Ein Empfehlungssystem für individualisierte Reisen auf der Basis von kollektivem Wissen

Communities spielen bei der Reiseplanung eine große Rolle. Aufgrund der hohen Komplexität von Reisen vertrauen Nutzer bei der Reiseplanung häufig der Meinung anderer Personen und geben sich gegenseitig oft bessere Empfehlungen als die von automatisierten Empfehlungssystemen generierten. Durch die Interaktion der Individuen in den Communities entsteht kollektives Wissen, das über das Wissen der Einzelnen hinausgeht. Ziel der Untersuchung ist die automatisierte Generierung individueller Reiseempfehlungen auf der Basis von kollektivem Wissen, die von den Mitgliedern der Reisecommunity besser bewertet werden, als die Empfehlungen, die sich diese gegenseitig geben. Hierzu wird eine Online-Reiseplattform konzipiert und implementiert, die den Nutzern den Austausch über ihre bisherigen Reisen ermöglicht. Die anfallenden Daten werden dazu herangezogen, kollektives Wissen über Reisen und Reisetrends sowie individuelle Nutzerpräferenzen zu gewinnen. Das gewonnene Wissen wird in einem hybriden Algorithmus zur Empfehlung kompletter Reisen und zur Unterstützung der Nutzer bei der interaktiven Reisekonfiguration durch die Empfehlung einzelner Aufenthaltspunkte angewandt. Der Algorithmus kombiniert dabei die Methode des Content-based und des Collaborative Filtering und bezieht darüber hinaus Reisetrends ein. Durch die Einbeziehung der Reisetrends können auch für Nutzer, für die aufgrund ihrer noch geringen Aktivität auf der Reiseplattform keine individuellen Präferenzen identifiziert werden können, Empfehlungen ausgesprochen werden. Darüber hinaus werden die auf Basis des kollektiven Wissens maschinell generierten Empfehlungen von den Mitgliedern der Reisecommunity besser bewertet, als die durch die einzelnen Mitglieder selbst abgegebenen.