Luận văn Thạc sĩ: Nghiên cứu, xây dựng hệ thống lập kế hoạch du lịch dựa trên hệ gợi ý

Chia sẻ: Ngyuen Dinh Gioi Gioi | Ngày: | Loại File: DOCX | Số trang:88

Thêm vào BST

Báo xấu

120
lượt xem 16
download

Download Vui lòng tải xuống để xem tài liệu đầy đủ

Mục tiêu của đề tài nhằm: Tìm hiểu kỹ thuật kỹ thuật xây dựng hệ gợi ý, xây dựng cổng thông tin du lịch và tích hợp kỹ thuật gợi ý vào cổng thông tin du lịch. Để biết rõ hơn về nội dung chi tiết, mời các bạn cùng tham khảo.

Chủ đề:

Bình luận(0) Đăng nhập để gửi bình luận!

Lưu

Nội dung Text: Luận văn Thạc sĩ: Nghiên cứu, xây dựng hệ thống lập kế hoạch du lịch dựa trên hệ gợi ý

BỘ GIÁO DỤC VÀ ĐÀO TẠO BỘ QUỐC PHÒNG HỌC VIỆN KỸ THUẬT QUÂN SỰ NGUYỄN ĐÌNH GIỚI NGHIÊN CỨU, XÂY DỰNG HỆ THỐNG LẬP KẾ HOẠCH DU LỊCH DỰA TRÊN HỆ GỢI Ý LUẬN VĂN THẠC SĨ Chuyên ngành: Khoa học máy tính
Hà Nội Năm 2016
BỘ GIÁO DỤC VÀ ĐÀO TẠO BỘ QUỐC PHÒNG HỌC VIỆN KỸ THUẬT QUÂN SỰ NGUYỄN ĐÌNH GIỚI NGHIÊN CỨU, XÂY DỰNG HỆ THỐNG LẬP KẾ HOẠCH DU LỊCH DỰA TRÊN HỆ GỢI Ý Chuyên ngành: Khoa học máy tính Mã số: 60480101 CÁN BỘ HƯỚNG DẪN KHOA HỌC Cán bộ hướng dẫn chính: TS. Nguyễn Thị Hiền
Hà Nội Năm 2016
CÔNG TRÌNH ĐƯỢC HOÀN THÀNH TẠI HỌC VIỆN KỸ THUẬT QUÂN SỰ Cán bộ chấm phản biện 1: Cán bộ chấm phản biện 2: Luận văn thạc sĩ được bảo vệ tại: HỘI ĐỒNG CHẤM LUẬN VĂN THẠC SĨ HỌC VIỆN KỸ THUẬT QUÂN SỰ Ngày…tháng…năm 2016
CỘNG HÒA XÃ HỘI CHỦ NGHĨA VIỆT NAM Độc lập – Tự do – Hạnh phúc BẢN XÁC NHẬN CHỈNH SỬA LUẬN VĂN THẠC SĨ Họ và tên tác giả luận văn: Nguyễn Đình Giới Đề tài luận văn: Nghiên cứu, xây dựng hệ thống lập kế hoạch du lịch dựa trên hệ gợi ý Chuyên ngành: Khoa học máy tính Mã số: 60480101 Cán bộ hướng dẫn: TS. Nguyễn Thị Hiền Tác giả, cán bộ hướng dẫn khoa học và Hội đồng chấm luận văn xác nhận tác giả đã sửa chữa, bổ sung luận văn theo biên bản họp Hội đồng ngày ..............................................với các nội dung như sau: Ngày ..... tháng .... năm 2016 Cán bộ hướng dẫn Tác giả luận văn
Nguyễn Thị Hiền Nguyễn Đình Giới CHỦ TỊCH HOẶC THƯ KÝ HỘI ĐỒNG
Tôi xin cam đoan: Những kết quả nghiên cứu được trình bày trong luận văn là hoàn toàn trung thực, của tôi, không vi phạm bất cứ điều gì trong luật sở hữu trí tuệ và pháp luật Việt Nam. Nếu sai, tôi hoàn toàn chịu trách nhiệm trước pháp luật. TÁC GIẢ LUẬN VĂN Nguyễn Đình Giới
MỤC LỤC Trang Trang phụ bìa:..................................................................................................... Bản xác nhận chỉnh sửa luận văn:....................................................................... Bản cam đoan: .................................................................................................... Mục lục:............................................................................................................... Tóm tắt luận văn:................................................................................................. Danh mục chữ viết tắt ........................................................................................ Danh mục bảng biểu............................................................................................ Danh mục hình vẽ...............................................................................................
