[논문]Implementation of a Travel Route Recommendation System Utilizing Daily Scheduling Templates

Kim, Hyeon Gyu

doi:10.9708/jksci.2022.27.10.137

Implementation of a Travel Route Recommendation System Utilizing Daily Scheduling Templates 원문보기

韓國컴퓨터情報學會論文誌 = Journal of the Korea Society of Computer and Information, v.27 no.10, 2022년, pp.137 - 146

Kim, Hyeon Gyu (Div. of Computer Science and Engineering, Sahmyook University)

초록
AI-Helper

최근 수요가 많아진 여행 일정 추천 서비스와 관련하여, 이전 연구에서는 소셜 빅데이터 분석을 통해 관광지, 맛집, 숙소 등을 포함한 플레이스들의 대중적인 인기 정도를 정량화하고, 분석결과를 기반으로 여행 스케줄을 생성하기 위한 방법을 소개하였다. 그러나 생성된 스케줄은 관광지를 최단 거리로 연결한 이동 경로 위주로 구성되었으며, 여행 일자별로 맛집이나 숙소 정보를 포함한 구체적인 일정 정보는 제공하지 않았다. 본 논문에서는 소셜 빅데이터를 기반으로 생성된 여행 스케줄에 시나리오 템플릿을 이용하여 상세 이동 경로를 구성하기 위한 알고리즘을 제시하고, 이를 구현한 프로토타입 시스템에 대해 소개한다. 제안 시스템은 플레이스 정보 수집, 플레이스별 인기점수 산정, 최단경로 여행 일정 생성, 일자별 상세 스케줄 생성, UI 시각화 등의 모듈로 구성되며, 경상남도 내 63,000여 개의 플레이스를 대상으로 수집된 리뷰를 바탕으로 진행된 실험을 통해 제안 시스템의 효용성을 입증하였다.

Abstract ▼ AI-Helper

In relation to the travel itinerary recommendation service, which has recently become in high demand, our previous work introduces a method to quantify the popularity of places including tour spots, restaurants, and accommodations through social big data analysis, and to create a travel schedule based on the analysis results. On the other hand, the generated schedule was mainly composed of travel routes that connected tour spots with the shorted distance, and detailed schedule information including restaurants and accommodation information for each travel date was not provided. This paper presents an algorithm for constructing a detailed travel route using a scenario template in a travel schedule created based on social big data, and introduces a prototype system that implements it. The proposed system consists of modules such as place information collection, place-specific popularity score estimation, shortest travel rout generation, daily schedule organization, and UI visualization. Experiments conducted based on social reviews collected from 63,000 places in the Gyeongnam province proved effectiveness of the proposed system.

주제어

표/그림 (16)

그림 Fig. 1. (a) complete tour itinerary (left) and (b) 1st day tour schedule (right) suggested by the proposed system when the travel destination is set to Geoje
표 Table 1. Comparison of the existing travel scheduling algorithms
표 Table 2. Tour spots and their popularity scores in Geoje city
표 Table 3. Tour spot groups and their popularity scores in Geoje city
표 Table 4. Tour spot groups and their popularity scores in Geoje city
표 Table 5. Activity scenario for a day tour according to the time line
그림 Fig. 2. Algorithm for finding a daily tour schedule from place lists
표 Table 6. 1st day tour schedule recommended from popular places of Table 4
표 Table 7. 2nd day tour schedule recommended from popular places of Table 4
그림 Fig. 3. System structure of the proposed system
그림 Fig. 4. (a) complete tour itinerary in a map (left) and (b) its place information (right) suggested by the proposed system when the travel destination is set to Geoje
그림 Fig. 5. (a) 1st day tour itinerary in a map (left) and (b) its place information (right) suggested by the proposed system when the travel destination is set to Geoje
그림 Fig. 6. (a) recommendation of multiple places for dinner in the 1st day tour itinerary (left) and (b) place information near Gongoji in a map (right)
표 Table 8. Numbers of places and true reviews of 18 cities in the Gyeongnam province
표 Table 9. Numbers of places, schedule length, and popularity score of the places included in the recommended tour schedules of the 18 cities in the Gyeongnam province
표 Table 10. Popularity scores of tour spots, diners, cafes, hotels included in the recommended tour schedules of 18 cities in the Gyeongnam province

AI 본문요약
AI-Helper

문제 정의

본 논문에서는 소셜 빅데이터를 기반으로 날짜별 세부 여행 일정 정보를 추천하기 위한 시스템과 구현 방법에 대해 소개한다. 제안 시스템에서는 관광지 별 체류 시간을 2시간으로 가정한 여행 시나리오 템플릿을 기반으로 구체적인 여행 일정을 수립한다.
본 논문에서는 이전 연구의 실행 결과로 주어진 최단 거리 여행 경로를 바탕으로 시나리오 템플릿을 이용하여 맛집, 카페, 숙소 정보를 포함한 일자별 상세 여행 스케줄을 제공하기 위한 알고리즘을 제안하고, 이를 구현한 프로토 타입 시스템에 대해 소개하였다. 프로토타입 시스템은 플레이스 정보 생성 및 리뷰 수집, 플레이스별 인기점수 산정, 최단경로 여행 일정 생성, 일자별 상세 스케줄 생성, UI 시각화 등의 모듈로 구성되어 있으며, 지도상에 여행 이동 경로와 상세 일정을 보여준다.

