Η τουριστική εμπειρία είναι μια πολυδιάστατη διαδικασία εύρεσης απαντήσεων σε μια σειρά ερωτημάτων: Πού να πάω; Ποιά αξιοθέατα θα άξιζε να επισκεφτώ; Πού να μείνω; Πού να γευματίσω; Πώς θα διασκεδάσω; Πώς θα πάω σε ένα αξιοθέατο είτε χώρο αναψυχής; 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, επισημειώσεις (tags), 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.

Ο τεράστιος όγκος πληροφοριών δημιουργεί μια επιστημονική και τεχνολογική πρόκληση: να αναπτυχθούν καινοτόμα εργαλεία και εφαρμογές που να υποδεικνύουν (recommend) εξατομικευμένη και στοχευμένη τουριστική πληροφορία στους επισκέπτες αξιοποιώντας στοιχεία από τις προαναφερθείσες πολλαπλές πηγές διαφορετικής υφής. Η βασική αρχή του έργου "ΑΝΑΔΕΙΞΤΟ" είναι ότι η εξατομικευμένη και στοχευμένη τουριστική πληροφορία που θα υποδεικνύεται στους επισκέπτες είναι λύση σύνθετου προβλήματος βελτιστοποίησης με περιορισμούς σε περιβάλλον μεγάλων δεδομένων συμβιβαστή με την προστασία των προσωπικών δεδομένων. Η επίλυση του προβλήματος θα γίνεται σε επίπεδο εξυπηρέτη (server). 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, δυναμική 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).

Σε επίπεδο πελάτη (client), απαιτείται η ανάπτυξη εφαρμογών (π.χ. iphone/android apps) για κινητά τηλέφωνα είτε tablets που αξιοποιούν την ανθρωποκεντρική αλληλεπίδραση σε ένα εγγενώς πολυγλωσσικό περιβάλλον. Ανοιχτό πρόβλημα στην ανθρωποκεντρική αλληλεπίδραση είναι η αναγνώριση κυρίων ονομάτων (π.χ. τοπωνυμίων), αλλά και φωνητικών εντολών [keyword spotting] σε ενθόρυβο περιβάλλον πολλαπλών γλωσσών. Στο έργο "ΑΝΑΔΕΙΞΤΟ" λύση στο πρόβλημα αυτό θα επιδιωχθεί με χρήση βαθέων νευρωνικών δικτύων (deep neural networks). Τα βαθιά νευρωνικά δίκτυα προσφέρονται επίσης και για την απόδοση λεκτικών περιγραφών αξιοθέατων (π.χ. από τη Wikipedia) σε άλλες γλώσσες, όταν τέτοιες απουσιάζουν. Στην ολοκλήρωση του συστήματος θα αντιμετωπιστεί επίσης η ελαχιστοποίηση του όγκου των δεδομένων που πρέπει να μεταφερθεί μεταξύ των εφαρμογών πελάτη και του εξυπηρέτη, ενσωματώνοντας στις εφαρμογές πελάτη λ.χ. την εξαγωγή χαρακτηριστικών από βίντεο, εικόνες, μουσικά κλιπ. Και στα δύο επίπεδα εξυπηρέτη και πελάτη, οι προκλήσεις που θα αντιμετωπιστούν είναι σημαντικές και χρονικώς επίκαιρες, εφόσον αποτελούν ερευνητικά αντικείμενα επί ξυρού ακμής διεθνώς.

Tο έργο συγχρηματοδοτείται από την Ευρωπαϊκή Ένωση και το Ευρωπαϊκό Ταμείο Περιφερειακής Ανάπτυξης.

Τα μέλη της Σύμπραξης του εν λόγω έργου είναι:

ΕΡΓΑΣΤΗΡΙΟ ΤΕΧΝΗΤΗΣ ΝΟΗΜΟΣΥΝΗΣ & ΑΝΑΛΥΣΗΣ ΠΛΗΡΟΦΟΡΙΩΝ, Τμήμα Πληροφορικής- ΑΠΘ, ΕΙΔΙΚΟΣ ΛΟΓΑΡΙΑΣΜΟΣ ΚΟΝΔΥΛΙΩΝ ΕΡΕΥΝΑΣ
ΛΙΝΚ ΑΕ
3ΠΙ ΣΥΣΤΗΜΑΤΑ ΠΛΗΡΟΦΟΡΙΚΗΣ ΑΕ
MLS ΠΛΗΡΟΦΟΡΙΚΗ Α.Ε.
ΑΘΗΝΑ - Ερευνητικό Κέντρο Καινοτομίας στις Τεχνολογίες της
DOTSOFT ΟΛΟΚΛΗΡΩΜΕΝΕΣ ΕΦΑΡΜΟΓΕΣ ΔΙΑΔΙΚΤΥΟΥ ΚΑΙ ΒΑΣΕΩΝ ΔΕΔΟΜΕΝΩΝ ΑΝΩΝΥΜΗ ΕΤΑΙΡΙΑ

Συντονιστής Έργου: Επιστημονικός Υπεύθυνος Έργου: κ. Κωνσταντίνος Κοτρόπουλος, καθηγητής 1ης βαθμίδας του Τμήματος Πληροφορικής ΑΠΘ

https://promote.web.auth.gr/consortium/