관광객이 관광 도중에 각종 문화제, 전시회, 공연 등의 이벤트에 참여하는 경우가 있다. 관광객이 이벤트에 참여 후 다음 관광지를 결정하게 되는데, 관광지 정보를 얻을 수 있는 수단은 지도 서비스, 블로그와 같은 소셜네트워크서비스 등이 존재한다. 지도 서비스를 활용하면 관광객이 현재 위치한 장소 주변의 관광지를 쉽게 검색할 수 있다. 이는 위치 기반 관광지 추천으로 활용될 수 있다. 블로그 등은 관광지의 내용을 담고 있기 때문에 관광객이 이벤트의 내용과 관련된 관광지를 찾을 수 있다. 이는 내용 기반 관광지 추천으로 활용될 수 있다. 하지만, 위치 기반 추천의 경우 이벤트의 내용과 관련이 없이 단순히 가까운 관광지가 추천이 될 수 있고, 내용 기반 추천의 경우 거리가 먼 관광지가 추천이 될 수 있는 단점이 있다. 위치와 내용을 모두 고려하는 관광지 추천 서비스는 거의 없다. 본 연구에서는 두 가지 방법의 장점만을 취하기 위해 한국관광공사 LOD(Linked Open Data), 위키피디아, 국어사전 등에 기반하여 위치와 내용을 모두 고려한 관광지 추천 알고리즘을 제시한다. 관광지의 설명글로부터 명사들을 추출한 뒤 다른 관광지의 명사들과 비교를 하여 동일한 명사가 많이 있을수록 내용이 관련이 있다고 판단한다. 정확히 동일한 명사가 없어도 위키피디아에 있는 키워드를 활용하여 관련된 명사가 존재할 경우에도 관련이 있다고 판단한다. 각 관광지의 위도와 경도를 기준으로 거리를 계산한 뒤 사용자가 선택한 가중치로 상기 내용 기반 관련도와 선형결합하여 추천순위를 계산한다.
관광객이 관광 도중에 각종 문화제, 전시회, 공연 등의 이벤트에 참여하는 경우가 있다. 관광객이 이벤트에 참여 후 다음 관광지를 결정하게 되는데, 관광지 정보를 얻을 수 있는 수단은 지도 서비스, 블로그와 같은 소셜네트워크서비스 등이 존재한다. 지도 서비스를 활용하면 관광객이 현재 위치한 장소 주변의 관광지를 쉽게 검색할 수 있다. 이는 위치 기반 관광지 추천으로 활용될 수 있다. 블로그 등은 관광지의 내용을 담고 있기 때문에 관광객이 이벤트의 내용과 관련된 관광지를 찾을 수 있다. 이는 내용 기반 관광지 추천으로 활용될 수 있다. 하지만, 위치 기반 추천의 경우 이벤트의 내용과 관련이 없이 단순히 가까운 관광지가 추천이 될 수 있고, 내용 기반 추천의 경우 거리가 먼 관광지가 추천이 될 수 있는 단점이 있다. 위치와 내용을 모두 고려하는 관광지 추천 서비스는 거의 없다. 본 연구에서는 두 가지 방법의 장점만을 취하기 위해 한국관광공사 LOD(Linked Open Data), 위키피디아, 국어사전 등에 기반하여 위치와 내용을 모두 고려한 관광지 추천 알고리즘을 제시한다. 관광지의 설명글로부터 명사들을 추출한 뒤 다른 관광지의 명사들과 비교를 하여 동일한 명사가 많이 있을수록 내용이 관련이 있다고 판단한다. 정확히 동일한 명사가 없어도 위키피디아에 있는 키워드를 활용하여 관련된 명사가 존재할 경우에도 관련이 있다고 판단한다. 각 관광지의 위도와 경도를 기준으로 거리를 계산한 뒤 사용자가 선택한 가중치로 상기 내용 기반 관련도와 선형결합하여 추천순위를 계산한다.
Participating in exhibitions is one of the major activities for tourists. When selecting their next travel destination after participating in an event, they use map services and social network services, such as blogs, to obtain information about tourist attractions. The map services are location-bas...
