A context aware recommender system for tourism with ambient intelligence

Abstract

Recommender system (RS) holds a significant place in the area of the tourism sector. The major factor of trip planning is selecting relevant Points of Interest (PoI) from tourism domain. The RS system supposed to collect information from user behaviors, personality, preferences and other contextual information. This work is mainly focused on user’s personality, preferences and analyzing user psychological traits. The work is intended to improve the user profile modeling, exposing relationship between user personality and PoI categories and find the solution in constraint satisfaction programming (CSP). It is proposed the architecture according to ambient intelligence perspective to allow the best possible tourist place to the end-user. The key development of this RS is representing the model in CSP and optimizing the problem. We implemented our system in Minizinc solver with domain restrictions represented by user preferences. The CSP allowed user preferences to guide the system toward finding the optimal solutions; RESUMO O sistema de recomendação (RS) detém um lugar significativo na área do sector do turismo. O principal fator do planeamento de viagens é selecionar pontos de interesse relevantes (PoI) do domínio do turismo. O sistema de recomendação (SR) deve recolher informações de comportamentos, personalidade, preferências e outras informações contextuais do utilizador. Este trabalho centra-se principalmente na personalidade, preferências do utilizador e na análise de traços fisiológicos do utilizador. O trabalho tem como objetivo melhorar a modelação do perfil do utilizador, expondo a relação entre a personalidade deste e as categorias dos POI, assim como encontrar uma solução com programação por restrições (CSP). Propõe-se a arquitetura de acordo com a perspetiva do ambiente inteligente para conseguir o melhor lugar turístico possível para o utilizador final. A principal contribuição deste SR é representar o modelo como CSP e tratá-lo como problema de otimização. Implementámos o nosso sistema com o solucionador em Minizinc com restrições de domínio representadas pelas preferências dos utilizadores. O CSP permitiu que as preferências dos utilizadores guiassem o sistema para encontrar as soluções ideais.