In our system travel packages are p

In our system travel packages are personalized to a user group by considering their common interests, social connections among them along with their individual interests, constraints. Recommendations made precise by considering multiple metrics which varies in degree of personalization and time period of evaluation. We built a prototype system and evaluated results based on data obtained from foursquare site. Experimental results prove system recommends effectively in single user scenario and also adapted well to user group scenario.

Location Based Social Networking Sites like Foursquare, Trip Advisor, Time city are going into mainstream and becoming common with the increasing popularity of GPS enabled mobile devices. A user not only gets location information from LBSNs but also expresses opinion by doing a check-in, like, writes a comment, review, uploads related photos and also follows known, similar users etc. User check-ins, likes, whom following gives the better chance for personalization.

A travel package contains POIs of various categories (e.g., food, attractions, and entertainment), but also the visiting sequence of the selected POIs. These POIs can belong to multiple categories and their attraction may vary with time.

In this paper we focus mainly on recommending travel packages to a user group exploring a particular region, where existing systems lacking. It shows similar personalization, if not better, on single user case also. It can be expanded to long distance travel scenarios by considering whole travel as connecting a series of travel regions. Our system works well even when data availability about a region is less due to variety of metrics used.

In our system we first construct a user profile and location model from the location based social data and find regular sequences among locations. User group and tour details are taken as input from the user. We then find nearby POIs in region and find their likeness by using user interests. Overall group preferences are obtained by giving equal weight to all users but due to considering social connections gives more priority to popular ones opinion .Variety of used metrics provides importance to even less popular but strong user opinions. Popular POIs of each time period are short listed and all possible routes among them which not contradicting with regular sequences are considered. Each route is evaluated by finding transition probability from one location to another and ranked accordingly. Finally top ranked packages are recommended to the user.

ผลลัพธ์ (ไทย) 1:

ในระบบ แพคเกจจะปรับเปลี่ยนกลุ่มผู้ใช้ โดยพิจารณาผลประโยชน์ร่วมกัน การเชื่อมต่อสังคมในหมู่พวกเขาพร้อมกับความสนใจแต่ละของพวกเขา ข้อจำกัดการ คำแนะนำที่ทำได้อย่างแม่นยำ โดยพิจารณาวัดหลายที่แตกต่างในระดับของการตั้งค่าส่วนบุคคลและระยะเวลาของการประเมินผล เราสร้างระบบต้นแบบ และประเมินผลจากข้อมูลที่ได้รับจากไซต์ foursquare ผลการทดลองพิสูจน์แนะนำระบบในสถานการณ์สมมติผู้ใช้คนเดียวได้อย่างมีประสิทธิภาพ และยัง ดัดแปลงให้สถานการณ์ของกลุ่มผู้ใช้ตั้งตามเครือข่ายสังคมออนไลน์เช่น Foursquare ทริป เวลาจะไปเป็นหลัก และกลายเป็นการทั่วไปกับการเพิ่มความนิยมของ GPS เปิดใช้งานอุปกรณ์มือถือ ผู้ไม่เพียงได้รับข้อมูลตำแหน่งจาก LBSNs แต่ยัง แสดงความเห็น โดยทำการเช็คอิน เช่น เขียนความคิดเห็น ทบทวน อัปโหลดรูปภาพที่เกี่ยวข้อง และยัง ไปรู้จัก คล้ายผู้ใช้ฯลฯ ผู้เช็คอิน ชอบ ซึ่งต่อไปนี้ช่วยให้โอกาสดีสำหรับการตั้งค่าส่วนบุคคลแพคเกจท่องเที่ยวประกอบด้วยจุดที่น่าสนใจของบริษัทต่าง ๆ (เช่น อาหาร สถานที่ท่องเที่ยว และความบันเทิง), แต่ยังลำดับการเยี่ยมชมของจุดที่น่าสนใจที่เลือก จุดที่น่าสนใจเหล่านี้สามารถเป็นสมาชิกของหลายประเภท และสถานที่ของพวกเขาอาจแตกต่างกับเวลาในเอกสารนี้ เราเน้นส่วนใหญ่แนะนำแพ็คเกจการเดินทางไปสำรวจขอบเขต กลุ่มผู้ใช้ที่มีอยู่ระบบขาด มันแสดงส่วนบุคคลคล้ายกัน ถ้า ไม่ดีขึ้น ผู้ใช้เดียวกรณียัง มันสามารถขยายเพื่อสถานการณ์เดินทางไกล โดยพิจารณาการท่องเที่ยวทั้งหมดเป็นการเชื่อมต่อของภูมิภาคท่องเที่ยว งานระบบของเราดีแม้ว่าข้อมูลเกี่ยวกับภูมิภาคที่มีน้อยลงเนื่องจากความหลากหลายของตัวชี้วัดที่ใช้ในระบบของเราที่เราสร้างครั้งแรก ผู้ใช้โพรไฟล์และตำแหน่งแบบจากตำแหน่งคะแนนสังคมข้อมูล และค้นหาลำดับปกติระหว่างสถาน รายละเอียดทัวร์และกลุ่มผู้ใช้นำมาเป็นอินพุตจากผู้ใช้ เราสามารถค้นหาจุดที่น่าสนใจในภูมิภาค แล้วค้นหาอุปมาของพวกเขา โดยใช้ความสนใจของผู้ใช้ โดยรวม การตั้งค่ากลุ่มจะได้รับ โดยให้น้ำหนักเท่ากับผู้ใช้ทั้งหมด แต่เนื่อง จากการพิจารณาการเชื่อมต่อสังคมให้ความสำคัญเพิ่มเติมนิยมคนมีความเห็น ใช้การวัดที่หลากหลายให้ความสำคัญเป็นที่นิยมแม้แต่น้อยแต่ความเห็นของผู้ใช้ที่แข็งแกร่ง จุดที่น่าสนใจเป็นที่นิยมของแต่ละช่วงเวลาจะสั้นอยู่ และไปได้ทุกเส้นทางในหมู่พวกเขาที่ไม่ทะลึ่ง มีลำดับปกติถือว่าเป็น แต่ละเส้นทางจะถูกประเมิน โดยการหาความน่าเป็นการเปลี่ยนแปลงจากสถานที่หนึ่งไปยังอีก และจัดอันดับตามลำดับ ในที่สุด แพคเกจอันดับสูงสุดขอแนะนำให้ผู้ใช้