TÓM TẮT LUẬN VĂN + Họ và tên học viên: Nguyễn Đình Giới + Chuyên ngành: Khoa học máy tính Khoá: 2014 2016 + Cán bộ hướng dẫn: TS. Nguyễn Thị Hiền + Tên đề tài: Nghiên cứu, xây dựng hệ thống lập kế hoạch du lịch dựa trên hệ gợi ý. + Tóm tắt: Nghiên cứu giải thuật CBR để áp dụng vào cổng thông tin du lịch nhằm gợi ý cho người dùng những tour du lịch hợp lý nhất. Kết quả gợi ý được đưa ra khá tốt.
BẢNG DANH MỤC CHỮ VIẾT TẮT Ký hiệu Thuật ngữ CBR Case –Based Reasoning
DANH MỤC BẢNG BIỂU ̉ Bang 1. Bảng dữ liệu Khách sạn ̉ 2. Bảng dữ liệu thắng cảnh Bang ̉ Bang 3. Bảng dữ liệu đặc điểm, loại hình du lịch ̉ Bang 4. Bảng dữ liệu các thành phố ̉ Bang 5. Bảng dữ liệu các điểm đến ̉ Bang 6. Bảng dữ liệu sự kiện, lễ hội ̉ Bang 7. Bảng dữ liệu cơ sở vật chất ̉ Bang 8. Bảng dữ liệu giá phòng các khách sạn ̉ Bang 9. Bảng dữ liệu các loại sản phẩm ̉ Bang 10. Bảng dữ liệu các khu vực ̉ Bang 11. Bảng dữ liệu các loại phòng ̉ Bang 12. Bảng dữ liệu các dịch vụ của khách sạn ̉ Bang 1 3. Bảng dữ liệu case base ̉ Bang 14. Bảng dữ liệu điểm số các thành phần của case ̉ Bang 15. L ớp SimilityObject ̉ Bang 16. L ớp BaseConstraint ̉ Bang 17. L ớp Location ̉ Bang 18. L ớp Accommodation ̉ Bang 19. L ớp TravelInformation ̉ Bang 20. L ớp Case ̉ Bang 21. L ớp CBRConfig ̉ Bang 22. L ớp DBAdapter ̉ Bang 23. L ớp CBR
DANH MỤC HÌNH VẼ Hinh 1.1. ̀ Minh họa về Collaborative filtering Hinh 1.2. Qui trình gi ̀ ải thuật CBR Hinh ̀ 2.1. Mô hình logic CBR ̀ 2.2. Minh họa một case Hinh ̀ 2.3. Sắp xếp danh mục sản phẩm Hinh Hình 2.4. Sắp xếp điểm đến Hình 2.5. Quá trình tìm kiếm tình huống tour tương tự ̀ 2.6. Qui trình gợi ý các thành phần tour Hinh Hinh ̀ 3.1. Classes Diagram ̀ 3.2. Qui trình làm việc của hệ thống Hinh ̀ 4.1. Các gợi ý ban đầu cho khách lựa chọn Hinh ̀ 4.2. Khi đã hoàn thành các gợi ý Hinh
14 MỞ ĐẦU 1. Tính cấp thiết của đề tài Việt Nam là một trong những điểm đến hấp dẫn và an toàn nhất thế giới. Trong những năm gần đây, mặc dù phải đối mặt với cuộc khủng hoảng kinh tế toàn cầu, GDP ngành Du Lịch vẫn tăng với một tốc độ đáng nể và du lịch ước tính đã đóng góp 13,1% cho tổng sản phẩm quốc dân (GDP). Ngành du lịch Việt Nam được dụ báo sẽ phát triển mạnh mẽ hơn nữa trong tương khi mà chúng ta vẫn chưa biết cách khai thác hết lợi thế vốn có "rừng vàng, biển bạc" của đất nước. Và một thực tế vẫn tồn tại, tại hầu hết những khu du lịch lối tư duy bóc ngắn cắn dài đã ăn sâu vào tiềm thức của những người làm kinh doanh dẫn đến việc thiếu tôn trọng du khách, lợi dụng thời cơ cơ hội để chặt chém lừa bịp du khách để nhanh chóng kiếm lợi nhuận trong một mùa nào đó để bù lại thời điểm ế khách trong năm. Chính những điều đó đã và đang cản trở sự phát triển của ngành du lịch nước nhà. Đứng trước vấn đề đó, tôi đã lựa chọn đề tài “Nghiên cứu, xây dựng hệ thống lập kế hoạch du lịch dựa trên hệ gợi ý” làm đề tài luận văn tốt nghiệp thạc sỹ của mình. 2. Mục tiêu của đề tài Tìm hiểu kỹ thuật kỹ thuật xây dựng hệ gợi ý Xây dựng cổng thông tin du lịch Tích hợp kỹ thuật gợi ý vào cổng thông tin du lịch 3. Đối tượng và phạm vi nghiên cứu Đối tượng nghiên cứu: Giải thuật CBR
