論文の概要: A Proposed Hybrid Recommender System for Tourism Industry in Iraq Using Evolutionary Apriori and K-means Algorithms
- arxiv url: http://arxiv.org/abs/2504.08767v1
- Date: Tue, 01 Apr 2025 09:28:13 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-04-20 06:04:25.934400
- Title: A Proposed Hybrid Recommender System for Tourism Industry in Iraq Using Evolutionary Apriori and K-means Algorithms
- Title（参考訳）: 進化的アプリオリとK平均アルゴリズムを用いたイラクの観光産業用ハイブリッドレコメンダシステムの提案
- Authors: Bryar A. Hassan, Alla A. Hassan, Joan Lu, Aram M. Ahmed, Tarik A. Rashid,
- Abstract要約: 本研究では,進化的AprioriとK-meansクラスタリングアルゴリズムを組み合わせたハイブリッドレコメンデーションシステムを提案する。
このシステムは、ユーザの好みやコンテキスト情報に合わせて、パーソナライズされたレコメンデーションと観光地のクラスタを提供する。
- 参考スコア（独自算出の注目度）: 5.031906751178417
- License:
- Abstract: The rapid proliferation of tourism data across sectors, including accommodations, cultural sites, and events, has made it increasingly challenging for travelers to identify relevant and personalized recommendations. While traditional recommender systems such as collaborative, content-based, and context-aware systems offer partial solutions, they often struggle with issues like data sparsity and overspecialization. This study proposes a novel hybrid recommender system that combines evolutionary Apriori and K-means clustering algorithms to improve recommendation accuracy and efficiency in the tourism domain. Designed specifically to address the diverse and dynamic tourism landscape in Iraq, the system provides personalized recommendations and clusters of tourist destinations tailored to user preferences and contextual information. To evaluate the systems performance, experiments were conducted on an augmented dataset representative of Iraqs tourism activity, comparing the proposed system with existing methods. Results indicate that the proposed hybrid system significantly reduces execution time by 27-56% and space consumption by 24-31%, while achieving consistently lower Root Mean Square Error (RMSE) and Mean Absolute Error (MAE) values, thereby enhancing prediction accuracy. This approach offers a scalable, context-aware framework that is well-suited for application in regions where tourism data is limited, such as Iraq, ultimately advancing tourism recommender systems by addressing their limitations in complex and data-scarce environments.
- Abstract（参考訳）: 宿泊施設、文化施設、イベントを含む観光データの急増により、旅行者が関連性がありパーソナライズされたレコメンデーションを特定することはますます困難になっている。
コラボレーション、コンテンツベース、コンテキスト対応といった従来のレコメンデータシステムは部分的なソリューションを提供するが、データ空間や過剰な特殊化といった問題に悩まされることが多い。
本研究では,進化的AprioriとK-meansクラスタリングアルゴリズムを組み合わせたハイブリッドレコメンデーションシステムを提案する。
イラクの多様でダイナミックな観光環境に特化して設計されたこのシステムは、ユーザの好みやコンテキスト情報に合わせた、パーソナライズされたレコメンデーションと観光目的地のクラスタを提供する。
システム性能を評価するため,イラク観光活動の強化データセットを用いて,提案システムと既存手法との比較実験を行った。
その結果,提案したハイブリッドシステムは実行時間を27～56%削減し,空間消費を24～31%削減すると同時に,平均平方誤差(RMSE)と平均絶対誤差(MAE)を連続的に低減し,予測精度を向上した。
このアプローチは、イラクのような観光データに制限のある地域での応用に適した、スケーラブルでコンテキスト対応のフレームワークを提供する。
関連論文リスト
- Stability and Generalization for Distributed SGDA [70.97400503482353]
