CN116757202A - 一种旅游意象偏差定量化测算方法 - Google Patents

一种旅游意象偏差定量化测算方法 Download PDF

Info

Publication number
CN116757202A
CN116757202A CN202310762195.2A CN202310762195A CN116757202A CN 116757202 A CN116757202 A CN 116757202A CN 202310762195 A CN202310762195 A CN 202310762195A CN 116757202 A CN116757202 A CN 116757202A
Authority
CN
China
Prior art keywords
tourist
image
keyword
images
calculating
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202310762195.2A
Other languages
English (en)
Inventor
张书颖
崔家胜
李凤娇
刘家明
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Institute of Geographic Sciences and Natural Resources of CAS
Original Assignee
Institute of Geographic Sciences and Natural Resources of CAS
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Institute of Geographic Sciences and Natural Resources of CAS filed Critical Institute of Geographic Sciences and Natural Resources of CAS
Priority to CN202310762195.2A priority Critical patent/CN116757202A/zh
Publication of CN116757202A publication Critical patent/CN116757202A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/279—Recognition of textual entities
    • G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/205—Parsing
    • G06F40/216—Parsing using statistical methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06311—Scheduling, planning or task assignment for a person or group
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/14—Travel agencies
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Economics (AREA)
  • Health & Medical Sciences (AREA)
  • Strategic Management (AREA)
  • General Health & Medical Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Computational Linguistics (AREA)
  • General Business, Economics & Management (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Artificial Intelligence (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Educational Administration (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Development Economics (AREA)
  • Probability & Statistics with Applications (AREA)
  • Primary Health Care (AREA)
  • Image Analysis (AREA)

Abstract

本发明的旅游意象偏差定量化测算方法，将线性文化遗产沿线不同区域的官方在线宣传资料和旅游者发布的网络游记，分别作为官方投射意象与旅游者感知意象的研究数据，依次测算概念体系各个核心范畴和构成维度下同一区域的“投射‑感知”意象差距，以及不同区域间的投射意象差距及感知意象差距；综合考量旅游意象的内部差距和外部差距，识别线性文化遗产沿线各区域旅游意象偏差的不同类型，有利于不同区域旅游的差异化市场定位和多元化发展，为线性文化遗产旅游意象构建和管理实践提供了重要启示。