15 Phạm vi nghiên cứu: 4. Nội dung nghiên cứu Chương 1. HỆ THỐNG GỢI Ý VÀ GIẢI THUẬT CBR 1.1. Giới thiệu hệ thống gợi ý 1.2. Giải thuật CBR CHƯƠNG 2: BÀI TOÁN GỢI Ý TOUR DU LỊCH 2.1. Mô hình lôgic và các hàm chức năng 2.2. Biểu diễn thành phần tour Chương 3. PHÂN TÍCH THIẾT KẾ HỆ THỐNG CỔNG THÔNG TIN DU LỊCH 3.1. Thiết kế cơ sở dữ liệu 3.2. Thiết kế chương trình Chương 4. XÂY DỰNG HỆ THỐNG 4.1. Xây dựng hệ thống 4.2. Kết quả thực hiện KẾT LUẬN VÀ HƯỚNG MỞ RỘNG
16 Chương 1. HỆ THỐNG GỢI Ý VÀ GIẢI THUẬT CBR 1.1. Giới thiệu hệ thống gợi ý 1.1.1. Hệ thống gợi ý Hệ thống gợi ý [1] là một hệ thống có khả năng dự đoán và đưa ra sự gợi ý cho một items tới người sử dụng. Sự gợi ý liên quan đến việc đưa ra quyết định của người dùng, chẳng hạn như chọn sản phẩm nào để mua, chọn nghe bài hát nào hay chọn địa điểm nào để đi du lịch… Thuật ngữ “Items” sử dụng để đại diện cho bất cứ một đối tượng, nội dung nào mà hệ thống gợi ý cho người dùng. Các lĩnh vực ứng dụng: Thương mại điện tử, Giáo dục, Học tập, Giải trí, Mạng xã hội… Các hệ thống điển hình: Amazon.com, Pandora Radio, Netflix…
17 1.2.2. Các phương pháp gợi ý truyền thống 1.1.2.1. Lọc cộng tác (Collaborative filtering) Đây là phương pháp được thực hiện dựa trên việc thu thập và phân tích một lượng lớn những thông tin về thói quen, hành vi hay sở thích của người dùng và từ đó dự đoán những item mà người dùng có khả năng hài lòng thông qua việc so sánh sự giống nhau của họ với những người dùng khác. Điểm mạnh chính của phương pháp lọc cộng tác (collaborative filtering) [1] đó là nó không thực sự phụ thuộc vào khả năng phân tích nội dung của máy tính và do đó, phương pháp này có khả năng gợi ý một cách chính xác những item phức tạp. Chẳng hạn như hệ thống có thể xem xét một bộ phim mà không cần “hiểu” về nội dung của bộ phim đó. Có khá nhiều thuật toán đã được sử dụng để đo lường độ tương tự giữa những người dùng hoặc giữ các item với nhau trong một hệ thống gợi ý. Điển hình như: knearest neighborhood (kNN) và Pearson Correlation.
18 Việc xây dựng một mô hình mẫu từ hồ sơ của người dùng thường được thực hiện giữa hai phương pháp thu thập dữ liệu tường mình và không tường minh. Một vài ví dụ về việc thu thập dữ liệu tường minh: Yêu cầu người dùng bầu chọn một item theo một thang điểm nào đó Yêu cầu người dùng xếp hạng một hoặc một nhóm các item mà người đó yêu thích nhất Đưa ra cho người sử dụng hai item, yêu cầu họ chọn một item tốt hơn Yêu cầu người dụng tạo ra danh mục sản phẩm yêu thích của riêng họ Một vài ví dụ về việc thu thập dữ liệu không tường minh: Theo dõi những item mà người dùng đã xem Phân tích thời gian mà người dùng xem một item Lưu giữ thông tin về những sản phẩm mà người dùng đã mua trực tuyến Thu thập danh sách những item mà người dùng đã xem trên máy tính của họ Phân tích người dùng trên mạng xã hội để biết họ thích, không thích điều gì Nhược điểm: Phụ thuộc nhiều vào lượng lớn thông tin từ phía người dùng, khó khăn với một hệ thống mới, gặp khó khăn với những item mới 1.1.2.2. Lọc dựa trên nội dung (Contentbased filtering) Lọc dựa trên nội dung (Contentbased filtering) [1] là phương pháp dựa trên những đặc điểm của chính item. Nói cách khác, thuật toán cho phương
