토픽모델링과 LSTM기반 텍스트 분석을 통한 부산방문 외국인 관광객의 선호관광지 및 관광매력요인 분석
Analysis of Region of Attraction and Attractive Factors Using Topic Modeling and LSTM-based Text Classification: Focusing on Busan
1
조회
0
다운로드
10
인용
0
참고문헌
키워드
초록
본 연구는 소셜 네트워크 서비스 중 플리커데이터 분석을 통해 부산을 방문한 외국인 관광객의 선호관광지와 관광지 키워드를 분석하고자 하였다. 최근 SNS의 보편화로 위치정보, 시간 및 텍스트 등의 데이터를 활용하는연구가 증가하고 있다. 특히, 여행과 관련된 게시글에는 관광수요자의 니즈와 선호도가 드러나므로 여행 트렌드 및매력요소 등을 분석하는데 활용도가 높다. 본 연구에서는 부산에 게시된 사진과 태깅된 텍스트 데이터를 기반으로토픽모델링을 통해 여행 카테고리를 생성하고, 딥러닝 모델인 LSTM을 활용하여 여행 카테고리별로 텍스트를 분류한 후, DBSCAN을 통해 여행 카테고리별 선호관광지를 도출하고 관광지별 매력요인을 해석하였다. 분석결과, 토픽모델링을 통해 시장/음식거리, 문화유산/역사적 명소, 전망/조망 명소, 문화/축제 명소, 공원/자연경관 명소, 종교적 장소, 쇼핑/도심경관 명소, 해안경관 명소, 문화마을의 9개 여행 카테고리를 생성하였고 텍스트 분류 모델의 정확도는 약 94%로 비교적 잘 분류해냈으며 부산 내 여행카테고리별로 매력요인을 확인할 수 있었다.
Abstract
This study attempted to analyze the preferred tourist destinations and keywords of tourist destinations of foreign tourists visiting Busan through Flickr data analysis among social network services. Recently, with the widespread use of SNS, studies using data such as location information, time and text are increasing. In particular, travel-related postings reveal the needs and preferences of tourists, so they are highly useful for analyzing travel trends and attractive factors. In this study, a travel category was created through topic modelling based on photos posted in Busan and tagged text data. By using the deep learning model LSTM, text is classified by travel category. Through the DBSCAN technique, preferred tourist destinations were derived for each travel category, and attractive factors for each tourist destination were analyzed. As a result of analysis, nine travel categories were created through topic modeling including markets/food streets, cultural heritage/historic attractions, prospects/viewing attractions, cultural/festival attractions, parks/natural scenery attractions, religious places, shopping/city scenery attractions, coastal scenery attractions, cultural villages. The accuracy of the text classification model is about 94%, which is relatively well classified. The attractive factors were identified for each travel category in Busan.
참고문헌 (25)
- 강영옥, "경험적 모델과 머신러닝 기법을 활용한 SNS 사용자 분류방법 비교: 플리커 데이터의 관광객 분류방법", 대한공간정보학회지, 27(4), pp.29~37 (2019), 대한공간정보학회[DOI]
- 권태일, "관광분야 빅데이터 활용체계 및실증분석 연구", 한국문화관광연구 (2017)
- 김나랑, "CNN과 Bidirectional LSTM을 활용한 부산시 민원 자동 분류 연구", 전산회계연구, 17(2), pp.81~98 (2019), 한국전산회계학회[DOI]
- 김나연, "소셜 네트워크 데이터를 활용한 서울방문 관광객의 선호 관광지 시공간 특성 분석", 서울도시연구, 20(1), pp.81~96 (2019), 서울연구원[DOI]
- 박경렬, "텍스트 마이닝을 활용한 DMZ관광 이슈의 토픽 모델링 분석", 관광레저연구, 31(4), pp.143~159 (2019), (사)한국관광레저학회
- 박예림, "플리커 데이터의 텍스트마이닝을 통한 서울방문 외국인 관광객의 서울 이미지 분석", 대한공간정보학회지, 27(1), pp.11~23 (2019), 대한공간정보학회[DOI]
- 소셜미디어 분석을 통한 경기도 관광 트렌드 연구, "이수진", 경기연구원, ~ (2015)
- 이혜진, "소셜 미디어데이터 분석을 통한 부산방문 외국인 관광객의 선호 관광지 및 관광지 이미지 분석", 한국도시지리학회지, 23(1), pp.101~114 (2020), 한국도시지리학회[DOI]
- 전창욱, "텐서플로와 머신러닝으로 시작하는 자연어처리" (2019), 위키북스
- 정혜선, "Bidirectional LSTM-Attention 기반 한국어 게시글 내용 분류에 관한 연구", 한국정보과학회 학술발표논문집, pp.817~819 (2018)
- 최홍열, "소셜 미디어 빅데이터 분석을 이용한 나홀로 여행 트렌드 분석: 제주도를 중심으로", 관광경영연구, 23(1), pp.45~64 (2019), 관광경영학회[DOI]
- 홍충선, "관광지재생과 관광지이미지 변화 연구: 텍스트마이닝을 중심으로", 관광경영연구, 23(2), pp.631~648 (2019), 관광경영학회[DOI]
- Blei, D. M., "Latent dirichlet allocation", Journal of Machine Learning Research, 3, pp.993~1022 (2003)
- Ester, M., "A density-based algorithm for discovering clusters in large spatial databases with noise", In Kdd, 9634, pp.226~231 (1996)
- Garcia-Palomares, J. C., "Identification of tourist hot spots based on social networks : A comparative analysis of European metropolises using photo-sharing services and GIS", Applied Geography, 63, pp.408~417 (2015)
- Hollenstein, L., "Exploring place through user-generated content : Using Flickr tags to describe city cores", Journal of Spatial Information Science, 2010(1), pp.21~48 (2010)
- Kadar, B., "Measuring tourist activities in cities using geotagged photography, An International Journal of Tourism Space", Place and Environment, 161, pp.88~104 (2014)
- Convolutional neural networks for sentence classification, "Kim, Y.", Association for Computational Linguistics, 1746~1751 (2014)
- 김정미, "Word2vec을 활용한 RNN기반의 문서 분류에 관한 연구", 한국지능시스템학회 논문지, 27(6), pp.560~565 (2017), 한국지능시스템학회
- Kisilevich, S., "PDBSCAN: A density based clustering algorithm for exploration and analysis of attractive areas using collections of geo-tagged photos", The International Conference and Exhibition on Computing for Geospatial Research and Application, 38, pp.1~4 (2010)
- Kisilevich, S., "Geospatial Visualisation", pp.211~233 (2013), Springer
- Kisilevich, S., "What do you think about this photo? A novel approach to opinion and sentiment analysis of photo comments, International Journal of Data Mining", Modelling and Management, 5(2), pp.138~157 (2013)
- Xiao, L., "Research on patent text classification based on word2vec and LSTM", International Symposium on Computational Intelligence and Design, pp.71~74 (2018)
- Rattenbury, T., "Methods for extracting place semantics from Flickr tags", ACM Transactions on the Web, 31, pp.1~30 (2009)
- "colah. github. io"[URL]