Wethetourists InitiativeWethetourists Initiative

Al conocer mejor el perfil de sus clientes se espera un incremento, por un lado, de la rentabilidad por operación turística, y por otro lado, de la rentabilidad global de la empresa, al aumentar la probabilidad de ventas. Partiendo del conocimiento de los gustos audiovisuales del usuario final, se le pueden ofrecer las actividades turísticas y servicios adicionales de proximidad, más adecuados, incluyendo una oferta saludable afín a sus necesidades.

Asimismo, se utilizará tecnología de planificación automática de tareas para generar planes integrados de actividades recomendadas, de forma que no sean recomendaciones dispersas, sino que se proporcione una solución global que contemple las interacciones entre las diferentes actividades turísticas y de salud, y que tenga en cuenta las restricciones, preferencias, recomendaciones y perfil del turista.

Este objetivo principal se descompone en cuatro sub-objetivos:

– Primer Objetivo. Demostrar que el sistema funciona en dos contextos: audiovisual y turístico, analizando cómo correlacionar semánticamente ambos contextos y logrando recomendaciones “con sentido”. Es decir, determinando los gustos audiovisuales de los usuarios propondremos paquetes turísticos “coherentes” que logren concretar una venta. Análogamente verificaremos su comportamiento para los contextos audiovisual y de salud.

Demostraríamos científicamente varias cuestiones: a) el modelo de economía del conocimiento es aplicable al caso de multi-contexto; b) el motor de inteligencia colectiva (que incorpora las recomendaciones y experiencias de múltiples clientes) mide y mejora la correlación entre ambos contextos; c) el sistema inteligente bi-contextual de cada aplicación proporciona un valor añadido en la creación de ofertas turísticas personalizadas; d) se puede crear un modelo eficiente de Sistema Inteligente BIG DATA OPTIMIZER, basado en el algoritmo de inteligencia colectiva eficiente y sus actuales carácterísticas; f) el modelo generaliza bien, y funciona para dos contextos: audiovisual-turismo, audiovisual-salud y turismo-salud; g) el nuevo modelo se puede armonizar con la plataforma FI-WARE de Málaga creando una versión de WeBioCloud sobre FI-WARE; h) se puede integrar el conocimiento de WATSON en la arquitectura;

– Segundo Objetivo. Demostrar que los paquetes promocionales incrementan la probabilidad de venta. i) los paquetes, cupones y oferta complementaria procesados de forma inteligente y personalizada permiten incrementar la rentabilidad de las promociones;

– Tercer Objetivo. Demostrar que la incorporación de un tercer contexto, como el caso audiovisual-tursimo-salud, incluso añadir un cuarto contexto sencillo como es la meteorología, mejora el rendimiento del sistema: es decir, la calidad de la recomendación. j) el modelo económico escala y es rentable; k) el sistema escala computacionalmente; l) se crean paquetes turísticos personalizados de forma inteligente y dinámica de forma que mejora la rentabilidad global de las soluciones;

– Cuarto Objetivo. Demostrar la interoperabilidad, Cloud 2 Cloud, de sistemas cognitivos con una nueva arquitectura inteligente, sabia y en nube con el incremento de valor proporcionado mediante un sistema como Watson de IBM (Cloud2Watson). Es decir, que se pueden crear tiendas (o nubes) inteligentes independientes capaces de interconectar su conocimiento, su inteligencia y su sabiduría. m) el modelo se integra correctamente con WATSON; n) se puede definir un modelo correcto de intercambio dinámico de conocimiento Cloud2Cloud; ñ) se incrementa el valor de la interconexión con WATSON y el Ayuntamiento de Málaga.

Para ello, se propone llevar a cabo un proyecto de investigación encaminado a la obtención de una plataforma de gestión de la oferta turística española, ajustando la misma a las necesidades de los usuarios finales. Dicho ajuste de necesidades se pretende conseguir gracias a la utilización de las tecnologías comentadas y los objetivos marcados.

Asimismo, el proyecto buscará una integración semántica de los contextos turístico, salud y audiovisual con el fin de mejorar el perfil del usuario e incrementar la probabilidad de éxito del motor de inteligencia colectiva como “recomendador”. A la vez, buscará cómo convertir dicho motor de inteligencia colectiva en un sistema de optimización de BIG DATA dadas las particulares características del motor de inteligencia colectiva: memoria y paralelización. (es decir, que dada una secuencia determinada de eventos, el resultado contiene toda el conocimiento para inferir semánticamente recomendaciones).

Se desarrollarán los modelos matemáticos y los prototipos necesarios para todo ello, bajo un modelo de conocimiento abierto bio-inspirado e inteligencia colectiva único y que podría resultar puntero a nivel mundial.

