科研学习|论文解读——基于旅游知识图谱的游客偏好挖掘和决策支持（IPM，2023）
目前，旅游管理研究的重点是通过对异构用户生成的内容进行广泛分析，来理解旅游偏好的波动，制定有针对性的发展策略。然而，鉴于在线景点评论涉及过多的混合和无形维度，广泛使用的无监督文本挖掘可能是不完整的或不准确的。此外，现有文献通常局限于几个旅游目的地和起源地的某些类型的景点，很难保证具有全面的洞察力。为了克服这些局限性，本研究提出了一种新的知识图谱驱动框架，该框架涉及旅游知识图谱(TKG)的系统构建和深入的研究与推理。
原文题目
摘要
一、引言
- 整合多源异构旅游数据：高度可扩展的知识表示结构三元组能够自然融合多模态、碎片化的旅游数据，实现不同类型信息的互补、粒度和来源。这种能力有两个明显的好处。首先，kg可以涵盖旅游场景中的各种实体，并对实体之间丰富的多种关系、行为互动和异质属性进行建模，这有利于对旅游现象从规律到因果解释再到潜在影响进行全面系统的探索。第二，多个信息源之间的重叠信息可以支持对发现的规律进行交叉验证，进一步增强结论的概括性。
- 准确的旅游知识提取和完整的旅游场景建模：随着深度的日益成熟自然语言处理技术，相应的kg方法可以充分填补传统文本挖掘的上述空白，大大提高旅游者行为偏好知识提取的准确性和完整性，从而形成一个结构完整的旅游领域知识体系。
- 面向决策支持的海量旅游知识的有效部署和推理：kg的应用可以分为两种方式，即符号查询和分布式推理。凭借高性能的图形dbms，kg可以有效地查询，以可视化的交互方式提供多个时空分析，全面探索游客的行为模式和偏好分布。此外，前沿的分布式知识计算和推理模型（也称为kgl/kge）可以被引入，以实现和增强各种下游任务丰富的语义知识，如旅游需求预测、竞争情报等。
相关文章:
-
本文是我学习POMDP相关的笔记，由于个人能力所限，可能有所纰漏，还请批评指正。初学者，希望和大家共同学习.…
-
数据仓库【建模理解】
分层不仅可以解决业务快速的数据支撑，也可以为未来抽象出共性的通用层，能够为 业务发展提供稳定、准确的数据支撑，并且可以为新业务的发展提供数据决策方向，也就是数据...
[阅读全文]
-
-
-
-
版权声明：本文内容由互联网用户贡献，该文观点仅代表作者本人。本站仅提供信息存储服务，不拥有所有权，不承担相关法律责任。
如发现本站有涉嫌抄袭侵权/违法违规的内容， 请发送邮件至 2386932994@qq.com 举报，一经查实将立刻删除。
我要评论
发表评论