SISTEMA ECLÉCTICO DE FILTRADO DE INFORMACIÓN BASADO EN INTELIGENCIA COMPUTACIONAL PARA RECOMENDACIÓN DE ATRACTIVOS TURÍSTICOS DEL CARIBE COLOMBIANO
Vol. 1 Núm. 2 (2017), ARTÍCULOS VOLUMEN 1, NÚMERO 2
Vol. 1 Núm. 2 (2017)

SISTEMA ECLÉCTICO DE FILTRADO DE INFORMACIÓN BASADO EN INTELIGENCIA COMPUTACIONAL PARA RECOMENDACIÓN DE ATRACTIVOS TURÍSTICOS DEL CARIBE COLOMBIANO

ARTÍCULOS VOLUMEN 1, NÚMERO 2
https://doi.org/10.23850/25907441.1521
Publicado 2018-06-20
  • Luis C. Tovar Garrido
  • Josías D. Montoya Campo
  • Raúl J. Martelo Gómez
Luis C. Tovar Garrido
Josías D. Montoya Campo
Raúl J. Martelo Gómez
PDF

Cómo citar

Tovar Garrido, L. C., Montoya Campo, J. D., & Martelo Gómez, R. J. (2018). SISTEMA ECLÉCTICO DE FILTRADO DE INFORMACIÓN BASADO EN INTELIGENCIA COMPUTACIONAL PARA RECOMENDACIÓN DE ATRACTIVOS TURÍSTICOS DEL CARIBE COLOMBIANO. LOGINN Investigación Científica Y Tecnológica, 1(2). https://doi.org/10.23850/25907441.1521
ACM ACS APA ABNT Chicago Harvard IEEE MLA Turabian Vancouver

Descargar cita

Endnote/Zotero/Mendeley (RIS) BibTeX

Resumen

Los sistemas de recomendación pueden ayudar a las personas a encontrar los ítems que mejor se adapten a sus gustos y necesidades cuando son abrumados con una sobrecarga de información. Estos sistemas se han utilizado en diferentes dominios como la música y las películas, pero también han probado ser útil en el ámbito de atracciones turísticas. En este artículo, se presenta un sistema ecléctico de filtrado de información para atractivos turísticos del caribe colombiano. La solución propuesta sugiere atracciones turísticas de intereses a un usuario con base en su perfil de ratings, preferencias y gustos personales. El sistema adopta un enfoque ecléctico, combinando tres diferentes técnicas de recomendación con el propósito de encontrar el algoritmo más óptimo para este complejo dominio. Todo esto fue orientado a una aplicación móvil y evaluado por un grupo de usuarios de prueba. Los resultados demostraron la utilidad de los sistemas de recomendación para el dominio del turismo permitiendo generar visitas turísticas adaptadas al perfil del usuario, simplificando la tarea de planificar un viaje.

https://doi.org/10.23850/25907441.1521
PDF

Citas

Álvarez, C. A. G. (2011). Sistema De Recomendación Y Planificación Turística De La Ciudad De Valencia Vía Web.

Belkin, N. J., & Croft, W. B. (1992). Information filtering and information retrieval: Two sides of the same coin?. Communications of the ACM, 35(12), 29-38.

Borras, J., Moreno, A., & Valls, A. (2014). Intelligent tourism recommender systems: A survey. Expert Systems with Applications, 41(16), 7370-7389.

Burke, R. (1999, July). Integrating knowledge-based and collaborative-filtering recommender systems. In Proceedings of the Workshop on AI and Electronic Commerce (pp. 69-72).

Guevara, A. (2008). Sistemas de información de destinos turísticos integrados (SIDTI). I Jornada de investigación en turismo. Universidad de Sevilla.

Guevara, A., Aguayo, A., Gómez, L., Caro, J. L., Leiva, J. L., Hornos, M. J., & Fernández, M. (2009). Sistemas informáticos aplicados al turismo. Editorial Pirámide.

Grossman, D., & Domingos, P. (2004, July). Learning Bayesian network classifiers by maximizing conditional likelihood. In Proceedings of the twenty-first international conference on Machine learning (p. 46). ACM.

Gruber, T. R. (1993). A translation approach to portable ontologies [Электронный ресурс] (No. 5, p. 2). TR Gruber//Knowledge Acquisition.

Kenteris, M., Gavalas, D., & Mpitziopoulos, A. (2010, June). A mobile tourism recommender system. In Computers and Communications (ISCC), 2010 IEEE Symposium on (pp. 840-845). IEEE.

Leiva Olivencia, J. L., Guevara Plaza, A., & Rossi Jiménez, C. (2012). Sistemas de recomendación para realidad aumentada en un sistema integral de gestión de destinos. Revista de análisis turístico, (14), 69-81.

Pazzani, M. J. (1999). A framework for collaborative, content-based and demographic filtering. Artificial Intelligence Review, 13(56), 393-408.

Pérez Cordón, L. G. P. (2008). Modelos de recomendación con falta de información. Aplicaciones al sector turístico (Doctoral dissertation, Universidad de Jaén).

Schafer, J. B., Konstan, J. A., & Riedl, J. (2001). E-commerce recommendation applications. In Applications of Data Mining to Electronic Commerce (pp. 115-153). Springer US.

Shearer, C. (2000). The CRISP-DM model: the new blueprint for data mining. Journal of data warehousing, 5(4), 13-22.

Smirnov, A., Kashevnik, A., Ponomarev, A., Shilov, N., Schekotov, M., & Teslya, N. (2013, November). Recommendation system for tourist attraction information service. In Open Innovations Association (FRUCT), 2013 14th Conference of (pp. 148-155). IEEE.

Vicente, M. (2012). Estrategias para el incremento de la fiabilidad Y confianza en sistemas de recomendación Colaborativa. Un enfoque semántico para la personalización De la publicidad en comercio electrónico.

Wang, D., Park, S., & Fesenmaier, D. R. (2012). The role of smartphones in mediating the touristic experience. Journal of Travel Research, 51(4), 371-387.

Wang, D., Xiang, Z., & Fesenmaier, D. R. (2016). Smartphone use in everyday life and travel. Journal of Travel Research, 55(1), 52-63.

Wang, Y., Wang, L., Li, Y., He, D., Chen, W., & Liu, T. Y. (2013, May). A theoretical analysis of NDCG ranking measures. In Proceedings of the 26th Annual Conference on Learning Theory (COLT 2013).

Descargas

Los datos de descargas todavía no están disponibles.