0. Paper Information
- Title: Personalized Intelligent Hotel Recommendation System For Online Reservation
- Authors: Xiong, Yu-ning, Li-xiao Geng
- Publication: In 2010 International Conference on Management and Service Science
- Published Year: 2010
1. Introduction
Background
- 온라인 여행 예약은 전자 비즈니스 응용 프로그램의 가장 성공적인 예시
- 중국의 온라인 여행 예약 시장 수익이 2009년에 374억 위안에 도달
- 온라인 여행 예약 시장은 여전히 13.2% 성장율을 보임
- 온라인 여행 회사의 영향력 발달 및 편리성과 가격 투명성이 소비자에게 더 나은 예약 경험을 제공하여 점점 더 많은 사용자가 온라인으로 여행 상품을 예약함을 의미
- 온라인 예약 호텔은 낮은 비용의 장점을 보유함
- 하지만, 제품 정보 및 안내가 부족하여 사용자가 제품을 찾는 데 더 많은 시간을 소모하게 만듦
- 온라인 호텔 예약 시장에서 큰 점유율을 차지하는 일부 여행 웹사이트는 개인화된 추천 서비스가 없음
- 이는 사용자에게 만족스러운 개인화된 경험을 제공하는 것이 어려움을 의미
Previous Research
- 연구에 따르면 개인화된 추천 시스템은 판매를 2%-8% 증가시킬 수 있음
- 여행 사이트는 다양한 추천 서비스를 도입하고 있지만, 전통적인 추천 시스템 모델은 고객의 만족을 충족시키지 못함
- 사용자는 여행 사이트에서 제공하는 추천이 맞춤형(타겟팅이 잘 되어 있으며, 주도적이고 지능적)인 것을 희망함
- 개인화된 추천의 관점에서 볼 때, 몇몇 사이트만이 고객에게 개인화된 추천 서비스를 제공하고 있음
Contribution
- 제안하는 추천 시스템은 고객의 점착성을 증가시키고 여행 사이트의 지능을 업그레이드하는 유용한 시도임
2. Methodology
Overall Structure
- 제안하는 프레임워크
- 제안하는 프레임워크 프로세스
- 1.제품 특성 데이터 정의
- 2.고객 브라우징 히스토리 분석
- 3.고객 관심사 계산
- 4.고객 프로파일과 결합
- 5.표준화
- 6.유사한 호텔 찾기 ←유클리드 거리 방법 사용
- 7.임계값을 통한 분류
- 8.방문 기록 제외
- 9.추천 결과 정렬
Euclidean Distance
- 유클리드 거리는 두 점 사이의 직선 거리를 측정하는 방법으로, 가장 기본적이고 직관적인 거리 계산 방식
- 2차원 또는 3차원 공간뿐만 아니라, 다차원 공간에서도 적용될 수 있음
- 데이터 분석, 패턴 인식, 클러스터링 등 다양한 분야에서 두 개체 간의 유사성을 판단하는 데 사용됨
3. Experimental Result
Dataset
- 호텔 예약 사이트의 제품 데이터베이스 및 고객의 브라우징 및 구매 기록에서 수집된 데이터 사용
- 호텔 제품 특성 데이터는 최대 가격, 할인율, 등급, 음식, 무료 아침 식사, 객실 편의 시설, 광대역 인터넷, 수영장/당구장, 피트니스 시설, 신용카드 결제, 댓글 정보로 구성됨
- 고객 프로파일 데이터는 초기 사용자, 중간 사용자, 고급 사용자로 구분되며 고객의 브라우징 기록, 구매 기록, 댓글 기록, 시간 정보로 구성됨
Result
- 추천 후보의 특성 값 및 추천 순위 확인
- 클러스터 분석과 추천 알고리즘을 통해 가장 유사한 호텔을 추천할 수 있음을 확인
- 후보 C3가 가장 높은 특성 값(13.75)으로 1순위로 추천됨
- 사용자의 과거 브라우징 기록과 유사한 특성을 가진 호텔을 추천하는 데 효과적임을 보여줌
4. Conclusion
- 해당 논문에서는 주요 사용자의 관련 요소를 추출하여 온라인 호텔 예약을 위한 개인화 추천 모델을 구축하고 모델의 초기 검증을 수행함
- 모델 결과와 실제 상황에서의 추천 차이를 기반으로 요소를 추가로 필터링하고 요소 평가 메커니즘을 개선할 수 있음
- 고급 사용자와 주요 사용자 간의 요소 차이를 추가로 추출하여 다중 수준의 시뮬레이션 모델을 수행할 수 있음