没有合适的资源?快使用搜索试试~ 我知道了~
视觉信息学6(2022)1MDIVis:对旅游用户生成内容的多个目的地图像进行可视化分析李昌林a,曹梦琪a,温小林a,朱浩天b,刘尚松a,张心怡a,Min Zhua,朱敏a四川大学计算机学院,四川成都610065bXi交通大学-利物浦学院计算系,中国苏州215000ar t i cl e i nf o文章历史记录:2022年1月17日收到收到修订版,2022年5月21日接受,2022年2022年6月30日在线提供保留字:旅游目的地形象视觉分析用户生成的内容a b st ra ct丰富的旅游用户生成内容(UGC)包含了丰富的认知和情感信息,为构建描述旅游者旅游体验和评价的目的地形象提供了宝贵的数据。特别是,多个目的地形象可以帮助旅游管理者探索共同点和差异,调查游客的兴趣要素,提高目的地的竞争力。然而,现有的方法通常集中在一个单一的目的地的形象,他们不足以分析和可视化的UGC提取有价值的信息和知识。因此,我们与旅游专家讨论了需求具体来说,我们设计了一种新颖的情感矩阵视图来概括多个目的地图像,并改进了两种经典视图来分析时间序列模式并进行比较图像的详细信息。最后,我们展示了MDIVis的实用性,通过三个案例研究与领域专家对现实世界的数据,并通过专家访谈确认的可用性和有效性。版权所有©2022作者。由爱思唯尔公司出版我代表浙江大学和浙江大学出版社有限公司这是一个在CC BY-NC-ND许可证下的开放获取文章(http://creativecommons.org/licenses/by-nc-nd/4.0/)。1. 介绍根据Baloglu和McCleary(1999)定义的认知-情感模型,旅游目的地形象分为认知主题和情感体验,其中认知主题是指游客的知识,情感体验揭示了情感倾向(Huang et al. ,2021年)。此外,旅游用户生成内容(UGC)主要由在线游记和旅游平台评论组成。随着互联网应用的日益丰富和便捷这些平台包含丰富的用户生成内容,反映了访问者的实际情感。同样,旅游教资会在塑造旅游目的地形象方面也发挥着重要作用,为旅游研究提供了宝贵的机会。通过构建和考察旅游者感知的多重目的地形象*通讯作者。电子邮件地址:lichanglin@stu.scu.edu.cn(中文)Li),zhumin@scu.edu.cn(M.Zhu)。https://doi.org/10.1016/j.visinf.2022.06.001旅游管理人员可以探索多种目的地形象的共性和差异,以调查游客感兴趣的要素,提高目的地的竞争力(Agus等人,,2020年)。现有的基于旅游UGC的目的地形象研究,主要采用文本挖掘结合文本描述的方式进行单一目的地形象构建(Sheng et al. ,2020;Garay,2019)。旅游目的地形象的可视化分析目前还没有引起足够的研究重视,可视化主要用于呈现数据处理结果。尽管少数研究使用视觉分析进行单一目的地图像探索,但仍然缺乏专注于目的地图像比较的研究(Li et al. ,2016年)。因此,旅游业管理人员缺乏具体的技术和工具来处理和可视化基本数据,以提取有价值的信息和知识(巴罗佐等人,2020),并且发现多个目的地图像之间的共性和差异在这种情况下被认为是具有挑战性的任务。在本文中,我们介绍了MDIVis,一个交互式的可视化和旅游UGC分析系统,协助分析师探索和分析多个目的地形象。从游记和评论中,MDIVis提取了认知实体和情感描述,以及构成2468- 502 X/©2022作者。由爱思唯尔公司出版代表浙江大学和浙江大学出版社。公司这是一个在CC BY-NC-ND许可证下的开放获取文章(http://creativecommons.org/licenses/by-nc-nd/4.0/)。可在ScienceDirect上获得目录列表视觉信息学期刊主页:www.elsevier.com/locate/visinfC. Li,M.Cao,X.Wen et al.视觉信息学6(2022)12认知意象分为五类,以便于从多个角度探索和比较目的地意象。同时,MDIVis允许用户在概述和细节级别进行比较在概览层面,我们设计并使用情感矩阵视图来帮助分析师直观地比较多个目的地图像的特征。分析师可以调查和比较的时间演变和详细信息的多个目的地图像的细节水平。为了评估MDIV的可用性和有效性,我们使用真实数据进行了案例研究,然后与领域专家进行了访谈。结果表明,该系统能够识别多个目的地形象之间的共性和差异,揭示形象的时间模式,并解释改变形象的游客关注的元素我们工作的主要贡献包括:提出了一套新颖的可视化设计,以支持目标图像的交互式比较开发了一个基于链接视图的系统。