Please enable JavaScript.
Coggle requires JavaScript to display documents.
Travel Recommender Systems - Coggle Diagram
Travel Recommender Systems
POI Recommendation
Effective Knowledge Based Recommender System for Tailored Multiple Point of Interest Recommendation
Recommending POIs based on user's current location
Personalizing Packages and Tour Planning
An Enhanced Travel Package Recommendation System based on Location Dependent Social Data
Reddy, 2015
Link
O trabalho descreve um sistema complexo e matemático de personalização de pacotes de viagens. O interessante aqui é a forma determinística de modelar o problema. O
profiling
de usuários é feito baseando-se nas categorias de POIs que ele visita, em qual ordem, e em quais períodos do dia. Os scores para similaridades de usuários e relevância de POIs são funções do período, categoria, e afinidade do usuário.
Data: UMN/Sarwat Foursquare dataset
A Cocktail Approach for Travel Package Recommendation
Liu, 2014
Link
Personalized Travel Package With Multi-Point-of-Interest Recommendation Based on Crowdsourced User Footprints
Link
A hybrid context-aware approach for e-tourism package recommendation based on asymmetric similarity measurement and sequential pattern mining
Flickr (geo-tagged pictures) Dataset
YFCC100M
Link
MULTITOUR: A multiple itinerary tourists recommendation engine
Link
Personalized Tourist Package Recommendation using Graph Based Approach
Jie Pang (Dataset)
Link
Link
Tour recommendation and trip planning using location-based social media: a survey
On planning sightseeing tours with TRIPBUILDER
Personalized trip recommendation for tourists based on user interests, points of interest visit durations and visit recency
Recommending Tours and Places-of-Interest based on User Interests from Geo-tagged Photos
A system for mining interesting tourist locations and travel sequences from public geo-tagged photos
Aurigo: An Interactive Tour Planner for Personalized Itineraries
Session-Based
Neural Attentive Session-based Recommendation
Link
Este recomendador faz uso de mecanismos de atenção para modelar as "preferências" do usuário. Um
encoder
equipado com GRUs analisa a sequência da seção, enquanto outro
encoder
, também com GRUs, usa uma camada de atenção ao longo dos itens interagidos previamente para modelar o objetivo atual do usuário. Ambos os
encodings
são concatenados para a o
scoring
final de itens.
Evaluation of session-based recommendation algorithms
Link
Session-Based Recommendation with Graph Neural Networks
Link
Boosting algorithms for a session-based, context- ware recommender system in an online travel domain
Link
RecSys Challenge 2019: Session-based Hotel Recommendations
Link
Trivago Dataset
Session-Based Social Recommendation via Dynamic Graph Attention Networks
Link
A recommendation engine for travel products based on topic sequential patterns
Link
A multi-task learning approach for improving travel recommendation with keywords generation
Link
Um sistema de recomendação de produtos de viagem que também gera keywords para produtos alvo. O sistema de geração de keywords é usado para ajudar no processo de recomendação como mais uma tarefa para o modelo. Ele também é usado para se obter resultados explicativos, uma vez que a informação de "o que o usuário estava buscando?" pode ser ofuscada em sistemas de recomendação tradicionais.
Multi-Aspect Aware Session-Based Recommendation for Intelligent Transportation Services
Link