Description

一种旅游意象偏差定量化测算方法
技术领域
本发明涉及旅游意象偏差定量化领域，尤其涉及一种旅游意象偏差定量化测算方法。
背景技术
旅游意象从供需视角出发包括投射意象(projected image)和感知意象(perceived image)两类，前者是旅游目的地的及相关宣传机构塑造并向外界传播的旅游意象，是旅游者进行旅游决策的信息来源；后者是公众接收、感知并最终形成的旅游意象，涉及信息获取、加工处理以及心理评价的全过程。现有研究指出旅游意象的成功构建取决于投射意象与感知意象的完全重合，只有旅游宣传信息和公众接收信息匹配度较高时，旅游意象的塑造才能取得良好效果，然而，在旅游发展实践中，投射意象与感知意象却并不吻合。
目前，对于投射意象、感知意象空间分异方面的研究依旧欠缺，现有技术仍旧缺乏对同一事物的不同区段旅游意象差距的比较，以至于测算结果参考性低，准确度不够。
因此，本领域的技术人员致力于开发一种旅游意象偏差定量化测算方法，以解决上述现有技术的不足。
发明内容
有鉴于现有技术的上述缺陷，本发明所要解决的技术问题是目前现有公开的技术缺乏对同一事物的不同区段旅游意象差距的比较的缺陷问题。
为实现上述目的，本发明提供了一种旅游意象偏差定量化测算方法，
具体包括以下步骤：
步骤1、基于不同的数据源获取官方投射意象和旅游者感知意象的研究数据，去除无关数据后，建立基础信息数据库；
步骤2、使用NVivo 12.0质性分析工具，根据扎根理论，开展通过开放性、主轴式和选择性三重编码分析，对文本资料编码、分类、提炼概念，并明确范畴间的相互联系；
具体包括以下步骤：
步骤2-1、对文本资料进行初始编码；
步骤2-2、确定初始编码体系；
步骤2-3、进行饱和度检验，明确范畴间的相互联系；
步骤3、基于中心化对数比变换(centred log-ratio transformation，clr)方法，将收集的官方投射意象和旅游者感知意象的文本资料视为单独的整体，将关键词视为成分，计算旅游意象的文本成分距离，即不同意象的差距或一致性，以比例或分数的形式传达相对信息，将整体的各个部分进行定量化表达；
所述中心化对数比变换如公式(1)所示，
公式(1)中，
χi为各个关键词词频在整体中的占比；
D为关键词类别总数；
进一步地，所述步骤3中，定量化表达具体包括以下步骤：
步骤3-1、分词和统计；剔除文本中所有数字、符号、英文字母等内容，采用jieba库“精准模式”进行分词工作和词频统计；
步骤3-2、提取高频词汇；剔除无关词汇，合并含义相同的词汇后，分别从各个信息源中提取高频词汇；
步骤3-3、进一步整合；将所选的高频词进行整合，得到关键词；
步骤3-4、统计占比；将关键词按照质性分析结果的范畴和维度进行分类，并计算每个关键词在不同信息源中的维度占比；
步骤4、将同一区域的“投射-感知”意象差距视为内部差距，区域间投射意象及感知意象差距视为外部差距，以各维度文本平均成分距离平均值为轴坐标，绘制旅游意象评价的四象限图，以进一步评价旅游意象的现状与差异；
进一步地，所述步骤1中，具体包括，通过八爪鱼采集器爬取网络文本，剔除重复、短小、与旅游无关的文本，剔除广告、诗歌、议论文等文章后，建立基础信息数据库；
进一步地，所述步骤3-2中，所述无关词汇包括“但是”“其余”等连接词、代词；
进一步地，所述步骤3-4中，对于词频占比为0的关键词，采用贝叶斯乘法(公式2)进行替换；
公式(2)中，
Si为单一整体的词总数；
D为某一维度下关键词的类别总数；
χ′id为替换后的关键词频比例；
进一步地，所述步骤3-4中，替换后计算每个关键词相对于其所在的维度中所有关键词的几何平均值的对数比，借由两个成分的欧氏距离，计算相对差距，如公式(3)所示
公式(3)中，
D为某一维度下关键词类别总数；
xi为成分1各个关键词词频在整体中的占比；
yi为成分2各个关键词词频在整体中的占比；
D为关键词类别总数；
χi为某一范畴关键词在其所属维度下的占比；
yi为相同关键词在对比意象中的词频占比。
采用以上方案，本发明公开的旅游意象偏差定量化测算方法，具有以下优点：
(1)本发明的旅游意象偏差定量化测算方法，以北京大运河的旧城段和通州段为例，将官方在线宣传资料和旅游者发布的网络游记，分别作为官方投射意象与旅游者感知意象的研究数据，依次测算概念体系各个核心范畴和构成维度下同一河段的“投射-感知”意象差距，以及不同河段间的投射意象差距及感知意象差距；综合考量旅游意象的内部差距(同一河段“投射-感知”意象差距)和外部差距(不同河段投射意象差距及感知意象差距)，识别大运河沿线各河段旅游意象偏差的不同类型；
(2)本发明的旅游意象偏差定量化测算方法，为线性文化遗产旅游意象构建和管理实践提供了重要启示；
(3)本发明的旅游意象偏差定量化测算方法，有利于差异化市场定位，促进旅游节点在遗产沿线发挥不同的功能与作用，确保不同区段投射意象和感知意象的多元化发展；
综上所述，本发明公开的旅游意象偏差定量化测算方法，将线性文化遗产沿线不同区域的官方在线宣传资料和旅游者发布的网络游记，分别作为官方投射意象与旅游者感知意象的研究数据，依次测算概念体系各个核心范畴和构成维度下同一区域的“投射-感知”意象差距，以及不同区域间的投射意象差距及感知意象差距；综合考量旅游意象的内部差距和外部差距，识别大运河沿线各河段旅游意象偏差的不同类型，为线性文化遗产旅游意象构建和管理实践提供了重要启示，有利于差异化市场定位，促进旅游节点在遗产沿线发挥不同的功能与作用，确保不同区段投射意象和感知意象的多元化发展。
