Using social network and semantic analysis to analyze online travel forums and forecast tourism demand
利用社交网络与语义分析研究旅游论坛并预测旅游需求AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要明确以旅游需求预测为目标，并使用因子增强自回归及桥接模型；网络变量在此作为预测输入，对应预测与因子模型。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
利用社交网络与语义分析研究旅游论坛并预测旅游需求
- 研究问题
- 旅游论坛中的语言特征与交流网络能否提供传统指标之外的预测信息，并改善国际机场到达量所代表的旅游需求预测？
- 方法与思路
- 作者分析七个欧洲首都十年的旅游论坛内容，提取网络与语义变量，将其加入因子增强自回归和桥接模型，并与多种基准比较。
- 材料陈述的贡献
- 摘要称相关变量经常改善相对于单变量及 Google Trends 模型的预测，语言复杂度与交流网络集中度对机场到达量预测贡献较大。
- 阅读关注点
- 应核对预测期、实时数据可得性、因子提取和样本外划分，以及论坛覆盖变化与比较模型的设定；检查改进是否跨城市稳定。
- 阅读边界
- 这是 arXiv 预印本，同行评审或期刊接收未经核实；摘要未给出预测误差、检验或实时评价细节，不能认定各情形均有改进。
原文摘要
Forecasting tourism demand has important implications for both policy makers and companies operating in the tourism industry. In this research, we applied methods and tools of social network and semantic analysis to study user-generated content retrieved from online communities which interacted on the TripAdvisor travel forum. We analyzed the forums of 7 major European capital cities, over a period of 10 years, collecting more than 2,660,000 posts, written by about 147,000 users. We present a new methodology of analysis of tourism-related big data and a set of variables which could be integrated into traditional forecasting models. We implemented Factor Augmented Autoregressive and Bridge models with social network and semantic variables which often led to a better forecasting performance than univariate models and models based on Google Trend data. Forum language complexity and the centralization of the communication network, i.e. the presence of eminent contributors, were the variables that contributed more to the forecasting of international airport arrivals.