کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
7419082 1482466 2018 12 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Effects of user-provided photos on hotel review helpfulness: An analytical approach with deep leaning
ترجمه فارسی عنوان
اثرات عکس های ارائه شده توسط کاربر در کمک به بررسی هتل: یک رویکرد تحلیلی با تکیه بر عمیق
کلمات کلیدی
بررسی های آنلاین، هتل، عکس های ارائه شده توسط کاربر، دیدگاه کامپیوتر، یادگیری عمیق، تجزیه و تحلیل رسانه های اجتماعی،
ترجمه چکیده
بررسی های آنلاین به طور گسترده در ادبیات مهمان نوازی و گردشگری مورد مطالعه قرار گرفته است. با این حال، در حالی که عکس های ارائه شده توسط کاربر در بررسی های آنلاین در مقیاس های بزرگ انباشته شده، ارزش اطلاعات خود را به خوبی درک نمی شود به علت چالش های فنی است. هدف این مطالعه معرفی یادگیری عمیق برای دیدگاه کامپیوتر برای درک ارزش اطلاعات بررسی آنلاین هتل ها است. با استفاده از یک مجموعه داده جمع آوری شده از دو سایت رسانه های اجتماعی، ما مدل های یادگیری عمیق با سایر تکنیک های یادگیری ماشین را مقایسه کردیم تا اثر عکس های ارائه شده توسط کاربر را در مورد کمک های بررسی بررسی کنیم. یافته ها نشان می دهد که مدل های یادگیری عمیق در پیش بینی کمک های بررسی بیشتر از سایر مدل ها مفید هستند. در حالی که عکس های ارائه شده توسط کاربر به تنهایی اثر متفاوتی با متون بررسی نداشتند، ترکیب متون بررسی و عکس های ارائه شده توسط کاربر باعث شد بالاترین عملکرد را داشته باشد. پیامدهای کاربرد فناوری های یادگیری عمیق در تحقیقات مهمان نوازی و گردشگری، و نیز محدودیت ها و جهت های تحقیق آینده، مورد بحث قرار گرفته است.
موضوعات مرتبط
علوم انسانی و اجتماعی مدیریت، کسب و کار و حسابداری استراتژی و مدیریت استراتژیک
چکیده انگلیسی
Online reviews have been extensively studied in the hospitality and tourism literature. However, while user-provided photos embedded in online reviews accumulate in large quantities, their informational value has not been well understood likely due to technical challenges. The goal of this study is to introduce deep learning for computer vision to understand information value of online hotel reviews. Using a dataset collected from two social media sites, we compared deep learning models with other machine learning techniques to examine the effect of user-provided photos on review helpfulness. Findings show that deep learning models were more useful in predicting review helpfulness than other models. While user-provided photos alone did not have the same impact as review texts, combining review texts and user-provided photos produced the highest performance. Implications for the applications of deep learning technologies in hospitality and tourism research, as well as limitations and directions for future research, are discussed.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: International Journal of Hospitality Management - Volume 71, April 2018, Pages 120-131
نویسندگان
, , , ,