Xây dựng hệ thống gợi ý địa điểm du lịch

LỜI CAM ĐOAN Tôi xin cam đoan công trình nghiên cứu riêng hướng dẫn PGS.TS Lê Thanh Hương Các nội dung nghiên cứu, kết luận văn trung thực chưa công bố công trình khác Trong trình làm luận văn, có tham khảo tài liệu có liên quan ghi rõ nguồn tài liệu tham khảo Hà Nội, ngày 20 tháng 10 năm 2016 Học viên Lê Văn Giang i LỜI CẢM ƠN Để hoàn thành luận văn này, nhận nhiều động viên, giúp đỡ nhiều cá nhân tập thể Trước tiên, xin bày tỏ lòng biết ơn sâu sắc tới PGS.TS Lê Thanh Hương, Trường Đại học Bách Khoa Hà Nội, nhiệt tình hướng dẫn, tạo điều kiện thuận lợi cho nghiên cứu khoa học, giúp hoàn thành luận văn cách tốt Tôi xin gửi lời cảm ơn đến anh, chị phòng Công nghệ thông tin – trung tâm Học liệu Đại học Thái Nguyên giúp tiến hành kiểm thử hệ thống Tôi xin gửi lời cám ơn đến gia đình, bạn bè, người bên tôi, động viên khuyến khích trình thực đề tài nghiên cứu Học viên Lê Văn Giang ii DANH MỤC CÁC KÝ HIỆU, CÁC CHỮ VIẾT TẮT Từ viết tắt RS CF Thuật ngữ Giải thích Recommender System Hệ thống gợi ý Information overload Sự tải thông tin Collaborative Filtering Hệ gợi ý lọc cộng tác Content based Hệ gợi ý dựa nội dung Knowledge-based Hệ gợi ý dựa tri thức Demographic-based Hệ gợi ý dựa nhân học Hybrid recommender Hệ gợi ý lai Cold-start Điểm khởi đầu yếu DANH MỤC CÁC BẢNG Bảng 2.1 Dữ liệu demographic 21 Bảng 3.1 Đánh giá người dùng sản phẩm 44 Bảng 3.2 Ma trân tương đồng người dùng 46 Bảng 3.3 Đánh giá người dùng sản phẩm 48 DANH MỤC CÁC HÌNH VẼ, ĐỒ THỊ Hình 1.1: Website amazon.com Hình 2.1 Hệ gợi ý không cá nhân hóa 20 Hình 2.2 Hệ thống gợi ý demographic-based 21 Hình 2.3 Ma trận người dùng sản phẩm 23 Hình 2.4 Quá trình lọc cộng tác 24 Hình 2.5 Hướng tiếp cận content-based 36 Hình 2.6 Hướng tiếp cận knowledge-based 37 Hình 4.1 Use case Tổng quan 52 Hình 4.2 Use case tìm kiếm địa điểm du lịch 53 Hình 4.3 Use case Nhận gợi ý 54 Hình 4.4 Use case quản lý địa điểm du lịch 55 Hình 4.5 Biểu đồ hoạt động chức xem thông tin, tìm kiếm địa điểm du lịch 56 Hình 4.6 Biểu đồ hoạt động chức gợi ý 57 Hình 4.7 Biểu đồ hoạt động chức đăng ký tài khoản 58 Hình 4.8 Biểu đồ hoạt động chức quản lý bình luận, đánh giá 59 Hình 4.9 Biểu đồ hoạt động chức quản lý địa điểm du lịch 60 Hình 4.10 Biểu đồ Sequence chức Xem tin, tìm kiếm 61 Hình 4.11 Biểu đồ Sequence chức đăng kí tài khoản 62 Hình 4.12 Biểu đồ Sequence chức đăng nhập 63 Hình 4.13 Biểu đồ Sequence chức quản lý địa điểm du lịch 64 Hình 4.14 Lược đồ quan hệ liệu 65 Hình 4.15 Chức thêm sở thích cho người dùng 68 Hình 4.16 Địa điểm du lịch 69 Hình 4.17 Minh họa hệ thống gợi ý cho người dùng 70 Hình 4.18 Giao diện trang chủ hệ thống 71 Hình 4.19 Giao diện đánh giá bình luận 72 Hình 4.20 Giao diện trang quản trị hệ thống 72 MỤC LỤC LỜI CAM ĐOAN i LỜI CẢM ƠN ii DANH MỤC CÁC KÝ HIỆU, CÁC CHỮ VIẾT TẮT DANH MỤC CÁC BẢNG DANH MỤC CÁC HÌNH VẼ, ĐỒ THỊ MỞ ĐẦU CHƯƠNG 1: TỔNG QUAN HỆ GỢI Ý 1.1 Chức hệ gợi ý 11 1.1.1 Đối với nhà cung cấp 12 1.1.2 Đối với người sử dụng 13 1.1.3 Ứng dụng