xpj娱乐app下载|首页|歡迎您

学术前沿

首页  -   学术前沿

李新:基于互联网数据的旅游预测研究进展综述

研究成果:Review of tourism forecasting research with internet data

作者:李新,罗振雄,谢刚,汪寿阳

发表期刊:Tourism Management

数字时代下互联网技术的飞速发展显著影响诸多行业如旅游业,近些年来,互联网大数据已被广泛用于包含旅游和酒店等多行业的研究中。然而,有关互联网数据在旅游预测研究中的应用进展研究仍然较为有限。

本研究系统地分析了2012年至2019年期间在国内外学术期刊上发表的有关利用互联网数据进行旅游预测研究的文章。根据互联网大数据的不同来源,我们将互联网大数据分为搜索引擎数据、网站流量数据、社交媒体数据和多源互联网大数据四类,并依据该分类系统地评述互联网数据在旅游预测中的研究进展。研究结果表明:(1)相较于其他来源的互联网大数据,搜索引擎数据最为广泛地应用于旅游预测研究中。(2)就互联网数据的建模工具而言,时间序列模型和计量经济模型仍然占主导地位,而基于人工智能的建模仍在发展中。(3)对于非结构化的社交媒体数据和多源互联网大数据而言,需要有效结合跨学科分析方法如文本挖掘、情感分析和社交网络分析等,才能更好地将其转换为时间序列进行预测。基于互联网大数据和预测模型的结合将有助于在未来的研究中进一步提高预测准确性。

本研究对于大数据时代下旅游预测研究具有重要启示:社交媒体数据能够表征游客在旅游过程中对目的地或景区的积极或消极的情感,可一定程度弥补搜索引擎数据的不足;来自互联网多平台的大数据从不同维度较为全面地表征游客的旅游行为,从而为旅游目的地及景区旅游管理提供更及时和准确的数据来源。