KỸ THUẬT KHUYẾN NGHỊ TƯƠNG TÁC NGƯỜI DÙNG TỰ NHIÊN ỨNG DỤNG TRONG NGÀNH DU LỊCH

Luận văn thạc sĩ về kỹ thuật khuyến nghị tương tác người dùng tự nhiên trong ngành du lịch. Nghiên cứu ứng dụng khoa học máy tính để phát triển hệ thống gợi ý du lịch thông minh.

• Tác giả: Nguyễn Minh Thành
• Người hướng dẫn: Pgs. Quản Thành Thơ
• Trường học: Trường Đại học Bách Khoa
• Chuyên ngành: Khoa Học Máy Tính
• Đề tài: Kỹ Thuật Khuyến Nghị Tương Tác Người Dùng Tự Nhiên Ứng Dụng Trong Ngành Du Lịch
• Loại tài liệu: luận văn thạc sĩ
• Năm xuất bản: 2016
• Địa điểm: Tp. Hồ Chí Minh

Tóm tắt

I. Tổng Quan Về Kỹ Thuật Khuyến Nghị Du Lịch Hiện Đại

Thế giới thông tin ngày nay chứa đựng vô vàn dữ liệu. Nhu cầu xử lý thông tin và chọn lọc kết quả phù hợp trở nên cấp thiết. Hệ thống khuyến nghị (Recommender Systems) ra đời để đáp ứng nhu cầu này, đưa ra các gợi ý về sản phẩm, dịch vụ, vấn đề liên quan. Hệ thống này được áp dụng rộng rãi trong thương mại điện tử, dịch vụ, đào tạo trực tuyến và đặc biệt là ngành du lịch. Mục tiêu là tạo ra trải nghiệm người dùng hiệu quả, giúp họ nhanh chóng tìm thấy thông tin hữu ích, tiết kiệm thời gian và công sức trong quá trình lựa chọn. Theo luận văn của Nguyễn Minh Thành, “Hệ thống khuyến nghị có ưu điểm khả năng thu thập lượng thông tin rất lớn, xử lý theo thuật toán chương trình của chuyên gia kinh nghiệm tri thức miền, và đề xuất ra kết quả khuyến nghị nhanh chóng”.

1.1. Tầm Quan Trọng của Recommender Systems for Tourism

Ngành du lịch đang chứng kiến sự tăng trưởng mạnh mẽ, kéo theo nhu cầu tìm kiếm thông tin và lên kế hoạch du lịch của người dùng tăng cao. Tuy nhiên, thông tin trên internet tràn lan, đa chiều, khiến người dùng khó đưa ra quyết định. Hệ thống khuyến nghị du lịch (TRS) đóng vai trò quan trọng trong việc giúp người dùng tiếp cận thông tin chính xác, phù hợp với sở thích cá nhân. Điều này tạo ra giá trị gia tăng cho các tổ chức hoạt động trong ngành, thu hút khách hàng tiềm năng. Personalized Travel Recommendations đang dần trở thành xu hướng tất yếu.

1.2. User Experience trong Tourism Recommender Systems Yếu Tố Thành Công

Trải nghiệm người dùng là yếu tố then chốt quyết định sự thành công của bất kỳ hệ thống khuyến nghị nào. Một hệ thống dễ sử dụng, giao diện thân thiện, và cung cấp thông tin chính xác, hữu ích sẽ tạo được sự tin tưởng và hài lòng từ người dùng. Ngược lại, một hệ thống phức tạp, khó sử dụng, hoặc cung cấp thông tin sai lệch sẽ gây khó chịu và mất niềm tin. Usability of Travel Recommender Systems cần được ưu tiên hàng đầu.

II. Thách Thức trong Xây Dựng Hệ Thống Khuyến Nghị Du Lịch

Xây dựng một hệ thống khuyến nghị du lịch hiệu quả không hề đơn giản. Dữ liệu đầu vào đa dạng, phức tạp, bao gồm thông tin người dùng (profile, sở thích, mạng xã hội), thông tin ngữ cảnh (thời tiết, địa điểm, lễ hội), và thông tin du lịch (điểm đến, dịch vụ, giá cả). Hơn nữa, sở thích của người dùng luôn thay đổi theo thời gian và ngữ cảnh. Do đó, hệ thống cần có khả năng cá nhân hóa, thích ứng linh hoạt, và đưa ra các gợi ý phù hợp nhất. Nguyễn Minh Thành chỉ ra, “Thách thức đối với TRS là dữ liệu input liên quan người dùng có tường minh (explicitly) và ngầm định (implicitly) qua xử lý khai thác dữ liệu hoạt động trực tuyến của người dùng (user online activity), cảm xúc, ý kiến người dùng cũng có thay đổi nhanh chóng theo từng thời điểm khác nhau”.