hệ gợi ý 15 1.2 Các vấn đề hệ gợi ý 16 1.2.1 Vấn đề điểm khởi đầu yếu 16 1.2.2 Vấn đề thưa thớt liệu 17 1.2.3 Vấn đề khả mở rộng 18 CHƯƠNG 2: CÁC KỸ THUẬT GỢI Ý 19 2.1 Không cá nhân hóa 20 2.2 Demographic-based 21 2.3 Kỹ thuật lọc cộng tác (Collaborative filtering) 22 2.3.1 Các kỹ thuật lọc cộng tác dựa nhớ 25 2.3.2 Các kỹ thuật lọc cộng tác dựa mô hình 33 2.4 Kỹ thuật gợi ý dựa nội dung (Content-based) 35 2.5 Kỹ thuật gợi ý dựa tri thức (Knowledge-based) 37 2.6 Hệ gợi ý lai phương pháp lai 38 2.6.1 Các phương pháp lai ghép 41 CHƯƠNG 3: XÂY DỰNG HỆ THỐNG GỢI Ý ĐỊA ĐIỂM DU LỊCH 43 3.1 Phát biểu toán 43 3.2 Xây dựng hệ thống 44 3.2.1 Xây dựng tập láng giềng 45 3.2.2 Tạo dự đoán 46 CHƯƠNG 4: CÀI ĐẶT THỬ NGHIỆM VÀ ĐÁNH GIÁ 50 4.1 Xác định yêu cầu hệ thống 50 4.2 Phân tích yêu cầu 51 4.2.1 Xác định tác nhân tham gia hệ thống 51 4.3 Biểu đồ ca sử dụng (Use case Diagram) 53 4.3.1 Biểu đồ Use case tổng quan 53 4.4 Biểu đồ Use case phân rã 53 4.4.1 Use case: Tìm kiếm địa điểm du lịch 53 4.4.2 Use case: Nhận gợi ý 54 4.4.3 Use case: Quản lý địa điểm du lịch 55 4.5 Biểu đồ Hoạt Động (Activity Diagram) 56 4.5.1 Biểu đồ hoạt động: Xem thông tin, tìm kiếm 56 4.5.2 Biểu đồ hoạt động: Nhận gợi ý 57 4.5.3 Biểu đồ hoạt động: Đăng ký tài khoản 58 4.5.4 Biểu đồ hoạt động: Quản lý bình luận, đánh giá 59 4.5.5 Biểu đồ hoạt động: Quản lý địa điểm du lịch 60 4.6 Biểu đồ trình tự (Sequence Diagram) 61 4.6.1 Biểu đồ trình tự: Xem tin, tìm kiếm 61 4.6.3 Biểu đồ trình tự: Đăng nhập 63 4.6.4 Biểu đồ trình tự: Quản lý địa điểm du lịch 64 4.7 Thiết kế liệu 65 4.7.1 Lược đồ quan hệ liệu 65 4.8 Mô hình hệ thống 66 4.8.1 Một số tình hệ thống 67 4.9 Một vài giao diện hệ thống 71 4.10 Đánh giá hệ thống 73 4.10.1 Các thước đo đánh giá 73 4.10.2 Phương pháp đánh giá 74 KẾT LUẬN 76 TÀI LIỆU THAM KHẢO 77 MỞ ĐẦU Sự phát triển nhanh chóng công nghệ thông tin Internet tạo nên lượng liệu khổng lồ mạng, ngày nhiều thông tin tạo truy cập internet, dẫn tới vấn đề tải thông tin việc tìm kiếm thông tin người dùng trở lên khó khăn đặc biệt quan tâm người dùng tới nguồn thông tin khác cần có công cụ, hệ thống có khả hỗ trợ người dùng tìm kiếm đưa thông tin phù hợp với quan tâm thời người dùng Các hệ gợi ý giải vấn đề tải thông tin cách giúp người dùng khám phá đánh giá sản phẩm quan tâm Lọc cộng tác kỹ thuật phổ biến hiệu sử dụng hệ gợi ý Các thuật toán lọc cộng tác sử dụng thông tin lịch sử người dùng để xác định tập láng giềng người dùng để đưa hành vi tương tự dự đoán sản phẩm người dùng tập láng giềng Các thuật toán lọc cộng tác áp dụng thành công nhiều ứng dụng khác Nhưng tất kỹ thuật,thuật toán áp dụng cho hệ gợi ý có điểm mạnh điểm yếu riêng, gặp phải vấn đề đặc trưng hệ gợi ý như: vấn đề thưa thớt liệu, điểm khởi đầu yếu (cold-start), khả mở rộng… Vấn đề thưa thớt liệu xảy liệu đánh giá có sẵn không đủ để xác định độ tương tự láng giềng, đặc biệt hệ thống đưa vào sử dụng Vấn đề thưa thớt liệu lý ảnh hưởng tới chất lượng dự đoán Đã có nhiều phương pháp đề xuất để giải vấn đề thưa