该系统为用户提供了旅游目的地形象的探索在两个层次上的概述和细节。基于真实数据的三个案例研究和一次专家访谈,展示了MDIV的可用性和有效性。2. 相关作品与我们的工作相关的研究可以分为两个部分:旅游目的地形象分析技术和用户生成内容的可视化。2.1. 旅游目的地形象分析目的地形象是指一个人对目的地的整体信念,想法和印象(Woosnam et al. ,2020年)。研究者主要使用三种方法来识别目的地形象:问卷调查、UGC挖掘和图片识别方法。Jeng等人(2019)和Han et al. (2021)进行了旅游目的地形象问卷调查,以协助营销人员研究游客行为模式和制定公共策略。然而,旅游目的地形象研究受到调查时间和问卷设计的限制。旅游UGC数据具有易获取性、知名度、真实性、游客直接参与性等特点,为目的地形象研究提供了可靠的途径Qi和Chen(2019)对收集的旅游评论文本进行分类,并使用分析软件构建目的地图像。他们分析总结了游客由于UGC通常以文本形式呈现,因此一些内容分析方法(LDA等) 通常用于将UGC转换为结构化的主题模型,并且文本中包含的情感体验也可以很容易地提取(Wang et al. ,2020;Gkritzali等人,2018年)。此外,近年来,一些研究已经调查并拓宽了人工智能技术在旅游目的地研究中的使用,重点关注旅游图片内容挖掘的目的地形象构建(Zhanget al. ,2019; Xiao etal. ,2020年)。Sheng等人(2020)结合图像和文字描述构建旅游目的地形象。他们发现,通过文字描述揭示的目的地形象比图像更清晰。认知-情感范式经常用于目的地形象分析和研究,它对游客满意度和忠诚度有着有利的影响(Chiu et al. ,2016年)。与此同时,并非所有的认知因素都会影响游客的返回意愿,对认知实体进行分类可以使目的地形象分析更容易(Triantafillidouet al. ,2019; Leković et al. 、2020年)。 Garay(2019 )通过定量内容分析, Huang等人(2021)从认知视角构建了研究框架,探讨了不同认知主题下的认知行为特征和情感体验如何服务于目的地形象,并提出了改善旅游体验的新建议目前的研究主要集中在通过词频统计和文本描述相结合来构建目的地形象,但其结果过于复杂,旅游分析人员难以识别和解释。此外,大多数研究都集中在构建特定的目的地形象,而没有考虑图像对比度和时间序列的影响。2.2. 用户生成内容用户生成的内容是指博客、评论、笔记和包括用户体验、情感和观点的其他形式。在本节中,我们介绍了社交媒体和旅游网站上UGC的视觉分析研究现状。社交媒体是越来越多的用户生成内容的来源。与我们探索目的地图像的工作类似,许多研究人员专注于使用可视化分析来抽象和构建热门主题。Knittel等人(2021)使用聚类方法更新主题的可视化。他们整合了熟悉的和高度相关的视觉隐喻,总结了关于感兴趣的特定主题的可视化细节的方法。 Troudi等人 (2019)采用可视化分析对热点事件进行多维度研究,从众多社交媒体来源收集数据,以识别已发生的事件。Kucher等人(2020)构建了一个文本可视化分析工具,用于探索和分析社交媒体UGC中的情感和立场。此外,挖掘时态特征也是近年来UGC视觉分析的TagNet由Chen(2018)创建,它结合一个传统的标签云与升级的节点链接图,通过简单直观的视觉表达来表示情绪的时间演变。此外,有针对性的视图设计有助于用户理解UGC的潜在信息。Hu等人(2016)为非结构化社交媒体文本创建了一种可视化方法,该方法结合了词云和树云原则,在社交媒体中显示关键字并保持文本的句子结构,使读者能够快速掌握重要的概念和观点一些旅游UGC研究的视觉分析利用了视觉分析的探索能力(Kim et al. ,2017; Zhang andKoshijima,2019; Yuan et al. ,2016; Xu et al. ,2015)。Francalanci和Hussain(2015)结合k壳分析理论提出了一种新颖的视觉外围层图形表示,以帮助旅游专家探索和分析社交网络中最具竞争力的地点或事件。Li等人(2016)使用可视化分析来调查社交网络关系,并揭示热门旅游地区的趋势。Cao等人(2020)提出了一种多属性双重关系技术来研究知识与图片之间的关系,但没有考虑多个目标图像的差异。在此基础上,本文重点研究了目的地形象的认知和情感要素,并设计了一个视觉分析框架,以支持对多个目的地形象的交互式探索和比较分析。3. 