e-Servicios: Aplicación de la Lógica Difusa

a un Sistema Experto en Turismo

C. R. Brys a , O. Myriam Kurtz a
a Universidad
Nacional de Misiones, Facultad de Ciencias Económicas
Departamento de Informática, Campus UNaM, Ruta Nac. 12 Km. 7,5
Posadas (N3304), Misiones, Argentina

Abstract

This paper proposes adapting an Tourism Expert System, incorporating linguistic labels to improve the solution of
the expert system, and provide a more precise recommendation of tourist.
As a practical case study of State service to the citizens, its presents a web application with touristics data of
Province of Misiones, Argentina.

En este artı́culo se propone adaptar un Sistema Experto en Turismo, incorporando etiquetas lingüı́sticas para
mejorar el resultado de la solución del sistema experto, y brindar una recomendación más precisa de la oferta turı́stica.
Como un caso práctico del servicio del Estado a los ciudadanos, se presenta un caso de aplicación web con datos
turı́sticos de la Provincia de Misiones, República Argentina.

Keywords: Lógica Difusa, Etiquetas lingüı́sticas, Sistemas expertos, Turismo

1. Introducción net, tomando decisiones a partir de sus preferencias

Según la Organización Mundial de Turismo
(OMT) en su informe Tourism 2020 Vision 1
proyecta que para el año 2020 visitarán el conti-
nente americano aproximadamente 282 millones de
los 1.600 millones de turistas.
El deseo de desarrollar alguna actividad relacionada
con la naturaleza representa aproximadamente el
30% de los criterios de selección de los turistas, en
especial las relacionadas con la naturaleza y su en-
torno [11].
El trabajo desarrollado en el presente artı́culo trata
de un sistema experto que permite que el visitante
planifique su propia guı́a turı́stica a través del Inter-
Email addresses: brys@fce.unam.edu.ar (C. R. Brys),
kurtz@fce.unam.edu.ar (O. Myriam Kurtz).
1 http://www.world-tourism.org/facts/eng/vision.htm
utilizando etiquetas lingüı́sticas. Esta práctica con-
tribuye a motorizar la Sociedad de la Información y
del Conocimiento, con un Estado más inteligente y
eficiente y al servicio de sus ciudadanos [9].
Turban et al. en [13] definen a la toma de decisiones
como: “un proceso de selección entre los cursos al-
ternativos de acción con el propósito de lograr una
meta o metas”.
Cuando el entorno es difuso, Bellman y Zadeh [1]
lo definen como “un proceso de decisión en el cual
las metas y/o restricciones, pero no necesariamente
el sistema bajo control, son de naturaleza difusos.
Significando ésto que las metas u objetivos y/o res-
tricciones constituyen clases de alternativas cuyos
lı́mites no están fuertemente definidos”.
Una manera práctica para tratar dicha incertidum-
bre en el conocimiento humano fue propuesta por
Zadeh en 1965: La Teorı́a de Conjuntos Difusos [14].