thớt liệu, ví dụ, Billsus Pazzani [1] sử dụng thuật toán phân tích giá trị kỳ dị để giảm kích thước liệu đánh giá cách loại bỏ người dùng sản phẩm không quan tâm Để đạt hiệu gợi ý cao, yêu cầu thuật toán phải giải vấn đề đặc trưng hệ gợi ý Các hệ thống gợi ý dựa lọc cộng tác phải đưa gợi ý thời gian thực Tuy nhiên, thuật toán lọc cộng tác đòi hỏi tính toán tốn phát triển phi tuyến với số lượng người dùng sản phẩm Khả mở rộng thuật toán lọc cộng tác làm cho hiểu cho việc thực thi thời gian thực có nhiều nỗ lực thực nhằm giải vấn đề khả mở rộng Trong luận văn tốt nghiệp này, trình bày phương pháp gợi ý, mô hình hệ gợi ý, xây dựng hệ thống đưa gợi ý cá nhân hóa, phù hợp với nhu cầu sở thích người dùng Nghiên cứu tập trung vào áp dụng giải thuật phù hợp giải toán gợi ý địa điểm du lịch, thử nghiệm liệu chuẩn đánh giá kết đạt CHƯƠNG 1: TỔNG QUAN HỆ GỢI Ý Trong sống thường ngày, người thường dựa vào ý kiến hay lời khuyên người khác để đưa định hành động lựa chọn, ví dụ để lựa chọn phim người đọc giới thiệu tổng quát, đánh giá nhà phê bình điện ảnh nhận xét người khác phim tạp chí, Internet muốn mua sách, người tham khảo ý kiến người quen, chủ cửa hàng bán sách người mua khác, cách đưa sở thích, mối quan tâm với họ để nhận góp ý Với phát triển Internet thương mại điện tử nay, lượng thông tin có sẵn vô lớn, điều gây khó khăn tốn thời gian để người dùng tìm kiếm thông tin lựa chọn sản phẩm Yêu cầu cần có phương pháp thu thập thông tin đưa lời khuyên để hỗ trợ người dùng vấn đề tìm kiếm lựa chọn sản phẩm họ quan tâm Hệ gợi ý giải pháp đưa cho vấn đề Hệ gợi ý kỹ thuật (lọc thông tin) công cụ phần mềm cung cấp đề xuất sản phẩm quan tâm tới người dùng Các đề xuất giúp ích cho trình đưa định lựa chọn sản phẩm người dùng, lựa chọn địa điểm du lịch muốn đi, mặt hàng để mua, báo hay nhạc … [1] Một hệ thống gợi ý thường tập trung vào loại sản phẩm định (CD, Sách, Phim ảnh, Báo, Địa điểm du lịch…) với thiết kế, giao diện người dùng, kỹ thuật gợi ý phù hợp đưa đề xuất hiệu hữu dụng cho loại sản phẩm cụ thể Các hệ gợi ý chủ yếu hướng tới người thiếu kinh nghiệm thiếu khả để đánh giá tiềm vượt trội sản phẩm mà trang web cung cấp ví dụ trang web phổ biến Amazon.com, trang web sử dụng hệ gợi ý để cá nhân hóa lưu trữ trực tuyến cho khách hàng, đề xuất cá nhân hóa, người dùng nhóm người dùng khác nhận đề xuất khác Ngoài  Trên giao diện Đăng nhập, hệ thống tự động tạo mẫu đăng nhập để người sử dụng gõ tài khoản mật  Sau hoàn thành hệ thống kiểm tra thông tin tài khoản có hay không sai thông báo lỗi sai mật cho người sử dụng giao diện đăng nhập ban đầu 4.6.4 Biểu đồ trình tự: Quản lý địa điểm du lịch Hình 4.13 Biểu đồ Sequence chức quản lý địa điểm du lịch 64 4.7 Thiết kế liệu 4.7.1 Lược đồ quan hệ liệu Hình 4.14: Lược đồ quan hệ liệu 65 4.8 Mô hình hệ thống Hệ thống xây dựng gồm có phần chính: - View: chứa lớp, file html, aspx, js, css hiểu thị phía browser  Hiển thị nội dung trình duyệt phía người dùng  Nhận request từ phía người dùng  Gửi request tớ lớp controller  