19 pháp này cố gắng gợi ý những item có những điểm giống với những item mà người dùng đã từng quan tâm trong quá khứ. Item được đề xuất là những item được chọn ra với độ tương đồng lớn nhất bằng việc so sánh với những item đã được người dùng xếp hạng, đánh giá trước đó. Về cơ bản, phương pháp này sử dụng một hồ sơ các đặc điểm về một item ở bên trong hệ thống. Hệ thống tạo một hồ sơ của người dùng dựa trên một véctơ trọng số các thuộc tính của item. Mỗi trọng số biểu thị cho mức độ quan trọng của mỗi thuộc tính tương ứng đối với người sử dụng và có thể được tính toán từ véctơ xếp hạng nội dung bằng nhiều công nghệ khác nhau. Phương pháp tiếp cận đơn giản nhất là sử dụng giá trị trung bình từ véctơ xếp hạng item. Bên cạnh đó có một số phương thức phức tạp hơn sử dụng kỹ thuật học máy chẳng hạn như Bayesian Classifiers, Cluster Analysis, Decision Trees và Artificial Neural Networks để ước lượng xác xuất mà người dùng có khả năng thích một item nào đó. Sự phản hồi trực tiếp từ người dùng (thường là nút like, dislike) cũng có thể được sử dụng để gán thiết đặt những trọng số cho những thuộc tính nhất định (using Rocchio Classification or other similar techniques) Nhược điểm chính của lọc dựa trên nội dung đó là liệu rằng hệ thống có khả năng học những sở thích từ những hoạt động của người dùng liên quan đến một nguồn nội dung và sử dụng chúng cho những kiểu nội dung khác. Khi hệ thống bị giới hạn bởi việc gợi ý các nội dung cùng loại mà người dùng đã sử dụng, các sản phẩm gợi ý từ hệ thống có thể ít hơn nhiều so với các kiểu nội dung từ những dịch vụ khác.
20 1.2. Giải thuật CBR 1.2.1. Khái niệm CBR CBR (Case –Based Reasoning) [2, 3] có thể được coi như một hệ thức phương pháp luận hoạt động dựa trên sự tái sử dụng những kinh nghiệm, được mô hình hóa như một tình huống (case). Bên cạnh đó, CBR có thể được hiểu như một mô hình bậc cao mô hình hóa quá trình nhận thức, hay một dạng thức tính toán để giải quyết một bài toán phát sinh. Giải thuật CBR áp dụng trong hệ tư vấn được tập trung chủ yếu theo cách hiểu thứ hai. Trong đó, như Amoodt và Plaza [3] đã khẳng định, CBR được coi như một qui trình tìm lời giải cho một vấn đề, qui trình này sử dụng một nguồn tri thức cụ thể được thu thập qua những tình huống cố định đã phát sinh. Điều này đối nghịch với những phương pháp luận truyền thống chỉ dựa trên những nguồn tri thức phổ quát thuộc về một miền vấn đề nhất định. Những tri thức này được thể hiện bằng cách sử dụng một trong những ngôn ngữ biểu diễn tri thức như những qui tắc, dạng logic (firstorder logic), hay các mạng ngữ nghĩa (semantic networks),.. 1.2.2. Giải thuật CBR Để có thể áp dụng qui trình giải lập luận tình huống CBR, vấn đề căn bản đầu tiên liên quan đến việc sử dụng ngôn ngữ mô tả tình huống (case representation language) và phạm vi sử dụng của những khái niệm trong mô tả tình huống. Những khái niệm xuất hiện trong một ứng dụng CBR bao gồm nội dung tình huống, cấu trúc thích hợp mô tả một tình huống, cách thức sắp xếp các tri thức về tình huống đã diễn ra. Trong đó, nội dung tình huống phụ thuộc vào lĩnh vực mà tình huống đó diễn ra. Một tình huống có thể được biểu diễn bằng cách sử dụng véctơ đặc điểm tuyến tính (linear