سیستم های توصیه گر آگاه از بافت (RS) عمدتا به صورت آفلاین مورد ارزیابی قرار گرفته اند و تعداد خیلی کمی از مقالات برای ارزیابی مزایای آنها از دیدگاه کاربر تلاش کرده اند. همچنین، پژوهش های کمتری جهت ادغام بافت آب و هوا در RSهایی که می توانند از اطلاعاتی مانند برنامه های کاربردی گردشگری بهره مندی شوند، اختصاص یافته اند. این مقاله، یک سیستم توصیه گر سیار آگاه از بافت جدیدی با نام STS ارائه می کند که از بافت آب و هوا برای ارائه توصیه های مرتبط تری استفاده می کند. ما STS را در یک مطالعه موردی زنده مورد ارزیابی قرار دادیم و نشان دادیم که راهکار ما، رضایت انتخاب را افزایش می دهد و کیفیت توصیه را درک کرده است.

STS: Design of Weather-Aware Mobile Recommender Systems in Tourism

International Conference on Intelligent User Interfaces

Abstract

Context-aware recommender systems (RSs) have been mostly evaluated offline, and very few studies have tried to assess their benefit from the user perspective. Moreover, little research was previously dedicated to integrate the weather context into RSs that could benefit from that information, such as tourism applications. This paper presents a novel context-aware mobile recommender system, named STS, that leverages weather context for providing more relevant recommendations. We have evaluated STS in a live user study and have shown that our approach increases choice satisfaction and perceived recommendation quality.

• قبلی
• بعدی