Resumen de Development of Context-Aware Recommenders of Sequences of Touristic Activities

Jonathan Ayebakuro Orama

• español

  En los últimos años, los sistemas de recomendación se han vuelto omnipresentes en la web. Muchos servicios web, incluida la transmisión de películas, la búsqueda en la web y el comercio electrónico, utilizan sistemas de recomendación para ayudar a la toma de decisiones. El turismo es una industria altament representada en la web. Hay varios servicios web (e.g. TripAdvisor, Yelp) que se benefician de la inclusión de sistemas recomendadores para ayudar a los turistas a explorar destinos turísticos. Esto ha aumentado la investigación centrada en mejorar los recomendadores turísticos y resolver los principales problemas a los que se enfrentan. Esta tesis propone nuevos algoritmos para sistemas recomendadores turísticos que aprenden las preferencias de los turistas a partir de sus mensajes en redes sociales para sugerir una secuencia de actividades turísticas que se alinean con diversos contextos e incluyen actividades afines. Para lograr esto, proponemos métodos para identificar a los turistas a partir de sus publicaciones en Twitter, identificar las actividades experimentadas en estas publicaciones y perfilar turistas similares en función de sus intereses, contexto información y periodos de actividad. Luego, los perfiles de usuario se combinan con un algoritmo de minería de reglas de asociación para capturar relaciones entre los puntos de interés que aparecen en cada perfil. Finalmente, un proceso de clasificación de reglas y selección de actividades produce un conjunto de actividades recomendables. Se evaluó la precisión de las recomendaciones y el efecto de la elaboración de perfiles de usuario. Ordenamos además el conjunto de actividades utilizando un algoritmo multi-objetivo para enriquecer la experiencia turística. También llevamos a cabo un análisis de los flujos turísticos en los destinos, lo que es beneficioso para las organizaciones de gestión de destinos, que buscan entender la movilidad turística. En general, los métodos y algoritmos propuestos en esta tesis se muestran útiles en varios aspectos de los sistemas de recomendación turística.

• English

  In recent years, recommender systems have become ubiquitous on the web. Lots of web services including movie streaming, web search, e-commerce, etc., use recommender systems to aid human decision-making. Tourism is one industry that is highly represented on the web. There are several web services (like TripAdvisor, Yelp, Booking.com, etc.) that benefit from integrating recommender systems to aid tourists in exploring various tourism destinations. This has brought about an increase in research focused on improving tourism recommender systems and solving the main issues they face. This thesis proposes new algorithms for web-dependent tourism recommender systems that learn tourist preferences from their social media data to suggest a sequence of touristic activities that align with various contexts and include affine activities. To accomplish this, we propose a method for identifying tourist posts from their Twitter data by identifying their frequent post locations and counting the number of days they post. Afterward, we identify the points of interest (activities) being experienced in the tourist’s tweets using the location of the tweets and a priority ranking for different categories of activities. These steps serve as input into a user profiling phase where similar tourists are clustered using features extracted from their social media data that embed their interests, contextual information, and activity periods. To complement user profiling, we propose combining it with an association rule mining algorithm for capturing implicit relationships between points of interest. The rules mined are run through a rule ranking and point-of-interest selection process that maintains the causality of the rules and produces a set of recommendable activities. We evaluate the accuracy of the recommendations and the importance of the user profiling phase. We also propose a multi-objective algorithm for ordering the set of activities while balancing certain criteria that are essential for a rich tourist experience. We further show the application of Artificial Intelligence techniques for extracting and analysing the mobility of tourists from user profiles that characterize them. This is useful to destination management organisations seeking to understand different kinds of tourist flows to better organize destinations and improve the tourist experience. Overall, the methods and algorithms proposed in this thesis are shown to be useful in various aspects of tourism recommender systems.

• català

  En els últims anys, els sistemes de recomanació s'han fet omnipresents a la xarxa. Molts serveis web, inclosa la transmissió de pel·lícules, la cerca web i el comerç electrònic, utilitzen sistemes de recomanació per facilitar la presa de decisions. El turisme és una indústria molt representada a la xarxa. Hi ha diversos serveis web (e.g. TripAdvisor, Yelp) que es beneficien de la integració de sistemes recomanadors per ajudar els turistes a explorar destinacions turístiques. Això ha augmentat la investigació centrada en la millora dels recomanadors turístics per resoldre els principals problemes als quals s'enfronten. Aquesta tesi proposa nous algorismes per a sistemes recomanadors turístics que aprenen les preferències dels turistes a partir dels seus missatges a les xarxes socials per suggerir una seqüència d'activitats turístiques que s'ajustin a diversos contextes i incloguin activitats afins. Per aconseguir-ho, proposem mètodes per identificar els turistes a partir de les seves publicacions a Twitter, identificant les activitats experimentades en aquestes publicacions i perfilant turistes similars en funció dels seus interessos, informació contextual i períodes d'activitat. Aleshores, els perfils d'usuari es combinen amb un algorisme de mineria de regles d'associació per capturar relacions implícites entre els punts d'interès de cada perfil. Finalment, es fa un rànquing de regles i un procés de selecció d'un conjunt d'activitats recomanables. Es va avaluar la precisió de les recomanacions i l'efecte del perfil d'usuari. A més, ordenem el conjunt d'activitats mitjançant un algorisme multi-objectiu per enriquir l'experiència turística. També realitzem una segona fase d'anàlisi dels fluxos turístics a les destinacions que és beneficiós per a les organitzacions de gestió de destinacions, que volen entendre la mobilitat turística. En general, els mètodes i algorismes proposats en aquesta tesi es mostren útils en diversos aspectes dels sistemes de recomanació turística.