Documento presentado en Doctorado en Ingenierı́a de Sistemas y Computación. Universidad de Málaga January 23, 2008
El proceso de selección de la oferta turı́stica que
propone el Agente Inteligente utiliza el modelo de
Toma de Decisión Monocriterio y comienza a partir
de las respuestas que ingresa el visitante; el sis-
tema asigna un peso a los atractivos basado en las
preferencias ingresadas y formula una solución que
contiene la sugerencia de los lugares turı́sticos. Con
esa información el turista planifica los lugares que
desea visitar de acuerdo a los atractivos que más se
asocian a sus preferencias.
El desarrollo de este artı́culo se plantea de la si-
guiente forma: en la Sección 2 se hace una intro-
ducción al proceso de la toma de decisiones y al
modelo lingüı́stico; en la Sección 3 se presenta un
caso de práctica incorporando etiquetas lingüı́sticas
a un sistema experto en turismo; finalmente se ex-
ponen las conclusiones.
2. Métodos
2.1. El proceso de la Toma de Decisiones
Toma de Decisiones Monocriterio
La toma de decisiones monocriterio se refiere a la
situación de toma de decisiones donde solo existe
una única fuente de información (o criterio) para
obtener la solución al problema de decisión. Por lo
tanto, en este tipo de situaciones la solución del
problema viene directa y únicamente de la infor-
mación provista. En este caso no hay necesidad de
un proceso de consenso [3].
2.2. Formatos de Representación de Preferencias
Valores de Utilidad
En la literatura [4, 5] existen esfuerzos para crear
modelos de decisión que permitan la expresión de
preferencias en diversos formatos. En este artı́culo,
se describe brevemente uno de esos formatos: las
“Preferencias por Valores de Utilidad”.
En este caso, el experto asocia un número (valor
de utilidad) a cada alternativa, lo que representa el
nivel de cumplimiento desde su punto de vista de la
alternativa. Para cada conjunto de valores de utili-
dad podemos suponer, sin perdida de generalidad,
que cuanto más alto sea el valor para una alterna-
tiva, ésta satisface en mayor medida los objetivos
del experto.
2
2.3. Metodologı́a de Funcionamiento
En el contexto difuso, el problema de la toma
de decisión se modela como: un conjunto finito de
alternativas (los atractivos turı́sticos),
A = {a1 , . . . , an }, (n ≥ 1), asociado a un conjunto
finito de lugares, L = {l1 , . . . , ln }, (n ≥ 1) que
poseen los atractivos de A; y un experto e (el tu-
rista).
En este caso, cada experto expresa sus preferencias
sobre A por medio de un conjunto de n valores de
utilidad, U = {u1 , . . . , un }, ui ∈ [0, 1], es decir, el
experto asigna a cada alternativa un valor de uti-
lidad que representa el grado de interés por dicha
alternativa. Para el conjunto de valores de utilidad,
se supone que cuanto mayor es el valor de utilidad
para una alternativa, mejor satisface dicha alterna-
tiva el objetivo del experto.
El número de elementos en el conjunto de etiquetas
determina lo que se denomina la granularidad, es
decir, el grado de distinción entre diferentes grados
de incertidumbre.
La semántica de las etiquetas lingüı́sticas viene
dada por números difusos definidos en el intervalo
[0,1], los cuales son descritos mediante funciones de
pertenencia.
En [2, 6, 7] se muestran algunas aplicaciones del en-
foque lingüı́stico a la toma de decisiones.
Debido a que los términos lingüı́sticos no son más
que aproximaciones dadas por individuos, se consi-
dera que las funciones de pertenencia trapezoidales
son las que mejor se ajustan para expresar la im-
precisión de las valoraciones lingüı́sticas, ya que
obtener valores más exactos es imposible o innece-
sario. Esta representación se obtiene mediante una
4-tupla (a,b,d,c), con b y d indicando el intervalo
donde la función de pertenencia es 1, siendo a y
c los lı́mites izquierdo y derecho de la función de
pertenencia. Un caso particular de este tipo de fun-
ciones de pertenencia son las triangulares donde,
b=d, por lo que se representan como (a,b,c) [10].
Para este caso de estudio, se ha definido un número
impar de etiquetas: {N, C, U, P, B, M, S}, donde
el término “P=Puede ser” representa aproximada-
mente 0.5, con el resto de etiquetas distribuidas
simétricamente a su alrededor, y se ha asignado la
siguiente semántica al conjunto de las 7 etiquetas:
N=No me interesa (0, 0, 0.17)
C=Casi nada (0, 0.17, 0.33)
U=Un poco (0.17, 0.33, 0.50)
P=Puede ser (0.33, 0.50, 0.67)
B=Bastante (0.50, 0.67, 0.83) conjunto de atractivos que el experto ha selec-
M=Mucho (0.67, 0.83, 1) cionado del universo de atractivos disponibles.
S=Definitivamente Si! (0.83, 1, 1) El conjunto S formado por los si que han sido
ponderados por el valor de utilidad asociado
Lo que puede expresarse gráficamente como se a la etiqueta lingüı́stica, se ordena en forma
muestra en la Figura 1: ascendente a los efectos de que los atractivos
que mejor satisfagan las expectativas del ex-
perto estén en el primer orden.
En el paso final, para cada elemento si del
conjunto S, el sistema recupera del conjunto
L los lugares que cumplen con la condición de
poseer los atractivos valorados por el experto,
y se presenta la solución del sistema experto
en una lista de lugares.
El modelo de resolución puede expresarse tal como
se muestra en la Figura 2.

Figure 1. Distribución de Posibilidades

2.4. Modelo lingüı́stico de toma de decisión

monocriterio en la resolución de problemas

Un proceso de Toma de Decisión Monocriterio

está compuesto de dos fases, en este caso no requiere
del consenso ya que la fuente de información es una
sola.
(i) Fase de Agregación. En el que se transforma un
conjunto de valores de preferencias asociadas
al experto y/o criterio en un conjunto de suge-
rencias aplicando un operador de agregación.
Durante el proceso de agregación, los valores
de utilidad ui para cada atractivo ai expresa-
dos por el experto, se agregan en un vector de
sugerencias
S = {s1 , . . . , sn }, (n ≥ 0), de modo que:
Figure 2. Proceso de Selección
X
n
sj = ui (1)
i=1

donde sj es la utilidad agregada para cada su-

gerencia propuesta por el sistema experto.
(ii) Fase de Explotación. A partir de los valo-
res de preferencia y aplicando un criterio de
selección se obtiene un conjunto solución.
Este criterio de selección puede estar basado
en cualquier otro método que nos permita
obtener una ordenación de la preferencia del
experto obtenida en la fase de agregación.
Este método no devuelve una sola alterna-
tiva, sino que propone una solución múltiple
S = {s1 , . . . , sn }, (n ≥ 0), que representa el
3. Caso de Práctica
La aplicación práctica de las etiquetas lingüı́sticas
se ha realizado sobre un sistema experto que fun-
ciona como una aplicación web.
El sistema experto original guiaba a los turistas
en la selección de los atractivos que podrı́a visitar
por medio de preguntas que sólo admitı́an las res-
puestas “si” y “no”. Ese método no ofrecı́a a los
turistas una forma de poder expresar su grado de
interés por los distintos atractivos, de modo que la

