Zeitschrift für Tourismus und Gastgewerbe
Offener Zugang

Abstrakt

Dynamische Auswahl von Empfehlungssystemen: Eine Anwendung im Tourismus

Samuel Arleo und Bruno Silva

Empfehlungssysteme sind Softwaretools und -techniken, die versuchen, Artikel vorzuschlagen, die für einen bestimmten Benutzer von Interesse sein könnten. Diese Systeme sind ein wichtiger Bestandteil der meisten E-Commerce-Anwendungen, da sie es Benutzern erleichtern, Produkte zu finden, die ihren Bedürfnissen entsprechen, und gleichzeitig den Umsatz steigern. Es wurden mehrere Ansätze entwickelt, um die Präferenzen der Benutzer durch die Arbeit mit verschiedenen Quellen und Arten von Informationen zu ermitteln. Beim kollaborativen Filtern wird der Bewertungsverlauf verwendet, inhalts- und wissensbasierte Empfehlungssysteme arbeiten mit den Merkmalen von Artikeln, kontextsensitive Systeme bieten Vorschläge basierend auf den Situationsparametern oder Bedingungen, die den Benutzer umgeben, während beim demografischen Filtern die demografischen Merkmale des Benutzers verwendet werden. Darüber hinaus gibt es hybride Ansätze, die zwei oder mehr Techniken verschmelzen, um die Mängel jeder Methode zu überwinden.
In dieser Arbeit wird eine Anwendung der dynamischen Auswahl auf den Bereich der Empfehlungssysteme untersucht. Diese Auswahlstrategie, die aus Multiple Classifier Systems übernommen wurde, besteht darin, für jedes Testmuster einen bestimmten Satz von Klassifikatoren auszuwählen. Um dieses Konzept an den Kontext dieser Forschung anzupassen, wurde ein hybrides System vorgeschlagen, das dynamisch versucht, bei jeder Vorhersage die beste Empfehlungsmethode auszuwählen.
Nach der Durchführung von Experimenten brachte die Anwendung der dynamischen Auswahl keine nennenswerte Verbesserung der Empfehlungen. Die Einbeziehung demografischer und kontextbezogener Informationen in einer hybriden inhaltsbasierten Basis erhöhte die Genauigkeit des Systems jedoch erheblich. Die endgültige Lösung wurde anhand von Datensätzen mit Hotel- und Buchbewertungen evaluiert. Die Ergebnisse zeigten, dass der Empfehlungsgeber in tourismusbezogenen Szenarien funktionieren kann und auch für andere Empfehlungsprobleme parametrisiert werden kann, solange inhaltliche, demografische oder kontextbezogene Merkmale verfügbar sind.