가설 설정

getDailySchedule()은 여행 목적지 내 인기 관광지, 맛집, 카페, 숙소 리스트인 tours, diners, cafes, hotels를 파라미터로 입력받아 일자별 상세 여행 스케줄을 생성하는 함수로, 아래에서는 JavaScript로 알고리즘을 기술하였다. 아래 알고리즘에서 관광지 그룹별 체류 시간은 2시간으로 가정하였다.
현재 제안 방법의 시나리오 템플릿(Table 5)에서는 관광지 그룹별 체류 시간을 2시간으로 가정하였다. 이는 스케줄에 더욱 풍부한 내용을 담기 위함이다.

제안 방법

프로토타입 시스템은 플레이스 정보 생성 및 리뷰 수집, 플레이스별 인기점수 산정, 최단경로 여행 일정 생성, 일자별 상세 스케줄 생성, UI 시각화 등의 모듈로 구성되어 있으며, 지도상에 여행 이동 경로와 상세 일정을 보여준다. 시스템 검증을 위해, 경상남도에 위치한 63,000여 개의 플레이스 정보와 각각에 대한 소셜 리뷰를 수집한 후, 이를 기반으로 도내 18개 시군구 별로 상세 여행 일정을 생성하고 제시함으로써 시스템의 효용성을 입증하였다. 그리고 추천된 일정으로부터 지역별로 특성들이 도출될 수 있으며, 이를 통해 사용자의 선호도에 따라 다른 스케줄을 추천할 수 있음을 함께 제시하였다.
제안 시스템에서는 관광지 별 체류 시간을 2시간으로 가정한 여행 시나리오 템플릿을 기반으로 구체적인 여행 일정을 수립한다. 이를 구현하기 위해, 제안 시스템은 플레이스 정보 생성 및 리뷰 수집, 플레이스별 인기점수 산정, 최단경로 여행 일정 생성, 일자별 상세 스케줄 생성, UI 시각화 등의 모듈로 구성된다. [그림 1]은 제안 방법을 구현한 시스템에서 여행 목적지를 경상남도 거제시로 설정했을 경우 추천된 여행 스케줄과 1일차 상세 일정을 캡처한 화면을 보여준다.
본 논문에서는 소셜 빅데이터를 기반으로 날짜별 세부 여행 일정 정보를 추천하기 위한 시스템과 구현 방법에 대해 소개한다. 제안 시스템에서는 관광지 별 체류 시간을 2시간으로 가정한 여행 시나리오 템플릿을 기반으로 구체적인 여행 일정을 수립한다. 이를 구현하기 위해, 제안 시스템은 플레이스 정보 생성 및 리뷰 수집, 플레이스별 인기점수 산정, 최단경로 여행 일정 생성, 일자별 상세 스케줄 생성, UI 시각화 등의 모듈로 구성된다.

대상 데이터

아래 표는 경상남도 내 18개 지역(시군구)을 대상으로 수집된 플레이스의 수와 리뷰 수를 보여준다. 리뷰 수는 최근 3년 이내에 작성된 블로그 글을 대상으로 집계하였으며, 리뷰의 총합은 475,871개로 조사되었다.
Table 5는 제안 방법에서 시나리오 템플릿에 해당하며, 날짜별 세부 일정을 구성하기 위한 기준을 제시한다. 아래 템플릿에서 아침, 점심, 저녁 식사 장소는 Table 4의 맛집을 대상으로 선정하며, 오전 및 오후관광은 관광지 그룹을 대상으로 한다. 커피휴식 장소는 카페나 디저트 공간(Table 4에서는 지면 관계상 제시되지 않음)을 대상으로 하며, 숙박은 숙소를 대상으로 선정된다.
아래 템플릿에서 아침, 점심, 저녁 식사 장소는 Table 4의 맛집을 대상으로 선정하며, 오전 및 오후관광은 관광지 그룹을 대상으로 한다. 커피휴식 장소는 카페나 디저트 공간(Table 4에서는 지면 관계상 제시되지 않음)을 대상으로 하며, 숙박은 숙소를 대상으로 선정된다.
먼저 플레이스 정보 생성 모듈에서는 여행 스케줄 생성에 필요한 플레이스 정보를 수집한다. 플레이스 정보 수집에 있어, 관광지 정보는 한국관광공사에서 제공하는 Tour API를 이용하며, 맛집이나 숙소 정보는 소상공인진흥공단에서 제공하는 공공 데이터를 이용한다. 플레이스 정보 수집이 완료되면, 플레이스 별로 소셜 리뷰를 수집하고 연관성이 떨어지는 노이즈 리뷰를 필터링하는 작업을 수행한다.

이론/모형

1절의 식 (1)이 이용된다. 플레이스별로 인기점수 산정이 완료되면, 여행 목적지 내 인기 관광지들을 연결한 최단거리 여행 스케줄을 생성하며, 이는 이전연구에서 제안한 TSP 알고리즘을 이용한다. 그리고 III.