分散SGDAのための安定性に基づく一般化分析フレームワークを提案する。
我々は, 安定性の誤差, 一般化ギャップ, 人口リスクの包括的分析を行う。
理論的結果から,一般化ギャップと最適化誤差のトレードオフが明らかになった。
論文 参考訳（メタデータ） (2024-11-14T11:16:32Z) - Learning Recommender Systems with Soft Target: A Decoupled Perspective [49.83787742587449]
そこで本研究では,ソフトラベルを活用することで,目的を2つの側面として捉えるために,分離されたソフトラベル最適化フレームワークを提案する。
本稿では,ラベル伝搬アルゴリズムをモデル化したソフトラベル生成アルゴリズムを提案する。
論文 参考訳（メタデータ） (2024-10-09T04:20:15Z) - Quantifying User Coherence: A Unified Framework for Cross-Domain Recommendation Analysis [69.37718774071793]
本稿では,レコメンデーションシステムを理解するための新しい情報理論手法を提案する。
9つのデータセットで7つのレコメンデーションアルゴリズムを評価し、測定値と標準的なパフォーマンス指標の関係を明らかにする。
論文 参考訳（メタデータ） (2024-10-03T13:02:07Z) - Revisiting Reciprocal Recommender Systems: Metrics, Formulation, and Method [60.364834418531366]
RRSの性能を包括的かつ正確に評価する5つの新しい評価指標を提案する。
因果的観点からRSを定式化し、二元的介入として勧告を定式化する。
提案手法では,結果の一致を最大化する手法を提案する。
論文 参考訳（メタデータ） (2024-08-19T07:21:02Z) - Memory efficient location recommendation through proximity-aware
representation [8.505840656442217]
逐次レコメンデーション(PASR:Sequential Recommendation)のための近接認識型領域表現を提案する。
本稿では,重要サンプリングを用いた新たな損失関数を用いて,最適化時の情報的負のサンプルを強調することで,疎結合問題に対処する。
3つの実世界位置ベースソーシャルネットワーキング(LBSN)データセットを用いて評価を行い,PASRが最先端の逐次位置推薦手法を上回ることを示した。
論文 参考訳（メタデータ） (2023-10-10T09:53:07Z) - FairRoad: Achieving Fairness for Recommender Systems with Optimized
Antidote Data [15.555228739298045]
我々は、最適化された解毒剤データ(FairRoad)を用いたフェアレコメンデーションと呼ばれる新しいアプローチを提案する。
提案する解毒剤データ生成アルゴリズムは,少量の解毒剤データを用いたレコメンデータシステムの公正性を著しく向上する。
論文 参考訳（メタデータ） (2022-12-13T17:32:44Z) - Large-Scale Sequential Learning for Recommender and Engineering Systems [91.3755431537592]
本稿では,現在の状況に適応してパーソナライズされたランキングを提供する自動アルゴリズムの設計に焦点を当てる。
前者はSAROSと呼ばれる新しいアルゴリズムを提案し,インタラクションの順序を学習するためのフィードバックの種類を考慮に入れている。
提案手法は, 電力網の故障検出に対する初期アプローチと比較して, 統計的に有意な結果を示す。
論文 参考訳（メタデータ） (2022-05-13T21:09:41Z) - Recommending with Recommendations [1.1602089225841632]
レコメンデーションシステムは、しばしば予測を行う際に敏感なユーザー情報を引き出す。
既存のサービスからのレコメンデーションに基づいて、サービスのレコメンデーションエンジンを基盤にすることで、この障害に対処する方法を示します。
我々の設定では、ユーザの(潜在的に敏感な)情報は高次元の潜在空間に属します。
論文 参考訳（メタデータ） (2021-12-02T04:30:15Z) - Recommending POIs for Tourists by User Behavior Modeling and
Pseudo-Rating [3.839157829013354]
観光客の多くは一度に数カ所の観光地を訪れており、これらのほとんどは新規観光客からのチェックインデータを持っていない。
従来のシステムでは、利用者の嗜好と人気、評判、カテゴリーに基づく類似性に基づいて観光スポットをランク付けしている。
観光客にPOIを推奨するメカニズムを提案する。
論文 参考訳（メタデータ） (2021-10-13T06:21:41Z) - CRACT: Cascaded Regression-Align-Classification for Robust Visual
Tracking [97.84109669027225]
改良された提案改良モジュールCascaded Regression-Align- Classification (CRAC)を導入する。
CRACは多くのベンチマークで最先端のパフォーマンスを得る。
OTB-2015、UAV123、NfS、VOT-2018、TrackingNet、GOT-10k、LaSOTを含む7つのベンチマークの実験において、我々のCRACTは最先端の競合他社と比較して非常に有望な結果を示している。
論文 参考訳（メタデータ） (2020-11-25T02:18:33Z) - Tourism Demand Forecasting: An Ensemble Deep Learning Approach [4.516340427736994]
我々は、北京の観光客の到着を予測するために、歴史的観光到着データ、経済変動データ、検索強度指標(SII)データを使用する。
提案するB-SAKE手法は, レベル精度, 方向精度, 統計的意義の観点から, ベンチマークモデルより優れている。
バッグングと積み重ねオートエンコーダは、観光ビッグデータがもたらす課題を効果的に軽減し、モデルの予測性能を向上させる。
論文 参考訳（メタデータ） (2020-02-19T02:23:38Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。