Sistema Recomendador Turstico

Recommender System Tourist

Juan Jos Puello Fuentes
GISNET Grupo de Investigacin en Ingeniera de Software y Nuevas Tecnologas
Fundacin Universitaria Tecnolgico Comfenalco Cartagena
Cartagena Colombia
jjpuellof@gmail.com

ResumenUn Sistema Recomendador, es Software con

capacidad de hacer recomendaciones a partir de los datos del
perfil de usuario y un conjunto de preferencias.
Las
recomendaciones pueden estar basadas en las experiencias de
otros usuarios con el mismo perfil. La arquitectura de un
Sistema Recomendador incluye una tcnica de filtrado que
descarta la informacin no relevante, proporcionando un mayor
grado de precisin a las necesidades de informacin a usuarios
especficos.
Palabras claves: Sistema Recomendador,
mltiagentes, Context Aware, Servicios web, Turismo.

Ontologa,

Abstract A Recommender System is a software with ability to

make recommendations based on the user profile data and a set
of preferences. Recommendations may be based on the
experiences of other users with the same profile. The architecture
of a Recommender System includes a filtering technique that
eliminates the irrelevant information, providing greater accuracy
the information needs of specific users.
Keywords: Recommender System,
Context Aware, Web Services, Tourism.

I.

Ontology,

Multiagent,

INTRODUCCIN

En la actualidad Internet es la mayor fuente de contenidos

donde los usuarios pueden buscar informacin sobre lo que
necesitan. Los motores de bsqueda como Google son los
encargados de esta actividad, que generalmente dan como
resultado un exagerado volumen de informacin, tan grande
que encontrar la que se ajuste a las necesidades personales
podra consumir mucho tiempo del cual no se dispone. Los
sistemas de bsqueda basan su proceso en formulas
matemticas y las coincidencias de las palabras escritas por el
usuario en el texto de los documentos encontrados.
Un Sistema Recomendador (SR) es una herramienta que
permita hacer un filtro que ajusta los resultados, lo ms preciso
posible a las necesidades de los usuarios, porque ms que
coincidencia de palabras textuales, basa su proceso en el perfil
y el contexto del usuario. Para aumentar an ms la precisin
en los resultados los sistemas recomendadores pueden
construirse utilizando estructuras semnticas (Ontologas) que

proveen sentido y relaciones coherentes entre los contenidos;

Sistemas Multiagente para la gestin distribuida de los
procesos y mecanismos de sensibilidad al contexto para
adaptarse a entornos heterogneos dinmicamente cambiantes.
El objetivo de este trabajo es estudiar la tecnologa
necesaria para proponer un Sistema Recomendador Turstico
Este trabajo inicia con una pequea introduccin sobre
conceptos de SR, luego la unidad 2 muestra el estado del arte
con algunos proyectos de SRs relevantes; sigue la unidad 3 que
presenta la arquitectura bsica de un SR, en la que se explican
las capas que lo conforman; la unidad 4 Describe el contexto
turstico donde actuar el SR; la unidad 5 propone un modelo
de SR para el contexto turstico; y finalmente, la unidad 5
concluye con la importancia y futuro del SR turstico.
II.

ESTADO DEL ARTE

A. Comercio Electrnico
En [1] se presenta un modelo experimental de SR basado
en Agentes Recomendadores, para permitir una mejor
participacin de los consumidores en e-Comerce, el escenario
utilizado por este proyecto es SecondLife, donde los negocios
no difieren de los reales, lo interesante es que un Agente
Inteligente con interface grafica (Apariencia humana) sera el
encargado de hacer la recomendacin, teniendo en cuenta el
perfil y preferencias del usuario (De Avatar a Avatar).
El proyecto que muestra [2] consiste en un Framework
dinmico para el mantenimiento de perfiles para SR de eComerce, la idea es reducir el tiempo espera del resultado, sin
desmejorar la calidad de la recomendacin, para esto se fusiona
el tradicional filtro colaborativo con la tcnica de clustering.
Esta tcnica reduce el tiempo de bsqueda de vecinos con
preferencias similares, adems el trabajo incluye una
modificacin en el algoritmo de clustering (Hierarchical
Agglomerative Clustering HAC) a Incremental HAC
(IHAC) para manejar la adicin y eliminacin de clientes en
tiempo real.
B. Web 2.0
Un interesante trabajo que aprovecha el potencial de la
Web 2.0, se trata en [3], es un SR basado en Mashup, La Web
2.0 est cargada de servicios que permiten muchas

