論文の概要: Using social network and semantic analysis to analyze online travel
forums and forecast tourism demand
- arxiv url: http://arxiv.org/abs/2105.07727v1
- Date: Mon, 17 May 2021 10:54:23 GMT
- ステータス: 処理完了
- システム内更新日: 2021-05-18 14:34:25.006910
- Title: Using social network and semantic analysis to analyze online travel
forums and forecast tourism demand
- Title（参考訳）: ソーシャルネットワークと意味分析を用いたオンライン旅行フォーラムの分析と観光需要予測
- Authors: A Fronzetti Colladon, B Guardabascio, R Innarella
- Abstract要約: 欧州の主要7都市のフォーラムを10年間で分析し、約14万7000人のユーザーが書いた26万以上の投稿を集めた。
ソーシャルネットワークと意味変数を用いたFacter Augmented Autoregressive and Bridgeモデルを実装した。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Forecasting tourism demand has important implications for both policy makers
and companies operating in the tourism industry. In this research, we applied
methods and tools of social network and semantic analysis to study
user-generated content retrieved from online communities which interacted on
the TripAdvisor travel forum. We analyzed the forums of 7 major European
capital cities, over a period of 10 years, collecting more than 2,660,000
posts, written by about 147,000 users. We present a new methodology of analysis
of tourism-related big data and a set of variables which could be integrated
into traditional forecasting models. We implemented Factor Augmented
Autoregressive and Bridge models with social network and semantic variables
which often led to a better forecasting performance than univariate models and
models based on Google Trend data. Forum language complexity and the
centralization of the communication network, i.e. the presence of eminent
contributors, were the variables that contributed more to the forecasting of
international airport arrivals.
- Abstract（参考訳）: 観光需要の予測は、政策立案者や観光業を営む企業にとって重要な意味を持つ。
本研究では,ソーシャルネットワークと意味分析の手法とツールを用いて,tripadvisor travel forumで対話するオンラインコミュニティから検索されたユーザ生成コンテンツについて検討した。
欧州の主要7都市のフォーラムを10年間で分析し、約14万7000人のユーザーが書いた26万以上の投稿を集めた。
本稿では,観光関連ビッグデータの分析手法と,従来の予測モデルに統合可能な変数群について述べる。
ソーシャルネットワークとセマンティック変数を用いたFact Augmented Autoregressive and Bridgeモデルを実装した結果,Google Trendsデータに基づく単変量モデルやモデルよりも優れた予測性能が得られた。
フォーラム言語複雑性とコミュニケーションネットワークの中央集権化
著名な貢献者の存在は、国際空港の到着予測により多くの貢献をした変数であった。
関連論文リスト
- JRDB-Traj: A Dataset and Benchmark for Trajectory Forecasting in Crowds [79.00975648564483]
ロボット工学、自動運転車、ナビゲーションなどの分野で使用される軌道予測モデルは、現実のシナリオにおいて課題に直面している。
このデータセットは、ロボットの観点から、すべてのエージェント、シーンイメージ、ポイントクラウドの位置を含む包括的なデータを提供する。
本研究の目的は,ロボットに対するエージェントの将来の位置を,生の感覚入力データを用いて予測することである。
論文 参考訳（メタデータ） (2023-11-05T18:59:31Z) - Scaling Laws Do Not Scale [54.72120385955072]
最近の研究によると、データセットのサイズが大きくなると、そのデータセットでトレーニングされたモデルのパフォーマンスが向上する。
このスケーリング法則の関係は、モデルのアウトプットの質を異なる集団がどのように認識するかと一致しないパフォーマンスを測定するために使われる指標に依存する、と我々は主張する。
異なるコミュニティは、互いに緊張関係にある価値を持ち、モデル評価に使用されるメトリクスについて、困難で、潜在的に不可能な選択をもたらす可能性がある。
