관광자 의사결정 지원을 위한 스마트관광 추천 시스템 연구

A study on smart tourism recommender system to support decision-making of tourists: Based on tourism big data and deep learning method

인터넷 응용 프로그램과 디지털 기술의 성장은 정형 및 비정형 데이터를 포함한 다양한 형식의 빅데이터를 생성하며 잠재 관광자의 행동을 분석, 예측 및 관리할 수 있는 환경을 제공하였으며, 이로 인해 관광 추천 시스템과 같은 스마트관광 애플리케이션은 최근 몇 년 동안 큰 발전을 이루었다. 그러나 산업의 발전과는 달리 학계에서 관광 분야 추천 시스템과 관련한 이론적, 방법론적 접근은 여전히 부족한 상황이다. 이에 이 연구에서는 관광자의 의사결정을 지원하기 위한 새롭고 효율적인 스마트관광 추천 시스템인 ‘DSESTR’을 제안하였다. 우선, Doc2Vec 기술을 이용하여 사용자와 아이템 간의 순차적인 상호작용을 모델링하여 소비자와 아이템의 특성 벡터를 학습하였다. 학습된 벡터들은 딥러닝 기술 중 하나인 다중 계층 퍼셉트론(MLP)에 입력되어 소비자-아이템 상호작용의 비선형성을 모델링한다. 최종적으로 MLP에서 학습한 비선형성은 추천 시스템에서 널리 사용되고 있는 행렬 인수분해로 학습한 선형성과 결합하여 아이템에 대한 소비자의 평가를 더욱 정확하게 예측하였다. 실제로, TripAdvior 및 MovieLens 데이터 세트를 이용해 평가한 결과는 DSESTR이 다른 알고리즘에 비해 예측 정확도를 상당히 향상하는 것을 입증하였다. 이상의 결과를 토대로 관광 분야에서의 DSESTR의 유용성을 논의하였으며, 이론적, 실무적인 시사점을 제안하였다.

The proliferation of Internet applications and digital technologies has resulted in big data in a variety of formats, including structured and unstructured data, and has created an environment for analyzing, predicting, and managing potential tourist behavior. As a result, smart tourism applications such as tourism recommender systems have advanced significantly in recent years. However, unlike the industry's development, theoretical and methodological approaches to the tourism recommender system in academia are still lacking. As a result, 'DSESTR,' a new and efficient smart tourism recommender system to aid tourists' decision-making, was proposed in this study. First, the Doc2Vec technique was used to learn the feature vectors of users and items by modeling the sequential interaction between users and items. To model the nonlinearity of consumer-item interaction, the learned vectors are fed into a multi-layer perceptron (MLP), one of the deep learning techniques. Finally, the nonlinearity learned in MLP was combined with the linearity learned in matrix factorization, which is widely used in recommender systems, to predict the user's evaluation of the item more accurately. Indeed, using the TripAdvior and MovieLens data sets, the results showed that DSESTR significantly improved prediction accuracy when compared to other recommendation algorithms. Based on the findings, the applicability of DSESTR in the tourism industry was discussed, and theoretical and practical implications were proposed.