ΑΝΑΔΕΙΞΤΟ

Εργαλεία Ανάδειξης Τουριστικής Εμπειρίας
Η τουριστική εμπειρία είναι μια πολυδιάστατη διαδικασία εύρεσης απαντήσεων σε μια σειρά ερωτημάτων: Πού να πάω; Ποιά είναι τα αξιοθέατα που θα άξιζε να επισκεφτώ; Πού να μείνω; Πού να γευματίσω; Πώς θα διασκεδάσω; Πώς θα πάω;  Οι απαντήσεις πρέπει να αποβλέπουν στην αύξηση της ικανοποίησης του επισκέπτη, λαμβάνοντας υπόψη τις προτιμήσεις του, κρατώντας τες ιδιωτικές,  αντλώντας  κατάλληλες πληροφορίες από τεράστιο όγκο υποκειμενικών εμπειριών, όπως αυτές καταγράφονται σε κοινωνικά μέσα ή συλλέγονται από διασυνδεδεμένες συσκευές στην ανατολή της εποχής του διαδικτύου των αντικειμένων (Internet of Things). Οι υποκειμενικές εμπειρίες όπως καταγράφονται σε βίντεο, φωτογραφίες, τραγούδια, κείμενα, αξιολογήσεις (ratings), ίχνη γεω-πληροφορίας, ιστορικό χρηστών (profiles) συνιστούν όντως μεγάλα δεδομένα (big data) τόσο από πλευράς όγκου, ποικιλομορφίας, ταχύτητας ανανέωσης, αλλά και προστιθέμενης αξίας για τους φορείς της τουριστικής βιομηχανίας, αλλά και τους μεμονωμένους επισκέπτες. Επομένως απαιτείται η ανάπτυξη εργαλείων αποτελεσματικής επίλυση σύνθετων προβλημάτων βελτιστοποίησης με περιορισμούς σε περιβάλλον μεγάλων δεδομένων συμβιβαστής με την προστασία των προσωπικών δεδομένων σε επίπεδο εξυπηρέτη (server), αλλά και εφαρμογών (π.χ. iphone/android apps) σε επίπεδο πελάτη (client) για κινητά τηλέφωνα είτε tablets που αξιοποιούν την ανθρωποκεντρική αλληλεπίδραση σε ένα εγγενώς πολυγλωσσικό περιβάλλον.  Κινητήριοι μοχλοί για την επίλυση των προαναφερθέντων προβλημάτων βελτιστοποίησης είναι α) τα υπεργραφήματα (hypergraphs), που μπορούν να μοντελοποιήσουν συσχετίσεις από μια πλειάδα ετερογενών πηγών και β) τα δυναμικά μοντέλα συνεργατικού φιλτραρίσματος (π.χ. συνεργατικό φίλτρο Kalman, παραγοντοποίηση υπεργραφημάτων) που λαμβάνουν υπόψη τη χρονική εξέλιξη κάθε λανθάνουσας συνιστώσας χαμηλής διάστασης αναπαριστώντας την  ως πολυδιάστατη κίνηση Brown. Συνδετικός ιστός μεταξύ των δύο κινητήριων μοχλών είναι τα γραφικά μοντέλα (graphical models) και προσεγγιστικές τεχνικές συναγωγής (approximate inference – variational inference). Και στα δύο επίπεδα, οι προκλήσεις που θα αντιμετωπιστούν είναι σημαντικές και χρονικώς επίκαιρες, εφόσον αποτελούν ερευνητικά αντικείμενα επί ξυρού ακμής διεθνώς.
Κατάσταση
Ενεργό
Έναρξη
Λήξη
Τύπος
Εθνικό έργο
Επιστημονικός Υπεύθυνος
Παύλος Εφραιμίδης