پیش بینی تعداد گردشگران بر اساس رکوردهای اطلاعاتی گوگل ترندز با روش یادگیری ماشینی (موردمطالعه: گردشگران شهر یزد)

سال انتشار: 1400
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 62

فایل این مقاله در 13 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_JTD-10-2_006

تاریخ نمایه سازی: 4 مرداد 1405

چکیده مقاله:

با توسعه صنعت گردشگری و رشد کسب وکارهای مرتبط، کسب اطلاعات به روز در برنامه ریزی صحیح و برآورد دقیق تعداد گردشگران، به منظور به کارگیری کارآمد منابع با هدف توسعه زیرساخت ها و افزایش درآمد، ضروری است. وجود برنامه های دقیق درنهایت به ارتقای سطح رضایت گردشگران ورودی منجر می شود. با توسعه فرهنگ جست وجوگری اطلاعات، گردشگران معمولا پیش از آغاز سفر، به جست وجوی اطلاعات مربوط به اقامتگاه ها و خدمات گردشگری موجود در مقصد، از طریق منابع اینترنتی، اقدام می کنند. در پژوهش حاضر، با استفاده از داده های منتخب مربوط به پرس وجوهای کاربران سراسر جهان در موتور جست وجوی گوگل درمورد امکانات و توانمندی های گردشگری شهر یزد، تعداد گردشگران آتی این شهر پیش بینی شده است. داده های پژوهش را آمارهای جست وجوی کاربران تشکیل می دهد که از سامانه گوگل ترندز پایین گذاری شده و با استفاده از روش یادگیری ماشینی مدل پیش بینی، طراحی و اعتبارسنجی شده است. پس از آماده سازی و تحلیل داده ها، مشخص شد که پرس وجوهای ثبت شده در گوگل ترندز، قدرت فراوانی (بیش از ۹۵ درصد) در پیش بینی تعداد گردشگران شهر یزد در بازه زمانی سال ۲۰۱۴ تا ۲۰۱۹ در مقاطع ماهانه دارد

کلیدواژه ها:

نویسندگان

حامد فلاح تفتی

استادیار مدیریت دانشگاه علم و هنر

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • Athanasopoulos, G., Hyndman, R. J., Song, H., & Wu, D. ...
  • Bagheri, M., Shojaei, P., & Khorami, M. (۲۰۱۸). “A comparative ...
  • Bangwayo-Skeete, P. F., & Skeete, R. W. (۲۰۱۵). “Can Google ...
  • Castle, J. L., Fawcett, N. W., & Hendry, D. F. ...
  • Chen, H., Chiang, R. H., & Storey, V. C. (۲۰۱۲). ...
  • Choi, H., & Varian, H. (۲۰۱۲). “Predicting the present with ...
  • Croes, R. R., & Vanegas Sr, M. (۲۰۰۵). “An econometric ...
  • Dergiades, T., Mavragani, E., & Pan, B. (۲۰۱۸). “Google Trends ...
  • Doornik, J. A. (۲۰۰۹). Improving the timeliness of data on ...
  • Ettredge, M., Gerdes, J., & Karuga, G. (۲۰۰۵). “Using web-based ...
  • Farashah, M. D. P., Aslani, E., & Khademzade, M. (۲۰۱۸). ...
  • Gawlik, E., Kabaria, H., & Kaur, S. (۲۰۱۱). “Predicting tourism ...
  • Gunter, U., & Önder, I. (۲۰۱۵). “Forecasting international city tourism ...
  • Jansen, B. J., Spink, A., & Saracevic, T. (۲۰۰۰). “Real ...
  • Jones, R., Zhang, W. V., Rey, B., Jhala, P., & ...
  • Kumar, V., & Reinartz, W. (۲۰۱۸). Data mining. In Customer ...
  • Mueller, J. P., & Massaron, L. (۲۰۱۶). Machine learning for ...
  • Önder, I. (۲۰۱۷). “Forecasting tourism demand with Google trends: Accuracy ...
  • Smeral, E. (۲۰۱۴). “Forecasting the city hotel market”. Tourism Analysis, ...
  • Song, H., & Li, G. (۲۰۰۸). “Tourism demand modelling and ...
  • Vu, J. C., & Turner, L. W. (۲۰۰۶). “Regional data ...
  • Xiang, Z., & Pan, B. (۲۰۱۱). “Travel queries on cities ...
  • Xu, F., Lin, Y., Huang, J., Wu, D., Shi, H., ...
  • Yang, X., Pan, B., Evans, J. A., & Lv, B. ...
  • Yang, Y., Pan, B., & Song, H. (۲۰۱۴). “Predicting hotel ...
  • Zhang, X., & Song, H. (۲۰۱۸). “An integrative framework for ...
  • نمایش کامل مراجع