3
solución del sistema experto se limitaba a devolver
una lista ordenada de atractivos que al turista “si”
le interesaba visitar.
Con la incoporación de las etiquetas lingüı́sticas al
cuestionario del sistema, tal como se muestra en la
Figura 3, el turista asume el rol de un experto que
puede expresar su interés de forma semántica, el
que se asocia a un valor de utilidad que es ponde-
rado para obtener una solución más precisa.
El sistema ha sido incorporado como parte opera-
Figure 3. Diálogo de la Aplicación
tiva del Portal de Turismo del Gobierno de la Provin-
cia de Misiones, y puede ser accedido en la dirección
de Internet: http://www.turismo.misiones.gov.ar/setur/.
4. Conclusiones
El uso del enfoque lingüı́stico difuso resuelve el
problema de valoración subjetiva de las alternati-
vas, en un contexto donde es difı́cil expresar valores
de preferencia de forma precisa, y las opiniones solo
pueden ser expresadas con una información aproxi-
mada.
Comparando el funcionamiento de los sistemas, se
obtiene que al incorporar métodos basados en lógica
difusa, el sistema adaptado ofrece más flexibilidad
y resultados más relevantes que se ajustan mejor a
las expectativas de los viajeros.
References
[1] R. A. Bellman, L. A. Zadeh, (1970), Decision-making in
a fuzzy environment, Mgmt. Sci., Ser. B 17 (4) 141 164.
[2] G. Bordogma, M. Fedrizzi, G. A. Passi, (1997),
Linguistic modelling of consensus in group decision
making based on Owa operators. IEEE Trans. Systems,
pp 126-132.
[3] S. A. Burgos, (2006), Group Decision Making With
Incomplete Fuzzy Preference Relations. Tesis de
Doctorado. Escuela Técnica Superior de Ingenierı́a
Informática. Universidad de Granada. España.
[4] F. Chiclana, F. Herrera, and E. Herrera-Viedma,
(1998),Integrating multiplicative preference relations in
a multiplicative decision making model based on fuzzy
preference relations, Fuzzy Sets and Systems 112,
277291.
[5] F. Chiclana, F. Herrera, and E. Herrera-Viedma,
(1998), Integrating three representation models in fuzzy
multipurpose decision making based on fuzzy preference
relations, Fuzzy Sets and Systems 97, 3348.
[6] M. Delgado, J. L. Verdegay, M. A. Vila, (1993), On
aggregation operations of linguistic labels. Internat. J.
Intell. Systems 7 , pp 479-492.
[7] F. Herrera, E. Herrera Viedma, J. L. Verdegay, (1995),
A sequential selection process in group decision making
with linguistic assessment. Inform. Sci. 85 , pp 646-656.
[8] S. Koolmanojwong, P. Santiprabhob,(2002), Intelligent
Electronic Marketplace for Tourism.
Software Technology Laboratory. Faculty of Science and
Technology. Assumption University. Bangkok. Thailand.
[9] O. M. Kurtz (2005). Estudio del Desarrollo de la
Sociedad de la Información en la Argentina. Tesis de
Maestrı́a. Facultad de Ciencias Económicas. Universidad
Nacional de Misiones. Argentina.
[10] L. Martı́nez, F. Mata, P. J. Sánchez, E. Martı́nez, (2002),
Un Modelo Lingüı́stico para la Resolución de Problemas
de toma de Decisión en Grupo para el Sector Turı́stico.
Dpto. Informática, Universidad de Jaén. Universidad de
Jaén.
[11] Gobierno de la Provincia de Misiones. Plan Estratégico
de Desarrollo Turı́stico de la Provincia de Misiones.
[12] M. Roubesn, (2002), Fuzzy sets and decision analisis.
Fuzzy Sets and Systems 90. (1997), pp 199-206.
European Journal of Operational Research, 139, pp 166-
177.
[13] E. Turban, J. A. Aronson, T. Liang, (2005), Decision
Support Systems and Intelligent Systems, 7th ed. (Upper
Saddle River, NJ: Pearson Prentice Hall), 40.
[14] L.A. Zadeh, (1965), Fuzzy sets, Information and Control
8 , no. 3, pp 338353.