A novel ontology framework supporting model-based tourism recommender

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F70883521%3A28120%2F21%3A63539178" target="_blank" >RIV/70883521:28120/21:63539178 - isvavai.cz</a>

Výsledek na webu

<a href="http://ijai.iaescore.com/index.php/IJAI/article/view/21012/13255" target="_blank" >http://ijai.iaescore.com/index.php/IJAI/article/view/21012/13255</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.11591/IJAI.V10.I4.PP1060-1068" target="_blank" >10.11591/IJAI.V10.I4.PP1060-1068</a>

Jazyk výsledku

angličtina

Název v původním jazyce

A novel ontology framework supporting model-based tourism recommender

Popis výsledku v původním jazyce

In this paper, we present a tourism recommender framework based on the cooperation of ontological knowledge base and supervised learning models. Specifically, a new tourism ontology, which not only captures domain knowledge but also specifies knowledge entities in numerical vector space, is presented. The recommendation making process enables machine learning models to work directly with the ontological knowledge base from training step to deployment step. This knowledge base can work well with classification models (e.g., k-nearest neighbours, support vector machines, or naıve bayes). A prototype of the framework is developed and experimental results confirm the feasibility of the proposed framework.

Název v anglickém jazyce

A novel ontology framework supporting model-based tourism recommender

Popis výsledku anglicky

In this paper, we present a tourism recommender framework based on the cooperation of ontological knowledge base and supervised learning models. Specifically, a new tourism ontology, which not only captures domain knowledge but also specifies knowledge entities in numerical vector space, is presented. The recommendation making process enables machine learning models to work directly with the ontological knowledge base from training step to deployment step. This knowledge base can work well with classification models (e.g., k-nearest neighbours, support vector machines, or naıve bayes). A prototype of the framework is developed and experimental results confirm the feasibility of the proposed framework.

Druh

J_SC - Článek v periodiku v databázi SCOPUS

CEP obor

—

OECD FORD obor

50204 - Business and management

Projekt

—

Návaznosti

V - Vyzkumna aktivita podporovana z jinych verejnych zdroju

Rok uplatnění

2021

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název periodika

IAES International Journal of Artificial Intelligence

ISSN

2089-4872

e-ISSN

—

Svazek periodika

10

Číslo periodika v rámci svazku

4

Stát vydavatele periodika

ID - Indonéská republika

Počet stran výsledku

9

Strana od-do

1060-1068

Kód UT WoS článku

—

EID výsledku v databázi Scopus

2-s2.0-85121047976