Desarrollar e integrar sistemas de inteligencia artificial generativa que personalicen la experiencia turística en Tisaleo, generando contenido automatizado y recomendaciones personalizadas basadas en las preferencias y comportamientos de los visitantes.
El presente caso de estudio tiene como finalidad Desarrollar e Integrar Sistemas de Inteligencia Artificial Generativa que Personalicen la Experiencia Turística del Cantón Tisaleo, generando contenido automatizado y recomendaciones personalizadas basadas en las preferencias y comportamientos de los...
সংরক্ষণ করুন:
| প্রধান লেখক: | |
|---|---|
| অন্যান্য লেখক: | |
| বিন্যাস: | bachelorThesis |
| প্রকাশিত: |
2025
|
| বিষয়গুলি: | |
| অনলাইন ব্যবহার করুন: | https://repositorio.espe.edu.ec/handle/21000/43112 |
| ট্যাগগুলো: |
ট্যাগ যুক্ত করুন
কোনো ট্যাগ নেই, প্রথমজন হিসাবে ট্যাগ করুন!
|
ট্যাগ যুক্ত করুন | সংক্ষিপ্ত: | El presente caso de estudio tiene como finalidad Desarrollar e Integrar Sistemas de Inteligencia Artificial Generativa que Personalicen la Experiencia Turística del Cantón Tisaleo, generando contenido automatizado y recomendaciones personalizadas basadas en las preferencias y comportamientos de los visitantes. Para cumplir con el objetivo propuesto se aplicado la metodología Design Thinking y Scrum donde se detallan los pasos de creación del sistema. Esto incluye el desarrollo del modelo de árbol de decisión y el modelo de Inteligencia Artificial Generativa (IAG). Se opto por el modelo del árbol de decisión por su bajo consumo de procesamiento, para su entrenamiento se usa un dataset de 350 con la división de 80/20. Se obtuvo un 94.03% de precisión. Para los modelos de IAG se encontró un modelo pre entrenado DeepESP/gpt2-Spanish elegido por su corpus en español, y se entrenaron con 10 épocas para nuestro dataset de 4000 datos, con la misma división del conjunto 80/20 de datos haciendo por iteraciones de 1000 datos, dado al consumo excesivo de GPU. Para el modelo Rutas, los resultados muestran una pérdida de validación final de 0,0332 durante el entrenamiento, y una perplejidad de 4718,9899. Por el contrario, el modelo Chatbot muestra una pérdida de validación de 0,4157 y una perplejidad de 4328,5317, los valores de perplejidad son altos, pero no es el único determinante de la calidad, ya que el modelo genera actualmente respuestas apropiadas, y puede ser mejorado en futuras investigaciones. En cuanto al sitio web, las encuestas realizadas indican que el 75.3% de los usuarios lo consideran atractivo, y un 63% califican las recomendaciones como útiles. Deduciendo que la Inteligencia Artificial generativa en el sector turístico es un recurso innovador con un enorme potencial para impulsar su desarrollo. |
|---|