interacciones entre los usuarios, por lo que es ideal un

Framework que integre estos servicios para que se adapten a
los requerimientos especficos del usuario en un momento
dado.
Lo mejor de esta plataforma para SR basada en Mashups,
es que los servicios y recursos distribuidos en diferentes
fuentes tienen una visin integral desde la perpectiva del
usuario final.
Similar que [3], [4] propone el uso de Web 2.0 y
adicionalmente Web Semntica para recomendacin
inteligente, especificamente de servicios tursticos. La razn
del proyecto, es que el desmesurado uso de la Web 2.0 ha
hecho que los recursos para promover el turismo esten
distribuidos en muchos sitios, por lo que el objetivo es
construir un Mashup semantico con una interface que integre
todos los servicio heterogeneos y distribuidos. Este Mashu
se crear a partir de un Framework que implementa uso de
estructuras de conocimiento (Ontologa). Las ventajas,
aprovechar la gran interactividad de la Web 2.0 para extraer
una amplia fuente de informacin para enriquecer la Ontologa,
que permite conpartir y reutilizar de manera inteligente la
informacin de servicios Tursticos en una vision integral.
C. TV y Contenidos Multimedia
AVATAR es un proyecto presentado en [5], se trata de un
SR para personalizacin de contenidos de TV, su arquitectura
basada en Multiagentes, presenta una combinacin de varias
estrategias de inferencia de conocimiento como, la tcnica
Bayesiana, Juego de Perfiles y Razonamiento semntico. La
idea central del trabajo es hacer recomendaciones implcitas sin
necesidad de una previa solicitud, a partir de los programas ya
vistos, quitando al usuario la carga de un proceso tedioso de
bsqueda.
Lo interesante del mtodo de clasificacin bayesiana
(Naive) es, que permite hacer recomendaciones a partir de
probabilidades donde la informacin de registros de usuarios
en considerablemente alta, pero el conocimiento generado
puede ser incompleto, como es el caso del contexto de la TV.
La Arquitectura del RS propuesto para contenidos de TV, est
compuesto de mltiples agentes que cumplen con las funciones
de recomendacin en un resultado combinado por clasificacin
Bayesiana (a partir de perfiles y recomendaciones),
razonamiento semntico (a partir de una Ontologa de
contenidos) y un agente para anlisis de los perfiles. El resto
de la arquitectura est enfocada a la implementacin del
servicio de TV.
D. Entornos con movilidad
Cuando estamos en movimiento el contexto va cambiando
a medida que nos movemos, y hoy en da un gran porcentaje de
la poblacin mundial cuenta con dispositivos mviles, los
cuales estn cargados de muchos servicios entre los que estn,
GPS, conexin a Internet y reproduccin de contenido
multimedia. Estas tecnologas son necesarias para que puedan
funcionar aplicaciones de SR Adaptables al Contexto.

