การปรับปรุงประสิทธิภาพการใช้เทคนิคการเรียนรู้ของเครื่องและแอปพลิเคชัน ในการรับรู้พฤติกรรมการเข้าพักในโรงแรมของนักท่องเที่ยว

Improving Performance of Using Machine Learning Techniques and Application for Perceiving Tourists’ Hotel Staying Behaviors

Name: Duangchan Siharad

Organization : Major of Computer Science, Faculty of Science and Technology, Phetchabun Rajabhat University

Name: Anupong Sookprasert

Organization : Major of Information Technology and Communication, Faculty of Science and Technology, Phetchabun Rajabhat University

keyword: machine learning, web application, hotel staying behavior, tourist

ThaSH: การเรียนรู้ของเครื่อง เว็บแอปพลิเคชัน พฤติกรรมการเข้าพักในโรงแรม นักท่องเที่ยว

Abstract: Not responding to consumer needs in the hotel business leads to decreased satisfaction, negative word-of-mouth, and inefficient resource allocation. Machine learning can be applied to analyzing and predicting guests’ needs and feelings to improve hotel services. This research aimed to (1) improve and assess the performance of using machine learning techniques for perceiving tourists’ hotel staying behaviors and (2) develop an application for connecting the predictive model to hotel businesses. The dataset was collected from 300 tourists’ opinions by Google Form. The data imputation used the K-Nearest Neighbors Algorithm--KNN, and some effective features were selected for training by information gain. The selected features were sent to train and test performance by machine learning algorithms including Decision Trees--DT, K-Nearest Neighbors Algorithm--KNN, Neural Networks--NN, and Support Vector Machines--SVM. This research found that the best-performing machine learning algorithm for predicting tourists’ repeated hotel stays and hotel recommendations for other people was KNN. The KNN with k=3, k=5, and k=7 can give higher prediction accuracy than other algorithms at 98.67%. The KNN was implemented to serve hotel businesses via the friendly web application.

Abstract: การไม่ตอบสนองความต้องการของผู้บริโภคในธุรกิจโรงแรมทำให้ความพึงพอใจลดลง การบอกต่อในเชิงลบ และการจัดสรรทรัพยากรที่ไม่มีประสิทธิภาพ การเรียนรู้ของเครื่องสามารถนำมาประยุกต์ใช้ในการวิเคราะห์ และคาดการณ์ความต้องการและความรู้สึกของผู้เข้าพักเพื่อพัฒนาการบริการของโรงแรม งานวิจัยนี้มีวัตถุประสงค์เพื่อ (1) ปรับปรุงและประเมินประสิทธิภาพการใช้เทคนิคการเรียนรู้ด้วยเครื่องเพื่อรับรู้พฤติกรรมการเข้าพักโรงแรมของนักท่องเที่ยว และ (2) พัฒนาแอปพลิเคชันสำหรับเชื่อมต่อแบบจำลองการคาดการณ์สำหรับธุรกิจโรงแรม รวบรวมชุดข้อมูลจากข้อมูลความคิดเห็นของนักท่องเที่ยว 300 คน โดย Google Form ข้อมูลที่รวบรวมได้ถูกทำความสะอาดโดยการใส่ข้อมูลด้วยอัลกอริทึมเคเนียร์เรสเนสเบอร์ ใช้เทคนิคการแปลงข้อมูล และการเลือกคุณสมบัติที่มีประสิทธิภาพสำหรับการฝึกแบบจำลองการคาดการณ์ด้วยเทคนิคอินฟอร์เมชันเกน คุณลักษณะที่ได้รับเลือกถูกส่งไปฝึกอบรมและทดสอบประสิทธิภาพโดยอัลกอริทึมการเรียนรู้ของเครื่อง ได้แก่ ต้นไม้การตัดสินใจ เคเนียร์เรสเนสเบอร์ นิวรอลเน็ตเวิร์ค และซัพพอร์ตเวคเตอร์แมชชิน งานวิจัยนี้พบว่า อัลกอริธึมการเรียนรู้ของเครื่องที่มีประสิทธิภาพดีที่สุดสำหรับการทำนายการเข้าพักโรงแรมซ้ำของนักท่องเที่ยว และการแนะนำโรงแรมสำหรับบุคคลอื่น ๆ คือ เคเนียร์เรสเนสเบอร์ โดยสามารถให้ความแม่นยำในการทำนายสูงกว่าอัลกอริทึมอื่น ๆ ที่ 98.67% และถูกนำมาใช้เพื่อให้บริการธุรกิจโรงแรมผ่านเว็บแอปพลิเคชันที่เป็นมิตรกับผู้ใช้งาน

Address: PATHUM THANI

Email: libraryservice@eau.ac.th

Created: 2567

Modified: 2024-05-23

Issued: 2567-05-23

บทความ/Article

application/pdf

eng

©copyrights Eastern Asia University

ลำดับที่.	ชื่อแฟ้มข้อมูล	ขนาดแฟ้มข้อมูล	จำนวนเข้าถึง	วัน-เวลาเข้าถึงล่าสุด
1	12B_Improving+Performance+of+Using+Machine+Learning.pdf	12.42 MB	4	2025-09-25 21:00:39

ใช้เวลา

0.162109 วินาที