Recomendação de Pontos de Interesse para Grupos - Uma Abordagem baseada em Sistemas Multi-Agente e no Feedback dos Turistas

• Main Author: Martins, André Bernardo
• Publication Date: 2023
• Format: Master thesis
• Language: por
• Source: Repositórios Científicos de Acesso Aberto de Portugal (RCAAP)
• Download full: http://hdl.handle.net/10400.22/23441
• topic: Sistemas de Recomendação para Grupos; Turismo; Pontos de Interesse; Personalidade; Recommendation Systems for Groups; Tourism; Points of Interest; Personality; Sistemas Multi-Agente; Microserviços Multi-Agente; ActressMAS; C#; .NET; Multi-Agent Systems; Multi-Agent Microservices

O protótipo de Sistema de Recomendação para Grupos no setor do turismo que se encontra em desenvolvimento pelo GECAD utiliza num dos seus microserviços um Sistema MultiAgente. No entanto, a interação e partilha de conhecimento entre os agentes do sistema carece de melhorias que permitam a apresentação de recomendações cada vez mais coerentes, precisas e personalizadas. Os dados sociodemográficos, personalidade e preferências turísticas de cada turista são modelados num agente inteligente que o representa, com o objetivo de tornar cada agente o mais similar possível ao turista que representa. Com isto, os agentes devem ter a capacidade de aprender com o conhecimento e ações dos outros agentes, assim como de partilhar dados de interação e perfil dos turistas, de forma a melhorar e a tornar mais precisas as recomendações enviadas pelo sistema de recomendações do GRS, melhorando a satisfação e experiência dos turistas. Este documento apresenta uma análise de valor e inclui um estudo sobre o estado da arte em tecnologia relevante e sobre conceitos e trabalhos relacionados com o projeto em desenvolvimento. Apresenta ainda uma análise do domínio do problema, o desenho arquitetural e detalhes sobre a implementação e testagem do protótipo desenvolvido. A solução final respondeu essencialmente a todas as necessidades que se tinham proposto resolver e possibilita o crescimento do GRS sem comprometer o trabalho já efetuado. Os utilizadores passaram a ser associados a clusters com base na sua personalidade e os respetivos agentes foram melhorados para utilizar ratings e rules que lhes diziam respeito de forma a priorizar e penalizar pontos de interesse turísticos nas recomendações obtidas.