2.1. Vấn Đề Information Retrieval và Tourism Information Retrieval

Lượng thông tin du lịch khổng lồ trên internet khiến việc tìm kiếm và truy xuất thông tin (Information Retrieval) trở thành một thách thức lớn. Hệ thống cần có khả năng lọc thông tin nhiễu, xác định thông tin liên quan, và trình bày thông tin một cách rõ ràng, dễ hiểu. Tourism Information Retrieval tập trung vào việc truy xuất thông tin du lịch hiệu quả, đáp ứng nhu cầu cụ thể của người dùng.

2.2. Khó Khăn trong Sentiment Analysis in Travel Reviews

Đánh giá du lịch trực tuyến (Travel Reviews) là nguồn thông tin quan trọng để xây dựng hệ thống khuyến nghị. Tuy nhiên, việc phân tích cảm xúc (Sentiment Analysis) trong các đánh giá này không hề dễ dàng. Ngôn ngữ đa dạng, phức tạp, và ý kiến chủ quan của người đánh giá có thể gây khó khăn cho việc xác định chính xác cảm xúc tích cực hay tiêu cực. Sentiment Analysis in Travel Reviews cần được thực hiện cẩn thận để đảm bảo tính khách quan và chính xác.

2.3. Ethical Considerations in Travel Recommender Systems

Việc sử dụng AI in Travel Recommendation và dữ liệu cá nhân để xây dựng hệ thống khuyến nghị du lịch đặt ra những vấn đề về đạo đức. Hệ thống cần đảm bảo quyền riêng tư của người dùng, tránh phân biệt đối xử, và cung cấp thông tin minh bạch. Ethical Considerations in Travel Recommender Systems cần được xem xét kỹ lưỡng để đảm bảo sự công bằng và trách nhiệm.

III. Natural Language Processing in Travel Giải Pháp Tối Ưu

Xử lý ngôn ngữ tự nhiên (NLP) đóng vai trò quan trọng trong việc xây dựng hệ thống khuyến nghị du lịch tương tác tự nhiên. NLP cho phép hệ thống hiểu ngôn ngữ của người dùng, trích xuất thông tin từ văn bản, và tạo ra các cuộc hội thoại tự nhiên. Điều này giúp người dùng tương tác với hệ thống một cách dễ dàng, thoải mái, và nhận được các gợi ý phù hợp với nhu cầu của họ. Theo luận văn, hệ thống có khả năng điều chỉnh thông tin cá tính, thị hiếu người dùng bằng cách học ghi nhận sự tương tác giữa người và hệ thống, sau đó đề xuất các khuyến nghị được điều chỉnh phù hợp hơn.

3.1. Ứng Dụng Chatbots for Travel Tương Tác Hiệu Quả

Chatbots là một ứng dụng tiêu biểu của NLP trong ngành du lịch. Chatbots có thể trả lời các câu hỏi của người dùng, cung cấp thông tin về điểm đến, dịch vụ, và giúp người dùng đặt vé, phòng khách sạn. Chatbots for Travel giúp cải thiện trải nghiệm người dùng, tiết kiệm thời gian, và giảm tải cho nhân viên hỗ trợ.

3.2. Tận Dụng Voice Based Travel Recommendations Xu Hướng Mới

Với sự phát triển của công nghệ nhận dạng giọng nói, Voice-Based Travel Recommendations đang trở thành một xu hướng mới. Người dùng có thể tương tác với hệ thống thông qua giọng nói, yêu cầu thông tin, và nhận được các gợi ý mà không cần phải gõ văn bản. Điều này mang lại sự tiện lợi và trải nghiệm mới lạ cho người dùng. Hệ thống cần có khả năng nhận diện và hiểu ngôn ngữ tự nhiên, phản hồi nhanh chóng, và cung cấp thông tin chính xác.