情景和任务分析为了更好地识别需要调查多个目的地图像的共性和差异的场景,我们···C. Li,M.Cao,X.Wen et al.视觉信息学6(2022)13−邀请四位领域专家(E1-E4)收集需求并找到设计候选方案。E1是旅游管理部门的战略分析师。E2和E3是旅游业的产品经理。E4是旅游学院的教授。在本节中,我们首先与专家讨论并组织分析任务,然后介绍研究场景数据,并根据任务制定相应的需求。3.1. 任务抽象不同的旅游景点有不同的吸引力要素,人们对它们的感知也不同。我们的总体分析目标是探索和比较多个目的地形象,这将有助于旅游管理人员发现游客最感兴趣的目的地以及每个目的地的竞争要素。此外,从概述到细节的探索性分析方法需要直观地发现每个目标图像在概览方面的特征,以缩小感兴趣的候选集。同时,用户需要从多个角度探索目标图像的时间特性和广泛感兴趣的因素方面的细节。经过与旅游专家的圆桌会议,我们形成了以下具体任务:T1汇总多个目标映像。为了调查数据集中包括的多个目标图像,专家需要总结和检查这些目标图像的一般情况。包括以下三个主要领域:T1.1汇总目标集的整体映像。分析者首先需要概括出目的地集合的总体意象,并发现认知意象和情感意象的分布。T1.2总结目标集的认知主题。认知主题是人们对目的地认知的一种表现形式。分析者需要感知目的地认知主题的丰富性,并进一步分析每个认知主题类别的信息。T1.3总结目标集的情感体验。情感体验是指旅游者对旅游目的地的情感倾向,通常呈现出积极或消极的状态。例如,专家想知道哪一个风景的目的地图像比其他图像表现得更积极。T2探索目的地形象的时间序列演变。多年来,在相互竞争的环境中,多个目的地的流行程度发生了变化分析师需要分析和比较不同目的地的时间模式与旅游UGC数据的时间特征。T3分析和比较个人的详细信息。通过对旅游目的地的总体分析,旅游专家可以找到一些感兴趣的旅游目的地作为一个子集进行解剖,从而对相关的旅游目的地形象有一个全面的了解,并进行比较考虑以下要求T3.1比较个体的认知主题。每一个目的地意象都包含其独有的认知主题,比较认知主题就是寻找构成认知主题的认知实体之间的差异。例如,专家们想知道一些目的地吸引力的主要因素以及对游客的不同价值。T3.2比较个体的情感体验。与T1.3类似,情感分析的详细比较需要与认知主题相结合,分析人员需要比较认知实体的具体情感描述。T3.3比较单一目的地的感知/投影图像。一个旅游目的地通常包含两个形象,一个是基于游客反馈的感知形象,另一个是由官方形象构建的投影形象。分析者需要比较这两种形象,以了解它们的差异,这有助于宣传者优化他们的宣传策略。T3.4展示用户生成的原始内容。在用户生成的原始内容中,旅行者详细分享他们因此,分析人员需要在分析过程中结合UGC的完整描述,以更好地理解目标图像。3.2. 数据描述旅游UGC是构建目的地的主要数据来源,照片。各种旅游社区平台纷纷涌现 在日常生活中,为人们提供了丰富的交流旅游经验的渠道,并产生不同的UGC数据形式。其中一种UGC数据是游记信息,旅行者在访问某个城市或省份后发布游记,这些游记是长篇内容,例如www.mafengwo.cn和www. youxiake.com另一种是评论信息 , 它 是 游 客 在 访 问 特 定 景 点 后 发 布 的 简 短 内 容 , 例 如www.ctrip.com、www.tripadvisor.cn和www.qyer.com。本文在比较 了各 旅游 网站 后, 选 取了 “ 马 蜂窝 ” ( 长文 本) 中 的游 记和“tripadvisor”(短文本)中的评论作为主要的研究数据。游记信息包含了旅游者在旅游过程中所经历的人和物的记录和经历。 每一段游记都有不同的描写对象,是目的地形象的综合体现。评论包含更明确的时间信息,并描述访问者首先,我们使用网络爬虫来解析UGC数据2014 - 2020年,收集旅游评论56万条,评论约157万条。其次,我们参考“马蜂窝”网站的目的地类型在此之后,我们从UGC中删除停用词,并使用TextRank算法提取名词和形容词作为目标图像的认知和情感元素此外,我们将认知实体与情感和文本上下文相关联,以帮助用户了解访问者的真实想法。在Beerli和Martin(2004)的启发下,我们将认知主题分为五类:食物,场景,景观,设施和氛围。最后,我们使用SNOWNLP计算关键短语的情感得分,负到正的程度从1映射到1。该值将用于可视化游客3.3. 设计要求针对上述分析任务,我们结合UGC的数据特点,制定了以下设计要求。C. Li,M.Cao,X.Wen et al.视觉信息学6(2022)14Fig. 1. MDIVis允许用户从多个方面调查和比较UGC上的多个目的地图像。