Participating in exhibitions is one of the major activities for tourists. When selecting their next travel destination after participating in an event, they use map services and social network services, such as blogs, to obtain information about tourist attractions. The map services are location-based recommendations, because they can easily retrieve information regarding nearby places. Blogs contain informative content about tourist attractions, thereby providing content-based recommendations. However, few services consider both location and content. In location-based recommendations, tourist attractions that are not related to the content of the event attended might be recommended. Content-based recommendation has a disadvantage in that events located at a distance might get recommended. We propose an algorithm that considers both location and content, based on information from the Korea Tourism Organization's Linked Open Data (LOD), Wikipedia, and a Korean dictionary. By extracting nouns from the description of a tourist attraction and then comparing them with nouns about other attractions, a content-based relationship is determined. The distance to the event is calculated based on the latitude and longitude of each tourist attraction. A weight selected by the user is used for linear combination with the content-based relationship to determine the preference order of the recommendations.
Participating in exhibitions is one of the major activities for tourists. When selecting their next travel destination after participating in an event, they use map services and social network services, such as blogs, to obtain information about tourist attractions. The map services are location-based recommendations, because they can easily retrieve information regarding nearby places. Blogs contain informative content about tourist attractions, thereby providing content-based recommendations. However, few services consider both location and content. In location-based recommendations, tourist attractions that are not related to the content of the event attended might be recommended. Content-based recommendation has a disadvantage in that events located at a distance might get recommended. We propose an algorithm that considers both location and content, based on information from the Korea Tourism Organization's Linked Open Data (LOD), Wikipedia, and a Korean dictionary. By extracting nouns from the description of a tourist attraction and then comparing them with nouns about other attractions, a content-based relationship is determined. The distance to the event is calculated based on the latitude and longitude of each tourist attraction. A weight selected by the user is used for linear combination with the content-based relationship to determine the preference order of the recommendations.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
본 논문에서는 위치와 내용을 모두 고려한 관광지 추천 알고리즘을 제안했다. 한국관광공사 LOD, 용어 사전, 위키피디아 등에 기반하여 이벤트와 관광지 간의 내용 유사도를 계산하였고 위도/경도 기반으로 거리를 합산하여 관광지를 추천하는 방법을 고안했다.
본 연구는 관광지 관련 데이터에 기반하여 관광지를 자동으로 추천하는 방법에 관한 것이다. 관광지 관련 데이터는 한국관광공사에서 관리하고 있는 한국관광공사 LOD(Linked Open Data)를 활용한다.
위와 같은 과정을 거치면 관광지 및 이벤트의 위치(위도와 경도)와 내용(설명글)을 추출할 수 있다. 본 연구에 서 이벤트가 열리는 장소 주변의 관광지를 추천한다는 것은 거리가 가까우면서 내용이 유사한 관광지들의 목록을 제시하는 것이다. 관광지 목록을 제시하는 기능은 기존 관광지 추천 알고리즘과 동일하다.
본 연구에서는 이러한 위치 기반 관광지 추천과 내용 기반 관광지 추천의 장점만을 취하기 위해 이동 거리와 내용 유사도를 모두 고려하는 관광치 추천 방법을 제안한다.
제안 방법
관광지와 이벤트의 설명글을 비교하기 위해 설명글로부터 명사를 추출한다. 문장에서 명사만을 추출하기 위해 한나눔 형태소 분석기를 사용했다[4,5]. 한나눔 태그 셋에서 태그 이름이 ncn으로 시작하는 비서술성 명사와 태그 이름이 nq로 시작하는 고유명사에 해당하는 명사를 추출한다.
본 연구에서는 관광지들을 연결하는 도로는 고려하지 않고 단순 직선 거리를 사용한다. Haversine formula를 이용해 위도와 경도를 이용해 두 지점간의 직선 거리를 계산할 수 있다[15].
본 논문에서는 위치와 내용을 모두 고려한 관광지 추천 알고리즘을 제안했다. 한국관광공사 LOD, 용어 사전, 위키피디아 등에 기반하여 이벤트와 관광지 간의 내용 유사도를 계산하였고 위도/경도 기반으로 거리를 합산하여 관광지를 추천하는 방법을 고안했다.
우선 ExtractNouns 모듈을 이용해 사용자가 선택한 이벤트의 설명글로부터 명사를 추출한다. 한국관광공사 LOD에서 모든 관광지들을 추출하고 각 관광지에 대해 마찬가지로 ExtractNouns 모듈을 이용해 명사를 추출 한다. 주어진 이벤트과 관광지에 대해 명사가 공유되는 정도에 따라 유사도를 계산한다[10,11,13].
대상 데이터
한국정보화진흥원이 추진한 2017년 빅데이터 플래그십 시범사업을 통해 구축됐으며 현재는 카카오에서 운영하고 있다. 2018년 5월 현재 655개의 데이터셋을 제공하고 있으며, 검색 키워드 순위, 자동차 이동경로, 관광객 방문 통계 등의 정보를 제공한다. 제주 스마트 관광 플랫폼 (jstp.