IV. Machine Learning và Deep Learning trong AI in Travel Recommendation

Học máy (Machine Learning) và Học sâu (Deep Learning) là các công cụ mạnh mẽ để xây dựng hệ thống khuyến nghị du lịch. Các thuật toán học máy có thể học từ dữ liệu, dự đoán sở thích của người dùng, và đưa ra các gợi ý phù hợp. Học sâu đặc biệt hiệu quả trong việc xử lý dữ liệu phi cấu trúc, như hình ảnh, video, và văn bản. Kết hợp Machine Learning for Tourism Recommender Systems và Deep Learning for Travel Recommendation giúp tăng độ chính xác và hiệu quả của hệ thống.

4.1. Sử Dụng Collaborative Filtering in Travel để Khám Phá Điều Mới

Lọc cộng tác (Collaborative Filtering) là một phương pháp phổ biến trong hệ thống khuyến nghị. Phương pháp này dựa trên ý tưởng rằng những người dùng có sở thích tương tự sẽ thích những sản phẩm/dịch vụ tương tự. Collaborative Filtering in Travel giúp người dùng khám phá những điểm đến, dịch vụ mới, dựa trên kinh nghiệm của những người dùng khác.

4.2. Ứng Dụng Content Based Filtering in Tourism Gợi Ý Theo Đặc Điểm

Lọc dựa trên nội dung (Content-Based Filtering) là một phương pháp khác trong hệ thống khuyến nghị. Phương pháp này dựa trên đặc điểm của sản phẩm/dịch vụ để đưa ra các gợi ý. Content-Based Filtering in Tourism giúp người dùng tìm kiếm những điểm đến, dịch vụ phù hợp với sở thích cá nhân, dựa trên mô tả, đánh giá, và thông tin khác.

V. Hybrid Recommender Systems for Travel Kết Hợp Sức Mạnh

Để đạt được hiệu quả tốt nhất, nhiều hệ thống khuyến nghị du lịch sử dụng phương pháp lai (Hybrid Recommender Systems), kết hợp nhiều thuật toán và kỹ thuật khác nhau. Phương pháp này tận dụng ưu điểm của từng phương pháp, giảm thiểu nhược điểm, và đưa ra các gợi ý chính xác, đa dạng, và phù hợp với nhiều đối tượng người dùng. Hybrid Recommender Systems for Travel là xu hướng phát triển tất yếu trong tương lai.

5.1. Áp Dụng Context Aware Recommender Systems for Tourism Thích Ứng Linh Hoạt

Hệ thống khuyến nghị nhận thức ngữ cảnh (Context-Aware Recommender Systems) có khả năng thích ứng với ngữ cảnh của người dùng, như thời gian, địa điểm, thời tiết, và tâm trạng. Context-Aware Recommender Systems for Tourism giúp đưa ra các gợi ý phù hợp với tình huống cụ thể của người dùng, tăng tính cá nhân hóa và hiệu quả.

5.2. Tối Ưu Personalized Travel Recommendations Bằng Dữ Liệu Mạng Xã Hội

Social Media and Travel Recommendations đang ngày càng trở nên quan trọng. Dữ liệu từ mạng xã hội cung cấp thông tin quý giá về sở thích, mối quan hệ, và kinh nghiệm của người dùng. Hệ thống có thể sử dụng dữ liệu này để đưa ra các gợi ý cá nhân hóa, tăng tính tin cậy và hấp dẫn.

VI. Triển Vọng và Tương Lai của Kỹ Thuật Khuyến Nghị Du Lịch

Kỹ thuật khuyến nghị du lịch đang phát triển mạnh mẽ và có nhiều tiềm năng trong tương lai. Với sự tiến bộ của AI, NLP, và dữ liệu lớn, hệ thống khuyến nghị sẽ ngày càng thông minh, cá nhân hóa, và đáp ứng nhu cầu đa dạng của người dùng. Explainable AI in Travel Recommendations giúp người dùng hiểu rõ lý do đằng sau các gợi ý, tăng tính minh bạch và tin cậy. Nghiên cứu và phát triển trong lĩnh vực này sẽ tiếp tục đóng góp vào sự phát triển của ngành du lịch.

6.1. Nâng Cao Usability of Travel Recommender Systems Giao Diện Thân Thiện

Giao diện người dùng thân thiện, dễ sử dụng là yếu tố quan trọng để thu hút và giữ chân người dùng. Hệ thống cần được thiết kế đơn giản, trực quan, và cung cấp thông tin rõ ràng, dễ hiểu. Usability of Travel Recommender Systems cần được cải thiện liên tục để mang lại trải nghiệm tốt nhất cho người dùng.

