俄罗斯国家研究型大学莫斯科钢铁冶金学院开发出一种数学模型，有助于预测社交媒体用户下的度假地。研究人员认为，这有助于旅行社以及所有与旅游业相关的机构预测人们在休假期间的度假地需求。研究结果发表在《环境智能和人工计算杂志》上。
人们每天在社交媒体上分享照片、链接、评论和位置，研究人员对开放来源的推特数据进行了分析。在机器学习和大数据分析方法的基础上，可以预测用户的下个目的地。
研究人员之一、该学院信息商务系统研究所所长马林娜·涅朱林娜介绍说：“我们不仅使用了开放的旅游数据，还使用了游客本身的个性数据。首先我们从数据中提取出所有关于位置信息的推文。在随机抽取的5000名欧洲诸国（法国、德国、瑞典、西班牙、意大利、瑞士、波兰、希腊和许多其他国家）推特用户的个人主页中，出现了大约80多万条推文。在选择数据时，访问量最高的旅行种类是‘美食’‘夜总会’‘火车站’‘教堂’‘海滩’。我们为每个种类准备了单独的数据选择。”
涅朱林娜称，在选择种类数据时，还与用户的性格进行了比对，因为用户发推文时的选词主要取决于他们的个人价值观。
研究人员认为，通过收集社交媒体用户的国籍、性别、用户等参数，可以获得更详细的预测。下一阶段是借助机器学习方法系统，分析和构建模型。（记者 董映璧）
俄罗斯国家研究型大学莫斯科钢铁冶金学院开发出一种数学模型，有助于预测社交媒体用户下的度假地。研究人员认为，这有助于旅行社以及所有与旅游业相关的机构预测人们在休假期间的度假地需求。研究结果发表在《环境智能和人工计算杂志》上。
人们每天在社交媒体上分享照片、链接、评论和位置，研究人员对开放来源的推特数据进行了分析。在机器学习和大数据分析方法的基础上，可以预测用户的下个目的地。
研究人员之一、该学院信息商务系统研究所所长马林娜·涅朱林娜介绍说：“我们不仅使用了开放的旅游数据，还使用了游客本身的个性数据。首先我们从数据中提取出所有关于位置信息的推文。在随机抽取的5000名欧洲诸国（法国、德国、瑞典、西班牙、意大利、瑞士、波兰、希腊和许多其他国家）推特用户的个人主页中，出现了大约80多万条推文。在选择数据时，访问量最高的旅行种类是‘美食’‘夜总会’‘火车站’‘教堂’‘海滩’。我们为每个种类准备了单独的数据选择。”
涅朱林娜称，在选择种类数据时，还与用户的性格进行了比对，因为用户发推文时的选词主要取决于他们的个人价值观。
研究人员认为，通过收集社交媒体用户的国籍、性别、用户等参数，可以获得更详细的预测。下一阶段是借助机器学习方法系统，分析和构建模型。（记者 董映璧）
