ترجمه فارسی مقاله یک چارچوب پردازش زبان طبیعی برای پیشنهاد هتل بر اساس نظرات متنی کاربران

چکیده

Recently, the application of Artificial Intelligence algorithms in hotel recommendation systems has become an increasingly popular topic. One such method that has proven to be effective in this field is Deep Learning, especially Natural Language processing models, which are able to extract semantic knowledge from user’s text reviews to create more efficient recommendation systems. This can lead to the development of intelligent models that can classify a user’s preferences and emotions based on their feedback in the form of text reviews about their hotel stay experience. In this study, we propose a Natural Language Processing framework that utilizes customer text reviews to provide personalized recommendations for the most appropriate hotel based on their preferences. The framework is based on Bidirectional Encoder Representations from Transformers (BERT) and a fine-tuning/validation pipeline that categorizes customer hotel review texts into “Bad,” “Good,” or “Excellent” recommended hotels. Our findings indicate that the hotel recommendation system we propose can significantly enhance the user experience of booking accommodations by providing personalized recommendations based on user preferences and previous booking history.

چکیده به فارسی (ترجمه ماشینی)

اخیراً ، استفاده از الگوریتم های هوش مصنوعی در سیستم های توصیه هتل به موضوعی به طور فزاینده ای تبدیل شده است.یکی از این روشها که در این زمینه اثبات شده است ، یادگیری عمیق است ، به ویژه مدلهای پردازش زبان طبیعی ، که قادر به استخراج دانش معنایی از بررسی متن کاربر برای ایجاد سیستم های توصیه کارآمدتر هستند.این می تواند منجر به توسعه مدلهای هوشمند شود که می تواند ترجیحات و احساسات کاربر را بر اساس بازخورد آنها در قالب بررسی متن در مورد تجربه اقامت هتل خود طبقه بندی کند.در این مطالعه ، ما یک چارچوب پردازش زبان طبیعی را پیشنهاد می کنیم که از بررسی متن مشتری برای ارائه توصیه های شخصی برای مناسب ترین هتل بر اساس ترجیحات آنها استفاده می کند.این چارچوب مبتنی بر بازنمایی رمزگذار دو طرفه از ترانسفورماتورها (BERT) و خط لوله تنظیم دقیق/اعتبار سنجی است که متون بررسی هتل مشتری را به هتل های “بد” ، “خوب” یا “عالی” طبقه بندی می کند.یافته های ما نشان می دهد که سیستم توصیه هتل که ما پیشنهاد می کنیم می تواند با ارائه توصیه های شخصی بر اساس ترجیحات کاربر و سابقه رزرو قبلی ، تجربه کاربر در رزرو اسکان را به میزان قابل توجهی افزایش دهد.