“互联网+”背景下在线旅游用户数据研究及关联分析

发布时间：2021-07-05 16:54

　　近年来,国家和地方政府非常重视旅游大数据的开发,提出积极发展“互联网+旅游”战略,培育形式多样的新型旅游业态。本研究利用呈激增状态的在线旅游用户数据,分析在线旅游用户真实的旅游行为和需求,为优化旅游设施配置、改进旅游公共服务、提高旅游用户满意度、提升旅游企业服务水平、促进“互联网+旅游”战略发展提供决策依据。首先,以在线旅游用户为研究对象,进行网络问卷调查,分析在线旅游者旅游前准备阶段、旅游过程中、旅游结束后的信息搜寻、旅游产品预订和网络分享互动等网络行为,研究发现,调查对象在旅游前、旅游中主要搜寻旅游攻略和交通信息,在旅游前、旅游中预订最多的旅游产品为景区门票,其次为酒店、火车票、机票,相对于多种旅游产品组合而言,交通、景点门票、酒店住宿等旅游单个产品更受在线旅游用户的青睐;100%的调查对象旅游后存在分享互动行为,以分享游记为主;调查对象的学历、月收入对旅游前、旅游中信息搜寻行为和预订行为均有显著影响。其次,采用PHP网络爬虫技术获取用户分享游记数据,构建“用户”和“旅游景点路线链”的关联规则,以南京市在线旅游用户旅游路线数据为例,进行实证分析,得出旅游者在同一地区不同旅游景点关联... 

【文章来源】：南京邮电大学江苏省

【文章页数】：66 页

【学位级别】：硕士

【部分图文】：

爬虫方案流程图

南京邮电大学专业学位硕士研究生学位论文 第二章 研②选择合适的统计分析方法分析上一步生成的数据集合；③借助评分函数选择分析结生准确度更高的插补。假设一组数据，包括三个变量 Y1，Y2，Y3，它们的联合分布为正态分布，将这组理成三组，A 组保持原始数据，B 组仅缺失 Y3，C 组缺失 Y1 和 Y2。在多值插补时，将不进行任何处理，对 B 组产生 Y3 的一组估计值（作 Y3 关于 Y1，Y2 的回归），对产生 Y1 和 Y2 的一组成对估计值（作 Y1，Y2 关于 Y3 的回归）。本文数据有 7 个维度的变量，将每组数据分成 7 组，可利用 R 语言中的 Amelia.mi 包来执行这些操作，从而估计出缺失值。第一步：mice 函数由包含缺失数据的数据框返回多个完整数据集的对象，第二步：with 函数可依次对每个完整数据集应用回归模三步：pool 函数整合分析结果形成一组结果，具体执行过程如图 2.2：

指标分解图

【参考文献】：
期刊论文
[1]基于灰色关联分析的满洲里市旅游业发展研究[J]. 宋铁勇.  北方经济. 2017(04)
[2]旅游者网络消费行为特征研究[J]. 范珑.  旅游纵览(下半月). 2016(03)
[3]浙江省文化和旅游产业融合灰色关联分析研究[J]. 叶希聪,张海琼.  中国经贸导刊. 2016(08)
[4]景区线上团购影响因素研究[J]. 刘益,杨艳荣.  商业研究. 2014(10)
[5]旅游网站消费者购买意愿影响因素研究[J]. 朱丽男.  企业改革与管理. 2014(18)
[6]基于旅游数字足迹的西安旅游流网络结构研究[J]. 张妍妍,李君轶,杨敏.  人文地理. 2014(04)
[7]基于网络信息搜索的旅游需求预测——来自黄金周的证据[J]. 王炼,贾建民.  系统管理学报. 2014(03)
[8]基于自发地理信息的旅游地景观关注度研究——以九寨沟为例[J]. 王守成,郭风华,傅学庆,李仁杰.  旅游学刊. 2014(02)
[9]百度指数与旅游景区游客量的关系及预测研究——以北京故宫为例[J]. 黄先开,张丽峰,丁于思.  旅游学刊. 2013(11)
[10]基于信息共享的旅游供应链合作预测问题研究[J]. 石园,黄晓林,张智勇,石永强.  经济地理. 2013(06)

硕士论文
[1]安吉中国美丽乡村模式研究[D]. 邹志平.复旦大学 2010
[2]基于韩国市场的杭州旅游业营销策略研究[D]. 金敃志.浙江大学 2006



本文编号：3266458