6.2. Đánh Giá Hiệu Quả Evaluation Metrics for Tourism Recommender Systems

Việc đánh giá hiệu quả của hệ thống khuyến nghị là rất quan trọng để cải thiện và phát triển. Các Evaluation Metrics for Tourism Recommender Systems như độ chính xác, độ bao phủ, và sự hài lòng của người dùng cần được đo lường và phân tích thường xuyên. Kết quả đánh giá sẽ giúp xác định điểm mạnh, điểm yếu của hệ thống, và đưa ra các giải pháp cải thiện.

Trích đoạn nội dung tài liệu

Chương 1 GIỚI THIỆU ĐỀ TÀI 1. Hiện trạng vấn đề Ta đang sống và vận động trong xã hội và thế giới tràn ngập thông tin mới phát sinh mỗi ngày, tính đa chiều phức tạp, khó đoán định. Cụ thể là vấn đề thông tin dữ liệu tràn ngập trong môi trường kết nối thông tin qua internet từ các thiết bị, con người ở mọi nơi của cuộc sống. Từ đó phát sinh nhu cầu xử lý thông tin, chọn lọc kết quả cần thiết đến người dùng phù hợp, tức là chức năng khuyến nghị cái gì đúng ý người dùng đang quan tâm, trúng sở thích, phù hợp nhu cầu người dùng, giúp gạn lọc bớt những thông tin dư thừa, không hợp ý người dùng, là tạo ra tính ưu việt của hệ thống.

Hệ thống khuyến nghị Hệ thống khuyến nghị (Recommender System) nhằm đưa ra các gợi ý về sản phẩm, dịch vụ, vấn đề liên quan giúp người dùng tự quyết định có cơ sơ tin cậy hơn trong môi trường thông tin đa dạng, ngập tràn, đa chiều, đúng sai lẫn lộn. Hệ khuyến nghị được áp dụng trong nhiều ngành, lĩnh vực như thương mại điện tử, dịch vụ, đào tạo trực tuyến, như gợi ý sản phẩm quan tâm của Amazon, hệ tư vấn phim NetFlix, hệ gợi ý môn học phù hợp với sinh viên tại một học kỳ, khóa học gồm nhiều môn học, hệ đề xuất tour du lịch phù hợp với sự quan tâm, sở thích cá nhân người dùng. Bài toán khuyến nghị người dùng về du lịch Kinh tế xã hội phát triển dẫn đến nhu cầu chi tiêu hoạt động du lịch tăng cao về số lượng, chất lượng, đa dạng về hình thức, phương cách thực hiện chuyến du lịch. Người dùng có xu hướng tìm kiếm thông tin về du lịch để tham khảo và chọn lựa cho mình chuyến du lịch ưng ý nhất.

Với môi trường thông tin du lịch trên internet tràn ngập, ý kiến đa chiều, đa dạng, làm cho người dùng rất khó tự quyết định, hoặc sẽ mất rất nhiều thời gian và công sức để chắc lọc được thông tin phù hợp với nhu cầu sở thích của mình. Thực tế này dẫn đến sự cần thiết, vai trò quan trọng của hệ thống khuyến nghị du lịch cho người dùng nắm bắt thông tin, quyết định nhanh chóng dễ dàng cho chuyến du lịch ưng ý của mình, và nhằm gia tăng tiện ích, giá trị cho các tổ chức hoạt động trong ngành du lịch để thu hút khách hàng. Hệ thống khuyến nghị du lịch (TRS - Tourism Recommender Systems) là một nhánh cụ thể của hệ thống khuyến nghị, có khả năng xử lý dữ liệu input là user profile, 10 đặc điểm cá nhân, sở thích, mối quan hệ cá nhân trong mạng xã hội (social networking), thông tin ngữ cảnh về thời tiết, khí hậu, lễ hội, vị trí địa lý vùng miền, GPS thu được từ nhiều nguồn như internet, mobile phone, facebook, blog, social network,… nhằm đưa ra các gợi ý về chuyến du lịch, lời khuyên về chuyến đi, các điểm quan tâm (POI – Points of Interest), đề nghị về gói du lịch đang có, theo các tiêu chí phù hợp cá nhân về độ hấp dẫn, giá cả, khoảng thời gian, chi phí phù hợp ngân sách cá nhân người dùng. Thách thức đối với TRS là dữ liệu input liên quan người dùng có tường minh (explicitly) và ngầm định (implicitly) qua xử lý khai thác dữ liệu hoạt động trực tuyến của người dùng (user online activity), cảm xúc, ý kiến người dùng cũng có thay đổi nhanh chóng theo từng thời điểm khác nhau.