以下将结合具体实施方式对本发明的构思、具体技术方案及产生的技术效果作进一步说明，以充分地了解本发明的目的、特征和效果。
附图说明
图1是本发明一种旅游意象偏差定量化测算方法实施例1结果图；
具体实施方式
以下介绍本发明的多个优选实施例，使其技术内容更加清楚和便于理解。本发明可以通过许多不同形式的实施例来得以体现，这些实施例为示例性描述，本发明的保护范围并非仅限于文中提到的实施例。
实施例1、一种旅游意象偏差定量化测算方法
步骤1、基于不同的数据源获取官方投射意象和旅游者感知意象的研究数据，通过八爪鱼采集器爬取网络文本，剔除重复、短小、与运河旅游无关的文本，剔除广告、诗歌、议论文等文章后，建立基础信息数据库；
步骤2、使用NVivo 12.0质性分析工具，根据扎根理论，开展通过开放性、主轴式和选择性三重编码分析；
具体包括以下步骤：
步骤2-1、初始编码；随机选取2/3的文本资料，由两位作者分别进行编码；
步骤2-2、对比讨论；将结果反复对比和充分讨论后，得到一致观点，确定初始编码体系；
步骤2-3、饱和度检验；将预留的1/3文本资料进行饱和度检验，结果显示，初始理论体系能完全覆盖，没有发现新的范畴关系结构，理论模型已饱和；
步骤3、将旧城段投射、旧城段感知、通州段投射、通州段感知收集的文本资料视为单独的整体，将关键词视为成分，计算旅游意象的文本成分距离，即不同意象的差距或一致性；所述中心化对数比变换如公式(1)所示，
公式(1)中，
χi为各个关键词词频在整体中的占比；
D为关键词类别总数；
具体包括以下步骤：
步骤3-1、分词和统计；剔除文本中所有数字、符号、英文字母等内容，采用jieba库“精准模式”进行分词工作和词频统计；
步骤3-2、提取高频词汇；剔除“但是”“其余”等无关词汇，合并“运河”和“大运河”等含义相同的词汇后，分别从四个信息源中提取80个高频词汇；
步骤3-3、进一步整合；将所选的320个高频词进行整合，最终得到211个关键词；
步骤3-4、统计占比；将关键词按照质性分析结果的范畴和维度进行分类，并计算每个关键词在不同信息源中的维度占比；
对于词频占比为0的关键词，采用贝叶斯乘法(公式2)进行替换；
计算每个关键词相对于其所在的维度中所有关键词的几何平均值的对数比，借由两个成分的欧氏距离，计算相对差距，如公式(3)所示
公式(2)中，
Si为单一整体的词总数
D为某一维度下关键词类别总数；
χ′id为替换后的关键词频比例；
公式(3)中，
D为某一维度下关键词类别总数；
χi为某一范畴关键词在其所属维度下的占比；
yi为相同关键词在对比意象中的词频占比；
步骤4、将同一河段(旧城段或通州段)的“投射-感知”意象差距视为内部差距，河段间投射意象及感知意象差距视为外部差距，以各维度文本平均成分距离平均值为轴坐标，绘制旅游意象评价的四象限图，如图1所示，以进一步评价大运河(北京段)旅游意象的现状与差异；
由实施例1可知，本发明的测算方法可为线性文化遗产旅游意象构建和管理实践提供重要启示，首先，由构建的概念模型可见，线性文化遗产旅游意象具有多维建构的特点，因此，沿线区段的运河景区、当地政府及相关管理部门要做好各个方面的策划、宣传、运营和管理工作，根据旅游者偏好做好旅游服务，不断提升旅游者体验。其次，同一河段“投射-感知”意象差距主要来源于官方和旅游者两个主体的立场取向和目标需求的差异，而如何平衡和协调二者的利益分配成为提升旅游意象一致性的关键。一方面，政府及景区在线性文化遗产旅游推广过程中，要及时洞悉并反馈旅游者需求，确保官方宣传的旅游形象已经完整无缺的传达给旅游者并被旅游者所认可；另一方面，对旅游者的游览过程进行追踪，并引导旅游者进行游览前后的评价对比，根据旅游者评价，适度灵活地调整自身管理策略和宣传内容，不断提升旅游投射意象和旅游者感知意象的匹配度。第三，不同区段在投射意象的差距在一定程度上反映了线性文化遗产沿线资源特色鲜明，有利于差异化市场定位，促进旅游节点在遗产沿线发挥不同的功能与作用，但需要注意保持遗产的主题性。最后，不同区段在感知意象的差距表明旅游者体验活动丰富，再次印证了线性文化遗产不同区段的独特性，在线性文化遗产文化和旅游发展过程中，要注意结合市场需求提升产品质量。政府及景区在塑造线性文化遗产旅游意象的过程中，依旧要秉持因地制宜、分类指导的发展策略，围绕遗产主题文化进行地方特色挖掘，确保不同区段投射意象和感知意象的多元化发展。
综上所述，本专利技术方案，将官方在线宣传资料和旅游者发布的网络游记，分别作为官方投射意象与旅游者感知意象的研究数据，依次测算概念体系各个核心范畴和构成维度下同一河段的“投射-感知”意象差距，以及不同河段间的投射意象差距及感知意象差距；综合考量旅游意象的内部差距和外部差距，识别大运河沿线各河段旅游意象偏差的不同类型，为线性文化遗产旅游意象构建和管理实践提供了重要启示，有利于差异化市场定位，促进旅游节点在遗产沿线发挥不同的功能与作用。
以上详细描述了本发明的较佳具体实施例。应当理解，本领域的普通技术无需创造性劳动就可以根据本发明的构思做出诸多修改和变化。因此，凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的试验可以得到的技术方案，皆应在由权利要求书所确定的保护范围内。

