Please use this identifier to cite or link to this item: https://hdl.handle.net/20.500.14279/33540
Title: Personality-based Restaurant Recommendation
Authors: Christodoulou, Evripides 
Keywords: Recommender systems;Personality assessment
Advisor: Gregoriades, Andreas
Issue Date: 1-Aug-2024
Department: Department of Hospitality and Tourism Management
Faculty: Faculty of Tourism Management, Hospitality and Entrepreneurship
Abstract: Recommendation systems became ubiquitous in information systems, effectively mitigating decision-makers’ information overloading problem. However, their application in complex tasks, such as restaurant recommendations, faces challenges. This research aimed to address such limitations by investigating the impact of personality (user/venue) and preference on restaurant recommendations. The study employs deep learning and machine learning approaches to extract personality traits and preferences from electronic word-of-mouth (e-WOM). Various data imbalance treatment techniques are explored to optimize the performance of the models. Furthermore, a customized Named-Entity Recognizer (NER) is developed to extract users’ food preferences from text, improving traditional approaches that expect users to manually input these in the system. The proposed approach combines topic modelling, text classification and named-entity recognition, to extract users’ personality, preferences, and opinions from e-WOM, and train an eXtreme Gradient Boosting (XGBoost regressor) model, to predict user satisfaction with restaurants. The XGBoost predictions are used as a proxy to recommendation. The approach is compared against traditional techniques (e.g. collaborative filtering) using different recommender systems performance metrics. The findings show the advantage of the proposed approach over traditional techniques. The results also contribute to a better understanding of the role of personality(user/venue) in restaurant recommendation. The approach has implications for both researchers and practitioners in the fields of recommender systems.
Description: Η έρευνα εμπίπτει στον τομέα του έξυπνου τουρισμού και στοχεύει στη βελτίωση της ικανοποίησης τουριστών με εστιατόρια της Κύπρου, μέσω μιας νέας μεθοδολογίας συστημάτων συστάσεων, που εξάγει και συνδυάζει πληροφορίες από ανατροφοδοτήσεις καταναλωτών σε πλατφόρμες όπως το TripAdvisor, και έτσι συμβάλλει στην καλύτερή σύσταση εστιατορίων, και ως εκ τούτου την βελτίωση της επανεπισκεψιμότητα των τουριστών στο μέλλον. Η γαστρονομική εμπειρία είναι μια βασική ιδιότητα στον τουρισμό που συνδέεται άμεσα με την ικανοποίηση και την εικόνα ενός προορισμού. Οι τουρίστες, όταν επιλέγουν ένα μέρος για φαγητό, βασίζονται πολλές φορές σε κριτικές από εμπειρίες άλλων τουριστών. Ωστόσο, ο όγκος της πληροφορίας που πρέπει να επεξεργαστούν πριν αποφασίσουν είναι μεγάλος και οι διαθέσιμες επιλογές πολλές. Ως αποτέλεσμα, αυτό υπερφορτώνει τους καταναλωτές κατά την διαδικασία λήψης απόφασης. Η τυχαία επιλογή εστιατορίου από την άλλη μπορεί να οδηγήσει σε μια κακή εμπειρία. Το διδακτορικό προτείνει μια νέα προσέγγιση στη σύσταση εστιατορίων για να βελτιστοποιήσει την γαστρονομική εμπειρία των τουριστών μέσω του συνδυασμού διάφορων πληροφοριών που εξάγονται από κείμενο ανατροφοδοτήσεων τουριστών σε εστιατόρια. Πρόσφατα υπάρχει έντονο ενδιαφέρον στα συστήματα συστάσεων στην χρήση της προσωπικότητας χρηστών, καθώς αυτή συνδέεται με την αντίληψη, το συναίσθημα, τα κίνητρα και τις αγοραστικές προτιμήσεις. Η προσωπικότητα είναι γνωστό ότι παραμένει σταθερή κατά την ενηλικίωση και ως εκ τούτου μπορεί να χρησιμοποιηθεί από συστήματα συστάσεων. Η εφαρμογή της προσωπικότητας χρηστών έχει βελτιώσει την απόδοση των συστημάτων συστάσεων σε πολλούς τομείς, ωστόσο, στον τουρισμό και συγκεκριμένα στον τομέα των εστιατορίων η εφαρμογή της είναι μεμονωμένη, με κάποιες εργασίες στον τουρισμό να εστιάζουν σε συστάσεις που αφορούν σημεία ενδιαφέροντος. Στόχος του διδακτορικού είναι η παροχή εξατομικευμένων συστάσεων εστιατορίων στους τουρίστες μέσω της αντιστοίχισης της προσωπικότητας των χρηστών και των εστιατορίων αλλά και της ανάλυσης των προτιμήσεων και των αντιλήψεων των καταναλωτών για εστιατόρια από προηγούμενες κριτικές σε πλατφόρμες όπως το TripAdvisor. Για την αυτόματη αναγνώριση της προσωπικότητας από κείμενο δημιουργήθηκαν και αναλύθηκαν διάφορα μοντέλα μηχανικής και βαθιάς μάθησης (machine learning, deep learning) και επιλέχθηκε το πιο κατάλληλο. Για την αναγνώριση προτιμήσεων χρησιμοποιήθηκαν διάφορες τεχνικές αναγνώρισης οντοτήτων(named entity recognition) από κείμενο, και για την εξαγωγή απόψεων, χρησιμοποιήθηκε η τεχνική topic modelling. Επικύρωση της προτεινόμενης μεθόδου επιτεύχθηκε μέσω σύγκρισης των αποτελεσμάτων της με άλλες δημοφιλείς μεθόδους. Τα αποτελέσματα της έρευνας δεικνύουν ότι η προτεινομένη μέθοδος βελτιώνει τις επιδώσεις των συστημάτων συστάσεων.
URI: https://hdl.handle.net/20.500.14279/33540
Type: PhD Thesis
Affiliation: Cyprus University of Technology 
Appears in Collections:Διδακτορικές Διατριβές/ PhD Theses

CORE Recommender
Show full item record

Page view(s)

42
Last Week
6
Last month
checked on Feb 10, 2025

Google ScholarTM

Check


Items in KTISIS are protected by copyright, with all rights reserved, unless otherwise indicated.