A novel ontology framework supporting model-based tourism recommender
Identifikátory výsledku
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>
Alternativní jazyky
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.
Klasifikace
Druh
J<sub>SC</sub> - Článek v periodiku v databázi SCOPUS
CEP obor
—
OECD FORD obor
50204 - Business and management
Návaznosti výsledku
Projekt
—
Návaznosti
V - Vyzkumna aktivita podporovana z jinych verejnych zdroju
Ostatní
Rok uplatnění
2021
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Údaje specifické pro druh výsledku
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