論文 参考訳（メタデータ） (2023-07-05T15:32:21Z) - A deep learning framework to generate realistic population and mobility
data [5.180648702293017]
国勢調査と家庭旅行調査のデータセットは、定期的に家庭や個人から収集されている。
これらのデータセットは、プライバシの懸念による人口の限られたサンプルを表すか、集約されることが多い。
本稿では,社会経済的特徴(年齢,性別,産業など)とトリップチェーン(活動場所)の両方を含む合成人口を生成する枠組みを提案する。
論文 参考訳（メタデータ） (2022-11-14T14:05:09Z) - Forecasting Future World Events with Neural Networks [68.43460909545063]
Autocastは数千の予測質問と付随するニュースコーパスを含むデータセットである。
ニュースコーパスは日付によって整理され、人間が過去の予測を行った条件を正確にシミュレートすることができる。
予測タスクで言語モデルをテストし、パフォーマンスが人間専門家のベースラインよりはるかに低いことを確認します。
論文 参考訳（メタデータ） (2022-06-30T17:59:14Z) - Traffic-Twitter Transformer: A Nature Language Processing-joined
Framework For Network-wide Traffic Forecasting [14.71745498591372]
本研究では,公共利用者や交通機関の交通状況を予測するためのフレキシブルで包括的な枠組みを提案する。
まず,2つの時系列データ,トラフィック強度,およびTwitterデータ強度の相関性を評価するために,相関研究と線形回帰モデルを構築した。
次に、2つの時系列データをソーシャル対応フレームワークであるTraffic-Twitter Transformerに入力し、Nature Language表現を時系列レコードに統合し、長期トラフィック予測を行った。
論文 参考訳（メタデータ） (2022-06-19T20:17:15Z) - Personalized multi-faceted trust modeling to determine trust links in
social media and its potential for misinformation management [61.88858330222619]
ソーシャルメディアにおけるピア間の信頼関係を予測するためのアプローチを提案する。
本稿では,データ駆動型多面信頼モデルを提案する。
信頼を意識したアイテムレコメンデーションタスクで説明され、提案したフレームワークを大規模なYelpデータセットのコンテキストで評価する。
論文 参考訳（メタデータ） (2021-11-11T19:40:51Z) - Exploring Context Generalizability in Citywide Crowd Mobility
Prediction: An Analytic Framework and Benchmark [4.367050939292982]
本稿では,コンテキストの一般化性を評価するための統合分析フレームワークと大規模ベンチマークを提案する。
我々は,自転車の走行,地下鉄の乗客流,電気自動車の充電需要といった,群衆の移動予測タスクで実験を行った。
より多くのコンテキスト機能を使用すると、既存のコンテキストモデリング技術で予測がより良くなるとは限らない。
文脈モデリング手法では、ゲート単位を用いて生の文脈特徴を深部予測モデルに組み込むことで、優れた一般化性が得られる。
論文 参考訳（メタデータ） (2021-06-30T13:19:41Z) - It is rotating leaders who build the swarm: social network determinants
of growth for healthcare virtual communities of practice [0.0]
本研究の目的は,ソーシャル・ネットワークとセマンティック・アナリティクスを用いた7年間の縦断的研究により,医療バーチャル・コミュニティ・オブ・プラクティス(VCoP)の成長に影響を及ぼす要因を明らかにすることである。
論文 参考訳（メタデータ） (2021-05-26T16:15:31Z) - Human Trajectory Forecasting in Crowds: A Deep Learning Perspective [89.4600982169]
本稿では,既存の深層学習に基づくソーシャルインタラクションのモデル化手法について詳細に分析する。
本稿では、これらの社会的相互作用を効果的に捉えるための知識に基づく2つのデータ駆動手法を提案する。
我々は,人間の軌道予測分野において,重要かつ欠落したコンポーネントであるTrajNet++を大規模に開発する。
論文 参考訳（メタデータ） (2020-07-07T17:19:56Z) - Tourism Demand Forecasting: An Ensemble Deep Learning Approach [4.516340427736994]
我々は、北京の観光客の到着を予測するために、歴史的観光到着データ、経済変動データ、検索強度指標(SII)データを使用する。
提案するB-SAKE手法は, レベル精度, 方向精度, 統計的意義の観点から, ベンチマークモデルより優れている。
バッグングと積み重ねオートエンコーダは、観光ビッグデータがもたらす課題を効果的に軽減し、モデルの予測性能を向上させる。
論文 参考訳（メタデータ） (2020-02-19T02:23:38Z) - I Know Where You Are Coming From: On the Impact of Social Media Sources
on AI Model Performance [79.05613148641018]
我々は、異なるソーシャルネットワークのマルチモーダルデータから学習する際、異なる機械学習モデルの性能について検討する。
最初の実験結果から,ソーシャルネットワークの選択がパフォーマンスに影響を及ぼすことが明らかとなった。
論文 参考訳（メタデータ） (2020-02-05T11:10:44Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。