سیستم های توصیه گر گردشگری سفر بر اساس الگوریتم خفاش و فیلترینگ ترکیبی

حجم بسیار و روبه رشد اطلاعات بر روی اینترنت، فرآیند تصمیم گیری و انتخاب اطلاعات، داده یا کالاهای موردنیاز را، برای بسیاری از کاربران وب دشوار کرده است. سامانه های پیشنهاددهنده (توصیه گر)1 ، باهدف رفع این چالش به وجود آمده اند و تلاش می کنند تا از میان حجم عظیم اطلاعات، اطلاعات خاص و مفید را با توجه به علاقه و سلیقه کاربر و تجربیات کاربران گذشته به وی پیشنهاد دهند. تاکنون سامانه های پیشنهاددهنده زیادی در زمینه های کاربردی متنوع ازجمله فیلم، موسیقی، کتاب و... ایجادشده اند. انتخاب یک سفر مناسب، پیشنهاد هتل و... با توجه به بودجه ی فرد، معمولا سختی ها و نگرانی های زیادی را برای کاربران به همراه دارد و عموما با صرف زمان و انرژی زیادی انجام می گیرد. لذا در این مقاله یک سیستم پیشنهاددهنده سفر و هتل ارایه می شود که از ترکیب روش فیلترهای مختلف ساخته شده است تا دقت آن دوچندان شود. این سیستم برای ارایه پیشنهادهای نهایی خود، سلایق کاربر جاری، کیفیت مجموعه های خدمات دهنده و تجربیات گذشته کاربران مشابه با کاربر جاری را مدنظر قرار داده و بدین ترتیب علاوه بر ارایه پیشنهادهای دقیق تر، مشکل شروع سرد2 را که معمولا برای کاربران جدید بروز می کند که در سیستم ثبت نام می کنند و سیستم هیچ اطلاعاتی از نظرات یا علایق کاربر ندارد، نیز برطرف می نماید. در چنین شرایطی، سامانه ها معمولا از یادگیری فعال3 یا استفاده از ویژگی های شخصیتی کاربر، برای حل مشکل استفاده می کنند.