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, Ontologa, mltiagentes, Context Aware, Servicios web, Turismo.

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, Ontology, Multiagent,

Context Aware, Web Services, Tourism.

I. 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 e-Comerce, 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

Figura 2. e-Comerce, escenario SL.

Figura 3. SR con Algoritmo IHAC

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.

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.

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

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

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.

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

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,

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.

Figura 1. Arquitectura bsica de un Sistema Recomendador

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

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.

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:

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

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] 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

[2] C. Haruechaiyasak, C. Tipnoe, S. Kongyoung, C. Damrongrat and N. Angkawattanawit, A Dynamic Framework for Maintaining Customer Profiles in E-Commerce Recommender Systems, IEEE

[3] Guo Jie, Cheng Bo, Chen Junliang, and Lin Xiangtao, Applying Recommender System based Mashup to Web-Telecom Hybrid Service Creation, IEEE, 2009

[4] Libin Zhang, Qianyu Zhu, Wei Wang, and Pengcheng Zhang, Web 2.0 and Semantic Web Based Intelligent Service System for Tourism, IEEE, 2008

[5] 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

[6] R. Biuk-Aghai, S. Fong, Y. Si, Design of a Recommender System for Mobile Tourism Multimedia Selection, IEEE

[7] Hung-Wen Tung, Von-Wun Soo, A Personalized Restaurant Recommender Agent for Mobile E-Service, IEEE, 2004

[8] A. Casali, On Intentional and Social Agents with Graded Attitudes, Tesis, Universidad de Girona, 2008.