Así mismo se trata de incorporar el análisis de opinión para afinar en cómo impacta el comentario del usuario positiva o negativamente en la afinidad del perfil del usuario con la oferta propuesta: en ocio, en turismo y teniendo en cuenta su salud.

El sistema se plantea como una extensión a los tres niveles actuales de Cloud (Infraestructura, Plataforma y Software como servicio), añadiendo nuevos niveles de virtualización.

Las variedades de inteligencia artificial que se utilizarán son:

• Ontologías múltiples y razonamiento semántico asociado.
• Inteligencia en enjambre para los procesos de optimización.
• Inteligencia colectiva para el tratamiento de las opiniones de la red social.
• Procesamiento del lenguaje natural para analizar las opiniones en las redes sociales sobre actividades y lugares turísticos.
• Planificación automática de tareas para construir planes de actividades de turismo.
• Aprendizaje automático para analizar las actividades realizadas y adaptar automáticamente el perfil del turista.
• Reconocimiento de patrones y aplicaciones de visión artificial.

De forma que se aplican a:

• Creación de un Módulo “BIG DATA OPTIMIZER” que a modo de recomendador inteligente proporcione una aplicación eficaz del análisis masivo de datos.
• Diseño y pruebas del modelo Cloud to Cloud, interconexión de nubes inteligentes, mediante las primeras pruebas con WATSON.
• Diseño y creación de un prototipo de búsqueda, monitorización y análisis de comentarios en redes sociales (análisis de opinión).
• Creación de planes de actividades personalizadas que tengan en cuenta el modelo del turista, previamente adquirido o aprendido (restricciones, preferencias), así como las recomendaciones multi-contexto de otros turistas.
• Monitorización y re-planificación de las actividades realizadas por el turista en función del plan sugerido por el sistema.
• Análisis de las actividades realizadas para adaptar el modelo del conocimiento sobre el turista y sus restricciones y preferencias.
• La identificación de imágenes, bien de puntos de interés turísticos o imágenes de contenidos audiovisuales relevantes para la aplicación.

En cuanto a las tareas de investigación a realizar en el proyecto relacionadas con la planificación de actividades de turismo, las principales innovaciones que no se trataron en proyectos previos son las siguientes:

• Riqueza de entradas. En el proyecto onDroad, se abordó la planificación de actividades turísticas, teniendo como entradas solamente una valoración global computada por la empresa miNube con las aportaciones de sus usuarios, así como de las distancias entre sitios computadas con Google Maps. En el proyecto SAMAP, se partía de las recomendaciones de turistas semejantes al usuario de la aplicación, pero al ser un proyecto del Plan Nacional se centró más en las aportaciones científicas y en prototipos que en generar una aplicación comercial. De nuevo, las entradas eran más limitadas que en esta propuesta.

En WeTheTourist, se parte de numerosas entradas con gran riqueza semántica, que habrá que combinar para generar experiencias turísticas mucho más ricas que las generadas anteriormente. Como ejemplo, se partirá de recomendaciones extraídas por la UNED de redes sociales como Facebook o Twitter, cupones digitales personalizados, sitios recomendados a partir de imágenes, recomendaciones a partir de los contenidos audiovisuales de Bualaa, actividades culturales obtenidas del ayuntamiento a través de la aplicación de Get App, o adquisiciones previas realizadas a través de Ikiora.

También se tendrá en cuenta las valoraciones realizadas en el pasado por el turista a sitios similares, el cumplimiento de los planes previos monitorizados, o el perfil que el usuario haya querido introducir explícitamente en la aplicación.

• Planificación turística. No hay ninguna aplicación comercial conocida a día de hoy que permita la generación de planes de turismo personalizados, si se exceptúa el trabajo realizado en el proyecto citado anteriormente, onDroad, que todavía no está en explotación. Como ejemplo de aplicaciones cercanas, cabe citar, las guías empaquetadas (no personalizadas) de minube.com, la aplicación smartTourism de iactive.com, que ya no está mantenida, pero tenía objetivos similares, aunque las tecnologías utilizadas y alcance de la herramienta eran muy diferentes a WeTheTourist, o los planes que debe montar de forma manual el usuario en tripomatic.com. En este proyecto, se propone un grado de personalización enorme a partir del perfil semántico inducido (implícita o explícitamente) del turista, así como de la información recibida de las redes sociales.

• Monitorización y replanificación. En ninguna de las propuestas previas se trataba explícitamente el seguimiento de la ejecución de los planes generados para el turista (los lugares por los que pasa, las actividades que realiza, los cupones que redime, o el tiempo que dedica a cada actividad). Tampoco se trataba la replanificación automática en caso de desviaciones del plan.