设置面板(A)帮助用户粗略地筛选感兴趣的目的地,情感矩阵视图(B)呈现多个候选目的地的图像的概览,定时视图(C)描述关键词雷达视图(D)提供了详细的信息,以探索和比较目的地图像,以及辅助视图(E、F)为用户提供额外信息DR1。 提供多个目标映像的概述。该系统应支持对目的地意象的认知主题和情感体验的有效识别和解释。目的地形象的可视化编码了其情感倾向和认知实体的丰富性(T1)。DR2。 可视化目标图像的时间变化。旅游目的地形象每年的变化应视觉化。这些视图应提供一个概述和比较,目的地图像如何改变了多年来(T2)。DR3。 比较目标图像的详细信息。为了发现和理解目的地形象之间的共同点和不同点,视图应该从不同的角度展示形象的细节特征,并支持对目的地进行比较探索(T3)的独立选择。4. MDIVis系统设计4.1. 系统管路结合旅游目的地形象分析的需求和数据特点,设计了一个基于UGC的多目的地形象系统的管路如图所示。 二、在获取UGC并对数据集进行处理后,我们将形成的结构化数据保存在数据库中。我们设计并实现了一系列的可视化链接视图,并结合丰富的交互手段,帮助用户从不同的角度分析和探索目的地形象。回顾MDIV的视图组件和交互遵循从概述到细节的分析模型概览级视图用作分析的入口点,情感矩阵视图为用户提供数据集中多个目标图像的概览,认知视图显示认知实体(T1)的综合统计信息。详细级别视图旨在提供更具体的图像信息,以帮助用户比较目的地。具体来说,时间视图展示了目的地4.2. Sentiment Matrix查看对于数据集中的多个目标图像,用户首先需要快速浏览这些目标图像(DR1)。我们将旅游目的地意象概括为认知和情感两个方面为了更好地理解和比较它们,我们提供了分类和整体视觉设计。如图在图1(B)中,多个目的地图像以矩阵显示。每一行代表一个目的地形象,包括五种认知类型的形象单元(食物、景点、风景、服务和氛围)和整体形象单元。分析者可以横向比较同一目的地意象在不同认知类别中的分布,纵向比较同一认知类型或整体情境中的多个目的地意象意象单元在特定的认知范畴中识别游客对目的地的情感倾向 如图如图3(a)所示,每个图像单元用四个矩形编码,两个大矩形角LArea1和RArea1以及嵌入其中的两个小矩形LArea2和RArea2。LArea1和RArea1使用的颜色深度分别编码积极和消极的情绪程度LArea2和RArea2的面积大小映射了积极和消极认知实体的数量。整体图像单元(图 3(b))提供了图像的一般信息,包括目的地的认知和情感的综合分布。在游记或评点中,并非所有的认知实体都与情感表达相关联。我们挖掘文本中情感描述实体和非情感实体的分布,以帮助用户以整体图像为单位识别目的地图像的可信度。单元顶部的饼图显示了分类后具有情感描述的认知实体的分布,而水平堆叠图显示了总体分布。具有两个点的线段的长度编码消极情绪值和积极情绪值之间线段的起点到矩形的左边界之间的距离px表示负情绪值,对应的距离px表示正情绪值。4.3. 时序视图每个旅游目的地每年都有许多游客参观,其受欢迎程度每年都有变化在这个观点中,我们遵循C. Li,M.Cao,X.Wen et al.视觉信息学6(2022)15图二、MDIVis的管道包括UGC抓取、数据处理和可视化。图三. 多视图设计。(a)认知图像单元由LArea1、LArea2、RArea1和RArea2组成。(b)一个整体图像单元,包括饼图、条形图、和一个点线图。(c)关键词雷达视图包含InnerArea和OuterArea。情感矩阵单元代表每年的目的地此外,结合张的工作等人(2020)在视觉排名渠道上,我们使用视觉渠道链显示多年来多个目的地图像的排名(DR2)。如图在图1(C)中,时间序列设计将时间维度添加到情感矩阵的维度图像单元,其中目的地名称文本垂直地布置在左侧,并且时间信息水平地并置在上方。中央部分包括由矩阵状布局排列的图像单元对于一个目的地,每年的图像单元由一系列浅背景的通道连接,每条链反映了多年来图像排名的变化。当专家悬停在目标或图像单元上时,相关的图像链将被突出显示,以帮助专家专注于所选择的目标并挖掘其时间演化模式。例如图1(C),突出显示了目的地武侯祠的图像。4.4. 关键词雷达视图关键词雷达视图的目的是探索和比较多个目标图像的详细特征。如图1(D),我们在经典的雷达图上增加了点在轴上的面积的视觉映射,以呈现情感意象的认知维度。我们将其与环形词云相结合,以提供图像的详细比较(DR3)。视图使用放射状布局,包含InnerArea和OuterArea部件,如图所示。3(c).