استفاده از شبکه های اجتماعی و آنالیز معنایی آن برای تجزیه و تحلیل انجمن های سفر آنلاین و پیش بینی تقاضای گردشگری

پیش بینی تقاضای گردشگری هم برای سیاست گذاران و هم برای شرکت هایی که در صنعت گردشگری فعالیت می کنند، دارای پیامدهای مهمی است. در این تحقیق، ما روش ها و ابزارهای آنالیز معنایی شبکه های اجتماعی را برای مطالعه محتوای تولید شده که توسط کاربر بازیابی شده است را از مجامع آنلاین که در تالارهای گفتگوی مسافرتی تعامل برقرار کرده اند، به کار گرفتیم. ما انجمنهای 7 شهر بزرگ پایتخت اروپا را در طی یک دوره 10 ساله تجزیه و تحلیل کرده ایم و بیش از 2660000 ، پست را جمع آوری کرده ایم که توسط حدود 000،147 کاربر نوشته شده است. ما یک روش جدید برای تجزیه و تحلیل big data های مربوط به گردشگری و مجموعه ای از متغیرها یی که می توان در مدلهای پیش بینی سنتی ارائه داد را ارائه کرده ایم . ما مدلهای Autoregression و Bridge Factor Augmented و Bridge را با متغیرهای شبکه های اجتماعی و معنایی پیاده سازی کردیم که اغلب منجر به عملکرد پیش بینی بهتری نسبت به مدلها و مدلهای یک متغیره بر اساس داده های Google Trend می شدند . پیچیدگی زبان فروم و متمرکز کردن شبکه ارتباطی یعنی حضور همیاران برجسته متغیرهایی بودند که بیشتر در پیش بینی ورود فرودگاه های بین المللی نقش داشتند.

کلیدواژه ها:

پیش بینی گردشگری ، تجزیه و تحلیل شبکه های اجتماعی ، تجزیه و تحلیل احساس ، انجمن آنلاین ، متن کاوی ، ابرداده .