본 연구는 정보통신기술의 발전과 온라인 호텔 예약 시장의 성장으로 인한 정보 과부하 및 복잡한 의사 결정 문제를 해결하기 위해 새로운 호텔 추천 시스템을 제안한다. 기존 호텔 예약 플랫폼은 고객이 선택해야 할 옵션이 지나치게 많아 효과적인 의사 결정을 내리기 어렵다는 한계를 가지고 있다. 이를 개선하기 위해 본 연구는 호텔 속성 정보와 고객 리뷰를 통합하여 고객의 선호도를 보다 정밀하게 예측하는 텍스트 정보 기반 호텔 추천 시스템(TI-HRS)을 설계하였다. 제안된 시스템은 Word2Vec을 활용해 고객 리뷰의 의미론적 맥락을 추출하고, 합성곱 신경망(CNN)을 통해 문맥 정보를 효과적으로 학습한다. 또한, 호텔의 구조화된 속성 정보는 고차원 임베딩으로 변환되어 고객과 호텔 간 상호작용을 정교하게 모델링한다. 실험은 TripAdvisor.com에서 수집한 실제 데이터를 기반으로 수행되었으며, TI-HRS는 기존의 다양한 기준 모델보다 우수한 추천 성능을 나타냈다. 이러한 결과는 제안된 시스템이 호텔 예약 플랫폼에서 사용자 만족도를 향상시키고, 호텔 산업의 경쟁력 제고에 실질적으로 기여할 수 있음을 시사한다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.