在InnerArea部分中,使用修改后的雷达地图在多个认知维度上对目的地的图像信息进行编码,以便于视觉比较。对应的认知属性值由轴上的交点与径向轴上的轴心之间的距离编码。点的区域在该维度中编码了目的地的情感属性。在OuterArea部分中,云表示目的地图像的认知实体,并且使用不同的颜色来区分目的地。该视图支持不同维度(不同部门词云)之间的比较分析,并实现单个维度(同一部门词云)的4.5. 相互作用在本节中,我们将描述MDIV中涉及的视觉组件之间的交互。交互旨在帮助用户探索和比较多个目的地图片并完成相关分析任务。在进行正式的分析之前,用户需要在设置面板中按类别粗略地过滤目的地(图1)。1(E)),或者手动搜索目的地以添加到待分析的候选列表。当用户生成或改变候选目的地的集合时,认知视图呈现关于它们的直观认知信息,并且情感矩阵视图提供每个认知类别中然后,用户可以交互式地对矩阵中的候选目的地进行排序,以便于选择感兴趣的特定目的地,并通过单击设置面板中的选项卡切换到详细级别视图进行详细比较和探索。定时视图显示多个目标图像的排名如何随着时间的推移而变化,允许用户将鼠标悬停在图像上以注意它属于哪个突出的酒吧。此外,用户可以通过将鼠标悬停在可见元素上来调查更多信息在关键词雷达视图中展开气泡工具提示。此外,当用户通过与视图组件交互来探索特定的目标图像时,视图将自动更新支持目标图像的UGC信息5. 评价目的地形象是旅游业研究的热门课题之一,旅游管理者关注的是目的地形象的差异性,C. Li,M.Cao,X.Wen et al.视觉信息学6(2022)16多个目标图像。为了评估MDIV的有效性和可用性,我们进行了三个案例研究和一个专家访谈的真实世界的数据。5.1. 案例研究在下文中,我们将介绍三个案例研究,并以中国四川省这三个案例研究共同涵盖了第3.1节中描述的所有任务。5.1.1. 汇总和比较多目标图像总结游客在这种情况下,我们描述了我们的系统如何帮助专家从不同的角度理解多个目的地首先,我们在设置面板中的博物馆类别中选择目的地,以获得目的地的概述。图1(E)显示了这些目的地的认知主题分布,其中气氛最受欢迎,其次是吸引人,食物最少。然后,我们通过选择气氛认知直方图来分析认知词云。在底部,一些术语,如历史、特色、儿童等被广泛讨论,这意味着游客更喜欢带孩子来开阔视野,体验历史文化感。博物馆类别中的目的地图像显示在情感矩阵视图中(图1)。 1(B))。结果发现,在整体图像单元中,浅灰色所占的面积普遍大于深灰色,说明游客丰富体验的认知实体此外,底部的情感线段都向右偏移,表明游客对目的地有良好的体验(T1.1)。情感矩阵描述了各个目的地的分类情感状况对于每一个认知类别,图像单元左侧的绿色嵌入矩形比右侧的红色矩形占据更多的面积,表明游客对目的地的印象更加积极,总体目的地图像是令人愉快的(T1.3)。此外,值得注意的是,几乎每个目的地在氛围类认知主题出现的频率最高,其次是吸引力,服务类认知主题出现的频率最低,这与认知分类词云的分布(T1.2)相一致。总的来说,所有目的地都呈现出积极的形象,即,游客的积极感受。此外,博物馆目的地注重增强景点和景观,以创造历史氛围,但缺乏服务声誉(T1)。5.1.2. 探索时间特征和细节探索旅游目的地形象多年来的发展历程,结合旅游目的地形象的详细信息,可以帮助专家识别旅游目的地形象的具体差异,进而为提升旅游目的地竞争力提供依据。在这个案例研究中,我们描述了MDIVis如何帮助专家探索目的地的形象差异和潜在的竞争力。在前面的分析中,专家们对出现频率较高的武侯祠、杜甫草堂、成都博物馆和金沙遗址博物馆等目的地意象感兴趣,我们对这些目的地意象的时间模式进行了图1(C)示出了2014年至2019年,所有目的地的图像单位都显示出类似的趋势。内部矩形的面积在链条上不断增加,这意味着游客的印象随着时间的推移而变得更加丰富。值得注意的是,2019年至2020年,内矩形的面积明显下降。基于实际事件,可能是由于二零二零年初COVID-19的社会影响,减少了游客出行次数,削弱了他们对目的地的认知。另外值得一提的是,武侯祠的排名在整体排名波动的同时,总的趋势是向好的。排名从2014年的第二上升到2015年的第一,2018年保持不变,2019年有所下降,但2020年又重新攀升到前两名。接下来,我们检查气氛类别的情感图像的时间演变,并按积极图像对它们进行排序,如图所示。凌晨4与总体情况相似,在各年的图像单元中,嵌入左侧的绿色矩形面积大于右侧的红色矩形,表明目的地给游客留下了更积极的印象。当我们将鼠标悬停在杜甫草堂的名称文本自2014年以来,其排名逐年上升。