論文の概要: Tourism destination events classifier based on artificial intelligence techniques

• arxiv url: http://arxiv.org/abs/2410.19741v1
• Date: Mon, 07 Oct 2024 16:54:51 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-03 08:52:26.831814
• Title: Tourism destination events classifier based on artificial intelligence techniques
• Title（参考訳）: 人工知能技術を用いた観光先イベント分類器
• Authors: Miguel Camacho-Ruiz, Ramón Alberto Carrasco, Gema Fernández-Avilés, Antonio LaTorre,
• Abstract要約: 本稿では, 階層的な分類法を用いて, 多様な観光イベントを自動的に分類する手法を提案する。 このツールは、企業やエンドユーザーが観光イベント情報と対話する方法に革命をもたらす可能性がある。
• 参考スコア（独自算出の注目度）: 1.2535250082638645
• License:
• Abstract: Identifying client needs to provide optimal services is crucial in tourist destination management. The events held in tourist destinations may help to meet those needs and thus contribute to tourist satisfaction. As with product management, the creation of hierarchical catalogs to classify those events can aid event management. The events that can be found on the internet are listed in dispersed, heterogeneous sources, which makes direct classification a difficult, time-consuming task. The main aim of this work is to create a novel process for automatically classifying an eclectic variety of tourist events using a hierarchical taxonomy, which can be applied to support tourist destination management. Leveraging data science methods such as CRISP-DM, supervised machine learning, and natural language processing techniques, the automatic classification process proposed here allows the creation of a normalized catalog across very different geographical regions. Therefore, we can build catalogs with consistent filters, allowing users to find events regardless of the event categories assigned at source, if any. This is very valuable for companies that offer this kind of information across multiple regions, such as airlines, travel agencies or hotel chains. Ultimately, this tool has the potential to revolutionize the way companies and end users interact with tourist events information.
• Abstract（参考訳）: 観光地管理において,クライアントの最適なサービス提供の必要性の特定が不可欠である。 観光地で行われるイベントは、これらのニーズを満たすのに役立ち、観光客の満足度に寄与する可能性がある。 製品管理と同様に、これらのイベントを分類するための階層的なカタログを作成することは、イベント管理に役立つ。 インターネット上で見られるイベントは、分散した異質なソースにリストされているため、直接的な分類は難しく、時間がかかります。 本研究の主な目的は、観光地管理を支援するために、階層的な分類法を用いて、多様な観光イベントを自動的に分類する新しいプロセスを作成することである。 CRISP-DM, 教師付き機械学習, 自然言語処理技術などのデータサイエンス手法を活用することにより, この自動分類プロセスにより, 地理的に異なる領域にまたがる正規化されたカタログを作成することができる。 したがって、一貫性のあるフィルタでカタログを構築することができ、もしあれば、ソースに割り当てられたイベントカテゴリに関係なく、イベントを見つけることができます。 これは、航空会社、旅行代理店、ホテルチェーンなど、複数の地域でこの種の情報を提供している企業にとって非常に価値がある。 究極的には、このツールは企業やエンドユーザーが観光イベント情報と対話する方法に革命をもたらす可能性がある。