Chờ kết hiển thị kết lên trình duyệt cho người dùng  Để tăng hiệu sử lý hệ thống xử dụng công nghệ ajax để giảm khối ượng phải load lại trình duyệt, giảm thời gian phải chờ đợi cho người dung  Controller: chứa lớp điều hướng  Nhận request từ phía người dùng gửi tới  Xử lý request gửi yêu cầu cần tính toán xử lý, xếp hạng tới model  Nhận thông tin từ lớp model trả lại kết cho lớp view - Model: chứa lớp, hàm cài đặt tính toán, truy xuất sở liệu 66  Nhận request tính toán từ phía controller  Lấy liệu cần thiết database  Thực hiện tính toán, xếp hạng địa điểm  Cất liệu vào database cần  Trả kết cho controller - Database:  Chứa toàn sở liệu hệ thống trang web dạng bảng, sở liệu quan hệ  Cho phép thực thao tác cập nhật, thêm mới, xóa liệu  Cho phép thực thao tác bảo mật database 4.8.1 Một số tình hệ thống Tình thứ nhất: Khi có người sử dụng mới, người chưa có đánh giá địa điểm du lịch có đánh giá dẫn đến khó khăn cho hệ thống gợi ý để tính toán địa điểm du lịch phù hợp người Giải pháp: Đối với thành viên đăng nhập thành viên có đánh giá hệ thống hệ thống yêu cầu nhập thêm sở thích (như địa điểm yêu thích loại hình du lịch yêu thích) để dựa vào sở thích gợi ý địa điểm phù hợp cho người dùng 67 Hình 4.15 Chức thêm sở thích cho người dùng Tình thứ hai: Khi có địa điểm du lịch thêm vào hệ thống mà chưa có người dùng đánh giá có người dùng đánh giá, lúc hệ thống xử lý để gợi ý cho người dùng cụ thể Giải pháp:  Đối với địa điểm du lịch thêm vào, hệ thống hiển thị giao diện có biểu tượng “New” địa điểm 68 Hình 4.16 Địa điểm du lịch  Sử dụng thông tin địa điểm du lịch loại hình địa chỉ, tương tự địa điểm để đưa gợi ý cho người dùng hệ thống Cụ thể, sử dụng thông tin loại hình du lịch tìm người dùng có sở thích tương tự loại hình du lịch để gợi ý địa điểm cho người dùng, dựa vào tương đồng địa điểm đánh giá người sử dụng với địa điểm từ tính toán xem địa điểm có độ phù hợp với người dùng cụ thể Tình thứ ba: Với người dùng có nhiều đánh giá hệ thống, ta áp dụng kỹ thuật lọc cộng tác dựa người dùng để đưa gợi ý phù hợp người dùng  Nhằm đem đến nhiều lựa chọn cho người dùng lựa chọn địa điểm du lịch Hệ thống dựa vào lịch sử đánh giá người dùng hệ thống, người dùng xem địa điểm du lịch hệ thống tìm tập tất người dùng 69 đánh giá địa điểm lấy địa điểm người dùng đánh giá cao mà người dùng đích chưa đánh giá để đưa gợi ý cho người dùng đích Hình 4.17 Minh họa hệ thống gợi ý cho người dùng 70 4.9 Một vài giao diện hệ thống Hình 4.18 Giao diện trang chủ hệ thống 71  Giao diện đánh giá, bình luận địa điểm du lịch Hình 4.19 Giao diện đánh giá bình luận  Giao diện trang quản trị Hình 4.20 Giao diện trang quản trị hệ thống 72 4.10 Đánh giá hệ thống 4.10.1 Các thước đo đánh giá Để đánh giá hệ gợi ý, thông thường giới người ta hay sử dụng loại thang đo Đầu tiên thang đo độ xác dự đoán (Predictive Accuracy Measures) MAE, MSE, RMSE, NMSE… Những thang đo hệ gợi ý đánh giá xác đến mức so với đánh giá thực tế người dùng, nhiên có hệ gợi ý đưa danh sách n sản phẩm gợi ý