سیستم مبتنی بر شرط

موقعیت کاربر

قابلیت اجرای آفلاین

نقاط جاذب

۲۰۰۹

MyMytilene

مبتنی بر شرط

موقعیت کاربر،ترجیحات سفر،زمان موجود برای بازدید جاذبه­ها

پیاده سازی الگوریتم ابتکاری برای پیشنهاد مسیر حرکت گردشگر

برنامه ریزی تور چندروزه

۲۰۱۲

DailyTRIP

سیستم مبتنی بر شرط

موقعیت کاربر، ترجیحات سفر، زمان

نمایش کامل واقعی از نقاط طبیعی

برنامه­ ریزی تور چند روزه

۲۰۱۲

mtrip

موقعیت کاربر، سرعت و مسیر حرکت

پشتیببانی از کاربر متحرک

نقاط جاذب

۲۰۱۲

Barranco و همکاران

ساختار پایان نامه

این پایان نامه در شش فصل تقسیم ­بندی شده است. درفصل اول به مقدمه و اهداف تحقیق، بیان مساله، ضروررت تحقیق و پرسش­های تحقیق و مروری بر منابع اشاره شد. فصل دوم به آشنایی با سیستم­های توصیه­گر اختصاص خواهد یافت. در این فصل کلیاتی در مورد تعریف سیستم توصیه­گر، چالش­های سیستم توصیه­گر، معرفی و ارزیابی انواع سیستم­های توصیه­گر و معماری سیستم­های توصیه­گر بیان خواهد شد. در فصل سوم پردازشگری بافت­آگاه و بافت­آگاهی در سیستم اطلاعات همراه معرفی خواهد شد. در این فصل بافت و بافت­آگاهی و نیز سیستم­های بافت­آگاه و بافت­آگاهی در سیستم­های اطلاعات همراه بیان خواهد شد.
در فصل چهارم مدل پیشنهادی این پایان نامه برای پیاده سازی یک سیستم توصیه­گر بافت­آگاه تشریح خواهد شد. در ابتدا بافت­های موثر در مساله معرفی شد و نقش آن­ها مشخص خواهد گردید و سپس به تشریح سرویس­های ارائه شده که شامل نمایش نقشه و پیشنهادگر اقامتگاه می­باشد، پرداخته خواهد شد. در نهایت معماری پیشنهادی برای مدل ارائه خواهد گردید.
فصل پنجم مربوط به پیاده سازی سیستم توصیه­گر بافت­آگاه برای پیشنهاد اقامتگاه به گردشگر می­باشد. این فصل جزییات مربوط به پیاده سازی سیستم راشرح می­دهد. از جمله این موارد می­توان به بستر اجرایی سیستم، امکانات و ساختار برنامه کاربردی به همراه تصاویری از برنامه اشاره کرد. فصل پایانی به نتیجه ­گیری و ارائه پیشنهادات و فعالیت­های آینده می ­پردازد.

فصل دوم

سیستم­های توصیه­گر

مقدمه
حجم فراوان و روبه رشد اطلاعات بر روی وب و اینترنت، فرایند تصمیم ­گیری و انتخاب اطلاعات، داده و یا کالاهای مورد نیاز را برای بسیاری از کاربران دشوار کرده­است. این موضوع، خود انگیزه­ای شد تا محققین را وادار به پیدا کردن راه­حلی برای رویارویی با این مشکل اساسی سبز فایل که با عنوان سرریز داده ­ها شناخته می­ شود، کند. برای رویارویی با این مسئله تاکنون دو رویکرد مطرح شده ­اند اولین رویکردی که به کارگرفته شد استفاده از دو مفهوم بازیابی اطلاعات و تصفیه­سازی اطلاعات بود. عمده محدودیتی که این دو مفهوم در ارائه پیشنهادات دارند، این است که بر­خلاف توصیه­گرهای انسانی مانند دوستان، اعضای خانواده و غیره، این دو روش قادر به تشخیص و تفکیک اقلام باکیفیت و بی کیفیت، در ارائه پیشنهاد برای یک موضوع یا کالا، نیستند. مشکل مذکور، موجب شد تا رویکرد دومی تحت عنوان سیستم توصیه­گر پدید آید.
سیستم­های توصیه­گر ابزارهای نرم­افزاری و تکنیک­هایی هستند که آیتم­هایی را که برای کاربر مفید هستند را به او پیشنهاد می­ دهند. این پیشنهادات مربوط به فرایندهای مختلف تصمیم ­گیری می­شوند مانند چه آیتمی را خریداری کند؟ چه موزیکی را گوش کند یا چه خبرهای آنلاینی را بخواند [۲۲].
آیتم یک اصطلاح کلی است که برای مشخص کردن چیزی که سیستم به کاربر توصیه می­ کند، استفاده می­ شود. یک سیستم توصیه­گر معمولا روی یک نوع خاص از آیتم تمرکز می­ کند برای مثال فیلم یا اخبار و براساس این آیتم، طراحی سیستم، واسط گرافیکی کاربر و تکنیک توصیه­گر اصلی، برای آن نوع خاص از آیتم را فراهم می­ کند [۲۲]
در واقع یک سیستم توصیه­گر را می­توان با رابطه(۲-۱) همسان دانست و مدل کرد.

(۲-۱)