Un trabajo interesante que se adapta al contexto esta

descrito en [6], es el diseo de un SR que puede ser utilizado
por turistas para pedir un itinerario de viaje y luego explorar el
contenido multimedia de cada lugar recomendado y
dependiendo del gusto de los lugares se puede reajustar el
itinerario.
Las recomendaciones son elegidas para que
coincidan con el perfil y basadas las preferencias personales del
usuario.
El SR est basado en MacauMap (Gua turstica mvil
con mapas) implementado en una arquitectura de sistema
cliente-servidor. Del lado del servidor es un motor de
recomendacin que se realiza dos principales funciones: (1) la
seleccin de un conjunto de puntos de inters turstico
adecuado, dadas las necesidades del usuario, y (2) la
generacin de un ptimo horario con los tiempos de estancia y
mtodos de viaje adecuados entre puntos. En la parte del
cliente, la aplicacin mvil MacauMap con la que el usuario
interacta y en el que el itinerario de viaje se visualiza. La
comunicacin realiza entre interfaces Web Service, con SOAP
(Simple Object Access Protocol).
Lo ms interesante de este proyecto es que utiliza un
Algoritmo Gentico, una tcnica inspirada en la naturaleza,
usando conceptos de herencia, mutacin, seleccin y cruces;
con el objetivo de encontrar soluciones ptimas en contextos
con grandes cantidades de datos y mltiples factores como los
que se utilizan en la fabricacin de una seleccin de itinerarios.
El trabajo que se presenta en [7] muestra un escenario de
restaurantes en donde se quiere una Recomendacin
personalizada de acuerdo a las preferencias del usuario en el
contexto, el objetivo es crear un SR basado en agentes de
recomendacin para E-Services, El dispositivo usado es un
PDA con sistema GPS. El SR funciona con dos agentes, (1)
Agente de Personalizacin Context-Aware (CAPA) encargado
de percibir las preferencias y hacer un anlisis del tiempo y
espacio del entorno actual del usuario, a travs de los sensores
instalados en la PDA; (2) Agente para el servicio de directorio
(RDSA), encargado de mantener los registros de restaurantes y
buscar restaurantes de la preferencia del usuario.
Para el desarrollo de los Agentes se utiliz JADE, una
plataforma basada en Java para desarrollo de Agentes
Inteligentes, la cual contiene una serie de herramientas para la
gestin de la comunicacin entre agentes, para la
implementacin en el PDA fue necesario LEAP combinado
con JADE y otras tecnologas necesarias para la ejecucin del
sistema en el dispositivo mvil.
A continuacin se describir el escenario, son las 11 a.m.
La usuaria Ana est en el estacionamiento central de la ciudad,
quiere encontrar un restaurante que se ajuste a sus preferencias,
su presupuesto est por debajo de 10 dlares, quiere comida
china, con un ambiente entre tranquilo y animado, para no
fumadores. El RDSA descubre que no hay nada con esas

preferencias en el sector, pero hace un reajuste de acuerdo con

la historia del tipo de recomendaciones mayormente
seleccionadas ltimamente en el sector.

Sensores: Las redes de sensores estn formadas por

un conjunto de dispositivos llamados nodos, cada
nodo es un sensor autnomo que contiene
microprocesador para procesar las percepciones del
entorno, las analiza y enva datos simples por la red,
estos llegan a un dispositivo denominado Gateway, el
cual se conecta con ordenador que hace un anlisis de
alto nivel a los datos, obtiene un informe del contexto
y/o puede enviar ordenes a otro tipo de dispositivos
conocidos como actuadores para que realicen una
accin.

Context Aware: Se puede definir como una

aplicacin de Software que monitoriza el estado del
entorno (localizacin, objetos y gente cercana, as
como los cambios de estado de esos objetos en el
tiempo) y adapta su funcionamiento con respecto a l
(capacidad del software para detectar, interpretar y
responder a los aspectos del entorno del usuario),
para proporcionar informacin relevante y/o servicios
al usuario siguiendo unas guas y preferencias
definidas.