Sự thay đổi sở thích người dùng có thể thay đổi theo ngữ cảnh, tâm trạng, môi trường kinh tế xã hội, khí hậu, thời tiết. Các hệ thống TRS hiện tại, [1], thường được áp dụng thực tế tại các đơn vị du lịch đạt mức tìm kiếm đưa ra gợi ý cho chuyến du lịch muốn đến dựa trên giới hạn về thời gian, ngân sách, nhu cầu cụ thể, hoặc thông tin user nhập vào. Hệ thống tính tương quan các lựa chọn của user với các điểm đến định sẵn theo các thông số các vector xác định trước. Cùng với sự phổ dụng của mobile như điện thoại thông minh, thiết bị di động nhỏ gọn, đã có thể tích hợp sẵn các cảm biến, định vị địa lý, suy diễn user, môi trường xã hội và ngữ cảnh, là điều kiện thuận lợi khai thác thông tin và khá nhiều nghiên cứu vài năm gần đây giới thiệu các kết quả đáng giá khi gợi ý người dùng theo các môi trường ngữ cảnh, đặc trưng cá nhân hóa [1].

Hệ thống cụ thể là VISIT (Mehaan, 2013) [3], EnoSigTur (Simó, 2012), DieToRecs (Bauernfeind, 2003) [18], TripMatcher - MePrint (Ricci, 2002) [2], TripAdvisor (2012), TripSay (2012). Dựa theo các đặc điểm về kiến trúc hệ thống (web application, mobile), mức độ quan tâm và nhu cầu người dùng (user involvement), tiêu chí nguồn cơ sở khuyến nghị (deriving recommendation), các hệ thống này được xếp vào loại hình dịch vụ khác nhau. Dù không tách bạch rõ ràng thấu đáo, nhưng ta có thể phân loại tương đối, các mục tiêu, dịch vụ được cung cấp gồm có 5 loại chính. Đầu tiên là Attractions (POIs) Recommendations, gợi ý điểm quan tâm, điểm đến của một chuyến du lịch.

Hai là Tourist Services Recommendations, hệ thống này lọc các thông tin dựa trên ràng buộc để gợi ý thông tin về nhà hàng, khách sạn, giao thông, trung tâm thông tin, chi phí. Ba là Collaborative Filtering Recommendations, loại hệ thống này nhắm đến các gợi ý có tính khám phá, mới lạ vượt mong đợi, ngạc nhiên cho người dùng từ ý kiến, sở thích, nhận định của nhiều người khác chia sẻ. Nguồn dữ liệu xử lý từ kho tàng thông tin cá nhân của mạng xã hội, nơi chia sẻ, kho lưu trữ trên thiết bị của người dùng. Bốn là Routes and Tours Recommendations, dựa trên trích lọc thông tin vị trí có từ thiết bị như GPS, Wi-Fi, cell-id, RFID, hệ thống này gợi ý giúp người dùng đường đi từ điểm hiện tại đến nơi quan tâm.

Năm là Personalized Multiple-days Tour Tour Planning, người du lịch có thể muốn tham quan, trải nghiệm tối đa nhiều nơi, nhiều ngày, nhưng do có giới hạn về thời gian, ngân sách, hệ thống này gợi ý giúp người dùng tham quan chọn các điểm (POIs) hấp dẫn nhất, xứng đáng nhất phù hợp điều kiện cho phép và thông tin cá nhân, sở thích của họ. Ý tưởng này dẫn đến bài toán thiết kế tour khách du lịch (TTDP, tourist trip design problem), các giải thuật heuristic hiệu quả được dùng để giải bài toán này cho các ứng dụng trực tuyến vì không thể giải trong thời gian đa thức (Vansteenwegen, 2011). Các nghiên cứu cố gắng đơn giản hóa bài toán TTDP đã được thực hiện như mô hình TTDP đơn giản nhất là bài toán chạy định hướng (OP, orienteering problem) được giới thiệu năm 1984 bởi Tsiligirides [1], các mở rộng là bài toán TOP (Team Orienteering Problem) năm 1996 bởi Chao, TOP with Time Windows (TOPTW) bởi Vansteenwegen, 2009, và nghiên cứu gần đây là Time- dependent TOPTW bởi Garcia, 2013. Các nhu cầu người dùng đa dạng và thay đổi nhanh, dữ liệu xử lý quá nhiều và khắp nơi, môi trường ngữ cảnh có thay đổi, vì vậy để đáp ứng nhu cầu thực tế trong ngành du lịch là một thách thức lớn đối với người làm việc khoa học máy tính cùng hệ thống thông tin, giải thuật phù hợp.

