بهبود سامانه پیشنهادگر سفر و مسیر- مبتنی بر موقعیت‌مکانی با استفاده از الگوریتم‌های کشف الگوهای پرتکرار ترتیبی

نوع مقاله: مقاله پژوهشی

نویسندگان

1 دانشکده فنی مهندسی، دانشگاه آزاد اسلامی، واحد اصفهان(خوراسگان)، اصفهان، ایران

2 دانشکده فنی و مهندسی (گروه کامپیوتر)، دانشگاه آزاد اسلامی واحد اصفهان(خوراسگان)، اصفهان، ایران

چکیده

در دنیای امروز رایج‌ترین روش جهت برنامه‌ریزی پیش از سفر، استفاده از سامانه‌های‌ پیشنهاد ‌دهنده سفر می‌باشد. در این مقاله، یک سامانه پیشنهادگر سفر بر اساس شبکههای اجتماعی مبتنی بر موقعیت مکانی ارائه شده‌است. مشکل اصلی روش‌های پیشین عدم دقت و سرعت کافی در تحلیل و پیشنهاد سفر به کاربر است. از این رو، روش پیشنهادی با استفاده از الگوریتم‌های کشف الگوهای پرتکرار ترتیبی سعی در کشف دقیق‌تر محل برای پیشنهاد به کاربر در زمان کمتر دارد. در همین راستا، تمرکز بر طراحی مرحله جدیدی از جستجوی مسیر پیشنهادی با استفاده از الگوریتم‌های کشف الگوی پرتکرار ترتیبی CM-SPAM و CM-SPADE خواهد بود. با توجه به نتایج بدست آمده و مقایسه آن با روش‌های پیشین شاهد بهبود امتیاز مسیر به میزان 27 درصد و افزایش میانگین تعداد مکان‌های موجود در مسیر پیشنهادی به میزان 2 عدد شده است. علاوه بر آن، زمان محاسباتی نیز به میزان چشمگیری کاهش نسبت به روش قبلی برخوردار است. نتایج بدست آمده نشان می‌دهد که کارایی سامانه نسبت به روش‌های موجود بهبود قابل توجهی داشته است.

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

Improvement of a Location-Based Social Network Recommender System using The Frequent Pattern Mining Algorithms

نویسندگان [English]

  • Farid Negahbani 1
  • Farsad Zamani Boroujeni 2
1 Department of Computer Engineering, Isfahan (Khorasgan) Branch, Islamic Azad University, Isfahan, Iran
2 Department of Computer Engineering, Isfahan (Khorasgan) Branch Islamic Azad University, Isfahan, Iran
چکیده [English]

Planning for travels is one of the most important activities everybody does while getting ready for it. In this research, we have reduced computational time and improved the quality of proposed routes and route score parameters in a social network and location based recommender system using sequential patterns in the graph. This improvement is gained by combining extracted data from locations from social networks, GPS data from taxi networks and creating a traffic aware system. First a network was created from points of interest (POI) extracted from social networks and GPS data from taxis. Then a two-level method was designed and implemented to personalize travel planning, increase route score, reduce computational time and improve proposed route and give the user the best possible recommendation.
This improvement is gained by combining extracted data from locations from social networks, GPS data from taxi networks and creating a traffic aware system. First a network was created from points of interest (POI) extracted from social networks and GPS data from taxis.

کلیدواژه‌ها [English]

  • Recommended System
  • Location-Based Social Networks (LBSNs)
  • Frequent Graph Patterns
  • Point Of Interest (POI)