它在2017年上升到第一位,并一直保持到2020年,这表明该目的地对游客产生了积极影响。然后,我们将它们按负图像进行排序,结果如图所示。 4 b. 杜甫草堂的负面排名变化很大,逐年上升,又逐年下降。2019年重新回到第四位,并保持一定水平。据发现,游客对杜甫草堂的正面印象在逐年增加的同时,负面印象也较多。但负面影响的增加自2017年以来逐渐减少。也可以看到,2019年至2020年,各单位右侧矩形的颜色深度通过以上观察和分析,由于环境变化和各旅游目的地之间的竞争,多年来多个目的地的形象发生了或大或小的变化(T2)。我们继续比较分析武侯祠和杜甫草堂在关键词雷达视图(T3)中的图像在游客的积极感知中,如图5(a,b)所示,两个目的地都有相同的认知实体,如历史、文化和一些同义词,这表明游客更喜欢感受中国优秀传统文化的影响(T3.1)。在消极的看法,如图所示。5(c,d),两个旅游目的地在风景、品味、门票、价格、性价比等方面都有相似的实体,表明两个旅游目的地给游客留下了相似的负面印象(T3.2)。为了支持这一观点,我们浏览了相关的原始用户生成内容,许多游客表示,如果门票不是很贵,他们会经常去那里(T3.4)。上述例子表明,慕尚目的地在历史和文化遗产方面表现良好而以门票为主的服务要素,则有可能成为目的地后续发展的关键竞争要素。5.1.3. 比较感知/投影图像目的地形象可分为感知形象和投射形象,感知形象是指旅游者对目的地的总体印象和感受,投射形象是指UGC中旅游者在这种情况下,我们以成都市为例,与宣传数据,探讨感知和投影图像之间的分歧。C. Li,M.Cao,X.Wen et al.视觉信息学6(2022)17图四、 定时视图。图像按其正度(a)或负度(b)排序图五、 详细的 对比分析与关键词雷达视图。武侯祠的目的地形象分为两个部分:一是正面形象(a)和负像(c)。并将杜甫草堂的目的地形象分为正面形象和负面形象两部分。从游客的角度来看(图6(a)),游客在景观类别中最常提到的术语是风景和景观。食品类中最常被提及的实体是风味,服务类中最常被提及的是网络和服务在在氛围认知类中,旅行者经常提到生活和环境,而成都和文化则经常被用在景点类中。图图6(b)示出了投影图像的细节。有更多的高频实体,包括地图,事件,交通服务,和公园,音乐的景点,C. Li,M.Cao,X.Wen et al.视觉信息学6(2022)18见图6。感知与投射的详细对比分析。感知图像(a)和投影图像(b)分别在并置布局下显示。并且感知图像和投影图像一起显示在叠加布局(c)下。表1专家评估问卷。Q1选择一些目的地进行比较分析容易(困难)吗?Q2有了情感矩阵视图,它容易(难)本次专家评审共有10名专家参加,其中旅游管理人员2名,视觉分析研究人员4名我们设计了一份调查问卷(表1),其中Q1可用性有效性比较目标子集的图像全球?Q3了解目的地之间图像的时间演变容易(困难)吗?Q4选择感兴趣的目的地子集并详细比较它们Q5游客感知的成都形象与官方投射的成都形象之间的差异分析容易(难)吗?Q6 总的来说,使用MDIV对您来说容易(还是困难比较多目的地的图像吗Q7 学习和使用MDIV容易(难)吗Q8 视觉设计容易(难)理解吗在MDIV?Q8在目的地形象的对比分析中涉及MDIV的整体评估,以评估MDIV的有效性。其次,我们简要介绍了我们的工作背景最后,鼓励参与者自由探索MDIV并回答相关的评价问题。图7显示了问题Q1-Q8的专家评估结果在目的地分析子集选择方面,所有参与者都认为MDIV使得通过目的地搜索或类型选择来确定目的地子集以进行比较分析变得非常简单(Q1)。在概述分析(Q2)中,参与者以情感矩阵观点对所选目的地集合进行初步分析,认为表明投射的形象更加繁荣,致力于促进目的地的多样性,仍需游客深入体验和感受。为了进一步比较游客的感知图像与官方投影图像,并置布局被覆盖布局取代 如图 6(c),绿色用于指示旅游感知,紫色用于官方预测。内部雷达图在五个维度上比较了感知图像和投影图像的信息据观察,游客提到更多的是风景类。官方在美食、服务、景点类型上做了大量宣传,在氛围类上与游客比较一致。我们进一步关注每个维度的详细描述。游客对品味的感受更强烈。与之相比,投射意象中包含了更多的认知实体,如风景、公园、音乐等。6(b,c))发现游客更关注成本效益,主要描述为高和最高,而官方更关注体验(T3.3)。这个案例说明了感知图像和投影图像之间的差异,根据游客的兴趣塑造图像可能是一个挑战,也可能是一个机会5.2. 专家评价上述案例研究验证了本文提出的MDIV的实用性我们开发了以下专家评估,以证明系统意象单元能够直观地刻画与认知和情感相关的信息,并容易反映出目的地集合在不同维度上的差异。