Інформаційна технологія вибору маршрутів з використанням методів машинного навчання

DOI: 10.31673/2412-4338.2022.024452

Анотація

Інформаційні технології проникають у всі сфери життя людини та діяльності фірм. Не оминула їх вплив і сфера туризму. Туризм – це діяльність у дозвіллі, що включає складні процеси прийняття рішень, саме тому актуальним є розробка рекомендаційних систем, які допоможуть полегшити ці процеси. Саме для цього в роботі була створена методика вибору туристичних маршрутів з використанням методів машинного навчання. В процесі дослідження проаналізована сфера туризму, встановлено особливості рекомендаційних систем. Описані рівні запропонованої методики, вказавши особливості бекенду та фронтенду. Характерною особливістю запропонованої методики є використання в моделі оптимального вибору класифікаторів машинного навчання, таких як дерева рішень, метод опорних векторів та багатошаровий персептрон. Саме така комбінація методів дозволить обрати найкращий маршрут із запропонованих. Вони використовуються для розрізнення конкретних пунктів призначення в кожному наборі даних. Щоб зробити комплексну модель придатною для використання та інтерпретувати її результати для туриста, моделі дерева рішень перетворюються на правила прийняття рішень, а потім інформація передається до модуля керування інтерфейсом користувача.

З метою отримання якісно прогнозу детально розглянуто методи машинного навчання, визначено їх особливості. Встановлено, що ефективність класифікації можна покращити за допомогою комбінації класифікаторів і методів, таких як дерева рішень, метод опорних векторів та багатошаровий персептрон. Саме така комбінація алгоритмів дозволить спрогнозувати оптимальний туристичний маршрут. Були розглянуті як технічні, так і практичні аспекти, включаючи розрідженість даних, масштабованість, прозорість, точність системи, зручність використання та прийнятність користувачами, що дозволило оцінити ефективність запропонованої методики.

Ключові слова: інформаційна технологія, туризм, машинне навчання, рекомендаційні системи,  дерево рішень, метод опорних векторів, багатошаровий персептрон.

Список використаних джерел

1. Christopher M Bishop. Pattern recognition. Machine Learning, 2006, 128 p.
2. Ethem Alpaydin. Introduction To Machine Learning, 2009, 584 p.
3. Garcia I., Sebastia L., Onaindia E. On the design of individual and group recommender systems for tourism. Expert Systems with Applications 38 - 2011. 7683–7692. https://doi.org/10.1016/j.eswa.2010.12.143
4. Gavalas D., Kenteris M., Konstantopoulos C., Pantziou G. Web application for recommending personalised mobile tourist routes. IET Software 6 - 2012. 313–322. https://doi.org/10.1049/iet-sen.2011.0156
5. Isinkaye F.O., Folajimi Y.O., Ojokoh B.A. Recommendation systems: Principles, methods and evaluation. Egyptian Informatics Journal 16 -2015. 261–273. https://doi.org/10.1016/j.eij.2015.06.005
6. Kantamneni A., Brown L.E., Parker G., Weaver W.W. Survey of multi-agent systems for microgrid control. Engineering Applications of Artificial Intelligence 45 - 2015. 192–203. https://doi.org/10.1016/j.engappai.2015.07.005
7. Saleh E., Błaszczyński J., Moreno A., Valls A., Romero-Aroca P., de la Riva-Fernández S., Słowiński R. Learning ensemble classifiers for diabetic retinopathy assessment. Artificial Intelligence in Medicine - 2017. https://doi.org/10.1016/j.artmed.2017.09.006
8. Tom M. Mitchell. Machine Learning [http://www.cs.cmu.edu/~tom/mlbook.html]
9. Yeh, D.-Y., Cheng, C.-H. Recommendation system for popular tourist attractions in Taiwan using Delphi panel and repertory grid techniques. Tourism Management 46 - 2015. 164–176. https://doi.org/10.1016/j.tourman.2014.07.002