Sistemas Multiagente: proporcionan el Software

necesario para la gestin de todo el proceso de
recomendacin, este software tiene sus bases en la
Inteligencia Artificial y Computacin Ubicua,
necesaria para la toma de decisiones en situaciones
que imitan al ser humano en todo tipo de contexto.
Los Sistemas Multiagntes estn compuestos por
Agentes, un Agente es un sistema informtico,
situado en algn entorno, que percibe el entorno
(entradas sensibles de su entorno) y a partir de tales
percepciones determina (mediante tcnicas de
resolucin de problemas) y ejecuta acciones (de
forma autnoma y flexible) que le permiten alcanzar
sus objetivos y que pueden cambiar el entorno. Los
sistemas multiagente son adecuados para solucionar
problemas para los que hay mltiples mtodos de
resolucin y/o mltiples entidades capaces de trabajar
conjuntamente para solucionarlos.

Web Services (WS): Son un conjunto de protocolos

y estndares que sirven para intercambiar datos entre
aplicaciones. Distintas aplicaciones de software
desarrolladas en lenguajes de programacin
diferentes, y ejecutadas sobre cualquier plataforma,
pueden utilizar los servicios web para intercambiar
datos en redes de ordenadores como Internet. La
interoperabilidad se consigue mediante la adopcin
de estndares abiertos. Numerosos proveedores
publican servicios web para permitir el acceso a sus
datos. Los Servicios Web facilitan el acceso a los
datos ya que slo exigen conocer cmo debemos
enviar la peticin y cmo nos llegar la respuesta sin
importarnos como estn almacenados los datos
internamente. Los WS especifican cmo se invocarn

El Agente se entera que algunos Restaurantes sirven fideos

muy preferidos por Ana, por lo que los incluye en la
recomendacin, el segn el historial el presupuesto puede tener
un desfase entre 5 y 20 dlares por lo que tambin se ajusta lo
ms bajo posible, 18 dlares. Con estas nuevas caractersticas
CAPA le presenta a Ana las recomendaciones, ella decide
almorzar lo recomendado.
Lo ms interesante de este SR, es que recibe algunas
condiciones explcitamente muy necesarias, como el
presupuesto. Tambin cabe destacar que aunque los
requerimientos de la solicitud en el momento no se cumplan,
de igual manera da un resultado de recomendacin basado en
sus mejores preferencias, que el usuario puede tomar o no.
III.

ARQUITECTURA DE UN SISTEMA RECOMENDADOR

A. Capa de Contexto
Son todos los datos posibles sobre el mbito en que una
persona est interesada satisfacer una necesidad de
informacin, a continuacin se presentan.

Perfil del Usuario: Es un requisito obligatorio que

proporciona datos sobre el usuario al sistema de
recomendacin, para que este pueda proporcionarle
una experiencia personalizada. La informacin ms
comnmente utilizada son los datos demogrficos.
Estos datos se obtienen de forma explcita
(solicitndola directamente al usuario).

Las preferencias: son los gustos e historial previo del

usuario, etc. Estos datos se obtienen de forma
implcita (a partir de la actividad del usuario en el
sistema).

Ambiente: Son los datos del entorno fsico actual,

como tiempo, temperatura, ubicacin geogrfica,
estos datos se toman implcitamente del sistema y a
travs de dispositivos especiales conectados al
sistema.

Internet: La mayor fuente de datos, contiene

abndate informacin sobre todos los mbitos, por lo
que se necesitan mecanismos adecuados que
permitan extraer solo la informacin relevante para
una necesidad especfica.

B. Capa de Tecnologias de Servicios

Es la parte que corresponde a los mecanismos necesarios
que permiten tomar los datos del contexto y llevarlos hasta la
capa de filtro para que sean procesados.

recomiendan, en lugar de la naturaleza interna de los

elementos de s mismos. Estos se refieren a los
sistemas con las tcnicas para ubicar a las personas
sobre la base de sus preferencias y la ponderacin de
los intereses de las personas con gustos similares, para
producir una recomendacin para el solicitante de la
informacin. Este enfoque social, es el que ms se
parece a la naturaleza de las recomendaciones de la
vida real, se relaciona con el concepto de
colaboracin, tanto los individuos y el proceso de
bsqueda de personas con intereses similares.

