基于自媒体的旅游信息挖掘与可视化研究
发布时间：2021-02-12 09:09
“自媒体”是近十余年来随着Web技术、移动互联网技术和智能终端等的发展而新兴的一个概念,它是平民大众作为传播者将自己的知识、观点、信息等传递给其他受众的一种自主化的新传播方式。“自媒体”具有平民化、门槛低、传播快、交互性强的特点,在线自媒体旅游信息具有很大的挖掘价值和应用价值。在自助游成为旅游主流形式的大背景下,游客大多会选择自由行的旅行方式,在旅游行为结束之后多数游客会在旅游门户网站的交互模块上分享自己的旅游经历,导致以“自媒体”形式出现的各种在线旅游信息呈爆炸式增长。基于自媒体的在线旅游门户网站上包含的旅游信息种类众多,包括景点及其属性信息、景点的各种点评数据、网络游记、旅游问答数据等,而每一种类型的旅游数据又包含了多种类型的属性信息,例如,时间信息、文本内容信息等。然而,激增的在线旅游信息对自助游客、旅游从业人员等并不是一个好的现状,这对他们来说是信息“过载”。如何从海量的自媒体在线旅游信息中挖掘出有用的旅游信息点,从多个维度挖掘这些信息,使这部分信息得到有效利用是旅游信息挖掘的重要价值。计算机信息技术和图形、图像处理技术的发展也改变了传统的可视化方式,使得现代可视化技术有了巨大...
【文章来源】：上海师范大学上海市
【文章页数】：95 页
【学位级别】：硕士
【部分图文】：
知网上有关自媒体相关研究的文献数量和年份关系图
论文技术路线图
图 2-1 连续词袋模型图一层为输入层(Input)，某一中心词 w(t)周围连续上下文具有 n-1 个词 n=5，则 w(t)前后两个词 w(t-2)、w(t-1)和 w(t-+1、w(t+2)分别对应相应的(t-2)、Vw(t-1)、Vw(t+1)、Vw(t+2)。第二层为隐藏层(projection)，是一个藏层映射的过程：pro(t)=v(w(t-2))+v(w(t-1))+v(w(t+1))+v(w(t+2))，v w(t-2)的向量，其他的以此类推。第三层为输出层(Output)，是一输出层的过程。 文本分类模型本分类模型主要包括两种：一种是有监督学习过程的，另一种是无的。有监督指导学习过程的是人为的利用训练场来建立带有参数的无监督学习过程的，它不需要传入训练参数，但是需要定义任务事项要介绍有监督的分类模型，常用的两种分类模型为：人工神经网-Propagation)、支持向量机模型(Support Vector Machine，SVM)、K
【参考文献】：
期刊论文
[1]中华人民共和国2017年国民经济和社会发展统计公报[J]. 中国统计. 2018(03)
[2]国内外城市智慧旅游服务中的信息可视化应用现状[J]. 过园园,臧小鹿. 科技经济导刊. 2017(34)
[3]基于在线评论的用户画像研究——以携程酒店为例[J]. 单晓红,张晓月,刘晓燕. 情报理论与实践. 2018(04)
[4]现代城市智慧旅游服务的需求及运用信息可视化设计的对策研究[J]. 过园园,樊伟,过宏雷. 工业设计. 2017(10)
[5]基于百科大数据的旅游景点推荐系统应用研究[J]. 尹书华,傅城州. 旅游论坛. 2017(03)
[6]基于UGC文本挖掘的游客目的地选择信息研究——以携程蜜月游记为例[J]. 吴恒,陈燕翎. 情报科学. 2017(01)
[7]自助游客感知的智慧旅游模型框架构建与实证研究[J]. 张海鸥. 东南学术. 2017(01)
[8]2003-2014年中美自媒体研究和比较分析——基于数据挖掘的视角[J]. 陈宪奎,刘玉书. 新闻与传播研究. 2015(03)
[9]浅析中文分词方法[J]. 彭琦,俞春强. 信息通信. 2015(03)
[10]HTML5中的Canvas绘图研究[J]. 龚丽. 软件导刊. 2014(04)
硕士论文
[1]基于众源地理数据的热门旅游路线推荐算法及实证研究[D]. 陈旭.上海师范大学 2018
[2]基于数据挖掘的移动通信用户行为分析技术研究[D]. 李翌雯.北京邮电大学 2018
[3]基于时空关联规则的标绘数据挖掘研究[D]. 许思莹.杭州师范大学 2015
[4]基于webGL的交互绘制应用研究[D]. 龚旭超.浙江大学 2015
[5]基于Google Earth的武夷山景区三维可视化系统开发[D]. 干珍珍.福州大学 2014
