Une approche de recommandation pour le tourisme dans un environnement Smart City

الموضوعات

علوم تطبيقية وتكنولوجية

الملخص

Au cours de la dernière décennie, les systèmes intelligents fournissent des services publics qui ont conduit un changement significatif du cadre de vie de la ville vers le concept de la ville intelligente. Pour cela, nous avons concentré nos recherches sur le domaine de tourisme et mobilité afin de créer une stratégie intelligente visant à proposer un système de recomman-dation avec un filtrage hybride sensible au contexte, aux localisations et aux préférences desutilisateurs. Pour construire notre système de recommandation, nous devons d’abord établir un modèle d’utilisateur qui nous permet de spécifier les caractéristiques qui seront incluses dans le système.Ces caractéristiques sont offertes par trois profils : le profil démographique, le profil de préférence et le profil de localisation. À la suite de cette modélisation, nous avons élaboré notre solution sur la base de trois facteurs qui sont : un facteur clé qui nous permet d’effectuer une analyse de sentiment de l’avis de l’utilisateur qui se présente sous forme de commentaire textuel et faire une prédiction de ce commentaire a une note, un facteur de préférences de l’utilisateur qui permet de connaître les restaurants les plus similaires et appropriés au regard de ces préférences, et enfin un facteur de localisation qui facilite une mobilité intelligente dans la ville afin de trouver les restaurants les plus proches en matière de distance. Les résultats sont ensuite fusionnés dans notre système pour améliorer les suggestions en fonction de ces trois facteurs.Lors de la phase d’expérimentation, le sous-système d’analyse des sentiments a été développé dans un environnement Colab avec deux ensembles de données, permettant laceration d’un modèle de prédiction sophistiqué avec un taux de précision de 60%, et le système de recommandation, qui est développé dans l’environnement Jupyter sur la base des trois facteurs précédents que nous avons pu découvrir un modèle utilisable pour créer de meilleures suggestions des restaurants pour l’utilisateur.

روابط وملفات

التعريف والنوع

رقم الوثيقة

0a372c52-6290-4540-ba8b-73d580704674

رقم العقد

0

نوع الوسائط

Crawler

نوع المحتوى

الرسائل العلمية

صيغة المصدر

ماستر (LMD)

نوع الملف

pdf text

أسماء الملفات

2166616_1.pdf

بيانات النشر

ألقاب المؤلفين

[{"name_ar":" Ilyes Ziaya","title_ar":"اعداد","title_en":"Preparation"},{"name_ar":"Kouahla Mohamed Nadjib ","title_ar":"اشراف","title_en":"Supervision"}]

اللغة

French

المصدر والدورية

اسم المصدر

Une approche de recommandation pour le tourisme dans un environnement Smart City

المحتوى والصفحات

عدد الصفحات

0

ترجمة الملخص

Over the last decade, intelligent systems that provide public services have been successfully applied in all areas of the city, leading to a significant shift in the city’s living environment towards the concept of the smart city. For this purpose, we focused our research on the tourism and mobility domain to create an intelligent strategy to propose a recommendation system with hybrid filtering sensitive to context, location and user preferences. To build our recommender system, we must first establish a user model that allows us to specify the features that will be included in the system. These features are offered by three profiles : the demographic profile, the preference profile and the location profile. Following this modeling, we developed our solution based on three factors : a key factor that allows us toper form a sentiment analysis of the user’s opinion in the form of a textual comment and make a prediction of this comment in the form of a score, a user preference factor that allows us to know the most similar and appropriate restaurants with respect to these preferences, and finally a location factor that facilitates intelligent mobility in the city in order to find the restaurants closest in distance. The results are then merged in our system to improve the suggestions based on these three factors. In the experimentation phase, the sentiment analysis subsystem was developed in a Colab environment with two datasets, allowing the creation of a sophisticated prediction model with an accuracy rate of 60%, and the recommendation system, which is developed in the Jupyter environment based on the previous three factors we were able to discover a usable model to create better suggestions for the user.

كلمات الباحثين

ville intelligente, tourisme, mobilité, contexte, localisations, préférences, analyse de sentiment.

إشراف وإعداد

الإشراف

Kouahla Mohamed Nadjib

الإعداد

Ilyes Ziaya

الاقتباسات الببليوغرافية