การศึกษาระบบแนะนำสถานที่ท่องเที่ยวในกรุงเทพฯ และปริมณฑล สำหรับนักท่องเที่ยวต่างชาติ
Article Sidebar
Main Article Content
บทคัดย่อ
งานวิจัยนี้มีวัตถุประสงค์เพื่อพัฒนาระบบแนะนำสถานที่ท่องเที่ยวตามรสนิยมสำหรับนักท่องเที่ยวต่างชาติในกรุงเทพฯ และปริมณฑลด้วยการเปรียบเทียบประสิทธิภาพของระบบแนะนำที่พัฒนาจากอัลกอริทึมด้านการแนะนำ ดังต่อไปนี้ (1) วิธีแนะนำตามความนิยม (2) วิธีพิจารณาข้อมูลจากเนื้อหาของสิ่งของ (3) วิธีพิจารณาการกรองร่วมกัน (4) วิธีการแบบผสม โดยใช้ข้อมูลประวัติการท่องเที่ยว หรือการให้คะแนนของนักท่องเที่ยวต่างชาติที่ดึงมาจากเว็บไซต์ Tripadvisor ที่เป็นเว็บไซต์เกี่ยวกับการท่องเที่ยวที่ใหญ่ที่สุดในโลก ข้อมูลที่ได้จะถูกแบ่งเป็นข้อมูลสำหรับทำตัวแบบ (Training data) เป็น 90% และข้อมูลสำหรับทดสอบ (Testing data) เป็น 10% ซึ่งข้อมูลที่อยู่ในกลุ่มทดสอบจะเป็นข้อมูลสถานที่ท่องเที่ยวล่าสุดที่ผู้ใช้แต่ละคนเคยไปในอดีต จากนั้นวัดประสิทธิภาพของแต่ละอัลกอริทึมด้วยค่าเฉลี่ยของค่าเฉลี่ยความแม่นยำ (MAP) และค่าเฉลี่ยของค่าเฉลี่ยความระลึกได้ (MAR) ในขอบเขตการแนะนำ (k) ตั้งแต่ 1 ถึง 10 ลำดับ ผลการศึกษาพบว่าวิธีการแบบผสมโดยใช้วิธีการเฉลี่ยถ่วงน้ำหนัก (Weighted) มีผลลัพธ์ดีที่สุดในทุกวิธีการทั้งหมด โดยมีค่า MAP@10 และค่า MAR @10 เท่ากับ 0.7283 และ0.9659 รองลงมาจะเป็นวิธีการพิจารณาข้อมูลจากเนื้อหาของสิ่งของ ซึ่งเป็นวิธีการที่มีประสิทธิภาพการทำงานแบบเดี่ยวสูงที่สุด โดยมีค่า MAP@10 และค่า MAR@10 เท่ากับ0.6991 และ0.9654 ตามลำดับ ในทางตรงกันข้ามวิธีพิจารณาการกรองร่วมกันทั้งสามแบบเป็นวิธีที่มีประสิทธิภาพน้อยที่สุด
Article Details
บทความที่ปรากฏในวารสารนี้ เป็นความรับผิดชอบของผู้เขียน ซึ่งสมาคมนักวิจัยไม่จำเป็นต้องเห็นด้วยเสมอไป การนำเสนอผลงานวิจัยและบทความในวารสารนี้ไปเผยแพร่สามารถกระทำได้ โดยระบุแหล่งอ้างอิงจาก "วารสารสมาคมนักวิจัย"
References
ณิชาภัทร สุรวัฒนานนท์. (2562). การท่องเที่ยวกับบทบาทขับเคลื่อนเศรษฐกิจไทย ฮีโร่จำเป็นหรือ ฮีโร่ตัว จริง?. สืบค้นเมื่อ 17 สิงหาคม 2563, จาก https://www.bot.or.th/Thai/ResearchAndPublications/articles/Pages/Article_29Oct2019.aspx
นัชชา ถิระสาโรช และวิโรจน์ อรุณมานะกุล. (2560). “การศึกษาการแยกนัยความหมายของ หัว ในภาษาไทยโดยใช้วิธีการวิเคราะห์ความหมายแอบแฝง,” (วิทยานิพนธ์ปริญญาดุษฎีบัณฑิต) คณะอักษรศาสตร์ มหาวิทยาลัยจุฬาลงกรณ์, กรุงเทพฯ
พชรพจน์ นันทรามาศ, กิตติพงษ์ เรือนทิพย์, และจารุวรรณ เหล่าสัมฤทธิ์. (2563). เจาะพฤติกรรมท่องเที่ยวใน New Normal: เมื่อโควิดทำชีวิตเปลี่ยน. สืบค้น 24 สิงหาคม 2563, จาก http://krungthai.com/download/economyresources/EconomyResourcesDownload_450เจาะพฤติกรรม ท่องเที่ยวใน New Normal:เมื่อโควิดทำชีวิตเปลี่ยน_31_08_63.pdf
Bruke, R. (2002). Hybrid Recommender Systems: Survey and Experiments. User Model User- Adap Inter, 12(4), 331-370
Badaro, G., Hajj, H., El-Hajj, W., Nachman, L. (2013). A Hybrid Approach with Collaborative Filtering for Recommender Systems. 2013 9th International Wireless Communications and Mobile Computing Conference, IWCMC 2013. 349-354. 10.1109/IWCMC.2013.6583584.