los servicios, y como se pasarn los parmetros de

entrada y salida. Las organizaciones OASIS y W3C
son los comits responsables de la arquitectura y
reglamentacin de los servicios Web. Para mejorar la
interoperabilidad entre distintas implementaciones de
servicios Web se ha creado el organismo WS-I,
encargado de desarrollar diversos perfiles para definir
de manera ms exhaustiva estos estndares.
C. Capa de Filtrado
Son tcnicas que se aplican a los datos que provienen del
contexto a travs las tecnologas de servicio y que son
sometidos a un proceso de seleccin, en el que se obtiene solo
informacin relevante para la necesidad del usuario. En el
filtrado puede aplicarse una o varias de las siguientes tcnicas:

Filtrado colaborativo (CF): Estos algoritmos

(tambin conocido como filtro social) se centran en el
comportamiento de los usuarios sobre los temas que se
contenido favorece la semntica del contenido a travs
de las interacciones sociales o el comportamiento del
usuario. Por lo general, las tcnicas de FSC usan
descripciones de los productos (por ejemplo, la
extraccin de un conjunto de palabras clave), calculan
las preferencias de los usuarios (por ejemplo, las
palabras claves que estn contenidas en los productos
seleccionados por el usuario), y construyen la lista de
recomendaciones al buscar productos que coincidan
con las preferencias de los usuarios. Se definen los
tems por sus caractersticas y se recomienda al
usuario tems con caractersticas similares a los que ha
puntuado favorablemente en el pasado.
Filtro basado en conocimiento: Estos sistemas se
basan en una representacin explcita de
conocimiento, por lo general como un conjunto de
declaraciones, ontologas y otras formas de sistemas
de reglas. Si una aplicacin requiere el conocimiento
de razonamiento o inferencia, la eleccin basada en el
conocimiento permite a los desarrolladores
beneficiarse de los componentes existentes (por
ejemplo representacin de los conocimientos y
sistemas basados en reglas).
Sistemas de minera de datos sociales: Los sistemas
de minera de datos sociales no exigen a los usuarios
participar en una actividad nueva, sino que tratan de
explotar la informacin implcita, preferencias de los
usuarios en los registros de las actividades sociales
existentes (por ejemplo, la historia de uso del sistema,

Filtro basado en contenido (FSC): Se centra en la

naturaleza interna de los recursos, o sobre el contenido
de los archivos de descripcin. Estos sistemas utilizan
dos clases principales de algoritmos: recuperacin de
informacin basada en atributos o algoritmos de
filtrado.
Un
enfoque
basado
en
el

las citas o hipervnculos). Las interacciones entre

individuos son analizados para entender la innovacin,
la toma colectiva de decisiones y resolucin de
problemas, y la estructura de las organizaciones y
redes sociales de impacto de estos procesos. El
anlisis de estas bases de datos relacionales se est
aplicando actualmente en el comercio electrnico para
impulsar los sistemas de recomendacin.

Sistemas
hbridos:
Puede hacer
cualquier
combinacin de los mtodos y mtricas anteriores.
Normalmente, los sistemas de recomendacin hbrido
calculan los ratings de una serie de algoritmos
internos, antes de que la combinacin de estos en una
sola mtrica. En algunos casos, los resultados
preliminares de los algoritmos internos se almacenan
en un vector, antes de elaboracin de un solo nmero
de dimensiones para la clasificacin.

En la figura 1, se presentan variados elementos del

contexto, algunos son generados por las preferencias en la
interacin (Base de datos de Historia de las preferencias) de
los usuarios con el entorno en un feedBack automtico del SR,
los perfiles son suministrados explcitamente por cada
usuario(base de dato de perfiles), El ambiente, y localizacin
son elementos externos y fsicos que son percibidos por
sensores, analizados a travs del Context-Aware. El uso de
Web Services permite la interaccin con Internet.

