For thousands of years, human beings have moved and travelled constantly for a
range of reasons. These movements and travels are not typical of tourism today.
Throughout the years, the composition, the time, the place, and the effects of travel
have changed. Visiting another environment voluntarily is what is referred to as
tourism. Tourism today is considered to be an important tool in identifying national
and cultural identity, education, income, growth, and economic dynamism. An
overview of the methods used in tourism recommendation systems, especially those
that rely on user ratings for the generation of a proposal, is provided in this
dissertation. To find similar users, these methods use similarity criteria between
users. With more users and items in the system, the number of items that are
commonly rated decreases, and group refining methods have difficulty finding users
who are similar to the target user. Model-based method for categorizing users or
items in the system is proposed using a new clustering method. In the proposed
clustering method, users or items are classified into different clusters based on their
trust relationships with other users. A comparison of the proposed method with other
tested methods shows that based on the evaluation criteria used, it is more effective
than the others.
ÖZ:
Binlerce yıldır, insanlar çeşitli nedenlerden dolayı sürekli hareket halinde oldu ve
seyahat ettiler. Bu hareketler ve seyahatler günümüzdeki anlamıyla turizmin bir
parçası değildi. Yıllar boyunca, seyahatlerin içeriği, zaman, yer ve etkileri değişti.
Başka bir ortamı gönüllü olarak ziyaret etmek turizm olarak adlandırılır. Günümüzde
turizm, ulusal ve kültürel kimlik, eğitim, gelir, büyüme ve ekonomik dinamizm
tanımlamada önemli bir araç olarak kabul edilir.
Bu tezde, özellikle bir teklifin üretilmesi için kullanıcı derecelendirmelerine
dayanan turizm öneri sistemlerinde kullanılan yöntemlere genel bir bakış
sunulmaktadır. Benzer kullanıcıları bulmak için, bu yöntemler kullanıcılar arasında
benzerlik ölçütleri kullanır. Sistemde daha fazla kullanıcı ve öğe varken, yaygın
olarak derecelendirilen öğelerin sayısı azalır ve grup iyileştirme yöntemleri hedef
kullanıcıya benzer kullanıcıları bulmakta zorlanır. Sistemdeki kullanıcıları veya
öğeleri kategorilere ayırma için model tabanlı yöntem, yeni bir kümeleme yöntemi
kullanılarak önerilmiştir. Önerilen kümeleme yönteminde, kullanıcılar veya öğeler
diğer kullanıcılarla olan güven ilişkilerine göre farklı kümeler halinde sınıflandırılır.
Önerilen yöntemin test edilen diğer yöntemlerle karşılaştırılması, kullanılan
değerlendirme kriterlerine dayanarak, diğerlerinden daha etkili olduğunu
göstermektedir.
