典型文献
基于互联网旅游数据的游客量预测模型研究现状与展望
文献摘要：
互联网旅游数据具有多元异构、高频、海量、价值密度低的大数据特征,从互联网旅游数据中挖掘关键特征信息和构建有效的游客量预测模型已成为近年来国内外相关科研机构的研究共识和热点.对近十年国内外基于互联网旅游数据的游客量预测模型研究现状进行综述.首先,介绍了互联网旅游数据的特点和来源,阐述了搜索引擎数据和社交媒体数据的获取过程和处理方法;其次,对基于互联网旅游数据的游客量预测模型现状进行评述,包括时间序列预测模型、计量经济预测模型、机器学习预测模型和组合预测模型;最后,从关键词智能提取、非结构化数据转化、多源旅游数据融合、高维非线性混频数据处理4个方面展望了未来的研究要点及趋势.
文献关键词：
互联网旅游数据;游客量;搜索引擎;社交媒体;预测模型
中图分类号：
作者姓名：
时萍萍;胡姚刚;孟继东
作者机构：
重庆理工大学 管理学院 重庆400054;重庆银行博士后科研工作站,重庆400024;重庆理工大学 电气与电子工程学院,重庆400054;重庆大学重庆旅游人才发展研究院,重庆400044
文献出处：
引用格式：
[1]时萍萍;胡姚刚;孟继东-.基于互联网旅游数据的游客量预测模型研究现状与展望)[J].资源开发与市场,2022(08):921-929
A类：
互联网旅游数据,非线性混频
B类：
游客量,研究现状与展望,多元异构,价值密度,数据特征,关键特征,特征信息,科研机构,研究共识,搜索引擎数据,社交媒体数据,时间序列预测模型,计量经济,经济预测,机器学习预测,组合预测模型,智能提取,非结构化数据,数据融合,高维,混频数据,研究要点
AB值：
0.285026
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