Una vez recibida la solicitud explicita (A travs de una

orden por un dispositivo) o implcita (Cambio en el
entorno) del usuario, y percibida la informacin por el
Context-Aware o la interface Web Services, se procede a
realizar un filtro a partir de tcnicas especificas o
combinadas (Filtros por, Data Mining, Colaborativo,
Contenido, conocimiento Ontologas, etc), como
resultado recomendaciones para el usuario o un ajuste del
entorno con dispositivos actuadores (Tecnologa de
computacin Ubicua), en ambos casos los resultados con
retroalimentacin del sistema.

creciendo. Como los turistas de hoy en da son muy exigentes y

tienen deseos de numerosas necesidades, las ofertas de turismo
deben ser multi-opcionales y de alta calidad. As, los sistemas
que ayudan a tomar estas decisiones en la Web cada vez son
ms importantes.
Segn [8] en el contexto turstico, por el lado de la oferta, los
principales proveedores son las empresas como hoteles,
restaurantes, etc (que son en su mayora PYMEs), grandes
empresas como las aerolneas; empresas de transporte terrestre
y martimo; tambin existen los operadores tursticos, se
pueden ver como agregadores de productos; las agencias de
viajes que actan como agentes de informacin,
proporcionndoles a consumidores finales informacin
pertinente, logstica y reservas.
Considerando las organizaciones de los intermediarios estn
las corporaciones de turismo, responsables de la
planificacin en el destino y la promocin. Normalmente,
estas entidades han de actuar en nombre de todos los
proveedores dentro de un destino y son a menudo
organizaciones gubernamentales.
En los sitios web de Turismo en la actualidad, se puede
observar que slo algunos portales presentan servicios que
van ms all de la funcionalidad de un sistema de reservas.
Algunas agencias de viajes en lnea promueven la
interaccin con las comunidades Web, permitiendo que sus
clientes puedan calificar hoteles o destinos individuales. Sin
embargo, en estas aplicaciones, la valoracin media de
clientes simplemente sirve como otra pieza de informacin
para elegir un hotel o un destino determinado, pero
normalmente no hay ninguna recomendacin de servicios
disponibles.
V.

MODELO PROPUESTO

El modelo de SR turstico propuesto figura 2, funciona

por componentes de la siguiente manera:
A. Interface Web de Usuario Ajustable PC/Mvil/TV
Es una aplicacin web para ejecutarse del lado del cliente
a travs de navegador es ajustable varios tipos de
dispositivos entre los cuales estn, el PC, TV, Celular, etc.
Est encargada de percibir los datos explcitos y entregar el
resultado del proceso de recomendacin al usuario.
Figura 1. Arquitectura
Recomendador

bsica

de

un

Sistema

IV.
CONTEXTO TURSTICO
Los productos y servicios en el mbito del turismo son
principalmente informacin. Por lo que generalmente se
venden a travs de transacciones electrnicas. El Internet
permite ofrecer turismo fcilmente con ricas descripciones para
que los viajeros tomen decisiones informadas. Por lo tanto, la
complejidad de las descripciones de los productos est

B. Filtrado Hbrido
Es la mejor tcnica en un entorno heterogneo y
dinmicamente cambiante como el turstico. Se combinan
todas las tcnicas expuestas anteriormente, pero se soporta todo
el proceso en una ontologa turstica, sta estructura permite
tener una informacin bien organizada del dominio turstico.
Las ventajas para este modelo son las de proporcionar una
definicin unvoca de los diversos conceptos representados en
la base de conocimientos del sistema, que permite enriquecer la
informacin cuando sea imprecisa o incompleta, apoyando la

