論文の概要: Behind the Content: Wikipedia Mobile Views and Tourism Activity

• arxiv url: http://arxiv.org/abs/2606.29991v1
• Date: Mon, 29 Jun 2026 09:03:03 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-30 18:07:16.141016
• Title: Behind the Content: Wikipedia Mobile Views and Tourism Activity
• Title（参考訳）: Wikipediaのモバイルビューと観光活動
• Abstract要約: 本研究では,オープンデジタルトレースが地域観光活動の解釈可能な高頻度指標となるかを検討する。 私たちは、2018年から2025年までの704人のフランスのコミューンで、毎日のAccorホテルのルームナイトとウィキペディアの都市ページのトラフィックをリンクしています。 モバイルページビューは,同日ホテル需要に肯定的に関連し,共同仕様でデスクトップトラフィックを支配していることがわかった。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This study examines whether open digital traces can provide interpretable, high-frequency indicators of local tourism activity. We argue that the device composition of Wikipedia attention helps distinguish situated information use from remote planning: mobile pageviews are more likely to reflect on-site, contemporaneous information needs, whereas desktop pageviews capture temporally diffuse interest. Linking daily Accor hotel room-nights to Wikipedia city-page traffic for 704 French communes from 2018 to 2025, we find that mobile pageviews are positively associated with same-day hotel demand and dominate desktop traffic in joint specifications. The relationship is stronger in leisure-oriented destinations and in places with higher Wikipedia visibility. A micro-validation using daily attendance at six cultural attractions in Orl{é}ans shows the same pattern: mobile pageviews predict same-day gate counts, while surrounding leads and lags are close to zero. The findings position mobile Wikipedia traffic as a transparent, replicable nowcasting signal for tourism activity.
• Abstract（参考訳）: 本研究では,オープンデジタルトレースが地域観光活動の解釈可能な高頻度指標となるかを検討する。 デスクトップページビューは時間的に拡散した関心を捉えているのに対し、モバイルページビューはオンサイト、同時情報要求を反映しがちである。 2018年から2025年までの704人のフランスのコミューンで、毎日のAccorホテルのルームナイトとウィキペディアの都市ページのトラフィックをリンクすると、モバイルのページビューが同日ホテルの需要と肯定的な結びつきがあり、共同仕様でデスクトップのトラフィックを支配していることがわかった。 この関係はレジャー指向の目的地やウィキペディアの視認度が高い場所で強くなっている。 Orl{é}ansの6つの文化的アトラクションに毎日出席するマイクロバリデーションは、同じパターンを示している: モバイルページビューは同日ゲート数を予測し、周囲のリードとラグはゼロに近い。 この発見は、モバイルウィキペディアのトラフィックを、観光活動のための透明でレプリカの少ない放送信号として位置づけている。

