面向多源数据细粒度情感挖掘的旅游需求预测
Tourism demand forecasting based on multi-source fine-grained sentiment mining作者机构：北京科技大学经济管理学院北京100083 北京工商大学计算机与人工智能学院北京100048 中国科学院数学与系统科学研究院北京100190
出 版 物：《系统工程理论与实践》 (Systems Engineering-Theory & Practice)
年 卷 期：2024年第44卷第7期
页 面：2293-2308页
核心收录：
学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)]
基 金：国家自然科学基金(72371025 72025101 72271228 71988101)
主 题：细粒度情感挖掘 多源数据 旅游需求预测 方面级情感分析
摘 要：数字经济时代,消费者基于互联网社交媒体平台产生的搜索与评论等内容拓展了旅游需求预测的数据来源.虽然已有研究聚焦消费者对旅游目的地整体情感倾向的挖掘,但是少有研究考虑消费者对餐饮、住宿、交通和服务等细粒度层面的差异化评价对需求预测的影响.本文以九寨沟景区客流量预测为例,采用基于机器学习的细粒度情感分析方法对携程、去哪儿网、大众点评和美团等多源数据进行文本分析,构建涵盖八个维度的细粒度情感指数,对客流量开展一步和多步预测,并与包含搜索引擎指数及整体情感指数的模型进行对比.结果表明:在基于时间序列、机器学习和深度学习三种不同类型的预测模型中,包含细粒度情感指数的模型均能显著提高旅游需求预测的准确性.在样本外预测中,所构建的包含细粒度情感指数的模型较包含搜索引擎指数和整体情感指数的模型,预测精度平均提升17.78%和6.53%.本研究为数字经济时代多维数据驱动的旅游需求预测提供创新研究方法.
维普期刊数据库
同方期刊数据库