[6]三维地震数据可视化的研究与实现[D]. 王昌平.吉林大学 2014
[7]基于Web的实体信息提取和搜索研究[D]. 周安林.电子科技大学 2014
[8]大数据时代背景下的数据可视化概念研究[D]. 曾悠.浙江大学 2014
[9]基于站点地图的可视化研究及交互设计应用[D]. 吴静.湖南大学 2012
[10]互联网旅游信息挖掘和展示技术研究[D]. 吴斌炜.浙江大学 2011
本文编号：3030612
【文章来源】：上海师范大学上海市
【文章页数】：95 页
【学位级别】：硕士
【部分图文】：
知网上有关自媒体相关研究的文献数量和年份关系图
论文技术路线图
图 2-1 连续词袋模型图一层为输入层(Input)，某一中心词 w(t)周围连续上下文具有 n-1 个词 n=5，则 w(t)前后两个词 w(t-2)、w(t-1)和 w(t-+1、w(t+2)分别对应相应的(t-2)、Vw(t-1)、Vw(t+1)、Vw(t+2)。第二层为隐藏层(projection)，是一个藏层映射的过程：pro(t)=v(w(t-2))+v(w(t-1))+v(w(t+1))+v(w(t+2))，v w(t-2)的向量，其他的以此类推。第三层为输出层(Output)，是一输出层的过程。 文本分类模型本分类模型主要包括两种：一种是有监督学习过程的，另一种是无的。有监督指导学习过程的是人为的利用训练场来建立带有参数的无监督学习过程的，它不需要传入训练参数，但是需要定义任务事项要介绍有监督的分类模型，常用的两种分类模型为：人工神经网-Propagation)、支持向量机模型(Support Vector Machine，SVM)、K
【参考文献】：
期刊论文
[1]中华人民共和国2017年国民经济和社会发展统计公报[J]. 中国统计. 2018(03)
[2]国内外城市智慧旅游服务中的信息可视化应用现状[J]. 过园园,臧小鹿. 科技经济导刊. 2017(34)
[3]基于在线评论的用户画像研究——以携程酒店为例[J]. 单晓红,张晓月,刘晓燕. 情报理论与实践. 2018(04)
[4]现代城市智慧旅游服务的需求及运用信息可视化设计的对策研究[J]. 过园园,樊伟,过宏雷. 工业设计. 2017(10)
[5]基于百科大数据的旅游景点推荐系统应用研究[J]. 尹书华,傅城州. 旅游论坛. 2017(03)
[6]基于UGC文本挖掘的游客目的地选择信息研究——以携程蜜月游记为例[J]. 吴恒,陈燕翎. 情报科学. 2017(01)
[7]自助游客感知的智慧旅游模型框架构建与实证研究[J]. 张海鸥. 东南学术. 2017(01)
[8]2003-2014年中美自媒体研究和比较分析——基于数据挖掘的视角[J]. 陈宪奎,刘玉书. 新闻与传播研究. 2015(03)
[9]浅析中文分词方法[J]. 彭琦,俞春强. 信息通信. 2015(03)
[10]HTML5中的Canvas绘图研究[J]. 龚丽. 软件导刊. 2014(04)
硕士论文
[1]基于众源地理数据的热门旅游路线推荐算法及实证研究[D]. 陈旭.上海师范大学 2018
[2]基于数据挖掘的移动通信用户行为分析技术研究[D]. 李翌雯.北京邮电大学 2018
[3]基于时空关联规则的标绘数据挖掘研究[D]. 许思莹.杭州师范大学 2015
[4]基于webGL的交互绘制应用研究[D]. 龚旭超.浙江大学 2015
[5]基于Google Earth的武夷山景区三维可视化系统开发[D]. 干珍珍.福州大学 2014
[6]三维地震数据可视化的研究与实现[D]. 王昌平.吉林大学 2014
[7]基于Web的实体信息提取和搜索研究[D]. 周安林.电子科技大学 2014
[8]大数据时代背景下的数据可视化概念研究[D]. 曾悠.浙江大学 2014
[9]基于站点地图的可视化研究及交互设计应用[D]. 吴静.湖南大学 2012
[10]互联网旅游信息挖掘和展示技术研究[D]. 吴斌炜.浙江大学 2011
本文编号：3030612
本文链接：https://www.wllwen.com/guanlilunwen/lvyoujiudianguanlilunwen/3030612.html
