Персоналізована туристична рекомендаційна система
Автор: Пепенін Андрій Разумнікович
Кваліфікаційний рівень: магістр
Спеціальність: Системи і методи прийняття рішень
Інститут: Інститут комп'ютерних наук та інформаційних технологій
Форма навчання: денна
Навчальний рік: 2023-2024 н.р.
Мова захисту: українська
Анотація: 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. Ключові слова: Персоналізовані рекомендації подорожей, Оптимізація часу очікування, Пошук дерева Монте-Карло (MCTS), Інтеграція даних у реальному часі, Покращення користувацького досвіду, Система PersTourRec.