排序方式： 共有6条查询结果，搜索用时 937 毫秒
1
1.
江苏既是我国经济强省之一，也是我国旅游大省之一。但长期以来，江苏的旅游业发展与经济的发展相类似，其优势主要集中在沿江及苏南地区，而广大的苏北地区不仅经济欠发达，而且也是旅游业较为薄弱的区域。江苏要振兴苏北经济，要实现旅游倍增计划，确保“十五”期间旅游业增加值比２０００年翻一番的宏伟目标，必须在原有的基础上，寻求新的旅游经济增长点，以此牵动经济的全面发展。笔者认为：地处长江以北的江苏沿海地区，尤其是那里别具一格的生态旅游资源的开发，是发展江苏旅游业和振兴苏北经济的新的增长极。江苏沿海包括连云港、盐… 相似文献
2.
网络游记是旅游者在互联网上发布的自述性旅游过程记录,描述了旅游的前后过程和感受体验。从网络游记文本中提取旅游行程链,分析行程结构,能给游客的行程制定、线路设计提供重要的参考。传统的游记文本行程提取大多依赖于人工识别文本中的行程节点,再进行串联、合并处理,工作量较大。自动提取游记文本中的旅游行程链,能够提高数据处理和分析效率。本文基于自然语言处理技术,在深入分析游记网络文本的段落结构和表达特点的基础上,归纳了行程节点和节点次序关系的句法表达规则,构建了行程节点触发词表,进而提出了基于句法规则的旅游行程链提取方法,主要包含行程节点的识别、节点次序关系的识别和旅游行程链的生成,能实现网络游记文本的旅游行程重构。本文采集了蚂蜂窝平台17 226篇南京市网络游记文本数据,采用最长公共子序列算法,开展了本文方法的试验验证。通过对比分析,本文方法提取的旅游行程链和人工识别的真实行程链相似度达到86.14%,高于实体关系抽取领域的BERT-BiLSTM-CasRel深度学习模型的83.1%。相比现有关系提取类深度学习方法需要开展大量的数据标注,本文方法计算更加便捷,准确率相对较高,仅需构建区域旅游点名... 相似文献
3.
基于机器学习的南京市旅游地个性及其文化景观表征 总被引：3，自引：0，他引：3
旅游地具有物质和精神双重属性。鉴于旅游地精神属性在量化表达和测量方面的困难,以往旅游地研究较少涉及。旅游地个性概念的提出为旅游地精神属性研究打开了思路。由于开展时间不长,当前旅游地个性研究大多基于营销学中的品牌个性研究思路展开,缺乏对地方适用性的考量,且尚未深入到对个性表征形式及表征机制的探讨。基于此,从地理学视角出发,选取城市旅游地作为研究对象,着眼地方特性,系统构建城市旅游地个性量表,在此基础上,开展针对案例地城市南京的个性测量和分析,并以城市文化景观作为表征媒介,深入探究城市旅游地个性的景观表征形式及表征机制。研究发现：城市旅游地个性主要包含态度、气质、性格、能力四大特征;城市文化景观是城市旅游地个性的重要表征媒介,包含现代空间景观、传统空间景观、生态景观、生活景观、社会景观五大维度;以上景观维度及其所辖景观元素在表征城市旅游地个性方面发挥不同作用。研究过程及结论为包括旅游地在内的地方精神属性研究提供了一种概念框架和方法体系,是对精神层面人地关系认识上的丰富。机器学习这一智能化探索型数据分析手段的运用为处理地理学中普遍存在的高维非线性噪声数据提供了有力的方法支撑。 相似文献
4.
智能导游是基于游客位置的路径引导、游览讲解的综合性服务,与地理信息系统(GIS)、移动定位技术、基于位置的服务(LBS)等之间有着密切的联系。目前,室外定位技术已趋于成熟,但是无法满足室内定位的要求,因而室内外一体化定位在智能导游领域的应用亟待研究。本文将室内外定位引入到景区智能导游服务中,在调研室内外定位技术的基础之上,根据景区智能导游系统中室内外定位的具体需求,研究基于全球定位系统(GPS)和超宽带技术(UWB)的室内外组合定位方法,提出基于游客行为与空间状态的室内外组合定位模式,通过探测游客的运动状态实现定位切换算法,构建基于GPS与UWB的室内外组合定位平台。 相似文献
5.
传统的旅游行程规划往往仅被归类为空间排序问题,而对行程安排中时空耦合性与游客自身选择的灵活性考虑不足。本文将行程规划问题的理解从空间视角拓展至游客活动视角,从旅游节点时空耦合关系以及重构模式出发,将旅行中涉及到的时间、空间与专题等多维属性有机组织,进而提出行程时空链的概念模型以及行程要素时空衔接方法。研究以南京为案例展开模型实验,结果显示该模型与传统线路设计方法在节点名称、节点数量以及节点顺序等指标的匹配度均超过了80%,体现出较好的应用可靠性。相较于已有研究仅从空间视角展开的论述,本文提出以游客自身作为行程规划的基本单位,从游客行为选择、游览时间序列以及节点线路串联等多维视角进行映射耦合,以期为拓展深化城市旅游线路设计理论,支撑智慧旅游工程精细化建设提供理论支撑与借鉴。 相似文献
6.
大多数旅游需求预测研究是基于目的地游客总数或消费总量开展的,尚未按不同的旅游目的或客源地细分进行预测.以天津欢乐谷主题公园为案例地,选择2014年第40周到2015年第26周为研究时段,利用通信大数据,提出了一种面向客源地的聚类-ARIMA组合预测模型.通过对不同客源地的时序数据进行聚类,选取各类别中的代表性客源地分别构建ARIMA预测模型.结果表明:对欢乐谷主题公园各客源地分别建模与聚类后通过6个代表客源地建模得到的结果一致;后者可以降低80%的预测成本.该方法具有较高的预测精度和较低的计算成本,适合面向客源地的短期旅游需求预测,可为旅游目的地提供更具针对性的旅游需求管理、分析与决策支撑. 相似文献
1