論文の概要: Behavior-Mining, Generative Conversations, and Collaborative Advisory: the Future of Travel and Tourism Recommender Systems

• arxiv url: http://arxiv.org/abs/2610.08232v1
• Date: Tue, 06 Oct 2026 12:18:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-08 02:58:29.975973
• Title: Behavior-Mining, Generative Conversations, and Collaborative Advisory: the Future of Travel and Tourism Recommender Systems
• Title（参考訳）: 行動マイニング, 生成的会話, 協力的助言:旅行・観光レコメンダシステムの将来
• Abstract要約: 旅行・観光推薦システム(TTRS)は、旅行者が目的地、フライト、宿泊施設を選択し、それらを旅程に組み込むのに役立つ。 この持続的な作業にもかかわらず、TTRSはまだ普及していない。 TTRSの訓練と検証に使用される時代遅れのデータセット,新規性やコンテキスト関連性といった領域固有の次元よりも予測精度を優先するアルゴリズム,旅行者の特定のニーズに対処できないアルゴリズム,という3つの制限が説明できる,と我々は主張する。
• 参考スコア（独自算出の注目度）: 41.689414503211225
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Since the early adoption of e-commerce, travel and tourism has been a lab for the design of recommender systems: tools that help travelers choose destinations, flights, accommodations, and combine them into itineraries. Data-driven recommendation techniques, ranging from case-based reasoning to reinforcement learning, have been adapted to travelers' needs. The research community has produced multifaceted prototypes of travel and tourism recommender systems (TTRSs), which are context-dependent, multistakeholder-oriented, and more recently, addressing sustainability issues, such as overtourism. Despite this enduring work, TTRSs are not widespread yet. We argue that three limitations can explain this: outdated and sparse data sets used to train and validate TTRSs, algorithms that prioritize prediction accuracy over domain-specific dimensions such as novelty and contextual relevance, and a failure to address the specific needs of travelers. Targeted incremental research could address these limitations, but a disruptive factor has meanwhile entered the ecosystem of tourism information and commercialization platforms: generative artificial intelligence. According to market research, GenAI applications are becoming the primary entry point for travelers planning their trips. This forces research to rethink how TTRSs should be designed and which core techniques should be integrated. We claim that future TTRSs, in addition to offering personalized information filtering, should become more flexible advisors that support decision making, integrating multiple data types and AI techniques, from data mining to natural language processing. Moreover, they must transparently balance the conflicting goals of travelers, service suppliers, platform owners, and local communities. We then outline research targets for building more effective TTRSs, fruitfully combining old and new recommendation techniques.
• Abstract（参考訳）: 電子商取引の早期導入以来、旅行と観光は、旅行者が目的地、フライト、宿泊施設を選択し、それらを旅程に組み込むのに役立つツールであるレコメンデーションシステムの設計のための実験室となっている。 データ駆動型レコメンデーション技術は,ケースベース推論から強化学習まで,旅行者のニーズに適応している。 旅行・観光推薦システム(TTRS)の多面的プロトタイプは, 文脈に依存し, マルチステークホルダー指向であり, 最近ではオーバーツーリズムなどの持続可能性問題に対処している。 この持続的な作業にもかかわらず、TTRSはまだ普及していない。 TTRSの訓練と検証に使用される時代遅れのデータセット,新規性やコンテキスト関連性といった領域固有の次元よりも予測精度を優先するアルゴリズム,旅行者の特定のニーズに対処できないアルゴリズム,という3つの制限が説明できる,と我々は主張する。 対象とするインクリメンタルな研究はこれらの制限に対処する可能性があるが、一方で観光情報や商業化プラットフォームのエコシステムに破壊的な要素が入り込んでいる。 市場調査によると、GenAIのアプリケーションは旅行を計画する旅行者にとって主要な入り口になりつつある。 これにより、TTRSをどのように設計し、どのコア技術を統合するべきかを再考せざるを得ない。 将来のTTRSは、パーソナライズされた情報フィルタリングを提供するだけでなく、データマイニングから自然言語処理まで、複数のデータタイプとAI技術を統合する、意思決定をサポートする柔軟なアドバイザになるべきだ、と私たちは主張しています。 さらに、旅行者、サービスサプライヤー、プラットフォームオーナー、地域コミュニティの相反する目標を透過的にバランスさせなければならない。 次に、より効果的なTTRSを構築するための研究目標について概説する。

