Hotel Context-Aware Recommender System

Abstract

Due to the emergence of big data and their importance in a wide range of industries such as online shopping and entertainment, recommendation systems are one of the most widely studied domains in the field of artificial intelligence. Many approaches, such as collaborative filtering (CF), content-based filtering (CBF), and hybrid techniques, have been proposed to build robust recommendation systems that match users' interests. Several proposed approaches treat user— system interaction as a static process, which degrades user experience over time. In this thesis, we proposed a recommender system model based on a machine learning algorithm to suggest appropriate hotels to a target user. The proposed model extracts the user's contextual information and generates the top 5 recommended items. The experiment demonstrates the effectiveness of our system as well as the significant improvement through capturing user's behaviors and context to provide adapted recommendations to user preferences. Grâce à l'émergence du Bigdata et son importance dans plusieurs domaines d’application, tels que les achats en ligne et le divertissement, les systèmes de recommandation sont devenu l'un des domaines les plus étudiés en intelligence artificielle. De nombreuses approches, telles que le filtrage collaboratif (CF), le filtrage basé sur le contenu (CBF) et les techniques hybrides, ont été proposées pour construire des systèmes de recommandation robustes correspondant aux intérêts et aux préférences des utilisateurs. Plusieurs approches proposées traitent l'interaction utilisateur-système comme un processus statique, ce qui dégrade l'expérience utilisateur au fil du temps. Dans ce mémoire, nous avons proposé un modèle de système de recommandation basé sur un algorithme d'apprentissage automatique pour suggérer des hôtels appropriés à l’utilisateur cible. Le modèle proposé extrait les informations contextuelles de l'utilisateur et génère les 5 meilleurs items. Les résultats expérimentaux montrent l'efficacité de notre système ainsi que son amélioration significative en capturant le comportement et le contexte de l'utilisateur pour fournir des recommandations adaptées à ses préférences. نظرًا لظهور البيانات الضخمة وأهميتها في مجموعة واسعة من الصناعات مثل التسوق عبر الإنترنت والترفيه، تُعد أنظمة التوصية واحدة من المجالات الأكثر دراسة في مجال الذكاء الاصطناعي. تم اقتراح العديد من الأساليب، مثل الترشيح التعاوني (CF) والترشيح المعتمد على المحتوى (CBF) والتقنيات الهجينة، لبناء أنظمة توصية قوية تتناسب مع اهتمامات المستخدمين. تتعامل بعض الأساليب المقترحة مع التفاعل بين المستخدم والنظام كعملية ثابتة، مما يقلل من تجربة المستخدم مع مرور الوقت. في هذه الرسالة، اقترحنا نموذج نظام توصية يعتمد على خوارزمية تعلم آلي لاقتراح الفنادق المناسبة للمستخدم المستهدف. يقوم النموذج المقترح باستخراج المعلومات السياقية للمستخدم ويولد أفضل 5 عناصر موصى بها. توضح التجارب فعالية نظامنا بالإضافة إلى التحسن الكبير من خلال التقاط سلوكيات المستخدم وسياقه لتقديم توصيات مخصصة لتفضيلات المستخدم.