此外,他们可以执行目标集合与交互类型的比较分析。在概述分析之后,参与者交互地选择感兴趣的目的地,并进一步分析时间和详细特征。在时间序列对比方面(Q3),参与者更喜欢Timing View,直观地发现图像一年来的年度演变趋势。例如,参与者选择了整体排名的方法,他们发现杜甫草堂的形象在详细比较(Q4)方面,10名参与者中有9名认为他们可以完成对目的地图像详细信息的比较分析。他们一致认为,关键词雷达视图提供了机密的详细信息,这有利于与多个目的地图像进行完全对比。当将游客的感知形象与官方投影形象进行比较时例如,参与者提到,他们只能通过图像概览视图来识别图像之间的明显差异与会者一致认为,MDIVis是有效的比较目的地形象的基础上,上述探索和分析的经验(Q6)。根据Q7和Q8,专家很容易使用MDIV并理解其视觉设计。从未使用过视觉分析系统的用户也可以有效地对目的地图像进行比较分析。此外,大多数专家都认为,情感矩阵视图以表格形式呈现了目的地图像的概述,C. Li,M.Cao,X.Wen et al.视觉信息学6(2022)19见图7。 专家评估结果。格式,降低学习成本,并以清晰的形式可视化数据专家还认为,定时视图和关键词雷达视图支持对选定的目的地图像进行详细比较不过,也有专家建议,在今后的工作中可以增加交通、住宿、周边设施等目的地形象指标,使分析结果更加全面具体。6. 讨论虽然MDIV的可用性和有效性已在我们的评估中得到证实,但仍存在一些局限性,可作为未来研究的有意义的参考。可扩展性。在上述案例研究中,我们证明了MDIV用于任务探索的有效性,但其可扩展性可能会得到改善。情感矩阵视图以矩阵的形式呈现目的地图像,并且用户在每次观察时获得关于目的地的如果数据集中有大量的目标图像,则捕获整体在这项工作中,专家倾向于在分类后调查每个类别下的优秀目的地,矩阵布局是一种合适的方式来满足这一需求。一般化。在目前的研究工作中,MDIVis仅应用于探索多个目的地图像,其中的一些视觉分析方法和观点可以参考其他领域。关键词雷达视图和情感矩阵视图不限于比较目的地图像。它们也适用于与文本可视化相关的其他领域(如教育)中涉及关键字,情感和时间序列的细粒度分类和比较需求例如,我们可以分析学生对在线课程的评论,通过在这样的背景下调整所提出的方法来发现差异。7. 结论本文提出了旅游目的地形象分析的多维度可视化模型,帮助用户从UGC中探索和理解目的地形象特征,并在比较分析中发现目的地的竞争要素。具体而言,我们首先结合文献综述和专家访谈,提取系统需求和分析任务。然后,设计并实现了一种新的情感矩阵视图,并对两种经典视图进行了改进,使用户能够从不同的视角对目标图像进行最后,在实际的UGC环境中进行案例分析和专家评价,验证MDIVis的可用性和有效性。未来,我们计划添加数据表单,以获取更多有关旅行体验的信息。旅游目的地形象包含多种内容。本文仅分析旅游平台上的游记和评论信息。其他的形式,如交通,住宿,社会环境,以及其他方面的目的地形象没有考虑。此外,地理特征对目的地形象分析同样有意义,一些顶级旅游景点可能会推广周围的旅游景点。CRediT作者贡献声明李长林:写作-初稿,方法论,可视化,写作-评论. 曹梦琪:数据管理,调查。Xiaolin Wen:调查,资源,软件。朱昊天:写作刘尚松:写作Xinyi Zhang:写作–朱敏监督。竞合利益作者声明,他们没有已知的竞争性财务利益或个人关系,可能会影响本文报告的工作致谢本工作得到成都市科学技术局(批准号:)的资助. 2019-YF05-02121-SN)。伦理批准本研究不包含任何作者对人类或动物受试者进行的任何研究。研究中使用的所有数据都来自过去发布的公共数据库。引用Agus,S.,Gamal,S., 例如, 2020. 伊斯兰目的地属性对沙特阿拉伯人决 定 访问 雅 加 达 的 影 响 : 旅 游 目 的 地 形 象 作 为 中 介 变 量 。Int. J. 宗教之旅皮尔格8(3)。Baloglu,S.,McCleary,K.W.,1999.目的地形象形成的模型。Ann.旅游资源26(4),868Barroso,C.M.,桑托斯C.Q. Espindola,L.S.,Silveira,M.S.,2020.旅游领域专业人士对数据可视化设计的思考。国际人机交互会议(InternationalConferenceonHuman-Computer Interaction)施普林格,pp.538-554Beerli,A.,马丁,J.D.,2004年影响目的地形象的因素。Ann. 