ارائه مدلی توصیه گر جهت گردشگری الکترونیک

در تحقیقات انجام شده، روش هایی برای ارائه پیشنهاد مناسب تر در قالب روش های شبکه عصبی خود سازمانده بدون ناظر و شبکه عصبی تابع پایه شعاعی ارائه گردید، اما علی رغم مفید بودن آنها در حوزه کاری خودشان، داده ها را از لحاظ اعتبار، نرمال بودن یا نبودن بررسی نکردند و این روش ها نیز بصورت همگن یا ناهمگن در این نوع سیستم ها مقایسه نشده اند. در این تحقیق، یک چارچوب توصیه گر همه منظوره و مبتنی بر مدل چندتایی ارائه شده که شامل روش های شبکه عصبی خودسازمانده و شبکه عصبی پایه تابع شعاعی است که داده ها را از لحاظ نویز و پیروی از نوع خاص داده شامل نرمال یا غیر نرمال بودن پوشش می دهد. این مدل پیشنهادی بر روی چندین بسته تور مسافرتی مناسب گردشگران، اعمال شده است و خروجی مطلوبی را براساس مقادیر ورودی پیشنهادی، ارائه می دهد. نتایج ارزیابی مدل پیشنهادی با استفاده از شبیه سازی و پرسشنامه، نشان داد که مدل پیشنهادی توانسته است تا 92 درصد دقت پیش بینی مناسب را مطابق با سلایق گردشگر، بالا ببرد. نتیجه حاصل شده بهتر بودن الگوریتم پیشنهادی را نسبت به روش های دیگر نشان می دهد.

کلیدواژه ها:

دسته بندی چندتایی ، شبکه عصبی خود سازمانده ، شبکه عصبی تابع پایه شعاعی ، سیستم توصیه گر