OPTIMASI REKOMENDASI RANGKING HOTEL MENGGUNAKAN RETRIEVAL MODEL TENSORFLOW
Abstract
Beberapa orang memilih hotel untuk liburan mereka namun beberapa diantara mereka kesulitan untuk menentukan hotel mana yang cocok dan bagus untuknya, ada banyak rekomendasi hotel yang merekomendasikan berdasarkan harga termurah atau hotel terpopuler. Namun, faktanya tidak semua orang menginginkan hotel hanya berdasarkan harga termurah atau bahkan berdasarkan popularitas dari sebuah hotel. Beberapa orang ada yang memilih hotel berdasarkan user preferences nya atau berdasarkan lokasi terdekat user dengan sebuah hotel. Optimasi rekomendasi rangking hotel ini menggunakan Retrieval Model dan package TensorFlow untuk memberikan rekomendasi hotel yang sesuai dengan preferences user sehingga output dari rekomendasi hotel setiap user dapat berbeda-beda. Hasil dari penelitian ini akan memudahkan user untuk memilih hotel yang cocok untuknya. Sehingga memudahkan user untuk mengambil keputusan saat memilih hotel untuk liburannya
References
Y. Pristanto, S. Wahyuni, and Y. D.
Handini, “Analisis Faktor-faktor Yang
Mempengaruhi Keputusan Menginap
Pada Hotel Bintang Mulia Jember,”
Universitas Jember, 2013.
F. Ricci, L. Rokach, B. Shapira, and P.
B. Kantor, Recommender Systems
Handbook. New York: Springer, 2010.
L. Chen, M. D. E. Gemmis, A.
Felfernig, P. Lops, F. Ricci, and G.
Semeraro, “Human Decision Making
and Recommender Systems,” ACM
Trans. Interact. Intell. Syst., vol. 3, no. 3,
pp. 1–7, 2013.
Maurizio Ferrari Dacrema, Paolo
Cremonesi, and Dietmar Jannach.“Are
We Really Making Much Progress? A
Worrying Analysis of Recent Neural
Recommendation Approaches”. In:
Proceedings of the 13th ACM
Conference on Recommender Systems.
RecSys ’19. Copen-hagen, Denmark:
ACM, 2019, pp. 101–109. ISBN:
-1-4503-6243-6.
Full Text: PDF
Refbacks
- There are currently no refbacks.