후속연구

이에 반해, 제안 시스템에서는 사용자의 선호도에 따른 맞춤형 여행 스케줄은 지원되지 않는다. 향후 연구에서는 여행지별 체류 시간이나 개인의 선호도 파악 등을 통해 제안 시스템에서 개인 맞춤형 여행 스케줄을 제공하기 위한 연구를 지속할 예정이다.

참고문헌 (21)

B. H. Joeng and K. H. Kim, "Analysis of Differences of Importance and Satisfaction of Smart Tourism IT Services Among Steps of Tourism Life Cycle," The Journal of Internet Electronic Commerce Research, Vol. 19, No. 1, pp. 289-306, 2019.

상세보기
Y. W. Yu, S. H. Kim, and H. G. Kim, "Travel Route Recommendation Utilizing Social Big Data," Journal of the Korea Society of Computer and Information, Vol. 27, No. 5, pp. 117-125, 2022.
H. Yoon, Y. Zheng, X. Xie, and W. Woo, "Smart Itinerary Recommendation Based on User-Generated GPS Trajectories." Ubiquitous Intelligence and Computing, Springer Berlin eidelberg, Vol. 6406, pp. 19-34, Jan. 2010.

상세보기
J. Park, H. Jeong, and H. Ru, "Personalized Travel Schedule Creation System Based on Recommendation System," Proceedings of the KSCIC, Vol. 25, No. 1, pp. 105-108, Jan. 2017.
B. S. Wibowo and M. Handayani, "A Genetic Algorithm for Generating Travel Itinerary Recommendation with Restaurant Selection," Proceedings of 2018 IEEE International Conference on Industrial Engineering and Engineering Management, pp. 427-431, 2018.
S. H. Kwon and S. M. Park, "User Evaluation-based Travel Planning Modeling using Genetic Algorithm," Journal of Korean Institute of Intelligent Systems, Vol. 31, No. 4, pp. 311-317, Aug. 2021.

상세보기
H. Park et al., "Travel Route Recommendation System Using Collaborative Filtering and Content-Based Recommendation," Proceedings of the KIIT Conference, pp. 452-454, Oct. 2020.
Tour API 3.0, Korea Tourism Organization, https://kto.visitkorea.or.kr/kor/gov30/tourapi.kto
A. Sohail, M.A. Cheema, D. Taniar, "Geo-Social Temporal Top-k Queries in Location-Based Social Networks", In Australasian Database Conference, pp.147-160, Jan. 2020.
J. Bao, Y. Zheng, D. Wilkie, and M. Mokbel, "Location-based and Preference-Aware Recommendation using Sparse Geo-Social Networking Data," Proceedings of the 20th International Conference on Advances in Geographic Information Systems, pp. 199-208, 2012.
J. Park, S. Yoo, and O Jeong, "Social Context-Aware based Travel Recommendation System," Proceedings of KIISE Conference, pp.1926-1928, June 2016.
T. Kurashima, T. Iwata, G. Irie, and K. Fujimura, "Travel route recommendation using geotagged photos", Knowledge and information systems, vol.37, no.1, pp. 37-60, 2012.

상세보기
I. Brilhante, J.A. Macedo, F.M. Nardi, R. Pergo, and C. Renso, "Where Shall We Go Today?: Planning Touristic Tours with Tripbuilder," Proc. of the 22nd ACM international conference on Conference on information & knowledge management, pp. 757-762, 2013.
S. H. Park and S. Park, "Personalized Itinerary Recommend -ation System based on Stay Time," KIISE Transactions on Computing Practices, Vol. 22, No. 1, pp. 38-43, Jan. 2016. DOI: 10.5626/KTCP.2016.22.1.38

상세보기
Y. T. Wen, J. Yeo, W. C. Peng and S. W. Hwang, "Efficient keyword-aware representative travel route recommendation." IEEE Transactions on Knowledge and Data Engineering, Vol.29, No.8, pp.1639-1652, 2017.

상세보기
J. Park, H. Jeong, and H. Ru, "Personalized Travel Schedule Creation System Based on Recommendation System," Proceedings of the KSCIC, Vol. 25, No. 1, pp. 105-108, Jan.2017.
Small Business Promotion Agency, https://www.semas.or.kr
H. G. Kim, "Efficient Keyword Extraction from Social Big Data Based on Cohesion Scoring," Journal of the Korea Society of Computer and Information, Vol. 25, No. 10, pp. 87-94, 2020. DOI: 10.9708/JKSCI.2020.25.10.087

원문보기 상세보기
Y. W. Yu and H. G. Kim, "Interactive Morphological Analysis to Improve Accuracy of Keyword Extraction Based on Cohesion Scoring," Journal of the Korea Society of Computer and Information, Vol. 25, No. 12, pp. 146-154, 2020.
Traveling Salesman Problem, Wikipedia, https://en.wikipedia.org/wiki/Travelling_salesman_problem
Naver Search API, https://developers.naver.com/docs/search/blog/

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증