پياده سازي سيستم هاي توصيه گر هتل ها با استفاده از اولويت هاي كاربران در توييتر

Schematic Design of Hotel Recommendation Systems by user Precedence on Twitter

استفاده از سيستم‌هاي توصيه ­گر افزايش فروش در تجارت الكترونيك را اثبات نموده است. هدف سيستم ارائه محصولاتي به كاربر است كه متضمن علاقه ­مندي و آسايش او از محصولات بوده و همچنين در شركت‌ها شانس فروش خدمات را ارتقا دهد. يكپارچه­ سازي تكنيك‌هاي مديريت داده مي­ تواند مسائل مرتبط با ارائه خدمات منطبق با علايق مشتري را مخاطب قرار داده و كيفيت پيشنهاد‌ها را به طرز چشم گيري بهبود دهد. تحقيقات اخير بر روي اين سيستم ايده استفاده از داده ­هاي شبكه اجتماعي به‌ منظور ارتقا سيستم توصيه­ گر سنتي و پيش ­بيني بهتر را آشكار مي­ سازد. ما ديدگاه­ هاي سيستم‌هاي توصيه­­ گر مبتني بر داده­ شبكه اجتماعي توييتر را با استفاده از انواع رابط‌ ها، روش‌هاي تجزيه‌ و تحليل محتوا با تكنيك‌هاي زبان­ شناسي محاسباتي و الگوريتم تاپيك مدلينگ ملت بيان مي­كنيم. پس از بررسي عمق اهداف، متدولوژي‌ها اين مقاله به علاقه­ مندان در توسعه سيستم توصيه­ گر سفر و همچنين تسهيل تحقيقات آينده كمك مي­ نمايد.

Recommender systems utilization has proven sales enhancement in most e-commerce platforms. This system objected to provide more options, comfort and flexibility to user which could make him interested, as well as providing better chance for companies to increase sells in their products and services. Flourishing popularity of web site has originated intrigue for recommendation systems. By penetrating in infinite fields, recommendation systems give deceptive suggestion on services compatible with user precedence. Integrating recommender systems by data management techniques to can targeted such issues and quality of suggestions will be improved considerably. Recent research reveals an idea of utilizing social network data to refine weakness points of traditional recommender system and improve prediction accuracy and efficiency. In this paper we represent views of recommender systems based on Twitter social network data by usage of variety interfaces, content analysis Methods, computational linguistics techniques and MALLET topic modeling algorithm. By deep exploration of objects, methodologies and available data sources, this paper will helps interested people to develop travel recommendation systems and facilitates future research by achieved direction.