En cuanto a las tareas de investigación relacionadas con visión por computador y reconocimiento de patrones las principales innovaciones a desarrollar serán las siguientes:

• Identificación de imágenes similares. La identificación de la similaridad entre varias imágenes es fundamental para la mejora del recomendador desde el punto de vista de obtención de información semántica de una imagen. Ser capaces de identificar que dos imágenes son la misma permite unificar la fuente de datos, lo que robustece el recomendador. Además en ocasiones las imágenes que ve el usuario no tienen texto asociado y por lo tanto no se puede extraer información útil. Con el sistema de identificación se podrá buscar la similitud con imágenes que ya estén etiquetadas y por lo tanto semantizadas, lo que permitirá extraer información útil de ellas.

• Reconocimiento de objetos dentro de la imagen. El reconocimiento de determinados objetos dentro de una imagen es fundamental para entender el contenido de la misma. La investigación se centrará en identificar diferentes objetos, señales, carteles, personas y monumentos. Este reconocimiento de objetos proporcionará más información al sistema lo que enriquecerá la experiencia del usuario.

• Identificación de la escena. Un paso adelante respecto a los dos sistemas anteriores es la identificación integral de la escena, es decir, qué está sucediendo realmente en la imagen. Al igual que el cerebro humano es capaz de entender objetiva y subjetivamente el contenido de una imagen, se investigará en un sistema que trate de imitar esta tarea. Entender una imagen de forma completa representa un auténtico reto y puede potenciar el sistema WeTheTourist desde muchos de puntos de vista. Las tecnologías aplicadas para llevar a cabo la gestión de la reputación dentro del proyecto se engloban principalmente en las áreas del procesamiento del lenguaje natural para el análisis de la polaridad y la detección de eventos, así como de la recuperación de información. Más específicamente, en la aplicación de técnicas de reconocimiento de entidades nombradas, detección de correferencias, descubrimiento y extracción de relaciones entre entidades, análisis de lenguaje subjetivo para la detección de polaridad y sentimiento, detección de eventos y aplicación de técnicas estadísticas orientadas al análisis y predicción en redes sociales.

Con el fin de que los resultados del proyecto WeTheTourist sean competitivos y puedan posicionar en el mercado una herramienta capaz de dar valor añadido a los sistemas que actualmente se ofertan, el proyecto WeTheTourist se enfrenta a varios retos científicos, principalmente centrados en el procesamiento del lenguaje natural, que permitirán resolver los siguientes problemas:

– Acceso y análisis en tiempo real de recursos on-line. Como resultado del proyecto se espera que WeTheTourist sea capaz de monitorizar los contenidos relacionados con una entidad concreta adaptando el proceso de recuperación del flujo de datos relacionado a los eventos que vayan surgiendo a lo largo del tiempo. En este sentido, WeTheTourist se diferencia de otras aproximaciones en su naturaleza adaptativa y dinámica que permitirá identificar, por ejemplo, temáticas o generadores de opinión según estos vayan surgiendo.

– Generación de un perfil semántico asociado a una entidad. WeTheTourist pretende aportar valor añadido generando un perfil agregado capaz de mostrar al usuario final (i.e. empresa turística o negocio local) la información más relevante asociada a éste a lo largo del tiempo junto con su análisis de reputación. En este sentido, WeTheTourist abordará los problemas asociados con la desambiguación de entidades nombradas, identificación de hechos y opiniones, así como detección de sentimientos y polaridad.

– Monitorización y predicción. Uno de los retos más ambiciosos del proyecto se orienta a la realización de análisis basados en técnicas estadísticas que permitan predecir el impacto social de eventos o comentarios en redes sociales. Este tipo de aproximaciones resultan de especial interés para cualquier tipo de empresa, resultando muy útiles como alerta temprana de hechos que pudieran dañar su reputación o para predecir las ganancias obtenidas antes del lanzamiento de un producto (e.g. predicción de la taquilla de una película el primer fin de semana del estreno). Obviamente los retos científicos asociados son grandes e incluyen aspectos relacionados con el análisis temporal, la detección y seguimiento de temas y la generación de modelos estadísticos predictivos.

– Comparación e identificación de oportunidades. Como valor añadido al análisis realizado sobre recursos sociales WeTheTourist pretende identificar indicadores textuales que ayuden a detectar oportunidades de negocio. En este sentido, pretendemos investigar en técnicas que faciliten la comparación de resultados de reputación online de compañías de la competencia con el objeto de detectar aquellos puntos débiles que pudieran ser aprovechados como ventaja competitiva. En paralelo pretendemos explotar los comentarios vertidos en redes sociales para la identificación de necesidades que pudieran ser utilizadas por la empresa para aumentar el número de clientes nuevos, así como para fidelizar a aquellos que ya tiene. Los retos científicos asociados.