intTypePromotion=1
zunia.vn Tuyển sinh 2024 dành cho Gen-Z zunia.vn zunia.vn
ADSENSE

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

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:
Lưu

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

  1. 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
  2. Hà Nội ­ Năm 2016
  3. 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
  4. Hà Nội ­ Năm 2016
  5. 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
  6. CỘNG HÒA XàHỘI 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
  7. Nguyễn Thị Hiền Nguyễn Đình Giới  CHỦ TỊCH HOẶC THƯ KÝ HỘI ĐỒNG
  8. 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 
  9. 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...............................................................................................
  10. 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.
  11. BẢNG DANH MỤC CHỮ VIẾT TẮT Ký hiệu Thuật ngữ CBR Case –Based Reasoning
  12. 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
  13. 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. 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. 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. 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. 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. 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. 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. 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 
ADSENSE

CÓ THỂ BẠN MUỐN DOWNLOAD

 

Đồng bộ tài khoản
2=>2