Group recommender systems for tourism: overcoming the cold-start problem and conflicting preferences by using artificial intelligence and serious games

Abstract

A evolução tecnológica e Humana nos últimos 25 anos levou a uma abundância avassaladora de informação e bens, dificultando o processo de escolha. Isto levou ao desenvolvimento de Sistemas de Recomendação (RS), que visam ajudar os utilizadores a escolher itens alinhados com as suas preferências em domínios como a música, filmes, turismo e notícias. Contudo, surgem desafios, especialmente em contextos de grupo, onde as preferências divergentes e conflitos são frequen-tes. Isto é particularmente evidente no turismo, que envolve experiências emocionais. Os Sistemas de Recomendação para Grupos (GRS) surgiram para resolver esses problemas, mas desafios co-mo o problema de arranque a frio (cold-start), configurações demoradas, intrusividade, balancea-mento das preferências de grupo e falta de atenção às necessidades individuais persistem. Para enfrentar os desafios mencionados, o principal objetivo deste trabalho foi desenvolver um protótipo de GRS baseado na personalidade. Primeiro, foi realizado um estudo de larga escala (𝑛=1035 participantes), que revelou que certas preferências turísticas são procuradas por perso-nalidades específicas, contribuindo com novos modelos baseados em personalidade para prever essas preferências. De seguida, foi implementado o protótipo de GRS, usando uma arquitetura de microserviços, incluindo um Microserviço Multi-Agente onde foi criado um algoritmo de clustering dinâmico baseado na personalidade, 𝑑-means, que agrega turistas com personalidades semelhan-tes, criando os melhores clusters em tempo real sem precisar de conhecer o número inicial de clusters. Os modelos e algoritmo 𝑑-means eliminam a necessidade de dados de interação ou classificações prévias para as recomendações iniciais, resolvendo o problema do cold-start. Os clusters ajudam a resolver a heterogeneidade e preferências conflituosas, agregando turistas com personalidades semelhantes no mesmo subgrupo quando são solicitadas recomendações para um grupo. As recomendações são depois refinadas usando o algoritmo Apriori, que extrai regras dos utilizadores agrupados. Por fim, foram desenvolvidos dois jogos sérios, demonstrando ser possível determinar implicitamente traços de personalidade em menos de 5 min, eliminando a necessida-de de questionários de personalidade suscetíveis ao viés de desejabilidade social e dados de inte-ração com o RS, o que pode ser uma reviravolta na história dos RS baseados na personalidade.