関連論文リスト

• Paris as a 15-Minute City: An Explainable AI Perspective [0.0]
  本研究では,15分間の街が,短い散歩や自転車の乗り込みで日常のサービスへのアクセスを促進する方法について検討する。 本研究では,地域サービス利用率の歩行・サイクリングに基づく指標を構築し,所要時間,輸送モード,短距離車利用との関係について検討する。 グラディエントブーストツリーモデルは、旅行目的、在宅勤務距離、ローカルサービスの可用性、車両の所有、公共交通機関の定期購読、社会デマロジカルコンテキストを重要な予測因子として一貫して識別する、説明可能な機械学習手法で解釈される。
  論文  参考訳（メタデータ） (2026-08-01T18:45:10Z)
• The Digital Life of Parisian Parks: Multifunctionality and Urban Context Uncovered by Mobile Application Traffic [5.729841716633981]
  パリをケーススタディとして、アプリごとのモバイルネットワークトラフィックを受動的に収集した大規模なセットを分析します。 分析の結果,公園の周辺環境と周辺環境との違いから,交通信号が特徴的であることが明らかとなった。 これらの結果から,都市緑地機能研究の代行手段としてのモバイルトラフィックの価値が示された。
  論文  参考訳（メタデータ） (2025-08-21T12:43:42Z)
• TrafficLoc: Localizing Traffic Surveillance Cameras in 3D Scenes [49.43995864524434]
  本稿では,画像間クラウド登録(I2P)手法であるTrafficLocを提案する。 大規模な現実世界の交差点データセットの欠如を克服するため、カルラの75の都市と農村の交差点を持つ新しいシミュレーションデータセットであるCarla Intersectionを紹介した。 我々のTrafficLocは、Carla Intersection上でSOTA I2P法(最大86%)よりも大幅に性能を向上し、実世界のデータに対してよく一般化する。
  論文  参考訳（メタデータ） (2024-12-13T17:42:53Z)
• Learning Navigational Visual Representations with Semantic Map Supervision [85.91625020847358]
  エージェントの自我中心のビューとセマンティックマップを対比してナビゲーション固有の視覚表現学習法を提案する。 Ego$2$-Map学習は、オブジェクト、構造、遷移などのコンパクトでリッチな情報を、ナビゲーションのためのエージェントのエゴセントリックな表現に転送する。
  論文  参考訳（メタデータ） (2023-07-23T14:01:05Z)
• CrowdWeb: A Visualization Tool for Mobility Patterns in Smart Cities [0.39373541926236766]
  現在の移動予測モデルの精度は25%未満である。 人間の移動パターンを可視化するWebプラットフォームを提案する。 我々はこのプラットフォームを拡張し、都市規模の観点から複数のユーザのモビリティを可視化する。
  論文  参考訳（メタデータ） (2023-05-22T11:30:00Z)
• Wikipedia Reader Navigation: When Synthetic Data Is Enough [11.99768070409472]
  クリックストリームデータから生成された実ナビゲーションシーケンスと合成シーケンスの違いを定量化する。 実数列と合成配列の差は統計的に有意であるが、小さな効果の大きさで、しばしば10%以下である。 これはウィキペディアのクリックストリームデータを公開リソースとして活用するための定量的な証拠となっている。
  論文  参考訳（メタデータ） (2022-01-03T18:58:39Z)
• A Large-Scale Characterization of How Readers Browse Wikipedia [13.106604261718381]
  読者がウィキペディアを閲覧する方法に関する,最初の体系的な大規模分析を提示する。 Wikipediaのサーバーログからの数十億のページリクエストを使用して、読者が記事にアクセスする方法を測定します。 ナビゲーションの挙動は、非常に多様な構造によって特徴づけられる。
  論文  参考訳（メタデータ） (2021-12-22T12:54:44Z)
• Refiner: Refining Self-attention for Vision Transformers [85.80887884154427]
  視覚変換器(ViT)は、CNNと比較して画像分類タスクにおいて、競合する精度を示す。 本稿では,ViTの自己注意マップを直接洗練するために,ファインダと呼ばれる概念的にシンプルなスキームを導入する。 refinerはアテンションマップの局所的なパターンを拡大するために畳み込みを適用します。これは、ローカルなアテンション特徴を学習可能なカーネルで局所的に集約した上で、グローバルなアテンションで集約した分散ローカルアテンション特徴と等価であることを示す。
  論文  参考訳（メタデータ） (2021-06-07T15:24:54Z)
• Coordinate Attention for Efficient Mobile Network Design [96.40415345942186]
  チャネルの注目に位置情報を埋め込むことにより,モバイルネットワークに対する新たな注意メカニズムを提案する。 2次元グローバルプーリングにより特徴テンソルを単一特徴ベクトルに変換するチャネルアテンションとは異なり、座標アテンションはチャネルアテンションを2つの1次元特徴符号化プロセスに分解する。 座標の注意はImageNetの分類に有用であり、オブジェクト検出やセマンティックセグメンテーションといった下流タスクではよりうまく振る舞う。
  論文  参考訳（メタデータ） (2021-03-04T09:18:02Z)
• DS-Net: Dynamic Spatiotemporal Network for Video Salient Object Detection [78.04869214450963]
  時間情報と空間情報のより効果的な融合のための新しい動的時空間ネットワーク(DSNet)を提案する。 提案手法は最先端アルゴリズムよりも優れた性能が得られることを示す。
  論文  参考訳（メタデータ） (2020-12-09T06:42:30Z)
• A Data-Driven Analytical Framework of Estimating Multimodal Travel Demand Patterns using Mobile Device Location Data [5.902556437760098]
  本稿では,スマートフォンの位置データからマルチモーダル旅行需要パターンを抽出するデータ駆動分析フレームワークを提案する。 トラベルモードインプテーションのための訓練された単層モデルとディープニューラルネットワークを開発した。 この枠組みは、近隣の鉄道、地下鉄、高速道路、バス路線への交通ルートの近接性を評価するためにマルチモーダル交通網も組み込んでいる。
  論文  参考訳（メタデータ） (2020-12-08T22:49:44Z)
• Urban Sensing based on Mobile Phone Data: Approaches, Applications and Challenges [67.71975391801257]
  モバイルデータ分析における多くの関心は、人間とその行動に関連している。 本研究の目的は,携帯電話データから知識を発見するために実装された手法や手法をレビューすることである。
  論文  参考訳（メタデータ） (2020-08-29T15:14:03Z)
• Placepedia: Comprehensive Place Understanding with Multi-Faceted Annotations [79.80036503792985]
  Placepediaは、240万のユニークな場所から3500万枚以上の写真を集めた大規模な場所データセットです。 写真に加えて、各場所にはGDP、人口など、膨大な多面的な情報も付属している。 このデータセットは大量のデータと豊富なアノテーションを持ち、様々な研究を行うことができる。
  論文  参考訳（メタデータ） (2020-07-07T20:17:01Z)

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。