کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
5110858 1483191 2016 14 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Make your travel smarter: Summarizing urban tourism information from massive blog data
ترجمه فارسی عنوان
سفر خود را باهوش تر کنید: خلاصه اطلاعات گردشگری شهری از اطلاعات وبلاگ های عظیم
کلمات کلیدی
معدن وبلاگ اصطلاح جغرافیایی، مکان گردشگری، شبکه کلمه مسیر سفر،
ترجمه چکیده
در این کار، ما چارچوب تحقیقاتی را پیشنهاد می کنیم تا به مردم اطلاعات گردشگری خلاصه، مانند مکان های توریستی محبوب و همچنین مسیرهای سفر خود را، برای یک شهر ناشناخته از وبلاگ سفر عظیم با هدف ارائه برنامه سفر مسافرت بهتر . برای انجام این کار ابتدا وبلاگهای سفر عظیم برای یک شهر هدفمند آنلاین را خالی کنید. سپس محتویات متنی این وبلاگ ها را به یک سری از بردارهای کلمه انتقال می دهیم تا منبع داده اولیه را تشکیل دهند. بعد، ما روش مرسوم الگوریتم مکرر را بر روی داده ها برای شناسایی مکان های محبوب شهر با استفاده از هماهنگی های متوالی خود در بین فعالیت های گردشگری معمولی، که می توان به یک شبکه کلمه اشاره کرد، پیاده سازی کنیم. در نهایت، ما یک روش مبتنی بر اعتماد به نفس را برای شناسایی مسیرهای سفر از شبکه توسعه می دهیم. ما مزایای این رویکرد را با استفاده از آن به اطلاعات وب سایت وبلاگ که توسط یک شرکت خدمات گردشگری آنلاین چینی اداره می شود، نشان می دهیم. نتایج نشان می دهد که روش پیشنهادی می تواند اطلاعات مسافرتی محبوب را از داده های عظیم مورد بررسی قرار دهد.
موضوعات مرتبط
علوم انسانی و اجتماعی مدیریت، کسب و کار و حسابداری سیستم های اطلاعات مدیریت (MIS)
چکیده انگلیسی
In this work, we propose a research framework to help people summarize tourism information, such as popular tourist locations as well as their travel sequences (routes), for a previously unknown city from massive travel blog with the objective of providing users with better travel scheduling. To do this, we first crawl the massive travel blogs for a targeted city online. Then, we transfer the textual contents of these blogs to a series of word vectors to form the initial data source. Next, we implement the frequent pattern mining method on the data to identify the city's popular locations by their sequenced co-occurrences among the usual tourism activities, which can be visualized into a word network. Finally, we develop a max-confidence based method to detect travel routes from the network. We illustrate the benefits of this approach by applying it to the data from a blog web-site run by a Chinese online tourism service company. The results show that the proposed method can efficiently explore the popular travel information from massive data.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: International Journal of Information Management - Volume 36, Issue 6, Part B, December 2016, Pages 1306-1319
نویسندگان
, , , ,