旅游.Res. 31(3),657Cao,M.- q.,梁杰,李,M.- z.,周志- h.,Zhu,M.,2020.旅游目的地形象的视觉分析。前面Inf. Technol. Electron. Eng. 21(4),536-557.陈玉,2018. Tagnet:对大型社交媒体数据进行基于标签的情感分析。在:2018IEEE太平洋可视化研讨会(PacificVis)。IEEEpp. 190-194.邱文,曾,S.,Cheng,P.S.- T.,2016.目的地形象和游客满意度对游客忠诚度的影响--以韩国中国游客为例。Int. J. 文化,旅游。医院资源弗兰卡兰西角,侯赛因,A.,2015.旅游领域社会影响者和影响力的可视化分析。信息和通信技术在旅游业 2015年。施普林格,pp.十九比三十二C. Li,M.Cao,X.Wen et al.视觉信息学6(2022)110加雷湖2019.参观西班牙。旅游目的地形象社会化媒体构建中情感与认知属性的分解。旅游.经理。透视。32,100560。Gkritzali,A.,Gritzalis,D.,Stavrou,V.,2018.宙斯还活着吗?雅典在经济衰退时期的目的地形象。J. 旅游资源57(4),540Han,P.,张,M.,姚,M.,Hui,Z.,陈美,2021.基于留学生视角的南京旅游形象实证研究。人工智能与安全国际会议(International Conference on ArtificialIntelligence and Security)Springerpp. 476-485胡,M.,Wongsuphasawat,K.,Stasko,J.,2016.使用社交媒体内容可视化。IEEE Trans.目视Comput. Graphics 23(1),621黄伟,Zhu,S.,Yao,X.,2021.目的地形象识别和情感分析:来自在线旅游社区用户生成内容的证据。Comput. J. 64(3),296-304.Jeng,C.- R.,斯奈德,A.T.,陈春,越-地F.、2019.重要性-绩效分析作为旅游行销者策略工具之研究:以台湾目的地形象为例。旅游. 医院Res. 19(1),112金,K.,约克帕克,O.,Yun,S.,Yun,H.,2017.是什么让游客对旅游目的地产生负面的感觉?混合文本挖掘方法的应用智能目的地管理。技术预测。Soc.Change 123,362-369。Knittel,J.,科赫,S.,唐,T.,陈伟,吴,Y.,Liu,S.,埃特尔,T.,2021.对大量社交媒体帖子进行实时可视化分析。IEEE Trans. Vis. Comput. Graphics-遗漏广西快乐Kucher,K.,Martins,R.M.,帕拉迪斯角,Kerren,A.,2020. Stancevis prime:社交媒体文本中情感和立场的视觉分析。J.维斯 23(6),1015-1034。Leković,K.,Tomić,S.,Marić,D.,Zurčić,N.V.,2020.乡村旅游目的地形象认知成分作为可持续发展的潜力。可持续性12(22),9413。李, Q.,吴 ,Y.,王 , S.,林 ,M., Feng ,X.,中 国科学 院, 王, H.,2016.Vistravel:从用户生成
下载后可阅读完整内容,剩余1页未读,立即下载
cpongm
- 粉丝: 4
- 资源: 2万+
上传资源 快速赚钱
- 我的内容管理 收起
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
会员权益专享
最新资源
- zigbee-cluster-library-specification
- JSBSim Reference Manual
- c++校园超市商品信息管理系统课程设计说明书(含源代码) (2).pdf
- 建筑供配电系统相关课件.pptx
- 企业管理规章制度及管理模式.doc
- vb打开摄像头.doc
- 云计算-可信计算中认证协议改进方案.pdf
- [详细完整版]单片机编程4.ppt
- c语言常用算法.pdf
- c++经典程序代码大全.pdf
- 单片机数字时钟资料.doc
- 11项目管理前沿1.0.pptx
- 基于ssm的“魅力”繁峙宣传网站的设计与实现论文.doc
- 智慧交通综合解决方案.pptx
- 建筑防潮设计-PowerPointPresentati.pptx
- SPC统计过程控制程序.pptx
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功