دانلود مقاله ISI انگلیسی شماره 65642
ترجمه فارسی عنوان مقاله

سیستم توصیه برای جاذبه های گردشگری محبوب در تایوان با استفاده از پانل دلفی و تکنیک های شبکه مجتمع

عنوان انگلیسی
Recommendation system for popular tourist attractions in Taiwan using Delphi panel and repertory grid techniques
کد مقاله سال انتشار تعداد صفحات مقاله انگلیسی
65642 2015 13 صفحه PDF
منبع

Publisher : Elsevier - Science Direct (الزویر - ساینس دایرکت)

Journal : Tourism Management, Volume 46, February 2015, Pages 164–176

ترجمه کلمات کلیدی
دانش گردشگری، ترجیح کاربر، ایجاد می کند، روش شباهت، شروع سرد کمبود داده
کلمات کلیدی انگلیسی
Tourist knowledge; User preference; Constructs elicitation; Similarity method; Cold start; Data sparsity
ترجمه چکیده
مشکلات موجود در سیستم های آنلاین در حال حاضر در دسترس برای گردشگران وجود دارد در حالی که آنها اغلب از طبیعت به طور کلی ارائه خدمات شخصی نیست. برای غلبه بر این، در زمینه برجسته 100 جاذبه تایوانی، یک سیستم پیشنهاد شده است که شامل: (الف) یک مکانیزم تحریک ساخت با استفاده از روش پانل دلفی؛ (ب) مکانیسم ساخت ماتریس با استفاده از شبکه های مجزا، دانش تخصصی و اولویت کاربر؛ و (ج) مکانیسم توصیه با استفاده از دو روش شباهت برای ارائه توصیه ها. در نتیجه، مطالعه انجام شد و یافته های اصلی عبارتند از: (1) متوسط ​​سطح دقت در تطابق جاذبه های با ترجیحات 4/4 ± 4/79٪، بیش از سطوح که قبلا گزارش شده بود، و به همین دلیل است که نتیجه مورد انتظار ترکیب روش دلفی پانل و تکنیک شبکه مجدد به دست آمد و (2) پس از کاهش تعداد ساختارها، کاهش داده ها در اندازه گیری داده ها و ابعاد نیز مشاهده شد.

چکیده انگلیسی

Problems exist in current on-line information systems available to tourists in that they are often of a general nature not offering a personalized service. To overcome this, in the context of the leading 100 Taiwanese attractions, a system is proposed comprising: (a) a construct elicitation mechanism using the Delphi panel method; (b) a matrix construction mechanism using the repertory grids, expert knowledge, and user preference; and (c) a recommendation mechanism using two similarity methods to provide recommendations. A study was consequently undertaken, and the main findings included: (1) the mean levels of precision in matching attractions with preferences were 60.4–79.3%, exceeding levels previously reported and so suggesting that the expected outcome of combining the Delphi panel method and repertory grid technique was achieved and (2) after decreasing the number of constructs, reductions in data-sparsity effect and dimensionality were also observed.