混合深度学习模型预测目的地间旅游流量
摘要：游客经常在一次旅行中前往多个旅游目的地。本文中将这种旅游目的地之间的旅游流量称为ITF（旅游目的地间旅游流量），通常用于旅游管理任务，如目的地角色分类和访问模式挖掘。然而，由于数据收集技术的限制和隐私问题，获取ITF是困难的。了解ITF的数量如何受到多个景点系统特征的影响也很困难。为了解决这些挑战，我们利用了多源数据集，并提出了一种基于图形的混合深度学习模型来预测ITF。该模型利用了旅游景点的显式特征和多个景点之间的隐式特征。通过从众包游客对北京市的旅行笔记中提取的ITF数据进行实验证实了所提出模型的有用性。此外，我们使用可解释的人工智能技术分析了旅游景点的不同特征如何影响ITF的数量。结果表明，受欢迎程度、质量和距离是主要的三个影响因素。其他特征如坐标也会以不同方式产生影响。预测的ITF数据可以进一步用于旅游管理的各种下游任务。该研究还深化了对由多个景点组成的旅游系统中游客参观选择的理解。
作者：Hanxi Fang, Song Gao, Feng Zhang
论文ID：2305.03267
分类：Computers and Society
分类简称：cs.CY
提交时间：2023-05-08