interoperabilidad y el intercambio de informacin entre

sistemas.
C. Sistema mltiagente
Proporcionan todas las tcnicas y aspectos necesarios para
tratar adecuadamente el carcter dinmico de los sistemas de
recomendacin en un entorno tan heterogneo como es el
turstico. stos logran gestin a travs de sistemas distribuidos
con capacidad para realizar tareas complejas a travs de
cooperacin e interaccin; y permiten el anlisis terico y
experimental de mecanismos de autoorganizacin y adaptacin
que tienen lugar cuando las entidades autnomas interaccionan.
Los mltiagentes son adaptativos y permiten flexibilidad para
aprender del comportamiento del usuario incrementando su
funcionalidad en el tiempo con la personalizacin del sistema a
cada usuario.
A continuacin los agentes del modelo
propuesto:

informacin requerida, por supuesto es informacin

sin filtrar.

Agente de Servicios Web: Este agente analiza el

contexto web, descifrando cualquier formato en que
se presente la informacin y permitiendo
transferencia de datos entre diferentes plataformas.

VI. CONCLUSIONES
Los viajes y el turismo es uno de los sectores ms
importantes y dinmicos en el negocio de consumidores,
permiten que el comercio electrnico y transacciones en lnea
estn aumentando rpidamente. Este sector tiene una alta tasa
en los negocios a nivel mundial, sobre todo en los pases
desarrollados. La Web es hoy en da es la fuente primaria de
informacin para las personas al buscar o reservar destinos de
viajes adecuados, as como tambin es la tendencia en los
pases en desarrollo. Por lo que es un rea de investigacin
muy atractiva y su potencial an no est totalmente explotado
por estar en un mbito de informacin tan abundante y
heterognea.
Los recomendadores son sistemas que estn aprovechando
la convergencia de la Web Semntica, la Inteligencia Artificial,
la computacin Ubicua (Con espacios Inteligentes sensibles al
contexto), las redes inalmbricas y mviles para personalizar y
hacer las recomendaciones de la manera ms precisa y menos
perceptible. .
REFERENCES
[1]

[2]

[3]

[4]

[5]

Figura 2. Modelo de Sistema Recomendador Turstico

Agente de Filtrado Hbrido: Analiza los datos del

contexto para tomar la decisin de que tcnica de
filtrado aplicar.

Agente Context Aware: Si el dispositivo cuenta con

sensores o GPS, el agente analiza el contexto para
agregar estos datos a la recomendacin. Ejemplo, si
es en la noche y se est buscando un restaurante cerca
para cenar.

Agente de bsqueda: Se conecta con buscadores de

informacin en internet que suministren la

[6]
[7]
[8]

R. Wang and X. Wang, User-Centered Design and Visualization of

Service Oriented Recommender Agents: An Approach to Achieve Better
Consumers Involvement in E-Commerce Systems, IEEE, 2009
C. Haruechaiyasak, C. Tipnoe, S. Kongyoung, C. Damrongrat and N.
Angkawattanawit, A Dynamic Framework for Maintaining Customer
Profiles in E-Commerce Recommender Systems, IEEE
Guo Jie, Cheng Bo, Chen Junliang, and Lin Xiangtao, Applying
Recommender System based Mashup to Web-Telecom Hybrid Service
Creation, IEEE, 2009
Libin Zhang, Qianyu Zhu, Wei Wang, and Pengcheng Zhang, Web 2.0
and Semantic Web Based Intelligent Service System for Tourism, IEEE,
2008
Y. Blanco, J. Pazos, A. Gil, M. Ramos, B. Barragns and M Lpez, A
Multi-Agent Open Architecture for a TV Recommender System: A Case
Study using a Bayesian Strategy, IEEE, 2004
R. Biuk-Aghai, S. Fong, Y. Si, Design of a Recommender System for
Mobile Tourism Multimedia Selection, IEEE
Hung-Wen Tung, Von-Wun Soo, A Personalized Restaurant
Recommender Agent for Mobile E-Service, IEEE, 2004
A. Casali, On Intentional and Social Agents with Graded Attitudes,
Tesis, Universidad de Girona, 2008.