی های زمانی، به عنوان یکی از رویکردهای موثر در بهبود دقت و تبیین پذیری سیستم های توصیه گر مطرح شده اند. این مقاله مروری باتکیه بر ادبیات معتبر این حوزه، به تحلیل و دسته بندی رویکردهای اصلی در ادغام بافت مکانی-زمانی در سیستم های توصیه گر گردشگری می پردازد. همچنین نقش معماری های مبتنی بر توجه در مدل سازی تعاملات چندبعدی کاربر - مکان - زمان موردبررسی قرار گرفته و در نهایت، چالش های اساسی پیاده سازی این رویکردها در محیط های واقعی، از جمله مقیاس پذیری، پردازش برخط و ملاحظات حریم خصوصی، موردبحث و ارزیابی قرار می گیرد.

کلیدواژه ها:

سیستم های توصیه گر گردشگری۱ ، بافت مکانی-زمانی ، مکانیسم توجه۳ ، یادگیری عمیق ، سامانه های توزیع شده