본 연구는 관광지 관련 데이터에 기반하여 관광지를 자동으로 추천하는 방법에 관한 것이다. 관광지 관련 데이터는 한국관광공사에서 관리하고 있는 한국관광공사 LOD(Linked Open Data)를 활용한다. 한국관광공사 LOD는 관광분야의 지식을 표현한 온톨로지의 일종으로 온톨로지는 차세대 웹 환경의 핵심 표현 방법들 중 하나이다[12,14].
이론/모형
관광지 및 이벤트의 위치 정보는 WGS84 어휘 (Vocabulary)를 사용한다. WGS84는 위치정보를 표현 하는 데에 사용하는 속성들로 구성돼 있다.
후속연구
관광지가 주제 또는 역사를 기준으로 분류가 돼 있는 경우 바로 유사한 관광지를 찾을 수 있지만 공식화된 분류 기준이 있는 것이 아니기 때문에 관광지의 설명글을 분석하는 방법을 사용할 수 있다[3]. 내용 기반 관광지 추천은 아직 연구단계로 서비스화된 사례가 거의 없지만, 기존 지도 서비스에 쉽게 통합될 수 있기 때문에 향후 관련 서비스가 개발될 것으로 기대된다.
향후 연구에서는 위도/경도 기반의 단순 직선 거리가 아닌 연결된 도로를 고려한 거리를 고려하도록 개선할 예정이다. 또한, 실제 사용자를 대상으로 한 실험을 통해 위치와 내용에 대한 가중치를 정하는 방법에 대한 연구를 통해 보다 사용자 맞춤형 관광지 추천 시스템이 되도록 개선할 예정이다.
학문적인 관점에서는 컴퓨터공학 분야의 텍스트마이닝 기술을 관광학 분야에 적용했다는 점에서 과학기술과 인문사회 분야의 융합 연구로서 의미를 찾을 수 있다. 본 연구에서는 위키피디아를 기반 데이터로 사용했는데 블로그 등의 사용자의 견해가 실시간으로 반영되는 매체를 활용하게 되면 좀 더 의미있는 추천이 가능할 수 있다. 이를 위해서 실시간으로 블로그의 글을 크롤링하는 기술을 융합하는 연구가 가능하다.
고마나루는 백제 역사의 중심이자 국제적 교통의 관문으로 정읍사문화제가 열리는 장소 에서 다른 관광지에 비해서 상대적으로 가까운 곳이다. 천은사를 추천하는 것보다는 고마나루를 추천하는 것이 정읍사문화제에 참여하고 있는 관광객에게 더 도움이 될 것이다.
향후 연구에서는 위도/경도 기반의 단순 직선 거리가 아닌 연결된 도로를 고려한 거리를 고려하도록 개선할 예정이다. 또한, 실제 사용자를 대상으로 한 실험을 통해 위치와 내용에 대한 가중치를 정하는 방법에 대한 연구를 통해 보다 사용자 맞춤형 관광지 추천 시스템이 되도록 개선할 예정이다.
질의응답
핵심어
질문
논문에서 추출한 답변
기존 관광지 추천 시스템은 크게 어떻게 나뉘는가?
기존 관광지 추천 시스템은 크게 위치 기반 관광지 추천과 내용 기반 관광지 추천으로 나뉜다[1]. 위치 기반 관광지 추천은 사용자가 현재 위치한 주변의 관광지를 추천하는 것으로 위도/경도로 거리를 계산하여 관광지들의 목록을 거리가 짧은 순으로 제시하는 방법이다.
위치 기반 관광지 추천의 대표적인 예는 무엇인가?
위치 기반 관광지 추천은 사용자가 현재 위치한 주변의 관광지를 추천하는 것으로 위도/경도로 거리를 계산하여 관광지들의 목록을 거리가 짧은 순으로 제시하는 방법이다. 대표적인 사례로 카카오맵, 네이버맵 등의 지도 서비스이다. 현재 위치한 장소 주변의 관광지들이 지도에 시각화 되고 거리도 확인할 수 있다.
위치 기반 관광지 추천은 무엇인가?
기존 관광지 추천 시스템은 크게 위치 기반 관광지 추천과 내용 기반 관광지 추천으로 나뉜다[1]. 위치 기반 관광지 추천은 사용자가 현재 위치한 주변의 관광지를 추천하는 것으로 위도/경도로 거리를 계산하여 관광지들의 목록을 거리가 짧은 순으로 제시하는 방법이다. 대표적인 사례로 카카오맵, 네이버맵 등의 지도 서비스이다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.