関連論文リスト

• TRIPPULSE: Multi-Agent Travel Planning with Review-Grounded Reasoning [8.15237621583531]
  レビューグラウンドトラベルプランニングのためのマルチエージェントフレームワークであるTRIPPULSEを提案する。 我々は,100K以上の実世界レビューでTRIPCRAFTを増強し,人間中心の旅行体験との整合性を評価するためのLCM-as-a-Judge尺度であるReview-Grounded Per-Sona Alignment (RGPA)を導入した。
  論文  参考訳（メタデータ） (2026-08-31T15:02:37Z)
• TP-RAG: Benchmarking Retrieval-Augmented Large Language Model Agents for Spatiotemporal-Aware Travel Planning [39.934634038758404]
  本稿では,検索用時間RAG対応旅行計画の最初のベンチマークであるTP-RAGを紹介する。 我々のデータセットには、2,348の現実世界の旅行クエリ、85,575の微粒なPOI、18,784の注釈付きPOIが含まれている。
  論文  参考訳（メタデータ） (2025-04-11T17:02:40Z)
• Generative AI in Transportation Planning: A Survey [41.38132349994159]
  我々は、交通計画においてGenAIを活用するための最初の包括的枠組みを提示する。 交通計画の観点から, 記述的, 予測的, 生成的, シミュレーション, 説明可能なタスクの自動化におけるGenAIの役割を検討する。 データ不足、説明可能性、バイアス軽減、ドメイン固有の評価フレームワークの開発など、重要な課題に対処する。
  論文  参考訳（メタデータ） (2025-03-10T10:33:31Z)
• ChinaTravel: An Open-Ended Benchmark for Language Agents in Chinese Travel Planning [38.44879526364259]
  emph ChinaTravelは、中国旅行の真の要件に基づいた初のオープンエンドベンチマークです。 本研究では,拡張性評価,実現可能性,制約満足度,嗜好比較を網羅する,構成的に一般化可能なドメイン固有言語を設計する。 経験的研究により、旅行計画における神経象徴的エージェントの可能性を明らかにし、人間のクエリに対する37.0%の制約満足度を達成する。
  論文  参考訳（メタデータ） (2024-12-18T10:10:12Z)
• RAG-Optimized Tibetan Tourism LLMs: Enhancing Accuracy and Personalization [30.193180894907663]
  既存の大規模言語モデル(LLM)は、パーソナライズされたレコメンデーション機能と、時に幻覚を引き起こす可能性のあるコンテンツの生成において、課題に直面している。 本研究では,検索強化世代(RAG)技術に基づくチベット観光LLMの最適化手法を提案する。
  論文  参考訳（メタデータ） (2024-08-21T21:34:01Z)
• Research on Tibetan Tourism Viewpoints information generation system based on LLM [26.88700599751214]
  本研究は,チベット観光観光地における情報格差の影響について考察する。 LLM(Large Language Model)評価基準の確立という課題に対処する。 これは、教師付き微調整技術を採用した革新的なアプローチであるDualGen Bridge AIシステムを導入している。
  論文  参考訳（メタデータ） (2024-07-18T14:31:53Z)
• Towards a Consensual Definition for Smart Tourism and Smart Tourism Tools [49.70364068620608]
  この章は、ヨーロッパにおけるSTTの総合的な展望を提供するオンライン天文台を建設するための、進行中のイニシアチブの一部である。 我々は,世界中のST専門家を招待して,このような音質レベルを達成するための参加的アプローチの結果を提示する。
  論文  参考訳（メタデータ） (2024-02-16T17:03:04Z)
• Wireless Crowd Detection for Smart Overtourism Mitigation [50.031356998422815]
  この章では、モバイルデバイスのワイヤレスアクティビティに基づいたオーバツーリズムを監視するための、低コストなアプローチについて説明する。 群集センサは、無線技術のトレース要素を検出することで、周囲のモバイルデバイスの数をカウントする。 いくつかの技術で検出プログラムを実行し、指紋解析の結果は匿名データベースにのみローカルに保存される。
  論文  参考訳（メタデータ） (2024-02-14T13:20:24Z)

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。