cho người dùng không đưa cụ thể dự đoán đánh giá cặp (user, item) Hơn trọng vào việc đưa sản phẩm phù hợp với người dùng không quan trọng độ xác cụ thể đánh giá, việc sử dụng thang đo không hợp lý Ngoài việc đánh giá tính xác dự đoán, số số khác Precision, Recall F_score, Rscore dùng để đánh giá việc sử dụng dự đoán trường hợp sở liệu nhị phân Các số đánh giá gợi ý phù hợp cho người dùng thay đánh giá số điểm liên quan đến đề nghị Đề nghị coi phù hợp người dùng chọn mục liệu từ danh sách đề nghị gợi ý cho người dùng Precision tỷ lệ số lượng gợi ý phù hợp tổng số gợi ý cung cấp (đã tạo ra) Precision 100% có nghĩa tất kiến nghị phù hợp Recall định nghĩa tỉ lệ số lượng gợi ý phù hợp số lượng mục liệu mà người dùng chọn lựa (xem, nghe, mua, đọc) Recall sử dụng để đo khả hệ thống tìm mục liệu phù hợp so với mà người dùng cần 73 Precision Recall xem hữu ích việc đánh giá gợi ý Tuy nhiên, số trường hợp precision recall có giá trị tỉ lệ nghịch với Ví dụ số lượng gợi ý mà hệ thống tạo 10, số lượng gợi ý phù hợp 3, số lượng sản phẩm mua người dùng độ xác thấp (30%), nhiên giá trị recall lại cao (100%) nghĩa độ xác thấp người dùng lại hài lòng họ mua có sản phẩm hệ thống gợi ý sản phẩm đó.[13] 4.10.2 Phương pháp đánh giá Hệ thống cài đặt kiểm thử thực tế máy chủ 20 máy trạm phòng máy tính Trung tâm Học liệu Đại học Thái Nguyên (http://www.lrc.tnu.edu.vn/) nhằm thu thập số liệu để đánh giá hệ thống Mỗi người dùng máy coi thành viên để sử dụng hệ thống Ban đầu họ phải tạo tài khoản đăng nhập vào hệ thống Tìm kiếm địa điểm du lịch muốn đánh giá, bình luận, người dùng có tổng số đánh giá 10 đánh giá hệ thống lọc cộng tác tính độ tương đồng người dùng với người dùng hệ thống để đưa gợi ý Mỗi lần hệ thống đưa gợi ý địa điểm du lịch cho người dùng cụ thể, người dùng có quan tâm click vào xem địa điểm đề xuất gợi ý coi phù hợp, hiệu Hệ thống xây dựng chức tính tổng số lần hệ thống đưa gợi ý tổng số lần người dùng có quan tâm đến gợi ý để đánh giá hệ thống Dưới số liệu hệ thống đưa vào kiểm thử, với 20 người dùng gợi ý dựa vào việc tìm kiếm gợi ý theo sở thích tổng số 40 địa điểm du lịch 74 Chúng ta thấy thang đánh giá Precision lúc này: Precision  109  0, 278 392 Như độ xác đạt khoảng 27,8% Sau hệ thống có liệu đánh giá người dùng tiếp tục thử nghiệm với số lượng 40 người dùng 61 địa điểm du lịch ta thu số liệu bên Chúng ta thấy thang đánh giá Precision lúc này: Precision  315  0,368 855 Như độ xác đạt khoảng 36,8% 75 KẾT LUẬN Trong trình xây dựng hệ gợi ý có nhiều cách tiếp cận khác nhau, cách lại có ưu điểm nhược điểm riêng, khuôn khổ luận văn trình bày số điểm chính: - Tìm hiểu kiến thức tổng quan vai trò hệ gợi ý, tổng hợp kiến thức hệ gợi ý bản, hệ gợi ý lai làm tảng sở lý thuyết cho nghiên cứu - Từ yêu cầu toán liệu thực tế, đề xuất cách xây dựng hệ thống gợi ý với kỹ thuật lọc cộng tác dựa người dùng kết hợp với kỹ thuật gợi ý dựa sở thích để giải vấn đề người dùng sản phẩm - Xây dựng hệ thống webside hoàn chỉnh tích hợp chức gợi ý để đưa gợi ý địa