Персоналізована туристична рекомендаційна система

Abstract

Рішення: Представлена магістерська дисертація досліджує розробку системи PersTourRec, персоналізованої системи рекомендацій подорожей, призначеної для покращення досвіду користувача при плануванні подорожей шляхом надання індивідуально адаптованих, ефективних та точних рекомендацій. Основною метою дослідження є розробка та валідація архітектури та алгоритму, які оптимально збалансовують такі фактори, як популярність точок інтересів (POI), індивідуальні інтереси користувачів та мінімізацію часу очікування. У центрі магістерської дисертації є формулювання проблеми PersTourRec як адаптації задачі орієнтування, яка є природно NP-складною через динамічну природу часу очікування. Цю складність вирішує сучасний алгоритм на основі MCTS, який включає часозалежний аспект у функцію вартості, таким чином впливаючи як на вибір атракціонів, так і на часи очікування. Методологія включає багатогранний підхід. По-перше, розробляється алгоритмічна структура, яка враховує складності персоналізованих туристичних переваг та обмеження планування маршрутів подорожей. По-друге, система розроблена для використання потоків даних у реальному часі, що дозволяє динамічно адаптувати маршрути подорожей до змін уподобань користувачів та умов на місці. Продуктивність системи оцінюється за допомогою надійних обчислювальних експериментів та відгуків користувачів із реального світу, що є вирішальним для підтвердження ефективності персоналізованих маршрутів, запропонованих системою. Крім того, магістерська дисертація виявляє прогалину в сучасних системах рекомендацій подорожей, які часто не можуть ефективно інтегрувати ситуативні дані в реальному часі, що призводить до менш ніж оптимального досвіду подорожей. Це дослідження заповнює цю прогалину, пропонуючи систему, яка не тільки враховує популярність атракцій та індивідуальні інтереси користувачів, але й очікувані часи очікування, які динамічно розраховуються на основі історичних даних. У розділі про майбутні дослідження магістерської дисертації окреслені кілька напрямків для подальших досліджень. Вони включають використання соціальних зв'язків для виведення інтересів користувачів і вирішення проблеми холодного старту, врахування впливу свят, подій, погоди та інших невизначеностей на роботу атракціонів, а також розробку грально-теоретичного підходу до рекомендацій ітинераріїв, які оптимізують загальний час очікування та зменшують перенаселення у всьому населенні відвідувачів тематичних парків. Ця робота просуває галузь систем рекомендацій подорожей, вводячи модель, яка не тільки чутлива до нюансів особистих переваг, але й реагує на постійно змінну динаміку подорожей. Система PersTourRec представляє зміщення до більш тонкого та орієнтованого на користувача підходу до планування подорожей, прагнучи до наукового впливу в галузі персоналізованих систем рекомендацій. У пошуку способів удосконалення досвіду подорожей наше дослідження представляє проблему PersTourRec - підхід до створення персоналізованих маршрутів, які не тільки демонструють популярні та привабливі атракціони, але й стратегічно мінімізують час очікування. Ця ініціатива вирішує природно NP-складну проблему часозалежного очікування, приймаючи витончене рішення через похідну техніку пошуку дерева Монте-Карло (MCTS). Об'єкт дослідження: Об'єктом дослідження є сама система PersTourRec, яка призначена для оптимізації процесу планування подорожей через орієнтований на користувача і заснований на даних підхід, маючи на меті трансформувати традиційні досвіди подорожей. Предмет дослідження: Основним предметом є передове алгоритмічне рішення, отримане з технік пошуку Монте-Карло (MCTS), яке вирішує складність динамічно змінних часів очікування, щоб мінімізувати періоди очікування у туристичних атракціонах. Методи дослідження: Дослідження використовує комбінацію аналізу даних, розробки алгоритмів і інтеграції даних у реальному часі, що підкріплено обчислювальним моделюванням та зворотним зв'язком від користувачів. Практична цінність результатів: Демонструється через емпіричні докази, система PersTourRec покращує ефективність планування подорожей і задоволеність користувачів, ефективно зменшуючи час очікування і надаючи високо персоналізовані рекомендації щодо ітинераріїв.Solution: The provided master’s thesis investigates the development of the PersTourRec system, a personalized travel recommendation system intended to enhance user experience in travel planning by delivering tailor-made, efficient, and accurate recommendations. The study's primary objective is to design and validate an architecture and adopt the algorithm that optimally balance factors such as the popularity of points of interest (POIs), individual user interests, and the minimization of queuing times. Central to the master’s thesis is the formulation of the PersTourRec problem as an adaptation of the orienteering problem, which is inherently NP-hard due to the dynamic nature of queuing times. This complexity is addressed through the modern MCTS based algorithm, which incorporates a time-dependent aspect into the cost function, thus affecting both the selection of attractions and the queuing times. The methodology includes a multi-faceted approach. Firstly, an algorithmic structure is developed that accounts for the complexities of personalized travel preferences and the constraints of travel route planning. Secondly, the system is designed to leverage real-time data streams, enabling the dynamic adaptation of travel routes to reflect changes in user preferences and on-site conditions. The performance of the system is evaluated through robust computational experiments and feedback from real-world users, which is crucial for validating the effectiveness of the personalized routes suggested by the system. Moreover, the master’s thesis identifies a gap in current travel recommendation systems, which often fail to integrate real-time situational data effectively, leading to less than optimal travel experiences. This research fills that gap by proposing a system that not only takes into account the popularity of attractions and the individual interests of users but also the expected queuing times, which are dynamically calculated based on historical data. The future work section of the master’s thesis outlines several avenues for further research. These include utilizing social connections to infer user interests and address the cold-start problem, accounting for the impact of holidays, events, weather, and other uncertainties on attraction operations, and developing a game-theoretic approach to itinerary recommendations that optimize for overall queuing times and reduce overcrowding across the entire theme park visitor population. This work advances the field of travel recommendation systems by introducing a model that is not only sensitive to the nuances of personal preferences but also responsive to the ever-changing dynamics of travel environments. The PersTourRec system represents a shift towards a more nuanced and user-centric approach to travel planning, aiming for a scholarly impact in the domain of personalized recommendation systems. In the quest to refine the travel experience, our study introduces the PersTourRec problem—aт approach to crafting personalized itineraries that not only showcase popular and engaging attractions but also strategically minimize queuing times. This initiative addresses the inherent NP-hard challenge of time-dependent queuing, adopting a sophisticated solution through a derivative of the Monte Carlo Tree Search (MCTS) technique. Object of Research: The object of the study is the PersTourRec system itself, which is designed to optimize the travel planning process through a user-centric and data-driven approach, aiming to transform traditional travel experiences. Subject of Research: The core subject is the advanced algorithmic solution derived from Monte Carlo Tree Search (MCTS) techniques, addressing the complexity of dynamically changing queuing times to minimize wait periods at tourist attractions. Research Methods: The study employs a combination of data analysis, algorithm development, and real-time data integration, underpinned by computational modeling and user experience feedback. Practical Value of Results: Demonstrated through empirical evidence, the PersTourRec system improves travel planning efficiency and user satisfaction by effectively reducing queuing times and providing highly personalized itinerary recommendations.