ผลลัพธ์ (ไทย) 3:

ในแพคเกจการเดินทางระบบของเราเป็นส่วนบุคคลให้กับกลุ่มผู้ใช้ โดยคำนึงถึงผลประโยชน์ร่วมกันความสัมพันธ์ทางสังคมในหมู่พวกเขาตามความสนใจ แต่ละข้อจํากัด ข้อเสนอแนะที่ชัดเจน โดยพิจารณาจากตัวชี้วัดหลาย ๆซึ่งแตกต่างกันในระดับของบุคคล และระยะเวลาการประเมินผล เราสร้างระบบต้นแบบ และประเมินผลตามข้อมูลจาก Foursquare เว็บไซต์ ผลพิสูจน์ระบบแนะนำอย่างมีประสิทธิภาพในสถานการณ์เดียวที่ผู้ใช้และยังปรับตัวกับสถานการณ์ในกลุ่มผู้ใช้สถานที่ตามเว็บไซต์เครือข่ายสังคมเช่น Foursquare , ที่ปรึกษาการเดินทาง เวลาจะเข้าไปในเมือง และที่สำคัญเป็นบ่อยกับความนิยมที่เพิ่มขึ้นของจีพีเอสที่เปิดใช้งานโทรศัพท์มือถือ ผู้ใช้ไม่เพียง แต่ได้รับข้อมูลจากสถานที่ lbsns แต่ยังแสดงความเห็นโดยทำเช็คอิน , เหมือน , เขียนความคิดเห็น , ความคิดเห็น , อัพโหลดภาพถ่ายที่เกี่ยวข้อง และยังตามกัน คล้ายกับผู้ใช้ ฯลฯ ผู้ใช้ตรวจสอบ ins , ชอบ ซึ่งต่อไปนี้ให้มีโอกาสที่ดีสำหรับการตั้งค่าส่วนบุคคลแพคเกจท่องเที่ยวประกอบด้วยนำทางประเภทต่าง ๆ ( เช่น อาหาร แหล่งท่องเที่ยว และความบันเทิง แต่ยังชมลำดับนำทางเลือก เหล่านี้นำทางสามารถเป็นของหลายประเภทและสถานที่น่าสนใจของพวกเขาอาจแตกต่างกันไปตามกาลเวลาในกระดาษนี้เราเน้นหลักในการแนะนำแพคเกจการเดินทางไปยังกลุ่มผู้ใช้สำรวจภูมิภาคโดยเฉพาะอย่างยิ่งที่ระบบที่มีอยู่ ขาด มันแสดงให้เห็นจำนวนมากที่คล้ายกัน ถ้าไม่ดี ในกรณีผู้ใช้คนเดียวด้วย มันสามารถขยายได้ถึงสถานการณ์ท่องเที่ยวทางไกล โดยพิจารณาทั้งการเดินทางเชื่อมต่อชุดของภาคท่องเที่ยว ระบบของเราทำงานได้ดีแม้ว่าข้อมูลความพร้อมเกี่ยวกับภูมิภาคเนื่องจากน้อยเพื่อความหลากหลายของตัวชี้วัดที่ใช้ในระบบของเราที่เราแรกสร้างโปรไฟล์ผู้ใช้และรูปแบบจากสถานที่ที่ตั้งตามข้อมูลทางสังคมและหาลำดับปกติของสถานที่ กลุ่มผู้ใช้และรายละเอียดทัวร์ถูกนำมาเป็นข้อมูลจากผู้ใช้ เราก็หาใกล้เคียงนำทางในภูมิภาค และค้นหาอุปมาของพวกเขาโดยการใช้ประโยชน์ของผู้ใช้ การตั้งค่ากลุ่มโดยรวมที่ได้จากการให้น้ำหนักเท่ากับผู้ใช้ทั้งหมด แต่เนื่องจากการพิจารณาการเชื่อมต่อทางสังคม ให้ความสำคัญกับคนที่นิยมใช้ความเห็น ความหลากหลายของตัวชี้วัดให้ความสำคัญแม้แต่น้อย นิยมแต่แข็งแกร่งความคิดเห็นผู้ใช้ นำทางยอดนิยมของแต่ละช่วงเวลาสั้น จดทะเบียน และเส้นทางที่เป็นไปได้ทั้งหมดของพวกเขาไม่ขัดแย้งกับลำดับปกติจะพิจารณา แต่ละเส้นทางจะถูกประเมินโดยการหาความน่าจะเป็นของการเปลี่ยนจากสถานที่หนึ่งไปยังอีกและจัดอันดับตาม ในที่สุดก็ติดอันดับ ชุดแนะนำให้ผู้ใช้