điểm du lịch cho người dùng Hệ thống gợi ý địa điểm du lịch bước đầu cài đặt thử nghiệm, nhiên chưa kiểm chứng tập đủ lớn liệu, độ xác chưa cao Trong thời gian tới, kiểm tra hoàn thiện hệ thống để đạt hiệu Đồng thời kết hợp thêm yếu tố gợi ý địa điểm du lịch theo ngữ cảnh (phạm vi muốn đi, bạn đồng hành, thời tiết, thời điểm….) để loại bỏ gợi ý không hiệu phương pháp lọc cộng tác truyền thống 76 TÀI LIỆU THAM KHẢO [1] Francesco Ricci, Lior Rokach, BrachaShapira, Paul Bkantor, Recommender Systems Handbook, Pages 31-75, Springer New York Dordrecht Heidelberg London 2010 [2] Ankit, Khera, Online Recommendation System, San Jose State University, January, 1, 2008 [3] Zheng Wen, Recommendation System Based on Collaborative Filtering, December, 12, 2008 [4] Daniar Asanov, Algorithms and Methods in Recommender Systems, Berlin Institute of Technology, 2010 [5] Xiaoyuan Su and Taghi M.Khoshgoftaar, A Survey of Collaborative Filtering Techniques, Department of Computer Scienceand Engineering, Florida Atlantic University, August, 3, 2009 [6] Emmanouil Vozalis, Konstantinos G.Margaritis, Analysis of Recommender Systems’ Algorithms, 2003 [7] Mukund Deshpande and George Karypis, Item-Based Top-N Recommendation Algorithms, ACM Transactionson Information Systems, January 2004 [8] Maddali Surendra Prasad Babu and Boddu Raja Sarath Kumar, An Implementation of the User-based Collaborative Filtering Algorithm, International Journal of Computer Science and Information Technologies, 2011 [9] Michael J Pazzani1and Daniel Billsus, Content-based Recommendation Systems, Rutgers University, ASBIII, Rutgers Plaza New Brunswick, NJ 08901 [10] Francesco Ricci, Lior Rokach, BrachaShapira, Paul Bkantor, Recommender Systems Handbook, Pages 107-185, Springer New York Dordrecht Heidelberg London 2010 77 [11] Robin Burke, Hybrid Web Recommender Systems, School of Computer Science, Telecommunications and Information Systems, DePaul University, 243 S Wabash Ave.Chicago, Illinois, USA [12] WANG Shuliang, XIE Yuan, FANG Meng, A Collaborative Filtering Recommendation Algorithm Based on Item and Cloud Model, Wuhan University Journal Of Natural Sciences, 2011 [13] Jonathan L Herlocker, Joser A Konstan, Loren G Terveen, And John T Riedl, Evaluating Collaborative Filtering Recommender Systems, September 2003 [14] R.Baeza, F.Silvestri, Web Query Log Mining, ACM SIGIR Conference tutorial, 2009 [15] http://simplehtmldom.sourceforge.net/manual.htm 78 ... pháp gợi ý, mô hình hệ gợi ý, xây dựng hệ thống đưa gợi ý cá nhân hóa, phù hợp với nhu cầu sở thích người dùng Nghiên cứu tập trung vào áp dụng giải thuật phù hợp giải toán gợi ý địa điểm du lịch, ... lai ghép 41 CHƯƠNG 3: XÂY DỰNG HỆ THỐNG GỢI Ý ĐỊA ĐIỂM DU LỊCH 43 3.1 Phát biểu toán 43 3.2 Xây dựng hệ thống 44 3.2.1 Xây dựng tập láng giềng 45... dụng hệ gợi ý Ví dụ như: hệ gợi ý du lịch thường đưa bên môi giới du lịch nhà tổ chức quản lý điểm du lịch nhằm mục 11 đích tăng doanh thu, cho thuê nhiều phòng nghỉ hơn, tăng số lượng du khách