Tóm tắt đề tài Hiện nay nhiều người dựa vào các dịch vụ trực tuyến để hoạch định một chuyến đi du lịch. Tuy nhiên, họ thường đối mặt với vấn đề quá có nhiều thông tin tham khảo. Kết quả là họ tốn nhiều thời gian để tìm và quyết định đi đâu, đi khi nào, chi phí tiêu tốn bao nhiêu, và tour du lịch đáng giá hấp dẫn thì có thể bị quên lãng, không được chú ý. Số lượng quá nhiều gói du lịch có sẵn trên mạng làm khó khăn cho người dùng nhận ra được tour du lịch hấp dẫn hơn trong số các tour của phần còn lại.

Để tăng hiệu quả người dùng chọn tour, hệ thống khuyến nghị xử lý đề xuất các thông tin được cá nhân hóa đến các người dùng. Nói cách khác, hệ thống chọn lựa ra các đề 12 xuất phù hợp và thích đáng cho mỗi người dùng, và đề xuất các hoạt động phù hợp với hồ sơ thông tin của họ. Trong đề tài nghiên cứu này, tôi giới thiệu "Hệ thống khuyến nghị tương tác người dùng tự nhiên ứng dụng trong ngành du lịch", là hệ thống khuyến nghị thông minh giúp người dùng quan tâm đến tìm kiếm gói dịch vụ du lịch hấp dẫn phù hợp cá nhân thông qua hệ thống ứng dụng web trực tuyến. Người dùng chỉ tương tác với hệ thống này qua thông tin đơn giản thể hiện sở thích, đặc điểm cá nhân, sau đó hệ thống sẽ đề xuất các kết quả đề xuất phù hợp với người dùng.

Hệ thống này có khả năng điều chỉnh thông tin cá tính, thị hiếu người dùng bằng cách học ghi nhận sự tương tác giữa người và hệ thống, sau đó đề xuất các khuyến nghị được điều chỉnh phù hợp hơn. Ứng dụng giao tiếp trên smartphone sẽ cho phép người dùng theo dõi ,đánh giá gói du lịch được chọn. Hệ thống này nâng cao khả năng tương tác người dùng tự nhiên, tạo sự thân thiện hiệu quả khuyến nghị đến người dùng. 13 Chương 2 MỤC TIÊU GIỚI HẠN ĐỀ TÀI NGHIÊN CỨU 2.

Các nghiên cứu liên quan Hệ thống khuyến nghị du lịch đến nay đã có nhiều nhóm nghiên cứu và phát triển đa dạng theo kiến trúc, công nghệ, chức năng của hệ thống. Hệ thống khuyến nghị di động có nhận thức ngữ cảnh dựa theo vị trí, lộ trình, tốc độ di chuyển khi lái xe, để làm cá nhân hóa các đề xuất về địa điểm quan tâm POI, Barranco (2012). Các điểm POI được chọn ra trong phạm vi bán kính xung quanh người dùng, sau đó bộ lọc theo ngữ cảnh sẽ đề xuất điểm POI nào phù hợp với đặc điểm và sự quan tâm của người dùng. Bộ khuyến nghị collaborative filtering, Gavalas (2011), thực hiện ghi nhận đánh giá của người dùng trong chuyến đi du lịch qua thiết bị di động, một cách tiếp cận khác với hệ thống web-based, có quan tâm tính thời gian tức thời, điều kiện thời tiết, và các điểm đi qua.

Bằng cách này, dữ liệu nhận xét của người dùng về điểm tham quan được thu thập và giúp nâng cao độ chính xác, phù hợp khi đề xuất các điểm tham quan mới cho người dùng. Hệ thống học thông tin sở thích người dùng qua dữ liệu hồ sơ cá nhân trong hệ thống Foursquare social network dựa theo vị trí, Savage (2011), ràng buộc vật lý được phân định bởi vị trí người dùng, phương tiện di chuyển, được nhận diện qua thiết bị smartphone.