Claims (6)

1.一种旅游意象偏差定量化测算方法，其特征在于量化评价线性文化遗产旅游意象的一致性，包括如下步骤：
步骤1、基于不同的数据源获取官方投射意象和旅游者感知意象的研究数据，去除无关数据后，建立基础信息数据库；
步骤2、使用NVivo 12.0质性分析工具，根据扎根理论，开展通过开放性、主轴式和选择性三重编码分析，对文本资料编码、分类、提炼概念，并明确范畴间的相互联系；
步骤3、基于中心化对数比变换(centred log-ratio transformation，clr)方法，将收集的官方投射意象和旅游者感知意象的文本资料视为单独的整体，将关键词视为成分，计算旅游意象的文本成分距离，即不同意象的差距或一致性，以比例或分数的形式传达相对信息，将整体的各个部分进行定量化表达；
所述中心化对数比变换如公式(1)所示，
公式(1)中，
χi为各个关键词词频在整体中的占比；
D为关键词类别总数；
步骤4、将同一区域的“投射-感知”意象差距视为内部差距，区域间投射意象及感知意象差距视为外部差距，以各维度文本平均成分距离平均值为轴坐标，绘制旅游意象评价的四象限图，以进一步评价旅游意象的现状与差异。
2.如权利要求1所述旅游意象偏差定量化测算方法，所述步骤1中，其特征在于，
具体包括，通过八爪鱼采集器爬取网络文本，剔除重复、短小、与旅游无关的文本，剔除广告、诗歌、议论文等文章后，建立基础信息数据库。
3.如权利要求1所述旅游意象偏差定量化测算方法，所述步骤2中，其特征在于，
具体包括以下步骤：
步骤2-1、对文本资料进行初始编码；
步骤2-2、确定初始编码体系；
步骤2-3、进行饱和度检验，明确范畴间的相互联系。
4.如权利要求1所述旅游意象偏差定量化测算方法，所述步骤3中，其特征在于，
定量化表达具体包括以下步骤：
步骤3-1、分词和统计；剔除文本中所有数字、符号、英文字母等内容，采用jieba库“精准模式”进行分词工作和词频统计；
步骤3-2、提取高频词汇；剔除无关词汇，合并含义相同的词汇后，分别从各个信息源中提取高频词汇；
步骤3-3、进一步整合；将所选的高频词进行整合，得到关键词；
步骤3-4、统计占比；将关键词按照质性分析结果的范畴和维度进行分类，并计算每个关键词在不同信息源中的维度占比。
5.如权利要求4所述旅游意象偏差定量化测算方法，所述步骤3-2中，其特征在于，
所述无关词汇包括“但是”“其余”等连接词、代词。
6.如权利要求4所述旅游意象偏差定量化测算方法，所述步骤3-4中，其特征在于，
对于词频占比为0的关键词，采用贝叶斯乘法(公式2)进行替换；
公式(2)中，
Si为单一整体的词总数；
D为某一维度下关键词类别总数；
χ′id为替换后的关键词频比例；
替换后计算每个关键词相对于其所在的维度中所有关键词的几何平均值的对数比，借由两个成分的欧氏距离，计算相对差距，如公式(3)所示
公式(3)中，
D为某一维度下关键词类别总数；
χi为某一范畴关键词在其所属维度下的占比；
yi为相同关键词在对比意象中的词频占比。
CN202310762195.2A 2023-06-26 2023-06-26 一种旅游意象偏差定量化测算方法 Pending CN116757202A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310762195.2A CN116757202A (zh) 2023-06-26 2023-06-26 一种旅游意象偏差定量化测算方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310762195.2A CN116757202A (zh) 2023-06-26 2023-06-26 一种旅游意象偏差定量化测算方法

