سیستم‌های توصیه گر گردشگری سفر بر اساس الگوریتم خفاش و فیلترینگ ترکیبی

حجم بسیار و روبه رشد اطلاعات بر روی اینترنت، فرآیند تصمیم‌گیری و انتخاب اطلاعات، داده یا کالاهای موردنیاز را، برای بسیاری از کاربران وب دشوار کرده است. سامانه‌های پیشنهاددهنده (توصیه گر)1 ، باهدف رفع این چالش به وجود آمده‌اند و تلاش می‌کنند تا از میان حجم عظیم اطلاعات، اطلاعات خاص و مفید را با توجه به علاقه و سلیقه کاربر و تجربیات کاربران گذشته به وی پیشنهاد دهند. تاکنون سامانه‌های پیشنهاددهنده زیادی در زمینه‌های کاربردی متنوع ازجمله فیلم، موسیقی، کتاب و … ایجادشده‌اند. انتخاب یک سفر مناسب، پیشنهاد هتل و … با توجه به بودجه‌ی فرد، معمولاً سختی‌ها و نگرانی‌های زیادی را برای کاربران به همراه دارد و عموماً با صرف زمان و انرژی زیادی انجام می‌گیرد. لذا در این مقاله یک سیستم پیشنهاددهنده سفر و هتل ارائه می‌شود که از ترکیب روش فیلترهای مختلف ساخته‌شده است تا دقت آن دوچندان شود. این سیستم برای ارائه پیشنهادهای نهایی خود، سلایق کاربر جاری، کیفیت مجموعه‌های خدمات دهنده و تجربیات گذشته کاربران مشابه با کاربر جاری را مدنظر قرار داده و بدین ترتیب علاوه بر ارائه پیشنهادهای دقیق‌تر، مشکل شروع سرد2 را که معمولاً برای کاربران جدید بروز می‌کند که در سیستم ثبت‌نام می‌کنند و سیستم هیچ اطلاعاتی از نظرات یا علایق کاربر ندارد، نیز برطرف می‌نماید. در چنین شرایطی، سامانه‌ها معمولاً از یادگیری فعال3 یا استفاده از ویژگی‌های شخصیتی کاربر، برای حل مشکل استفاده می‌کنند.