関連論文リスト

• Smart ETL and LLM-based contents classification: the European Smart Tourism Tools Observatory experience [45.498315114762484]
  本研究プロジェクトは、オンラインの欧州スマートツーリズムツール(STT)のコンテンツ更新の改善に焦点を当てている。 STTを記述する内容はPDFカタログから派生し、PDFスクレイピング技術はQRコード、画像、リンク、テキスト情報を抽出する。 STTを天文台にインポートするプロセスは、PDFスクラッピング技術とLarge Language Modelsを組み合わせてテキストコンテンツに基づく分類を行う。
  論文  参考訳（メタデータ） (2024-10-24T11:10:54Z)
• Open-Vocabulary Temporal Action Localization using Multimodal Guidance [67.09635853019005]
  OVTALでは、すべてのカテゴリのトレーニングデータを明示的にキュレートすることなく、任意のアクションカテゴリをビデオで認識することができる。 この柔軟性は、トレーニング中に見られるアクションカテゴリだけでなく、推論で指定された新しいカテゴリも認識しなければならないため、大きな課題を引き起こす。 我々は,ActionFormerを拡張した新しいオープン語彙フレームワークであるOVFormerを紹介した。
  論文  参考訳（メタデータ） (2024-06-21T18:00:05Z)
• Wireless Crowd Detection for Smart Overtourism Mitigation [50.031356998422815]
  この章では、モバイルデバイスのワイヤレスアクティビティに基づいたオーバツーリズムを監視するための、低コストなアプローチについて説明する。 群集センサは、無線技術のトレース要素を検出することで、周囲のモバイルデバイスの数をカウントする。 いくつかの技術で検出プログラムを実行し、指紋解析の結果は匿名データベースにのみローカルに保存される。
  論文  参考訳（メタデータ） (2024-02-14T13:20:24Z)
• Classifying Organizations for Food System Ontologies using Natural Language Processing [9.462188694526134]
  環境問題に関連する組織を自動的に分類できるNLPモデルを開発した。 入力として、NLPモデルは、組織ごとにGoogle検索エンジンによって検索されるテキストスニペットが提供される。 我々はNLPモデルが知識グラフを蓄積するための情報収集に有望なアプローチであると信じている。
  論文  参考訳（メタデータ） (2023-09-19T19:07:48Z)
• Company classification using zero-shot learning [0.0]
  NLPとゼロショット学習を用いた企業分類手法を提案する。 Wharton Research Data Services(WRDS)を用いて得られたデータセットに対する我々のアプローチを評価する。
  論文  参考訳（メタデータ） (2023-05-01T18:36:06Z)
• KERM: Knowledge Enhanced Reasoning for Vision-and-Language Navigation [61.08389704326803]
  VLN(Vision-and-Language Navigation)は、実シーンにおける自然言語命令に続く遠隔地への移動を可能にするタスクである。 以前のアプローチのほとんどは、ナビゲート可能な候補を表現するために、機能全体やオブジェクト中心の機能を利用している。 本稿では,知識を活用したエージェントナビゲーション能力向上のための知識強化推論モデル(KERM)を提案する。
  論文  参考訳（メタデータ） (2023-03-28T08:00:46Z)
• A Semi-supervised Approach for Activity Recognition from Indoor Trajectory Data [0.822021749810331]
  協調生産環境において, 騒音の多い室内軌道データから移動物体の動作を分類する作業について検討する。 本稿では,まず情報理論の基準を適用し,長い軌道をセグメントに分割する半教師付き機械学習手法を提案する。 セグメントは制約付き階層的クラスタリング法に基づいて自動的にラベル付けされる。
  論文  参考訳（メタデータ） (2023-01-09T01:20:50Z)
• PatchMix Augmentation to Identify Causal Features in Few-shot Learning [55.64873998196191]
  少ないショット学習は、十分なカテゴリをラベル付けしたデータに基づいて学習した知識を、少ない既知の情報を持つ新しいカテゴリに転送することを目的としている。 我々はPatchMixと呼ばれる新しいデータ拡張戦略を提案し、この急激な依存関係を壊すことができる。 このような拡張メカニズムが,既存のメカニズムと異なり,因果的特徴を識別可能であることを示す。
  論文  参考訳（メタデータ） (2022-11-29T08:41:29Z)
• Data-Driven Market Segmentation in Hospitality Using Unsupervised Machine Learning [0.0]
  この研究は、階層的クラスタリングによってゲストプロファイルをセグメント化することで、データ駆動型アプローチを提供する。 本研究の目的は、生データから実行可能な洞察まで、プロセスのステップを提供することである。
  論文  参考訳（メタデータ） (2021-11-04T13:21:15Z)
• Structured Prediction as Translation between Augmented Natural Languages [109.50236248762877]
  本研究では,構造化予測言語の課題を解決するために,新しいフレームワークであるTANL(Translation between Augmented Natural Languages)を提案する。 タスク固有の差別を訓練することで問題に取り組む代わりに、拡張自然言語間の翻訳タスクとして位置づける。 提案手法は, タスク固有のモデルに適合するか, 性能に優れ, 特に, 共同エンティティと関係抽出に関する新たな最先端結果が得られる。
  論文  参考訳（メタデータ） (2021-01-14T18:32:21Z)
• A German Corpus for Fine-Grained Named Entity Recognition and Relation Extraction of Traffic and Industry Events [63.08899104652265]
  この研究は、微粒な地理的要素で注釈付けされたドイツ語文書のコーパスを記述する。 また、15の交通・産業関連n-aryリレーションシップやイベントもアノテートされている。 コーパスは、ニュースワイヤーのテキスト、Twitterメッセージ、ラジオ局、警察、鉄道会社からの交通報告で構成されている。
  論文  参考訳（メタデータ） (2020-04-07T11:39:50Z)

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。