Publications (1)

Publication Number Publication Date
CN116757202A true CN116757202A (zh) 2023-09-15

Family

ID=87952998

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310762195.2A Pending CN116757202A (zh) 2023-06-26 2023-06-26 一种旅游意象偏差定量化测算方法

Country Status (1)

Country Link
CN (1) CN116757202A (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110083726A (zh) * 2019-03-11 2019-08-02 北京比速信息科技有限公司 一种基于ugc图片数据的目的地形象感知方法
CN112836109A (zh) * 2021-02-03 2021-05-25 长沙学院 一种遗产旅游地推荐方法及系统
CN112949413A (zh) * 2021-02-04 2021-06-11 北京大学 基于街景图片的城市景观要素分类及地方性度量方法
CN115857487A (zh) * 2022-11-04 2023-03-28 同济大学 一种不确定环境下的智能汽车规划控制系统及其方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110083726A (zh) * 2019-03-11 2019-08-02 北京比速信息科技有限公司 一种基于ugc图片数据的目的地形象感知方法
CN112836109A (zh) * 2021-02-03 2021-05-25 长沙学院 一种遗产旅游地推荐方法及系统
CN112949413A (zh) * 2021-02-04 2021-06-11 北京大学 基于街景图片的城市景观要素分类及地方性度量方法
CN115857487A (zh) * 2022-11-04 2023-03-28 同济大学 一种不确定环境下的智能汽车规划控制系统及其方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
田蒙: "全域旅游背景下保定市旅游城市形象提升策略研究—基于游客的旅游城市形象偏差分析", 中国优秀硕士学位论文全文数据库经济与管理科学辑(月刊)》, no. 2022, pages 153 - 79 *
耿爽等: "基于文本成分距离的节事"官方投射形象-观众感知形象"比较研究", 《数据分析与知识发现》, pages 115 - 127 *

Similar Documents

Publication Publication Date Title
Biljecki et al. Transportation mode-based segmentation and classification of movement trajectories
Miwa et al. Development of map matching algorithm for low frequency probe data
Hu et al. Application of machine learning for cytometry data
CN101315631A (zh) 一种新闻视频故事单元关联方法
CN102629275A (zh) 面向跨媒体新闻检索的人脸-人名对齐方法及系统
CN106934254A (zh) 一种开源许可证的分析方法及装置
CN111127068B (zh) 一种工程量清单自动组价方法和装置
CN106447387A (zh) 基于共享账户乘客预测的机票个性化推荐方法
CN113051370B (zh) 基于数学表达式评估语言的相似性测度方法
CN109389321A (zh) 一种价格评估方法及装置
CN110175726B (zh) 一种基于迁移性分析的跨项目缺陷预测方法
CN104361600B (zh) 运动识别方法及系统
CN105718444B (zh) 基于新闻语料的金融概念对应股票关联方法及其装置
Huang et al. Mining crowdsourced trajectory and geo‐tagged data for spatial‐semantic road map construction
Rieger et al. Aggregating explainability methods for neural networks stabilizes explanations
CN111325235B (zh) 面向多语种的通用地名语义相似度计算方法及其应用
Berjisian et al. Evaluation of map‐matching algorithms for smartphone‐based active travel data
CN113240209A (zh) 一种基于图神经网络的城市产业集群发展路径预测方法
CN116757202A (zh) 一种旅游意象偏差定量化测算方法
Imprialou et al. Multilevel logistic regression modeling for crash mapping in metropolitan areas
Zhang et al. Dynamic time warp-based clustering: Application of machine learning algorithms to simulation input modelling
CN108595415B (zh) 一种法律差异化判定方法、装置及计算机设备、存储介质
CN112015937B (zh) 一种图片地理定位方法及系统
Golendukhina et al. Preliminary findings on the occurrence and causes of data smells in a real-world business travel data processing pipeline
Hu et al. Semi-automatic annotation of distorted image based on neighborhood rough set

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination