صنعت هتل، یکی از ذینفعان برجسته در بخش گردشگری است. به منظور کاهش هزینه جستجوی توصیه ها توسط گردشگر، تاکید روی کارایی نسبت عودت اتاق های مهمان و تقویت کل عملکرد اجرایی، ارزیابی و انتخاب موقعیت هتل مناسب به یکی از مهم ترین مباحث برای صنعت هتل تبدیل شده است. در این سناریو، سرویس های توصیه گر به طور روزافزون پدید می آیند، که از عامل های هوشمند و هوش مصنوعی برای پوشش اطلاعات نامحدود و دستیابی به راه حل های شخصی سازی شده استفاده می کنند. با در نظر گرفتن این فرضیه، این مقاله، سیستم خبره توصیه هتل معنایی Sem-Fit مبتنی بر تجربه مصرف کننده را در مورد توصیه ارائه شده توسط سیستم ارائه می کند. Sem-Fit از دیدگاه تجربه مصرف کننده به منظور استفاده از تکنیک های منطق فازی جهت مرتبط سازی ویژگی های مشتری و هتل استفاده می کند که به وسیله آنتولوژی های دامنه و گریدهای تاثیرگذار نمایش داده می شود. بعد از دریافت یک توصیه، مشتری، ارزش گذاری در مورد توصیه تولید شده توسط سیستم را ارائه می کند. بر اساس این ارزش گذاری ها، قواعد سیستم به منظور تنظیم توصیه های جدید برای تجارب سابق کاربر به روزرسانی می شوند. به منظور بررسی اعتبار Sem-Fit، ارزیابی انجام گرفته شامل تعامل مشتری با سیستم است و بنابراین نتایج با توصیه خبره برای هر پروفایل مشتری مقایسه می شوند. همچنین، مقادیر دقت و یادآوری و F1 بر اساس سه دیدگاه به منظور محاسبه درجه ارتباط توصیه های سیستم فازی محاسبه شدند که نشان می دهد که توصیه های سیستم در سطح یکسان با یک متخصص در این زمینه قرار دارند.

Sem-Fit: A semantic based expert system to provide recommendations in the tourism domain

Expert Systems with Applications Volume 38, Issue 10, 15 September 2011, Pages 13310-13319

Abstract

The hotel industry is one of the leading stakeholders in the tourism sector. In order to reduce the traveler’s cost of seeking accommodations, enforce the return ratio efficiency of guest rooms and enhance total operating performance, evaluating and selecting a suitable hotel location has become one of the most critical issues for the hotel industry. In this scenario, recommender services are increasingly emerging which employ intelligent agents and artificial intelligence to ‘‘cut through’’ unlimited information and obtain personalized solutions. Taking this assumption into account, this paper presents Sem-Fit, a semantic hotel recommendation expert system, based on the consumer’s experience about recommendation provided by the system. Sem-Fit uses the consumer’s experience point of view in order to apply fuzzy logic techniques to relating customer and hotel characteristics, represented by means of domain ontologies and affect grids. After receiving a recommendation, the customer provides a valuation about the recommendation generated by the system. Based on these valuations, the rules of the system are updated in order to adjust the new recommendations to past user experiences. To test the validity of Sem-Fit, the validation accomplished includes the interaction of the customer with the system and then the results are compared with the expert recommendation for each customer profile. Moreover, the values of precision and recall and F1 have been calculated, based on three points of view, to measure the degree of relevance of the recommendations of the fuzzy system, showing that the system recommendations are on the same level as an expert in the domain.

• قبلی
• بعدی