​182085

2566

โครงการวิจัยเดี่ยว

การส่งเสริมการท่องเที่ยวในจังหวัดเพชรบูรณ์ ด้วยการพัฒนาการให้บริการของโรงแรมด้วยการวิเคราะห์ข้อมูลโดยใช้ Machine learning

Phetchabun Tourism Promotion Based on Data Analysis for Hotel Service Improvement Using Machine Learning Technique

1. ผู้ช่วยศาสตราจารย์ดวงจันทร์ สีหาราช (หัวหน้าโครงการ)
2. ผู้ช่วยศาสตราจารย์ ดร.เกรียงไกร ทิมศร (ผู้ร่วมวิจัย)
3. อาจารย์อนุพงษ์ สุขประเสริฐ (ผู้ร่วมวิจัย)

คณะวิทยาศาสตร์และเทคโนโลยี

งานวิจัยนี้มีวัตถุประสงค์ 1) ปรับปรุงและประเมินประสิทธิภาพการใช้เทคนิคการเรียนรู้ด้วยเครื่องเพื่อรับรู้พฤติกรรมการเข้าพักโรงแรมของนักท่องเที่ยว และ 2) พัฒนาแอปพลิเคชันสำหรับเชื่อมต่อแบบจำลองการคาดการณ์สำหรับธุรกิจโรงแรม รวบรวมชุดข้อมูลจากข้อมูลความคิดเห็นของนักท่องเที่ยว 300 คน โดย Google Form ข้อมูลที่รวบรวมได้ถูกทำความสะอาดโดยการใส่ข้อมูลด้วยอัลกอริทึมเคเนียร์เรสเนสเบอร์ ใช้เทคนิคการแปลงข้อมูล และการเลือกคุณสมบัติที่มีประสิทธิภาพสำหรับการฝึกแบบจำลองการคาดการณ์ด้วยเทคนิคอินฟอร์เมชันเกน คุณลักษณะที่ได้รับเลือกถูกส่งไปฝึกอบรมและทดสอบประสิทธิภาพโดยอัลกอริทึมการเรียนรู้ของเครื่อง ได้แก่ ต้นไม้การตัดสินใจ เคเนียร์เรสเนสเบอร์ นิวรอลเน็ตเวิร์ค และซัพพอร์ตเวคเตอร์แมชชิน งานวิจัยนี้พบว่าอัลกอริธึมการเรียนรู้ของเครื่องที่มีประสิทธิภาพดีที่สุดสำหรับการทำนายการเข้าพักโรงแรมซ้ำของนักท่องเที่ยว และการแนะนำโรงแรมสำหรับบุคคลอื่นๆ คือ เคเนียร์เรสเนสเบอร์ โดยสามารถให้ความแม่นยำในการทำนายสูงกว่าอัลกอริทึมอื่นๆ ที่ 98.67% และถูกนำมาใช้เพื่อให้บริการธุรกิจโรงแรมผ่านเว็บแอปพลิเคชันที่เป็นมิตรกับผู้ใช้งาน



This research aimed to 1) improve and assess the performance of using machine learning techniques for perceiving tourists’ hotel staying behaviors and 2) develop the application for connecting the predictive model for hotel businesses. The dataset was collected from 300 tourists’ opinions data by Google Form. These collected data was cleaned by the K-Nearest Neighbors algorithm (KNN) data imputation, data conversion technique, and selecting some effective features for training the predictive model by Information gain technique. The selected features were sent to train and test performance by machine learning algorithms including Decision tree (DT), K-Nearest Neighbors (KNN), Neural Network (NN), and Support Vector Machine (SVM). This research found that the best performance machine learning algorithm for predicting tourists’ repeated hotel staying and hotel recommendation for other persons was KNN. The KNN can give higher prediction accuracy than other algorithms at 98.67%. The KNN was implemented for serving hotel businesses via the friendly web application.

การเรียนรู้ของเครื่อง,เว็บแอปพลิเคชัน,พฤติกรรมการเข้าพักในโรงแรม,นักท่องเที่ยว,Machine Learning,Web Application,Hotel Staying Behavior,Tourist

ดาวน์โหลด เปิด : 16 ครั้ง

ดาวน์โหลด เปิด : 14 ครั้ง:

44 ครั้ง