E-tourism recommender systems

Recommender Systems (RSs) are used in many e-commerce applications to help users in discovering interesting items over huge catalogs of products by providing them personalized recommendations that fit with their interests and preferences. The purpose of this work is to develop a RS for the e-tourism domain. In e-tourism hotel availability depends on contextual circumstances and varies over time. The hotels that are missing are often the “best” ones. Traditionally RSs assume that items are potentially always available. We studied the influence of variable item availability over the recommendation process. Differently from many current applications in e-tourism, we used implicit elicitation to assess users’ preferences and to provide them personalized recommendations. We evaluated the recommendations using both offline and online methods in different experimental conditions of item availability. We obtained that personalized recommendations make users the most satisfied in condition of scarcity of hotels, with more than the 70% of satisfied users. This fact can be of great utility and economical impact for online travel agencies. Moreover, e-tourism implies an higher risk for users than e-commerce applications. Hence, users tend to rely more on other users’ reviews than on the descriptions given by service providers over hotels. We describe here a technique analyze user reviews and to summarize them into numerical ratings. This information can be potentially used to build more accurate RSs.

I Sistemi di Raccomandazione (RSs) sono utilizzati in numerosi sistemi di e-commerce per aiutare gli utenti a trovare prodotti interessati in grandi cataloghi fornendo loro delle raccomandazioni personalizzate che si adattino ai loro gusti ed interessi. Lo scopo di questa tesi è di sviluppare un RS per il dominio dell’e-tourism. Nell’e-tourism la disponibilità degli hotel dipende dalle circostanze in cui avviene la prenotazione e varia col tempo. Gli hotel “migliori” sono solitamente i primi a non essere disponibili. Mentre tradizionalmente i RSs presumono che la disponibilità dei prodotti sia potenzialmente illimitata, noi studiamo l’effetto della disponibilità variabile degli hotel sulle raccomandazioni fornite agli utenti. Altro aspetto innovativo è l’utilizzo di un meccanismo di implicit elicitation per estrarre le preferenze del cliente per poter cos`ı fornire loro delle raccomandazioni personalizzate. Abbiamo quindi valutato la qualità delle raccomandazioni utilizzando sia esperimenti offline che online, basandoci su differenti condizioni di disponibilità degli hotel. Abbiamo potuto osservare come fornire raccomandazioni personalizzate mantenga gli utenti più soddisfatti anche in condizioni di scarsa disponibilità di hotel. Infatti più del 70% degli utenti si è dichiarato soddisfatto delle propria esperienza quando il sistema ha fornito loro raccomandazioni personalizzate. Questo può essere di grande utilità, anche economica, per le agenzie di viaggio online. Inoltre, occorre notare che l’e-tourism comunemente implica un maggior rischio da parte degli utenti rispetto ad altri sistemi di e-commerce. Gli utenti sono quindi più propensi a fidarsi delle recensioni di altri utenti rispetto alle descrizioni fornite dallo stesso gestore del servizio su un determinato hotel. Abbiamo quindi introdotto una tecnica per analizzare le recensioni degli utenti e riassumerne il contenuto in un singolo valore numerico. Le informazioni cos`ı estratte dalle recensioni testuali potranno essere utilizzate potenzialmente per costruire dei RSs più accurati.