Modelo de Sistema de Recomendación para visitas guiadas, basado en computación ubicua y sensible al contexto

Abstract

El modelo propuesto pensado para funcionar en un contexto de visitas guiadas, se basa en el desarrollo de la ontología tourist en python usando la librería Owlready, y describe las entidades del modelo para visitas guiadas. La ontología permite aplicar los conceptos de ubicuidad y permite representar la sensibilidad al contexto en tres formas, con el contexto geográfico, temporal y ambiental. Para la visita guiada se considera el perfil del usuario, sus preferencias, el estado emocional y las evaluaciones de los lugares visitados, así mismo, el perfil, el itinerario y las características del sitio, las preferencias de transporte del usuario y las características de transporte del sitio. Se utilizó un lenguaje de ontologías que modela los conceptos y características del sistema de visitas guiadas que permite realizar inferencias con reglas usando el lenguaje SWRL con el razonador Pellet. Para el modelo de recomendación, se han desarrollado modelos de filtrado colaborativo, centrados en el usuario usando la media y la media ponderada de los puntajes de los sitios, y la información demográfica del usuario. Se han elaborado dos modelos de recomendación de filtrado colaborativo basado en clustering y usando filtrado con descomposición de valores singulares. Y un modelo de recomendación híbrido con una técnica de validación cruzada quíntuple. Todos los modelos fueron evaluados usando la métrica RMSE y para evaluar las predicciones se han usado las métricas de precisión, recall y F1 score. Finalmente, como aporte adicional a la tesis, se utilizó la técnica de análisis de sentimientos de Machine Learning para determinar el nivel de percepción del sitio de interés y así validar la utilidad del modelo para visitas guiadas. (Tomado de la fuente)

The proposed model, designed to work in a guided tour context, is based on the development of the tourist ontology in python using the Owlready library, and describes the entities of the guided tour model. The ontology allows the application of the concepts of ubiquity and allows the representation of context sensitivity in three ways, with the geographic, temporal and environmental context. For the guided tour, the user profile, preferences, emotional state and evaluations of the places visited are considered, as well as the profile, itinerary and characteristics of the site, the user's transportation preferences and the transportation characteristics of the site. An ontology language was used that models the concepts and characteristics of the guided tour system that allows inferences to be made with rules using the SWRL language with the Pellet reasoner. For the recommendation model, collaborative filtering models have been developed, centered on the user using the mean and weighted mean of the scores of the sites, and the demographic information of the user. Two collaborative filtering recommendation models based on clustering and using filtering with singular value decomposition have been developed, as well as a hybrid recommendation model with a quintuple cross-validation technique. All models were evaluated using the RMSE metric and the precision, recall and F1 score metrics were used to evaluate the predictions. Finally, as an additional contribution to the thesis, the Machine Learning sentiment analysis technique was used to determine the level of perception of the site of interest and thus validate the usefulness of the model for guided tours.