ระบบการแนะนำสถานที่ภายใต้การวิเคราะห์พฤติกรรมของผู้ใช้

โกเมศ อัมพวัน; สุเมธ ดาราพิสุทธิ์; ณัฐนนท์ ลีลาตระกูล

dc.contributor.author	โกเมศ อัมพวัน
dc.contributor.author	สุเมธ ดาราพิสุทธิ์
dc.contributor.author	ณัฐนนท์ ลีลาตระกูล
dc.contributor.other	มหาวิทยาลัยบูรพา. คณะวิทยาการสารสนเทศ
dc.date.accessioned	2022-05-27T04:16:22Z
dc.date.available	2022-05-27T04:16:22Z
dc.date.issued	2563
dc.identifier.uri	http://dspace.lib.buu.ac.th/xmlui/handle/1234567890/4397
dc.description	โครงการวิจัยประเภทงบประมาณเงินรายได้ ปีงบประมาณ พ.ศ. 2563	th_TH
dc.description.abstract	เครือข่ายสังคมออนไลน์ทางด้านสถานที่เป็นแอปพลิเคชันหนึ่งที่ผู้ใช้มีการแบ่งปันสถานที่ร่วมกับการแสดงความคิดเห็นและข้อเสนอแนะให้กับผู้ใช้คนอื่น ๆ ภายในระบบ ณ ปัจจุบันมีหลายแอปพลิเคชันที่ได้รับความนิยมอย่างมาก เช่น Foursquare Facebook place และ Yelp เป็นต้น ในแต่ละแอปพลิเคชันจะจัดเก็บข้อมูลในระบบเป็นจำนวนมากส่งผลให้การแนะนำสถานที่ที่คาดว่าผู้ใช้ชื่นชอบเป็นเรื่องที่มีความท้าทาย โดยเฉพาะอย่างยิ่งการสร้างรายการแนะนำสถานที่ให้กับผู้ใช้ใหม่หรือผู้ใช้ที่มีข้อมูลการเช็คอินน้อยครั้ง ดังนั้น ในหลายงานวิจัยได้มีการค้นหาสถานที่ที่มีความน่าสนใจเฉพาะพื้นที่โดยพิจารณาจากการเยี่ยมชมของผู้ใช้ในพื้นที่นั้น ๆ แต่อย่างไรก็ตาม งานวิจัยก่อนหน้ามีการพิจารณาความถี่ในการเช็คอินของผู้ใช้และสถานที่เพียงมุมมองเดียวเท่านั้น อีกทั้งหลายงานวิจัยยังคงประสบปัญหาการแนะนำสถานที่ให้กับผู้ใช้ใหม่ที่ซึ่งจะส่งผลให้ความถูกต้องของการแนะนำสถานที่ให้กับผู้ใช้ลดลง ด้วยเหตุนี้ ในงานวิจัยนี้จึงได้นำเสนอวิธีการสร้างรายการแนะนำสถานที่ที่เรียกว่า “ระบบแนะนำสถานที่ที่น่าสนใจมากที่สุดเอ็นอันดับ” (N-most Interesting location-based recommender system, NILR) สำหรับแนะนำให้กับผู้ใช้ใหม่ที่ไม่มีความเชี่ยวชาญในพื้นที่ โดยวิธีการที่นำเสนอได้มีการค้นหาสถานที่ที่น่าสนใจด้วยการพิจารณาความถี่ในการเช็คอินของผู้ใช้ทั้งหมดร่วมกับการพิจารณาค่าความชอบของผู้ใช้ ด้วยคำนึงถึงการที่ผู้ใช้คนหนึ่ง ๆ กลับมาเยี่ยมชมหรือใช้บริการซ้ำ ณ สถานที่หนึ่ง ๆ ร่วมกับความถี่ในการเช็คอินของผู้ใช้ ที่ซึ่งวิธีการที่นำเสนอประกอบไปด้วย 3 ขั้นตอนหลัก คือ 1. การคำนวณค่าคะแนนความน่าสนใจของสถานที่ 2. การจัดอันดับสถานที่ที่น่าสนใจ และ 3. การสร้างรายการแนะนำสถานที่ที่น่าสนใจ จากผลการทดลองในฐานข้อมูล Foursquare แสดงให้เห็นว่าวิธีการที่นำเสนอมีความถูกต้องในการสร้างรายการแนะนำสถานที่และโดยเฉพาะความถูกต้องในการจัดอันดับที่ดีกว่าขั้นตอนวิธีการ HITS แบบดั้งเดิม	th_TH
dc.description.sponsorship	คณะวิทยาการสารสนเทศ มหาวิทยาลัยบูรพา	th_TH
dc.language.iso	th	th_TH
dc.publisher	คณะวิทยาการสารสนเทศ มหาวิทยาลัยบูรพา	th_TH
dc.subject	การท่องเที่ยว -- ไทย	th_TH
dc.subject	แอปพลิเคชั่น	th_TH
dc.subject	เครือข่ายสังคมออนไลน์	th_TH
dc.title	ระบบการแนะนำสถานที่ภายใต้การวิเคราะห์พฤติกรรมของผู้ใช้	th_TH
dc.title.alternative	Location-based recommendation system based on user behavior analysis	en
dc.type	Research	th_TH
dc.author.email	komate@buu.ac.th	th_TH
dc.author.email	nutthanon@buu.ac.th	th_TH
dc.year	2563	th_TH
dc.description.abstractalternative	The location-based social networks (LBSNs) are popular platform that appeal many users to share interesting locations with opinions to other users. The applications collect large sets of data including user profiles, location profiles and relationships between users and locations, making location recommendation more challenging. Especially, if users have few or no check-in histories as a new user. To cope with such scenarios, several works attempt to discover interesting locations regarding visiting of other users in interesting area. However, there exists no work that take into account both locations’ visiting frequency and users’ return rate to discover interesting locations. Additionally, several previous works also suffer from the cold-start problem where new users have no check-in or few check-in history causing recommenders hardly suggest locations matching users’ preference. In this work, we propose an enhanced method, called N-most interesting location-based recommender system (NILR), which effectively recommends the N-most preferred places for new users divided by 3 procedures 1. the NILR discovers interesting locations by taking into account both check-in frequencies and number of return visits of previous users already in the system. 2. a ranking procedure is introduced to create the final list of interesting locations used for recommendations. Finally, 3. interesting locations are filtered again based on current location of new user. The results of the experiments on Foursquare dataset reveal that our proposed location recommender system and raking method perform effectively and efficiently, and outperform the HITS based model in terms of accuracies and rankings.	en
dc.keyword	สาขาเทคโนโลยีสารสนเทศและนิเทศศาสตร์	th_TH