Chujai, P., Singthongchai, J., Yasaga, S., Surattgara, N., and Buranakutti, K. (2020). The Tourist Attractions Recommender System for Bangkok Thailand. Recommender System for Bangkok Thailand, International Journal of Computer Theory and Engineering, 12(1), 22-27
Das, D., Sahoo, L., and Datta, S. (2017). A Survey on Recommendation System. International Journal of Computer Applications, 160(7), 6-10.
Knoema. (2020). Thailand Contribution Of Travel And Tourism To GDP (% Of GDP), 1995-2020. Retrieved August 17, 2020, from https://knoema.com/atlas/Thailand/topics/Tourism/Travel-and-Tourism-Total-Contribution-to-GDP/Contribution-of-travel-and-tourism-to-GDP-percent-of-GDP
Li, G., Hua, J., Yuan, T., Wu, J., Jiang, Z., Zhang, H., and Li, T. (2019). Novel Recommendation System for Tourist Spots Based on Hierarchical Sampling Statistics and SVD++. Mathematical Problems in Engineering, 19, 1-15.
Pourheidari, V., Mollashahi, E. S., Vassileva J., and Deters, R. (2018). "Recommender System based on Extracted Data from Different Social Media. A Study of Twitter and LinkedIn. 2018 IEEE 9th Annual Information Technology, Electronics and Mobile Communication Conference (ICON), Vancouver, 215-222.
Sawtelle, S. (2020). Mean Average Precision (MAP) For Recommender Systems. Retrieved August 24, 2020, from https://sdsawtelle.github.io/blog/output/mean-average-precision-MAP-for-recommender-systems.html
Sarwar, B., Karypis, G., Konstan, J., and Riedl, J. (2001). Incremental singular value decomposition algorithms for highly scalable recommender systems. Proceedings of the 10th international conference on the World Wide Web, 285-295.
Shani, G., Gunawardana A. (2011) Evaluating Recommendation Systems. In: Ricci F., Rokach L., Shapira B., Kantor P. (eds) Recommender Systems Handbook. Springer, Boston, MA. https://doi.org/10.1007/978-0-387-85820-3_8
Taifi, M. (2020). MRR vs MAP NDCG: Rank-Aware Evaluation Metrics and When to Use Them. Retrieved August 17, 2020, from https://medium.com/swlh/rank-aware-recsys-evaluation-metrics-5191bba16832
Translate Thai References
Nantaramat, P., Rueanthip, K. & Laosamrit, J. (2020). Penetrating travel behavior in New Normal: when COVID changes life. Retrieved August 24, 2020, from https://krungthai.com/Download/economyresources/EconomyResourcesDownload_45 0เจาะพฤติกรรมท่องเที่ยวใน_New_Normal_เมื่อโควิดทำชีวิตเปลี่ยน_31_08_63.pdf
Surawattananon, N. (2019). Tourism and its role in driving the Thai economy. Is it a necessary hero or a real hero?. Retrieved August 17, 2020, from https://www.bot.or.th/ThaiResearchAndPublications/articles/Pages/Article_29Oct2019.aspx
Tirasaroj, N. & Arunmanakul, V. (2017). A Study of Word Sense Discrimination of /Hua4/ in Thai Using Latent Semantic Analysis. (Doctoral dissertation) Facalty of Arts, Chulalongkorn University, Bangkok